NVDA 27Q1 顯示AI需求真實而多方面 股價下跌何須恐懼
2027Q1 營收高達820億，按年上升85%。以NVIDIA規模來說，依然是難以想像的強勁
由2027年Q1，為咗更好地反映市場結構，NVIDIA會更改財報嘅分類
將數據中心嘅業績分為 Hyperscale以及包含企業同埋主權 AI 嘅 ACIE (AI Clouds, Industrial, & Enterprise )
NVIDIA 也將遊戲、PC、汽車以及機械人整合為全新的Edge Computing分類
在新分類下， 數據中心 的Hyperscale 營收接近和 ACIE五五開 (380億 VS 370億)，這消散了市場過去的擔心指NVIDIA收入過份集中超大規模公司的資本開支上升
市場就會了解到原來數據中心的增長是來自多個方面，不是只來自雲端巨頭(微軟、谷歌、 Mata)等的投資。新的hyperscale分類就是反映傳統雲端巨頭內部數據處理(包括AI)，以及支援他們他們公有雲(Azure、AWS、GCP)的算力供應
ACIE 板塊反映了 AI 的多樣化需求。按照黃仁勳在本季的分享包括生命科學的蛋白質結構、製造和工業用機械的3D圖像、分子動力學的計算等，各行各業要運算的事情都不同，需要的 AI 運算方式以及軟件庫（Libraries）都極之多樣化
ACIE的客戶可以來自包含了 AI 原生雲、初創企業、全球約 25 萬間企業
ACIE 的客戶不像雲端 巨頭一般財力豐厚，沒有能力自研晶片，他們需要的是可以直接購買並營運的完整解決方案
黃仁勳也指出對於出租算力的AI Native Clouds來說租出首個Token的時間忍耐力（tolerance for time to first token）極低。而NVIDIA 擁有目前世界上最完善的算力架構，自然成為他們的首選。黃仁勳直情說對AI Native Clouds來說他們的架構係世界上最易租得出去的(rentable)
同時許多工業公司必須把算力部署在廠房，不能在雲端。因為佢哋需要系統有即時的反應和確定性
Many industrial companies, there’s no choice but to put the computer where the context is, where the action is, you can’t put that in the cloud.
ACIE最強力的需求應該嚟自主權AI，營收年增率超過 80%。世界各地的政府重視AI基礎建設，唔想將敏感資料依賴國外巨頭處理，希望運用AI時確保資料安全、符合本國法律和價值觀，會係持續而且有強大財力支持的需求
在本季度，ACIE 增長率超越Hyperscale(31% VS 12%)，反映出NVIDIA 擺脫巨頭依賴的方向
網路營收狂飆至 150 億美元，係去年同期的三倍！
呢方面理應持續好景，在動輒耗資百億美元、受限於電力供應的數據中心入面，AI 流量是可以非常突發且不穩定的。不良的網路技術可能導致 GPU 的使用率僅有 50%。
企業咁貴買GPU返嚟自然想提升佢哋嘅性能，而連接能力也能改善AI的表現。GPU 運算速度超快，如果數據傳輸速度太慢，沒有數據進來，強大的 GPU 也只能閒置
CFO指出，Spectrum-X 目前的業務規模已經超越了全球所有其他乙太網路網路同業的總和
除了乙太網路的成功，專注於極致效能的 InfiniBand 網絡同樣表現非常強。InfiniBand 在本季度的營收按年成長了超過 4 倍
Networking 業務對鞏固NVIDIA AI霸主的地位其實幾重要，唔知點解唔算多人講
Vera CPU 開啟全新的 2,000 億美元市場
Vera CPU係為了滿足目前AI Agent需求的爆發。在代理式 AI 的運作中，AI會產生多個子代理(subagents)來執行任務，subagents思考的過程依然由GPU推動，但subagents的指派(orchestration)同埋工具調用（eg 開瀏覽器）就需用CPU
雖然目前的agents可能只有幾十萬個，但隨著技術發展，黃仁勳相信agents的數量最終將成長到幾十億的驚人規模（就好似目前有幾十億人用PC咁）
如果呢個推論真實，Agents 越多就對CPU需求越大，因為需要更頻繁地調動工具解決問題
Those billions of agents will all use tools. And those tools can be like PCs, just like us humans using PCs today. In the future, you’ll have an agent using PC and so if you kind of think along the lines of in the future,
加入CPU市場無疑係對傳統雙巨頭AMD和英特爾的挑戰，但按黃仁勳描述Vera CPU是全球首款專門為了Agentic CPU而設的處理器。Vera 相比傳統 x86 CPU，能提供高達 1.5 倍的單核效能、2 倍的每瓦效能，以及 4 倍的機架密度，反映出更強高性能運算的能力
佢批評過去的CPU係被設計成擁有多個核心，以便於雲端巨頭出租，經濟模式係dollars per core，係以前雲端運算時代的事。AI時代的經濟模式係dollars per token
黃仁勳預計今年CPU的獨立(standalone)營收已經高達200億元，相比下25 Intel、AMD 的全年營收500億和300億，不可謂不強勁
合理的解釋就係TAM大了，standalone 模式打開新市場，而上述Vera CPU在代理式AI orchestrate 上的優勢，係目前傳統CPU做唔到的
結合CPU、GPU、Networking 的英偉達就可以用最低的平均成本製造、處理同埋傳統算力
除了standalone 模式，VERA CPU 仲有三種部署方法
Vera CPU 將與下一代 Rubin GPU整合，每 2 粒 GPU 就會連接 1 粒 CPU
搭配 CX-9網路晶片以及專屬的軟件堆疊，創造高效能AI 儲存系統
都係搭配 CX-9網路晶片，但係用作機密運算，保護企業敏感資料及維持多租戶雲端環境的安全
睇完Earnings Call 本人確信AI 發展只係在半路上
自從ChatGPT出現，生成式AI協助了不少文件、圖表的工作。目前則係生成式發展至代理式的階段。
按黃仁勳的願景，代理式會發展至實體的物理 AI 階段，實際應用的例子包括工廠機械人、自動駕駛等。物理AI過去12個月已有90億營收，佔比未算好大，不過實體生產情景長期以來未被IT充分開發，應該會係好龐大的真實需求。黃仁勳甚至預計會係100 兆的市場
咁就解釋了上述Edge computing業務重新劃分，包括將傳統遊戲、外科手術設備、自動駕駛(包括和Uber的 Robo Taxi合作)、工廠內的人形機械人等
Edge Computing 在27Q1 創造了 64 億美元的營收，佔比唔算大。不過有可能為了日後Physical AI爆發嘅匯報做準備
當然投資宇宙萬物皆有風險，負責任的分析一定要指出嚟
較大的風險就係無論係我哋還是黃仁勳都高估人工智能需求熱度，令到Hyperscalers 以及各類型AI應用日後相關開支減少，直接衝擊其收入
目前為止未見到，AI回報仲係可視的，不然各大巨頭無理由繼續增加資本開支
Hyperscalers自研晶片的風險應該相對可控，一來佢哋仲要買GPU租出算力，二來上述所講GPU需求廣泛
This is the way computing is going to work in the future. And if they don’t have the compute, they won’t have the revenues. It is very clear, compute is revenues, compute is profit
(我相信以上免費的分析內容已經非常豐富，接下來Substack/ Patreon Paid Tier的朋友可以看到NVDA估值以及部署
過去一年來，有不少免費的文章，來覺得也花費不少心機和時間，才開了Paid Tier。希望大家可以訂閱，作為有心機寫作的支持)