Nvidia 70% 增长预测：黄仁勋称限制因素是供应，而非需求

黄仁勋表示，Nvidia 70% 的增长预测反映的是供应上限，而非客户需求的极限。Nvidia 预计其 2028 财年营收将增长约 70%，对于一家正应对 AI 支出波动的公司而言，这种跨年度预测并不寻常。

这一预测表明，尽管 Amazon、Google、Microsoft、OpenAI 和 Anthropic 正在开发定制芯片，Nvidia 仍有信心持续增长。但它也引出了一个更棘手的问题：有多少需求是独立存在的，又有多少取决于 Nvidia 帮助客户为围绕其硬件建设的基础设施融资？

黄仁勋的回答是，Nvidia 能够看见整个 AI 供应链的需求。该公司与芯片供应商、云运营商、模型开发者、企业、政府和数据中心建设方合作。批评者则以不同角度看待其中许多关系。他们担心，Nvidia 正越来越多地为购买其系统的客户提供融资或支持。

这种矛盾比 headline 中的百分比更重要。Nvidia 已不再只是向完全由其他公司建设的基础设施市场销售加速器。它正在帮助确保制造产能、数据中心选址、融资以及云收入承诺。

其结果是，一项业务对未来建设计划拥有不同寻常的可见性。但它同时也承担了超出半导体设计之外的新风险。

Nvidia 70% 增长预测是一项受供应制约的承诺

Nvidia 的预测意味着，该公司预计需求将超过其制造和基础设施网络所能交付的规模。

Nvidia 首次在 8 月 26 日举行的 2027 财年第二季度财报电话会议上提出这一预测。首席财务官 Colette Kress 表示，公司预计 2028 财年营收将增长约 70%。

这一数字之所以引人注目，是因为 Nvidia 通常不会对完整的未来财年向投资者提供指引。其指引通常聚焦下一季度，因为当时供应排期和客户订单更易评估。

黄仁勋后来在 Goldman Sachs 的 Communacopia and Technology Conference 上重申了这一预测。他的会议发言将这项预测描述为 Nvidia 对其市场拥有广泛可见性的结果。

Nvidia 报告称，截至 2026 年 7 月 26 日的季度营收约为 960 亿美元。数据中心营收达到 890 亿美元，较上一季度增长 18%。

该公司还预计，其财年第三季度营收将达到约 1,080 亿美元。这些数字表明，这项 70% 的预测所基于的营收规模，远大于 Nvidia 在生成式 AI 扩张早期面对的规模。

Kress 表示，客户预测显示，需求可能在随后一年翻倍。Nvidia 仍将营收增长预测限制在 70%，因为可用供应无法满足所有这些请求。

黄仁勋在财报电话会议上强化了这一区别。他表示，需求远高于 Nvidia 预计能够交付的数量。公司已锁定的供应使管理层对较低的数字抱有信心。

这不仅仅是更多公司将订购单个芯片的说法。Nvidia 如今以完整计算系统的规模来描述其产品。

一套现代 Nvidia 部署可包含 CPU、GPU、网络设备、交换机、冷却组件及大量软件。这些部件作为一台数据中心规模的计算机协同运行。

黄仁勋以 Nvidia 的 GB200 NVL72 系统说明这一转变。该系统通过 Nvidia 的 NVLink 互连，结合了 36 颗 Grace CPU 和 72 颗 Blackwell GPU。

他表示，截至 9 月发言时，该系统订单环比每月增长 27%。这一数字代表当前订单动能，并不保证这一速度会无限持续。

Nvidia 将这些部署称为 AI 工厂，因为它们将电力和数据转化为模型训练与推理输出。推理是指利用经过训练的模型生成答案、预测或其他结果的过程。

更大的销售单位改变了投资者解读这一预测的方式。Nvidia 计算的不仅是运往现有数据中心的芯片，还包括需要电力、冷却、土地、融资和建设的完整设施。

这使该预测在一定程度上成为一份工业部署时间表。每一项营收目标都取决于供应商和客户能否按时完成漫长链条中的工作。

这条链条带来更高的可见性，因为大型项目需要多年规划。它也创造了更多延误的可能性。

AI 智能体正在推动大幅扩张的计算需求

黄仁勋关于需求的核心论点是，AI 智能体会执行更长时间的任务，使每一次用户请求的计算成本大幅提高。

基础聊天机器人通常针对一个提示词给出一个回答。AI 智能体则可以规划任务、调用软件工具、检查结果、纠正错误，并重复这一循环。

每一步都会消耗推理能力。当智能体承担研究、软件开发、客户服务、科学分析或业务运营工作时，工作负载可能迅速增长。

在 Nvidia 的财报电话会议记录中，黄仁勋估计，智能体所需的计算量可能是人类直接使用的 15 至 100 倍。他表示，具体数值取决于待解决的问题。

这一估计是公司说法，而不是覆盖所有应用的独立基准测试。不过，其背后的机制很明确：更长的推理序列和反复的工具调用需要生成更多 token，也需要更多加速器时间。

模型开发也正在超越少数前沿实验室的范围。Nvidia 表示，当前需求来自超大规模云服务商、neocloud、AI 初创企业、企业客户、工业公司、研究机构和主权客户。

超大规模云服务商是规模最大的云提供商，包括 Amazon Web Services、Microsoft Azure 和 Google Cloud。Neocloud 则是主要围绕 GPU 计算建立的新型基础设施公司。

在 Nvidia 公布的第二季度中，超大规模云客户营收达到 490 亿美元。另一客户类别涵盖 neocloud、工业客户和企业客户，贡献了 400 亿美元营收。

根据 Nvidia 的数据，第二类客户的营收较上一季度增长 25%，较上年同期增长 138%。这一规模支持了黄仁勋的观点：市场并不局限于某一家 AI 实验室或某一个云客户。

Kress 表示，预计 neocloud 合作伙伴将在 2026 年底达到 8 吉瓦已安装容量。到 2025 年底时，它们的容量约为 3 吉瓦。

吉瓦衡量的是电力，而不是计算性能。尽管如此，它仍提供了这些项目规模的有用指标。一座新的数据中心园区所需能源，可能与大型工业开发项目相当。

Amazon 提供了另一项需求信号。Nvidia 表示，AWS 将在报告季度开始部署额外 200 万颗 Nvidia GPU。该部署计划将持续至 Nvidia 2029 财年第二季度。

AWS 还计划在模型、云服务和仓储机器人领域使用 Nvidia 技术。不过，Amazon 仍在继续开发自家的 Trainium 加速器，这既构成合作，也构成竞争。

Google 也采用类似策略，使用其 Tensor Processing Units。Microsoft 拥有 Maia 加速器，而 OpenAI 和 Anthropic 正在推进定制硬件项目。

这些项目给 Nvidia 带来压力，因为其最大客户希望更好地控制成本和供应。但它们并不会自动消除对 Nvidia 系统的需求。

当一家公司能够将硬件、软件和工作负载共同优化时，定制加速器的表现最为出色。Nvidia 的优势在于，它在客户、模型、云环境和开发工具之间拥有更广泛的兼容性。

黄仁勋表示，Nvidia 运行来自主要闭源实验室和开放模型开发者的模型。这种覆盖范围使客户能够在多个环境中部署类似软件，而不必为某一款专用芯片重建一切。

CUDA 是 Nvidia 面向 GPU 计算的编程平台，仍是这一地位的核心。开发者多年来一直围绕它构建库、工具和应用程序。

Nvidia 70% 的增长预测假定，这一完整平台仍将是相当大比例新增容量的优选方案。它并不要求定制加速器失败。

相反，这一预测假定总需求增长足够快，足以容纳两种路线。Nvidia 可以将部分工作负载让给内部设计的芯片，同时在更大的计算市场中扩大销售。

不确定性在于时机。客户可能高估短期内智能体的采用速度，而有用应用产生营收所需的时间，可能长于基础设施建设所需的时间。

如果企业难以将智能体实验转化为可靠的工作流程，云运营商的利用率可能降低。这将削弱新一轮设备订单背后的经济逻辑。

对知识工作者而言，更实用的信号是使用深度，而不是模型发布公告。真正嵌入软件开发、研究、销售和运营的系统，将持续消耗计算资源。

例如，可搜索的AI 知识库可以将检索与反复的模型调用结合起来。在大规模应用下，这些日常工作流比单次演示更重要。

Nvidia 的全栈覆盖解释了黄仁勋的信心

Nvidia 认为自己能够做出更长期的预测，因为它如今同时监测半导体供应以及等待部署其系统的实体基础设施。

芯片公司传统上通过客户订单、制造排期、库存和渠道活动来估计需求。Nvidia 现在还追踪另一层信息。

黄仁勋表示，公司会跟踪全球各地的数据中心土地、电力和建筑主体。所谓主体，是指服务器和网络设备抵达前已经准备好的实体结构。

这些信息至关重要，因为建设 AI 算力需要数年时间。客户若未获得公用事业连接、冷却设备、承包商、许可和资金，便无法安装先进系统。

Nvidia 已将自身置于部署时间表的两端。上游方面，它与晶圆厂、内存供应商、封装供应商和其他组件制造商合作。

下游方面，它与云运营商、数据中心开发商、能源公司、企业和金融机构协调。这一位置使 Nvidia 能在硬件交付前就提前了解项目情况。

其支出承诺反映了这种协调的规模。Nvidia 的季度文件显示，截至 7 月 26 日，供应与产能承诺从 1,190 亿美元增至 2,790 亿美元。

这些承诺有助于为当前及未来架构锁定生产能力。如果客户部署放缓，或技术转型与预期不同，它们也可能成为负担。

随着其系统的集成度提高，Nvidia 每吉瓦的销售价值也在上升。黄仁勋表示，Hopper 每吉瓦对应约 180 亿美元的 Nvidia 设备。

他估计，Grace Blackwell 每吉瓦价值约为250亿美元，Vera Rubin 每吉瓦约为400亿美元。这些是英伟达对系统价值的估算，并非普遍适用的建设成本。

这一演进说明，收入的增长速度为何可能快于通电数据中心数量的增长。每一代产品都能在同一电力接入条件下部署价值更高的计算与网络设备。

新平台也将英伟达带入了过去由多家供应商提供的品类。该公司销售加速器、CPU、网络组件、互连设备、软件以及完整的机架级系统。

这种扩张让英伟达能够从每次部署中获得更多收入。但这也意味着，英伟达的预测取决于客户是否愿意采用其更多架构。

竞争对手可以从该技术栈的不同层面发起挑战。AMD 销售加速器，Broadcom 帮助企业开发定制芯片，云服务商则提供自研芯片。

Cerebras 及其他专业开发商提出了构建 AI 计算系统的替代方案。有些瞄准推理经济性，另一些则强调内存容量或更简化的扩展方式。

英伟达的防御优势在于可替代性，即一套系统能够服务众多模型和客户，而非局限于单一、定义狭窄的工作负载。这种灵活性对云服务运营商尤为重要。

新型云服务商希望将可用容量出租给能带来最佳回报的任何客户。仅针对某一种模型优化的硬件，在需求变化时可能难以重新利用。

英伟达认为，广泛的软件兼容性能够保护其设备的转售和租赁价值。融资机构同样关注这一主张，因为它们必须评估长期资产风险。

然而，计算硬件的折旧速度快于传统基础设施。一项为期六年的云服务承诺可能跨越英伟达多个产品代际。

对于要求较低的推理任务，客户或许仍会偏好旧系统。但这种二级需求必须足够强劲，才能支撑预期的残余价值。

因此，英伟达70%的增长预测建立在两类可见性之上。第一类来自已签约的供应能力和实体项目。第二类则来自英伟达相信，其平台在新系统推出后仍将具备经济价值。

前者可通过承诺和建设进度衡量。后者则只有通过利用率、租赁价格和客户续约情况才能得到验证。

循环融资问题并未消失

英伟达的交易能够释放真实需求，但也可能将更多客户和基础设施风险转移至其自身资产负债表。

针对循环融资的批评很直接：英伟达投资 AI 公司或支持其基础设施，而这些公司再利用资金购买英伟达系统的使用权。

批评者担心，这种安排会让需求看起来比实际更具独立性。如果客户无法在没有供应商支持的情况下为扩张融资，当前销售额可能是在提前透支未来需求。

英伟达否认这种解读。Kress 对分析师表示，公司将其支持视为由客户使用情况和独立提供的资本支撑的基础设施开发。

对于新型云项目，英伟达可以提供覆盖部分设施容量的照付不议承诺。照付不议意味着，即使实际使用量不足，英伟达也同意为最低容量支付费用。

这一保底机制可以帮助云服务运营商获得项目融资。随后，英伟达可从高于保证水平所产生的收入中获得分成。

Kress 表示，公司可通过硬件销售获得收入，之后还可获得租赁收入。截至7月26日，英伟达报告的此类云服务承诺金额为360亿美元。

文件称，云服务商可以停止向英伟达供应容量，并以更高价格将其出售给第三方。随着外部客户或英伟达自身消耗这些容量，英伟达的承诺将相应减少。

这种结构不同于直接向客户出借资金购买硬件。尽管如此，如果外部利用率未能形成，英伟达仍需承担成本。

其风险敞口还延伸至实体项目。英伟达披露，已针对部分 AI 云合作伙伴与土地、电力和建筑义务相关的事项提供了最高35亿美元的担保。

该公司还就 SB Energy 位于俄亥俄州的 PORTS Technology Campus 提供了相关担保。英伟达将该支持总额上限设为1050亿美元，但须满足相关条件。

计划中的园区涵盖约4.25吉瓦 IT 负载。其九座数据中心预计将在英伟达2029财年期间陆续投入运营。

除有限例外情况外，OpenAI 预计将租赁该园区20年。随着 OpenAI 支付租金，英伟达的风险敞口将下降；在特定事件发生后，这一风险敞口也可能终止。

这一安排在英伟达、AI 实验室、数据中心开发商与未来硬件需求之间建立了清晰联系。投资者审视整条链条是合理的。

英伟达表示，这些担保旨在解决融资错配问题。前沿实验室的需求可能快速增长，却未必具备支撑数十年基础设施合同所需的信用历史。

该公司报告称，其对前沿 AI 实验室的投资接近500亿美元。英伟达将这一金额描述为同期预期自由现金流中的一小部分。

8月，英伟达还宣布与 Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs 和 KKR 建立合作关系。这项融资公告的目标，是随着时间推移调动超过5000亿美元的第三方资本。

这些是谅解备忘录，并非已完成对全额资金的部署。英伟达在文件中警告，初步安排未必会形成最终协议。

拟议的平台将由外部机构为个别项目承保。英伟达仍可自行决定提供有限的残值支持。

Huang 最简洁的辩护出现在他9月的一次会议露面中。他认为，英伟达投入的资金规模较小，而更多外部资本正回流基础设施市场。

这一回应概括了英伟达的论点，但并未解决会计或经济层面的问题。金融闭环并不需要每位参与者投入相同金额，也可能造成风险集中。

更重要的问题是，终端用户能否产生足够现金流来支付云服务租赁费用。这些收入最终必须覆盖电力、设施、融资、硬件和运营商利润。

积极的利用率可能令英伟达的介入看起来像合理的市场培育。利用率疲弱则可能触发担保责任、压低租赁价格，并让客户持有快速老化的设备。

投资者已要求加强披露。在英伟达8月财报发布前，Morgan Stanley 的分析师要求公司就投资和融资安排提供广泛透明度。

Visible Alpha 研究主管 Melissa Otto 称，相较于市场预期约45%的水平，70%的预测是一次显著上调。她的评估与更广泛的投资者审视一同被报道，凸显了这场讨论为何重要。

远高于预期的预测，不仅依赖于更出色的芯片性能。它还依赖于融资和建设体系能够扩张，同时不产生过多闲置容量。

英伟达自身的文件承认，短缺和供过于求的风险并存。电力、土地、资本或组件不足都可能延迟收入实现。

客户也可能推迟采用新架构，或以低于预期的速度采纳它们。市场环境变化可能降低英伟达承诺的价值，并损害财务业绩。

平衡的结论并非每个获得英伟达支持的项目都会制造人为需求，也并非独立承保就能消除英伟达的风险。

该公司正利用其市场地位解决真实的基础设施瓶颈。与此同时，它也在将自身资产负债表与客户利用率和信用质量更紧密地绑定。

这种权衡，正是 Huang 信心背后的核心考验。

三项信号将检验 Jensen Huang 的预测

投资者应关注供应转化、外部利用率和客户集中度，而不应将70%这一数字视为不证自明。

第一个信号，是英伟达能否将其2790亿美元的供应和产能承诺转化为已发货、已付款的系统。这些承诺表明公司正在做准备，但收入实现仍需要产品完工和数据中心就绪。

内存是眼前的一项制约因素。英伟达表示，旺盛的 AI 需求已令供应趋紧，并推高成本压力。

该公司报告称，该季度毛利率为75%。管理层预计这一指标将最低降至71%，之后再回升。

如果内存供应改善，新架构也按计划进入量产，英伟达就能交付其所见到的更多需求。若发生延误，基于供应的预测解释将被削弱。

因此，投资者应将季度营收指引与库存、采购承诺、利润率及平台转换相关评论进行比较。若承诺不断增加却未带来相应的出货增长，就值得进一步关注。

第二个信号，是新型云服务商和获支持数据中心的第三方利用率。这是检验循环融资担忧最明确的指标。

英伟达表示，当外部客户消耗容量时，其云服务承诺会减少。强劲的第三方使用情况将把风险从英伟达身上转移，并验证项目的独立经济性。

利用率还必须产生可持续的租赁价格。数据中心即使看似繁忙，也可能因服务商为吸引客户而折价提供 GPU 使用权，导致回报不足。

云服务运营商应证明，收入会与已安装容量同步增长。他们还必须表明，客户需求并不局限于少数前沿实验室和超大规模云服务商。

英伟达所报告的企业、主权项目和区域云业务增长，为这一观点提供支持。未来披露需要显示，这些客户会成为稳定用户，而不只是已宣布的项目储备。

如果英伟达的照付不议风险敞口下降，而合作伙伴收入扩大，公司的市场培育论点就会更有说服力。担保增加却伴随疲弱的外部使用情况，则会强化批评者的论据。

第三个信号，是英伟达系统与客户自研芯片之间的平衡。Amazon、Google、Microsoft、OpenAI 和 Anthropic 都有充分理由实现多元化。

定制芯片可降低稳定工作负载的成本，并减少对单一供应商的依赖。它也能让模型开发商更严密地控制内存、网络和软件设计。

英伟达并不需要阻止这些部署。它需要在整体市场扩张的同时，让其平台保留足够多的工作负载。

应关注云服务商在部署自研加速器的同时，是否继续订购英伟达的完整系统。混合策略将支持 Huang 的主张，即英伟达服务的是一个广泛且不断增长的市场。

如果训练和推理领域都明显转向专有硬件，这一结论将被削弱。这还可能降低英伟达的定价能力和每吉瓦所获取的价值。

2028财年的预测将逐步受到检验，而非在某一个财报日得到验证。建设进度、供应采购、云服务使用情况和竞争性芯片部署，将揭示其假设是否仍然一致。

开发者和企业买家也应关注可用性和定价。更充足的供应能够让先进推理更易获得，即使组织从不直接购买英伟达硬件。

知识工作者将通过软件感受到这一预测。如果智能体已可靠到足以管理更长的工作流程，即使用户看不到底层基础设施，算力需求也可能上升。

Nvidia 对增长 70% 的预测，归根结底是对行为的判断，而不仅仅是制造业层面的判断。它假定企业将使用足够多的 AI，从而为计算能力的历史性扩张提供合理依据。

Huang 解释过 Nvidia 为何预见这一结果。这家公司覆盖模型、云服务、企业、供应商、电力项目和资本提供方。

这种触达范围让 Nvidia 获得了鲜有竞争对手能够掌握的信息。它也意味着，Nvidia 正在帮助创造它声称已能预见的未来。

下一个问题是，客户能否创造足够的独立价值来支撑这一趋势。未来几个季度，应关注已交付系统、第三方云服务利用率以及定制芯片的采用情况。

这些指标将表明，70% 究竟代表可持续的需求，还是供应链正跑在用户前面。