黃仁勳親赴大摩路演：NVIDIA 季度營收逼近千億美元，親口粉碎 Rubin Ultra 延期傳聞，揭露對手回流 GPU 的真相
2026 年 7 月上旬，NVIDIA 執行長黃仁勳（Jensen Huang）與財務長 Colette Kress 一同現身 Morgan Stanley 在加州舉辦的閉門非交易路演（Non-Deal Roadshow, NDR），向數十位機構投資者釋放了一個明確信號：儘管公司季度營收正在逼近千億美元大關，NVIDIA 的增長不僅沒有放緩，還在加速。
這是一場堪稱「教科書級別」的投資者溝通。在過去一個月裡，NVIDIA 正面臨來自市場的三重質疑：Rubin Ultra 是否推遲至 2028 年？ASIC 自研晶片是否正在蠶食 GPU 市佔率？AI 資本開支泡沫何時破裂？ 黃仁勳在路演中對這三個問題給出了直接、硬核且充滿數據支撐的回應。
Morgan Stanley 在會後維持「增持」（Overweight）評級，給出 $288 美元目標價——相當於約 42% 的上漲空間——並繼續將 NVIDIA 列為半導體行業首選標的。
本文將從數字真相、技術路線、競爭格局、增長引擎和市場風險五個維度，完整拆解這場閉門會議釋出的深層訊號。
一、千億美元時刻：數字解讀 NVIDIA 的加速成長曲線
NVIDIA 正在逼近一個連黃仁勳自己都稱之為「難以想像」的里程碑：單季營收 1,000 億美元。
根據最新財報數據，NVIDIA 在 2026 財年第一季（2026 年 2–4 月）實現了：
| 指標 | Q1 FY2027 數據 | 年增率 |
|---|---|---|
| 總營收 | $816 億 | ↑ 85% |
| 資料中心營收 | $752 億 | ↑ 92% |
| 網路營收 | $148 億 | ↑ 199% |
| 淨利潤 | $583 億 | 翻三倍 |
| GAAP 毛利率 | 74.9% | 前值 60.8% |
| 自由現金流 | $486 億 | ↑ 85% |
第二季度的營收指引為約 $910 億——這還「不包括」任何對中國的資料中心銷售，意味著實際數字可能更高。按照這個增速，單季千億美元僅是時間問題。
Morgan Stanley 分析師 Joseph Moore 給出了更長期的預測：
| 財年 | 預估營收 | 年增率 |
|---|---|---|
| FY2026 | $2,159 億 | +82% |
| FY2027 | $3,930 億 | +52.4% |
| FY2028 | $5,988 億 | +52.4% |
| FY2029 | $7,839 億 | +30.9% |
預估 2027 年 EPS 為 $13.08，對應的 $288 目標價僅為 22 倍本益比——Morgan Stanley 強調，這個目標價並未假設估值擴張，純粹由盈利增長驅動。這意味著，即使市場對 NVIDIA 的估值倍數保持不變，光是盈利本身的增長就足以支撐 42% 的上漲空間。
🔗 對於正在評估 GPU 投資報酬率的企業來說，NVIDIA 的定價能力和毛利率趨勢 是理解整個 AI 基礎設施經濟學的關鍵切入點——當一家供應商的毛利率達到 75%，其客戶的算力成本結構就成為策略層級的議題。
二、Rubin Ultra 如期出貨：拆解延期傳聞的技術真相
6 月下旬，半導體研究機構 SemiAnalysis 發布了一份引發市場震動的報告：NVIDIA 原定的四晶片（4-die）Rubin Ultra 封裝方案，因台積電 CoWoS-L 基板翹曲和訊號完整性問題被迫取消，改為雙晶片（2-die）方案，效能和記憶體容量恐將減半，出貨時間可能推遲至 2028 年。
這份報告直接觸發了新一輪的 NVIDIA 股價波動。但在 Morgan Stanley 路演中，黃仁勳的態度異常堅定：「Rubin Ultra 將於明年（2027 年）如期出貨。」
他進一步解釋了 Kyber 機櫃方案的調整：「我們正在用一個更好的架構替換原有的 Kyber 機架設計，目的是支援更大規模的運算叢集——這屬於系統架構層面的持續優化，不影響晶片本身的交付時間表。」
三個關鍵事實幫助判斷真相：
- 800V 高壓供電系統：按計劃推進中，是 Rubin Ultra 機櫃級部署的核心技術模組
- 機櫃間光互連：NVIDIA 正在從銅纜轉向光纖互連，這是支援百萬卡級叢集的關鍵路徑
- 台積電 CoWoS 產能：年增約 80%，是支撐 Rubin Ultra 大規模出貨的物理基礎
🔗 NVIDIA GTC 2026 發表會中揭露的 Rubin 架構完整技術細節，以及 🔗 Blackwell 世代與 MI300X 的效能對比分析，為理解 Rubin Ultra 的技術跨越提供了完整的背景脈絡。
三、ASIC 反轉：當自研晶片客戶回頭選擇 GPU
整場路演中最具殺傷力的數據披露，來自黃仁勳對 ASIC 競爭的正面回應。
他透露：一家此前主要依賴自研 ASIC 進行旗艦模型訓練的前沿 AI 實驗室——市場普遍認為是 Anthropic（其背後有 AWS 主推的 Trainium 晶片）——原先幾乎不使用 NVIDIA GPU，如今 NVIDIA 算力在其基礎設施中的佔比已飆升至接近 50%。
這個數字的衝擊力在於：它直接顛覆了「ASIC 將逐步取代 GPU」的市場主流敘事。ASIC 陣營最具代表性的客戶之一，正在大規模回流 GPU。
黃仁勳的解釋是：「客戶的核心評判標準不是晶片單價，而是每 token 綜合成本。」在真實的大規模部署場景中，NVIDIA 的生態系統成熟度（CUDA、cuDNN、TensorRT）、供應鏈穩定性（台積電 CoWoS 產能）和開發者效率（數百萬 CUDA 工程師），轉化為實質的總體成本優勢。
但這並不意味著 ASIC 的威脅是虛幻的。客觀數據顯示：
| 年份 | NVIDIA AI 加速器市佔率 | 市場總規模 |
|---|---|---|
| 2024 | 87%（峰值） | ~$1,150 億 |
| 2025 | 81% | ~$1,600 億 |
| 2026E | 75% | $2,000 億+ |
🔗 ASIC 與 GPU 的技術路線之爭 的本質，並非誰會消滅誰——而是 AI 運算市場正在分裂成「訓練」和「推論」兩個截然不同的戰場。NVIDIA 在訓練領域的地位（市佔率 90%+）幾乎不可撼動；但在推論領域，Google TPU、Amazon Trainium、Microsoft Maia 和 Broadcom 客製化 ASIC 正在快速成長。
🔗 Google TPU 與 NVIDIA GPU 的完整對比分析 顯示了專用晶片在特定場景下的成本優勢——但正如黃仁勳所指出的，當你把軟體生態系統、部署速度和工程師成本全部納入計算時，GPU 的總體經濟性往往仍然佔優。
四、三大增長引擎：從 AI 實驗室到主權國家的算力需求地圖
黃仁勳在路演中將 NVIDIA 的營收結構拆解為三個獨立的增長引擎，這種清晰的戰略分類本身就具有說服力：
| 增長引擎 | 營收佔比 | 特徵與動態 |
|---|---|---|
| AI 實驗室 | ~20% | OpenAI、Anthropic 等前沿模型開發者；需求波動大但單筆訂單規模驚人；近期趨勢：從 ASIC 回流 GPU |
| 超大規模雲端 | ~50% | Microsoft、Meta、Amazon、Google；穩定且持續擴張；增長正從運算擴展到網路和 CPU |
| 主權 AI + 工業 AI + 新興 AI 雲 | ~30% | 增速最快的賽道；受自研 ASIC 衝擊最小；驅動力為資料在地化、能源/土地約束、國家級 AI 自主能力建設 |
最值得關注的是第三個引擎——主權 AI。黃仁勳特別強調，各國政府正在將 AI 基礎設施視為國家安全資產，其建設邏輯不同於商業雲端：「他們不是在優化成本，而是在優化自主性。」
另外一個被低估的亮點是 NVIDIA 的 CPU 業務。黃仁勳表示，本財年 CPU 營收目標約 $200 億美元，其中接近一半來自獨立的 Vera CPU 機架——這是 NVIDIA 首次大規模進軍通用伺服器 CPU 市場，直接挑戰 Intel Xeon 和 AMD EPYC 的腹地。
🔗 從 GPU、NPU、TPU 到 LPU：2026 年 AI 處理器的完整版圖 有助於理解 NVIDIA 為何要將產品線從 GPU 擴展到 CPU 和 DPU——這不是多元化，而是建構一個完整的資料中心運算平台。
五、風險與挑戰：市場為何仍然焦慮？
儘管黃仁勳的演說充滿信心，Morgan Stanley 仍在報告中列出了四項關鍵風險：
- 硬體供給釋放速度超預期：如果台積電 CoWoS 產能擴張快於預期，或競爭對手（三星 2nm GAA）良率突破，可能導致 GPU 供給過剩，削弱 NVIDIA 的定價能力
- AI 研發成本大幅下滑：如果模型訓練效率出現跳躍式提升（如 DeepSeek 式的架構創新），單位算力的需求可能下降
- 競品推出顛覆性產品：AMD、Intel 或新興 ASIC 廠商可能推出在特定場景下顯著優於 GPU 的方案
- 雲端廠商加速落地自研晶片：Google TPU 已是最成熟的 ASIC 生態，Meta Iris 晶片將於 9 月量產——大客戶變成競爭對手的風險持續存在
🔗 Meta Compute：祖克柏的 AI 算力豪賭與全球半導體拋售潮 的案例證明，市場對「算力過剩」的恐懼可以在一天內蒸發數千億美元市值——即使這些恐懼最終被證明是錯的。
但從另一個角度來看，這些風險的存在恰恰說明 NVIDIA 的護城河有多深。每一項風險的前提，都是競爭對手必須先在技術、生態和規模上達到與 NVIDIA 相當的水平——而這在可預見的未來內仍然是最困難的部分。
結語：從 GPU 供應商到運算平台的演化
黃仁勳的 Morgan Stanley 路演，表面上是對三重利空傳聞的逐一反駁，但更深層的訊息是：NVIDIA 正在從一家 GPU 供應商，演化為一個覆蓋 GPU、CPU、DPU 和網路交換機的完整運算平台。
這種演化的戰略意義在於：當客戶購買的不再是單一加速卡，而是一整套機櫃級運算系統（從 Vera CPU 到 Rubin Ultra GPU 到 Spectrum-X 網路）時，單一組件被替代的可能性就急劇下降。NVIDIA 不是在賣晶片，而是在賣一個無法被拆解的整合運算架構。
對於正在規劃 AI 基礎設施的企業而言，這場路演傳遞的核心訊息是：
- 算力供給側正在從稀缺走向充裕，但最高階算力仍掌握在極少數供應商手中——採購策略需要區分「一般算力」和「前沿算力」
- ASIC 與 GPU 不是零和博弈——兩者將長期共存，企業應根據工作負載（訓練 vs 推論）選擇最優方案
- NVIDIA 的定價能力來自生態系統，而非晶片本身——CUDA 的網路效應短期內難以複製
- 主權 AI 和工業 AI 是下一個爆發點——這兩個領域的客戶群更分散、需求更多元，對 NVIDIA 來說意味著更穩定的營收基礎
黃仁勳在路演結尾的一句話，或許是最好的總結：「我不知道業內有誰覺得自己的算力太多了。」
本文由 INFINITIX 團隊編撰，資料來源包括 Morgan Stanley NVIDIA 研究報告、DataConomy 路演報導、EdgeN ASIC 競爭分析、SemiAnalysis Rubin Ultra 技術分析 以及多家財經媒體綜合報導。
