NVIDIA Q2 營收衝上 960 億美元：AI 需求仍高於供給，Vera Rubin 與 Agentic AI 推動下一輪算力軍備競賽

NVIDIA 的 AI 成長故事正在進入一個新的階段。

在 2027 財年第二季度法說會上，NVIDIA 公布單季營收達 960 億美元，年增超過一倍，並創下營收、營業利益與每股盈餘新高。更驚人的地方在於，即使公司規模已經如此龐大，管理層仍表示成長速度已連續第四個季度加速。

真正限制 NVIDIA 的因素，已經不再是市場有沒有 AI 需求，而是全球供應鏈究竟能多快蓋出足夠的晶片、記憶體、網路、資料中心、電力與冷卻基礎設施。

第二季度資料中心營收達 890 億美元，季增 18%。其中 Hyperscale 業務收入達 490 億美元，季增 13%；包含 Neocloud、企業、工業與其他 AI 客戶的 ACINE 業務收入則達 400 億美元，季增 25%，年增高達 138%。

NVIDIA 表示，目前旗下 AI Compute 在公司所服務的所有雲端環境幾乎都處於充分利用狀態。客戶提供的需求預測甚至顯示，明年需求可能接近翻倍，但 NVIDIA 初步只能給出約 70% 的 2028 財年營收成長展望，原因就是供應能力仍然無法完全跟上。

Jensen Huang 在 Q&A 中進一步表示，目前 NVIDIA 的供應大約只能滿足約 70% 的需求，而實際需求明顯高於這個水準。如果完全不受供應限制，公司的成長機會將顯著高於目前提供的財測。

這也是 NVIDIA 罕見提前給出完整年度成長展望的重要原因。

公司現在不只掌握晶圓、記憶體與封裝等上游供應，也逐漸深入資料中心下游的土地、電力、機房建築與冷卻系統。管理層指出，一座大型 AI 基礎設施從取得土地與電力，到完成建置，往往需要兩到三年，因此 NVIDIA 必須比過去更早介入整個基礎設施週期。

這種變化代表 NVIDIA 已經不再只是傳統意義上的晶片公司。

公司正在把自己定位成一個完整的 AI Factory Platform，也就是從 GPU、CPU、NVLink、InfiniBand、Ethernet、軟體、CUDA，到資料中心系統全部整合在一起的 AI 工廠平台。

其中下一代 Vera Rubin 成為這場法說的核心產品。

NVIDIA 表示，Vera Rubin 已經開始進入量產出貨，並已經從主要 Hyperscaler、AI Cloud 與系統 OEM 收到採購訂單。公司預計 Vera Rubin 將成為 NVIDIA 歷史上導入速度最快的產品之一，第三季度就可能貢獻約 20% 的資料中心營收。

管理層更用每吉瓦資料中心可以承載多少 NVIDIA 收入，來描述每一代平台帶來的商業價值。

在 Hopper 世代，NVIDIA 每 1GW AI 基礎設施對應的營收機會約為 180 億美元；到了 Grace Blackwell，提高至約 250 億美元；Vera Rubin 則進一步提高到約 400 億美元。

這不代表單純把 GPU 售價提高，而是 NVIDIA 正在吃下越來越多 AI Data Center 的系統價值。

Vera Rubin 平台除了 Rubin GPU，還包含 Vera CPU、NVLink、InfiniBand、Ethernet 與其他系統元件。NVIDIA 表示，Vera Rubin 每兆瓦能提供比 Grace Blackwell Ultra 高約 30 倍的吞吐量，同時 Token Cost 可降低約 35 倍。

這也是 NVIDIA 認為客戶願意快速升級新一代平台的原因：資料中心真正稀缺的資源已經逐漸從 GPU 本身，轉變為土地與電力。

如果同一座 1GW 資料中心可以放入更多有效算力，那麼每一單位電力所能產生的 AI Token、租賃收入與企業營收就會提高。

Jensen Huang 在法說最後甚至直接表示，公司的方向就是持續提高 Compute per Gigawatt。理想狀態下，NVIDIA 希望每一塊土地、每一座供電設施都能容納更多具有經濟價值的運算能力。

而推動這些需求的新力量之一，就是 Agentic AI。

Jensen 表示，AI Agent 與傳統由人類單次輸入 Prompt 的 AI 使用方式完全不同。Agent 需要進行推理、規劃、多輪工具呼叫，甚至與其他 Agent 協作，因此同一項任務需要的算力可能是一般人類互動式 AI 的 15 至 100 倍。

更重要的是，Agent 不需要等待人類使用。

Jensen 以 NVIDIA 自己為例表示，公司目前約有 4 萬名員工，但未來企業可能同時擁有 40 萬甚至 400 萬個 AI Agent。這些 Agent 可以全天候在背景運作，不斷執行任務、改善流程並彼此協作。

這會徹底改變 AI Compute Demand 的基礎模型。

過去 AI 使用量大致受到人類使用時間限制，但 Agentic AI 可以 24 小時持續消耗 Token 與 GPU 時間。當 AI 開始從『人類問一次、模型回答一次』轉向自主執行任務，推論市場的算力需求可能再度出現新的結構性增長。

Jensen 甚至認為，AGI 是否在某一個時間點正式達成，已經沒有過去那麼重要。

真正重要的是三件事：AI 已經可以完成具有生產力的工作、AI 已經可以產生具有商業價值的 Token，以及更多 Compute 可以產生更多可獲利 Token。

換句話說，NVIDIA 對 AI Boom 能否持續的核心判斷，不再只建立在模型是不是變得更聰明，而是 AI Compute 是否已經能直接產生收入。

Neocloud 也是另一個高速成長的需求來源。

NVIDIA 預估 Neocloud 合作夥伴在 2026 年底總裝機容量可能達到約 8GW，高於 2025 年底約 3GW。

這些公司利用 NVIDIA DGX reference design 建置 GPU Cloud，向企業、AI 新創、主權客戶甚至 Hyperscaler 出租算力。Hyperscaler 本身的 AI 建設速度不足時，也可能直接向 Neocloud 租用額外 GPU Capacity。

NVIDIA 在這裡甚至開始嘗試新的商業模式。

公司表示，部分 Neocloud 資料中心採用 Revenue Sharing Structure。NVIDIA 不直接放貸，而是針對部分資料中心容量提供 Take-or-Pay Commitment，也就是最低購買或收入保障。

這項承諾可以讓銀行與基礎設施投資人更有信心提供融資，而當 Neocloud 實際出租收入超過最低門檻後，NVIDIA 可以進一步取得部分收入分成。

因此 NVIDIA 可以從同一座 AI Factory 中獲得兩次收入：第一次來自硬體與系統銷售，第二次來自未來的算力出租收入。

管理層認為，這種 Usage-linked Recurring Revenue 在中長期可能形成數十億美元的新收入來源。

這也延續到 Frontier AI Labs。

NVIDIA 指出，包括大型前沿模型公司的 AI Lab 擁有非常強勁的客戶需求，但它們成長速度已經超過自身資產負債表與信用能力可以支持的程度。

因此這些 AI Labs 的限制因素不是模型技術，也不是客戶需求，而是 Compute Capacity。

NVIDIA 表示，公司已對 Frontier AI Labs 投資接近 500 億美元，同時與 Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs 與 KKR 等大型基礎設施資本提供者合作，希望建立可募集超過 5,000 億美元第三方資本的融資平台。

這筆資金的目的，是讓 AI Labs 能以長期機構資本建置 AI Factory，而不是完全依靠自己的資產負債表購買 GPU。

管理層也直接回應市場對 Circular Financing，也就是循環融資的質疑。

NVIDIA 的立場是，公司雖然投資 AI Labs、提供部分基礎設施支持，而這些企業又回頭購買 NVIDIA Compute，但相關投資同時具有股權報酬、生態系統擴張與未來 GPU 需求等多重價值。

此外，NVIDIA 認為 GPU 與 AI Factory 本身具有較高 Fungibility，也就是即使某個客戶最終需求不如預期，運算資源仍然可以重新部署給其他客戶，因此基礎設施的風險不像只能服務單一客戶的專用資產那麼高。

OpenAI 是其中最具代表性的案例。

根據法說內容，NVIDIA 與 SoftBank Energy 合作取得 PORTS-Pike 園區的土地、電力與機房容量，第一階段預計支援約 4.25GW AI Factory，並由 OpenAI 使用。

NVIDIA 表示，每一個世代在該園區部署的 AI Factory 系統可能包含約 150 萬顆 NVIDIA GPU，而 OpenAI 現有與規劃中的 NVIDIA Compute 承諾合計約 12GW，相關部署計畫延伸至 2030 年。

除了大型 AI Labs，NVIDIA 也將 Sovereign AI 視為重要成長來源。

第二季度主權 AI 相關業務季增約 35%，年增超過三倍。NVIDIA 的論點是，一個國家可能不願意把土地、電力與敏感資料全部交給外國 Hyperscaler，但可以支援本地 Regional Neocloud 建立國家 AI Infrastructure。

由於 NVIDIA 自己並不經營公有雲，因此可以同時成為各國政府、區域雲服務商與大型 Hyperscaler 的中立技術供應者。

公司預計，Hyperscaler 以外的 Sovereign AI、Neocloud、企業、Edge 與隔離式資料中心，未來可能占資料中心業務約一半，甚至有機會形成比目前 Cloud Computing 更大的市場。

不過高速成長也開始帶來新的成本壓力。

第二季度 NVIDIA GAAP 與 Non-GAAP 毛利率均約 75%，但管理層明確警告，AI 基礎設施需求造成的 Memory Scarcity 已經使記憶體價格漲幅超過原先預期。

因此 NVIDIA 下修短期毛利率預期。

第三季度毛利率預估約 74%，正負 0.5 個百分點；第四季度可能進一步降到 71% 至 72% 的低點。隨著 NVIDIA 調高產品價格，2028 財年毛利率預計可以重新穩定在約 72% 至 73%。

這是一個值得注意的訊號。

AI Boom 一方面讓 NVIDIA 的需求暴增，另一方面也讓 HBM 與其他記憶體、封裝、電力與資料中心資源變得更加稀缺。換句話說，AI 基礎設施的成長正在開始反過來提高 NVIDIA 自己的成本。

不過 NVIDIA 認為，這種記憶體成本上升並不像一般原材料通膨，因為造成 Memory Scarcity 的本身正是 AI Compute Demand。成本上升與收入需求其實源自同一個產業趨勢。

中國市場則依然充滿不確定性。

第二季度 NVIDIA 對中國客戶出貨的 Hopper 200 產品不到資料中心營收的 1%，而且是在符合美國政府許可的情況下進行。公司表示，考量持續存在的地緣政治風險，目前 Forward Outlook 完全沒有納入中國資料中心 Compute Revenue。

即使如此，公司第三季度仍預估營收將達 1,080 億美元，正負 2%。

Vera Rubin 預計第三季度就占資料中心營收約 20%，而 Hyperscale 業務預期在第四季度與 2028 財年隨供應增加重新加速。

NVIDIA 初步預估 2028 財年營收仍可以年增約 70%，而供應限制至少可能持續到 2028 財年結束。

這場法說真正透露的訊號，因此並不只是 NVIDIA 又賣出了更多 GPU。

NVIDIA 正在試圖把 AI Compute 從一種昂貴的科技設備，轉變成類似電廠、資料中心與電信網路一樣，可以被銀行融資、機構資本持有、出租並長期產生現金流的基礎設施資產。

過去 NVIDIA 的核心公式很簡單：設計 GPU，賣給資料中心。

現在這個公式正在改變。

NVIDIA 設計 GPU、CPU、網路與軟體，協助建置 AI Factory，支援 Neocloud 融資，投資 Frontier AI Labs，連結土地、電力與資本，再從硬體、軟體與算力出租中獲取收入。

而 Agentic AI 則可能讓這台機器運轉得更快。

如果未來數百萬 AI Agent 全天候執行推理、規劃與工具使用，那麼全球 AI Compute 的需求上限，可能遠高於目前以人類使用 Chatbot 所估算出的市場規模。

因此 NVIDIA 現在面對的最大問題，可能已經不是『AI 需求什麼時候會放緩』，而是全球半導體、記憶體、電力與資料中心供應鏈，究竟能多快追上這場 AI 基礎設施建設速度。

【Tech English】

1. Supply-Constrained Growth｜供應受限成長 指市場需求高於企業實際可以生產與交付的數量。NVIDIA 表示目前供應大約只能滿足約七成需求，因此 70% 的成長展望並不是需求上限，而是供應能力所能支持的結果。

2. Compute per Gigawatt｜每吉瓦運算能力 衡量固定電力容量下可以部署多少有效 AI 算力。隨土地與電力成為 AI Data Center 的主要限制，提高每 GW 可產生的運算能力成為新一代晶片的重要競爭指標。

3. Agentic Inference｜代理式推論 AI Agent 為完成任務進行多輪推理、規劃、工具呼叫與其他 Agent 協作的推論方式。相比單次 Chatbot 問答，需要消耗更多 Compute 與 Token。

4. Take-or-Pay Commitment｜最低購買承諾 客戶或合作方承諾無論實際使用多少容量，都至少支付一定金額。這種結構可提高資料中心未來收入的可預測性，協助取得銀行或基礎設施資本融資。

5. Fungible Compute｜可轉移運算資產 指運算設備可以在不同模型、工作負載或客戶之間重新部署，而不是只能服務單一用途。NVIDIA 認為這種特性可以降低 AI Infrastructure 投資風險。

6. AI Factory｜AI 工廠 NVIDIA 用來描述大型 AI 基礎設施的概念，由 GPU、CPU、網路、儲存、軟體與資料中心系統共同組成，將電力與資料轉換成 AI Token、模型與智慧服務。