N 英伟达
NVIDIA 公开财报口径显示 FY27 Q1 集团收入 US$81.6B、Data Center US$75.2B(YoY +92%),处 AI 算力链 GPU/网络/软件/系统平台定义层
N NVIDIA 公开财报口径显示 FY27 Q1 集团收入 US$81.6B、Data Center US$75.2B(YoY +92%),处 AI 算力链 GPU/网络/软件/系统平台定义层
AI 产业链节点:② AI芯片。13F 持仓市值合计 $2.9T;上一季机构数 5,336。
5,732 家持有 · $2.9T
已接入结构化判断
最近观点 2026-06-05
公开观点与后续公开数据是否一致
雷达只合并本页已有公开数据:13F 共识、顾文军 公开观点、结构化前瞻和验证台账;未接入的维度不展示。
NVIDIA 公开财报口径显示 FY27 Q1 集团收入 US$81.6B、Data Center US$75.2B(YoY +92%),处 AI 算力链 GPU/网络/软件/系统平台定义层
下面各块可点导航跳转:前瞻研判(他怎么看未来)· 观点印证台账 · 我们的数据验证 · 真财报 · 产业逻辑深析。所有当前数字以「财报」块为准(实时)。观点 更新于 2026-06-05;前瞻周更;页面以重建为准。
2026-03-31: 5753 家机构申报, 合计净增 4119.6M 股, 持仓市值约 $3.15T, 持有机构数较上季 增加 415 家
价格时间轴仅帮助理解公开观点发生的时间位置;本区不按表现排序,不展示由价格涨跌推导的结果。
在 Citrini 的 AI 迁移图里,NVDA 是“AI 一阶 · 资本开支函数起点”,但不是故事终点。它代表训练和推理基础设施的原型赢家:GPU、加速计算、网络、软件栈、整机系统和云客户资本开支共同构成最直接的 AI 基础设施表达。Citrini 的独特之处,是他不会把 AI 多头简化为“永远只有 GPU”。他会把 NVDA 放在一张更大的传导图中:训练算力启动需求,随后瓶颈迁移到互连、HBM、flash、封装、电力、天然气、边缘推理、机器人和软件预算。也就是说,NVDA 是主题的起点和总线,但主题 alpha 会沿供应链换主角。
这一定位来自他的 Theme Before Tickers。2023-05-31 Global AI Beneficiaries 不是单名论文,而是 AI 全球受益者篮子;2024-06-02 Citrindex 一周年复盘披露 AI 等主题贡献显著;2026-06 State of the Themes 又把 AI 从能力叙事推进到 token 经济学。对 NVDA 的研究价值,不只是判断一家公司强弱,而是用它观察 AI capex 的节奏:云客户是否继续扩张训练/推理,集群规模是否推升网络和互连需求,推理成本是否改变客户预算,边缘和小模型是否分走部分增量。
NVDA 的产业链角色可以概括为三层。第一层是芯片和加速器,它把 GPU、Tensor Core、HBM、互连和封装整合成数据中心可采购的算力模块。第二层是系统和网络,它通过 HGX、DGX、GB200 NVL、NVLink、InfiniBand/Ethernet 方案把单卡性能转化为集群吞吐。第三层是软件和开发者生态,它用 CUDA、cuDNN、TensorRT、NIM、AI Enterprise 等工具降低客户部署摩擦。很多公司只站在其中一层,NVDA 的稀缺性在于它把三层打包成“可交付的 AI 工厂”。
从产业链传导看,NVDA 不是孤立的硬件公司。它向上拉动 TSMC 先进制程、CoWoS/SoIC 等先进封装、SK hynix/Micron/Samsung 的 HBM、ABF 载板、散热、电源、光模块和服务器 ODM;向下连接 Microsoft、Amazon、Google、Meta、Oracle、CoreWeave、Tesla、主权 AI 项目、企业私有云和模型实验室。每当 NVDA 新一代系统从芯片过渡到整柜,受益链也会从晶圆和封装扩展到交换机、线缆、液冷、供电和数据中心建设。
因此,Citrini 视角下的 NVDA 不是“一个 ticker”,而是一台观察 AI 资本周期的仪表盘。订单强弱、交期、系统配置、网络 attach、推理工具链、云实例上线和客户 capex 共同回答一个问题:AI 的瓶颈还在算力本身,还是已经迁移到数据、电力、应用 ROI 和软件预算?这也是 NVDA 深析必须比普通公司更厚的原因。
NVDA 的业务不能只按“GPU”理解。数据中心 GPU 是中心,但围绕它存在完整产品栈:加速器芯片、SXM/PCIe 模组、HGX/DGX 服务器参考设计、Grace CPU、Grace Blackwell 超级芯片、NVLink Switch、Spectrum-X Ethernet、Quantum InfiniBand、BlueField DPU、NVIDIA AI Enterprise、NIM 微服务、Omniverse、Isaac、Jetson 和汽车 SoC。硬件、网络和软件共同构成收入抓手,也决定客户切换成本。
| 产品/业务层 | 代表模块 | 产业链作用 | 观察重点 |
|---|---|---|---|
| 数据中心 GPU | H100/H200、B200/B300、Blackwell Ultra | 训练与推理算力核心 | 供给、交期、云实例上线 |
| 整机系统 | HGX、DGX、GB200 NVL、NVL rack | 把单卡变成可部署集群 | 整柜交付、液冷、电源 |
| 网络互连 | NVLink、NVSwitch、Quantum InfiniBand | 决定大集群有效吞吐 | 网络 attach 与拥塞表现 |
| Ethernet 方案 | Spectrum-X、ConnectX、BlueField | 争夺云厂开放网络预算 | RoCE、可观测性、成本 |
| 软件栈 | CUDA、cuDNN、TensorRT、NIM | 降低开发与推理部署摩擦 | 版本兼容、生态迁移成本 |
| 企业平台 | AI Enterprise、DGX Cloud | 进入企业私有云和托管场景 | 企业认证、续用率 |
| 边缘/机器人 | Jetson、Isaac、DRIVE | 把 AI 从云扩展到物理世界 | 认证周期、量产节奏 |
| 图形基本盘 | GeForce、RTX Pro、Omniverse | 保留开发者与仿真入口 | 创作者需求、仿真采用 |
产品结构的关键变化,是从“卖卡”转向“卖系统”。Hopper 时代,客户已经不只是采购单张 H100/H200,而是采购可在数据中心落地的集群。Blackwell/Grace Blackwell 时代,系统边界进一步扩大到整柜、交换、液冷、电源和软件镜像。对客户来说,单卡 benchmark 仍重要,但集群的有效吞吐、可用率、网络拥塞、故障恢复和工程支持更重要。对 NVDA 来说,系统化让它捕获更多价值,也让客户更难用单点替代品完成迁移。
数据中心之外,游戏和专业可视化仍提供图形和创作者基本盘,汽车和机器人提供长期 option。这里的重点不是把每个业务都讲成 AI 爆发点,而是看技术复用:GPU 架构、CUDA、TensorRT、Omniverse、仿真、边缘推理、机器人感知和自动驾驶训练共享大量底层能力。AI 数据中心贡献最高,但其他业务保留了开发者触点、边缘部署场景和品牌心智。
产品结构还决定利润质量。纯硬件出货容易受供给和周期影响,软件订阅、企业支持、云镜像、推理服务和开发者工具能提升持续性;但软件占比提升需要客户愿意把生产环境交给 NVDA 工具链,而不是只在训练端使用 GPU。观察 NVDA,不能只数芯片,还要看系统 ASP、网络 attach、软件 attach 和客户复购。
后续 14 章产业逻辑深析已确认存在;匿名页只开放前 2 章试看,不下发完整正文。完整章节、更新提醒、导出和人物上下文在下方统一权限模块解锁。
仅保留不随行情过期的产业逻辑章;时效性内容以上方财报与前瞻块为准。
免费页保留必要试看和公开事实;完整权限继续覆盖后续章节、更新提醒、导出、顾文军 的完整观点流、课程与思想体系。











































































































