Ross Gerber Highlights Nvidia's AI Efficiency Gains

•Gerber Kawasaki 執行長 Ross Gerber 將 Nvidia 目前的市場地位比作 Apple iPhone 早期的成功，強調 AI 帶來無限機遇以及 Nvidia 強大的市場主導地位和盈利能力。
•分析師預計 Nvidia 2027 財年第一季（截至 2026 年 4 月）的財報將呈現爆炸性增長，預計營收將同比增長約 80%，每股收益增長 120%，這得益於對 AI 基礎設施的巨大需求。
•儘管 Nvidia 在 AI 加速器市場佔有約 81% 的份額，但競爭正在加劇，尤其是在推論市場，雲端供應商的客製化 ASIC 出貨量預計在 2026 年將增長 44.6%，顯著超過 GPU 出貨量（16.1%）。
•Nvidia 的 Blackwell GPU 架構目前已全面投產，其速度比前代產品快 2.5 倍，能源效率提高 25 倍；而預計於 2026 年下半年推出的下一代 Rubin 架構則有望提供 3.3 倍的運算能力。
•企業 AI 採用正趨於成熟，88% 的企業表示 AI 增加了年度收入，並且在 2026 年，優化 AI 工作流程和生產週期成為首要支出重點。

📊 競品分析▸ Show

公司	主要產品/焦點	市場份額（AI 加速器，約 2026 年）	性能/成本基準（範例）
Nvidia	GPU (H100, Blackwell, Rubin)；AI 訓練與推論；CUDA 生態系統	約 81%	Blackwell GPU 在 AI 推論方面比前代 Hopper GPU 節能 25 倍
AMD	Instinct MI300X 加速器；AI 推論市場	約 7%	MI300X 訓練 GPT 模型的速度約為 H100 的 80%，但成本低 60%，提供卓越的性價比
Intel	Gaudi 加速器；AI 整合 Xeon 處理器；企業市場	未明確數據，但積極挑戰 Nvidia	專注於提供性能與成本效益的平衡
Google	Tensor Processing Units (TPUs) v5e；客製化雲端 AI 加速器	雲端 AI 加速器市場的重要部分	TPU v5e 運行 TensorFlow 模型比同等 GPU 實例快 2-3 倍，每小時成本降低 65%
Groq	LPU (Language Processing Unit)；AI 推論	專注於利基市場	在 LLaMA-2-70B 的 LLM 推論中，Groq 達到 280 tokens/秒，而 Nvidia A100 為 40 tokens/秒（快 7 倍）
Cerebras Systems	Wafer-Scale Engine (WSE-3)；AI 訓練與推論	專注於大規模 AI 訓練	WSE-3 擁有 4 兆電晶體和 90 萬個 AI 核心，提供 125 petaflops 的 AI 運算能力
SambaNova Systems	SN50 Reconfigurable Data Unit (RDU)；生成式 AI 工作負載	專注於高吞吐量生成式 AI	SN50 晶片聲稱速度比競爭晶片快 5 倍，代理式 AI 工作負載的總擁有成本比 GPU 低 3 倍

Nvidia 的 AI 效率提升得益於其 GPU 架構，例如 Ampere、Hopper 和 Blackwell，其中 Blackwell 在 AI 推論方面比前代 Hopper GPU 節能 25 倍。
關鍵技術包括 Tensor Cores、NVLink（超高頻寬、低延遲互連技術，NVLink 5.0 的能源效率是 PCIe Gen5 的 5 倍）以及 CUDA 軟體生態系統。
Nvidia AI Enterprise 3.0 引入了新功能，例如 Magnum IO GPUDirect Storage，它提供儲存和 GPU 記憶體之間的直接資料路徑，減少延遲並減輕 CPU 負擔。
該版本還增強了 GPU 虛擬化功能，支援 VMware vSphere 8.0，允許每個 VM 最多添加八個虛擬 GPU，並支援 Red Hat Enterprise Linux KVM，允許每個 VM 最多添加 16 個虛擬 GPU。
軟體創新如 TensorRT-LLM 可以將大型語言模型 (LLM) 推論的能耗降低 3 倍。
Nvidia BlueField-3 DPU 可以透過將資料中心網路和基礎設施功能從效率較低的 CPU 卸載，從而將功耗降低高達 30%。

Nvidia 將在 AI 訓練硬體領域保持主導地位，但在推論市場面臨日益增長的壓力。

儘管 Nvidia 的 GPU 是訓練的行業標準，但由於成本效益和專業性能，競爭對手和客製化 ASIC 在推論領域正獲得越來越多的關注。

對 AI 基礎設施的需求將繼續超過供應，從而為領先的 AI 晶片製造商帶來持續的高收入。

Jensen Huang 預測將出現一個「長達十年的 AI 建設期」，數十億個 AI 代理將需要大量的計算能力，分析師預計到 2027 年 AI 基礎設施支出將持續高漲。

由於 AI 資料中心的大規模擴張，能源效率將成為 AI 硬體中更為關鍵的差異化因素。

AI 基礎設施支出正達到歷史最高水平，能源供應正成為一個戰略問題，而 Nvidia 已強調 Blackwell 晶片在能源效率方面提高了 25 倍。

1993

Nvidia 成立。

2006

Nvidia 推出 CUDA，為科學和研究開放 GPU 的平行處理能力。

2012

Nvidia 發布 AlexNet 神經網路，引領現代 AI 時代的突破。

2017

推出 Volta 架構，專注於 AI 和高效能運算 (HPC)。

2022

推出 Hopper 架構（將大型語言模型 (LLM) 速度提高 30 倍）和 Ada Lovelace 架構（提升運算效率和 AI 驅動的圖形渲染）。

2024

推出 Blackwell 架構，專為大規模 AI 訓練和推論而設計。

2025-07

Nvidia 市值達到 4 兆美元。

2026-03

Nvidia 透露對其 Blackwell 和 Rubin 產品在 2025-2027 年期間累計 1 兆美元營收充滿信心。

Ross Gerber 強調 Nvidia 的 AI 效率提升