N 輝達
NVIDIA 公開財報口徑顯示 FY27 Q1 集團營收 US$81.6B、Data Center US$75.2B(YoY +92%),處 AI 算力鏈 GPU/網路/軟體/系統平台定義層
N NVIDIA 公開財報口徑顯示 FY27 Q1 集團營收 US$81.6B、Data Center US$75.2B(YoY +92%),處 AI 算力鏈 GPU/網路/軟體/系統平台定義層
AI 產業鏈節點:② AI晶片。13F 持股市值合計 $2.9T;上一季機構數 5,336。
5,732 家持有 · $2.9T
已接入結構化判斷
最近觀點 2026-06-22
雷達只合並本頁已有公開資料:13F 共識、Jamin Ball 公開觀點、結構化前瞻和驗證臺賬;未接入的維度不展示。
NVIDIA 公開財報口徑顯示 FY27 Q1 集團營收 US$81.6B、Data Center US$75.2B(YoY +92%),處 AI 算力鏈 GPU/網路/軟體/系統平台定義層
下面各塊可點導航跳轉:前瞻研判(他怎麼看未來)· 觀點印證臺賬 · 我們的資料驗證 · 真財報 · 產業邏輯深析。所有當前數字以「財報」塊為準(即時)。觀點 更新於 2026-06-22;前瞻周更;頁面以重建為準。
本票觀點臺賬等待 ⑨ ledger 接入;當前只保留歷史價格時間軸作為上下文,不據此排名或放大展示。
價格時間軸僅幫助理解公開觀點發生的時間位置;本區不按表現排序,不展示由價格漲跌推導的結果。
在 Citrini 的 AI 遷移圖裡,NVDA 是“AI 一階 · 資本支出函式起點”,但不是故事終點。它代表訓練和推論基礎設施的原型贏家:GPU、加速計算、網路、軟體棧、整機系統和雲端客戶資本支出共同構成最直接的 AI 基礎設施表達。Citrini 的獨特之處,是他不會把 AI 多頭簡化為“永遠只有 GPU”。他會把 NVDA 放在一張更大的傳導圖中:訓練算力啟動需求,隨後瓶頸遷移到互連、HBM、flash、封裝、電力、天然氣、邊緣推論、機器人和軟體預算。也就是說,NVDA 是主題的起點和匯流排,但主題 alpha 會沿供應鏈換主角。
這一定位來自他的 Theme Before Tickers。2023-05-31 Global AI Beneficiaries 不是單名論文,而是 AI 全球受益者籃子;2024-06-02 Citrindex 一週年復盤揭露 AI 等主題貢獻顯著;2026-06 State of the Themes 又把 AI 從能力敘事推進到 token 經濟學。對 NVDA 的研究價值,不只是判斷一家公司強弱,而是用它觀察 AI capex 的節奏:雲端客戶是否繼續擴張訓練/推論,叢集規模是否推升網路和互連需求,推論成本是否改變客戶預算,邊緣和小模型是否分走部分增量。
NVDA 的產業鏈角色可以概括為三層。第一層是晶片和加速器,它把 GPU、Tensor Core、HBM、互連和封裝整合成資料中心可採購的算力模組。第二層是系統和網路,它通過 HGX、DGX、GB200 NVL、NVLink、InfiniBand/Ethernet 方案把單卡效能轉化為叢集吞吐。第三層是軟體和開發者生態,它用 CUDA、cuDNN、TensorRT、NIM、AI Enterprise 等工具降低客戶部署摩擦。很多公司只站在其中一層,NVDA 的稀缺性在於它把三層打包成“可交付的 AI 工廠”。
從產業鏈傳導看,NVDA 不是孤立的硬體公司。它向上拉動 TSMC 先進製程、CoWoS/SoIC 等先進封裝、SK hynix/Micron/Samsung 的 HBM、ABF 載板、散熱、電源、光模組和伺服器 ODM;向下連線 Microsoft、Amazon、Google、Meta、Oracle、CoreWeave、Tesla、主權 AI 專案、企業私有雲端和模型實驗室。每當 NVDA 新一代系統從晶片過渡到整櫃,受益鏈也會從晶圓和封裝擴充套件到交換器、線纜、液冷、供電和資料中心建設。
因此,Citrini 視角下的 NVDA 不是“一個 ticker”,而是一臺觀察 AI 資本週期的儀表盤。訂單強弱、交期、系統配置、網路 attach、推論工具鏈、雲端例項上線和客戶 capex 共同回答一個問題:AI 的瓶頸還在算力本身,還是已經遷移到資料、電力、應用 ROI 和軟體預算?這也是 NVDA 深析必須比普通公司更厚的原因。
NVDA 的業務不能只按“GPU”理解。資料中心 GPU 是中心,但圍繞它存在完整產品棧:加速器晶片、SXM/PCIe 模組、HGX/DGX 伺服器參考設計、Grace CPU、Grace Blackwell 超級晶片、NVLink Switch、Spectrum-X Ethernet、Quantum InfiniBand、BlueField DPU、NVIDIA AI Enterprise、NIM 微服務、Omniverse、Isaac、Jetson 和汽車 SoC。硬體、網路和軟體共同構成營收抓手,也決定客戶切換成本。
| 產品/業務層 | 代表模組 | 產業鏈作用 | 觀察重點 |
|---|---|---|---|
| 資料中心 GPU | H100/H200、B200/B300、Blackwell Ultra | 訓練與推論算力核心 | 供給、交期、雲端例項上線 |
| 整機系統 | HGX、DGX、GB200 NVL、NVL rack | 把單卡變成可部署叢集 | 整櫃交付、液冷、電源 |
| 網路互連 | NVLink、NVSwitch、Quantum InfiniBand | 決定大叢集有效吞吐 | 網路 attach 與擁塞表現 |
| Ethernet 方案 | Spectrum-X、ConnectX、BlueField | 爭奪雲端廠開放網路預算 | RoCE、可觀測性、成本 |
| 軟體棧 | CUDA、cuDNN、TensorRT、NIM | 降低開發與推論部署摩擦 | 版本相容、生態遷移成本 |
| 企業平台 | AI Enterprise、DGX Cloud | 進入企業私有雲端和託管場景 | 企業認證、續用率 |
| 邊緣/機器人 | Jetson、Isaac、DRIVE | 把 AI 從雲端擴充套件到物理世界 | 認證週期、量產節奏 |
| 圖形基本盤 | GeForce、RTX Pro、Omniverse | 保留開發者與模擬入口 | 創作者需求、模擬採用 |
產品結構的關鍵變化,是從“賣卡”轉向“賣系統”。Hopper 時代,客戶已經不只是採購單張 H100/H200,而是採購可在資料中心落地的叢集。Blackwell/Grace Blackwell 時代,系統邊界進一步擴大到整櫃、交換、液冷、電源和軟體映象。對客戶來說,單卡 benchmark 仍重要,但叢集的有效吞吐、可用率、網路擁塞、故障恢復和工程支援更重要。對 NVDA 來說,系統化讓它捕獲更多價值,也讓客戶更難用單點替代品完成遷移。
資料中心之外,遊戲和專業視覺化仍提供圖形和創作者基本盤,汽車和機器人提供長期 option。這裡的重點不是把每個業務都講成 AI 爆發點,而是看技術複用:GPU 架構、CUDA、TensorRT、Omniverse、模擬、邊緣推論、機器人感知和自動駕駛訓練共享大量底層能力。AI 資料中心貢獻最高,但其他業務保留了開發者觸點、邊緣部署場景和品牌心智。
產品結構還決定獲利質量。純硬體出貨容易受供給和週期影響,軟體訂閱、企業支援、雲端映象、推論服務和開發者工具能提升持續性;但軟體佔比提升需要客戶願意把生產環境交給 NVDA 工具鏈,而不是隻在訓練端使用 GPU。觀察 NVDA,不能只數晶片,還要看系統 ASP、網路 attach、軟體 attach 和客戶復購。
後續 14 章產業邏輯深析已確認存在;匿名頁只開放前 2 章試看,不下發完整正文。完整章節、更新提醒、匯出和人物上下文在下方統一權限模組解鎖。
僅保留不隨行情過期的產業邏輯章;時效性內容以上方財報與前瞻塊為準。
免費頁保留必要試看和公開事實;完整權限繼續覆蓋後續章節、更新提醒、匯出、Jamin Ball 的完整觀點流、課程與思想體系。











































































































