For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/zh/articles/nvidia-roadshow-revenue-nears-100-billion.md.
摩根士丹利英伟达路演纪要显示，公司增长加速，Rubin Ultra 将在2027年发布，GPU在AI实验室的采用率上升，CPU、网络、主权AI及新云服务商推动营收扩张。
NVIDIA 日前在摩根士丹利于加州举办的专题路演中，回应了近期困扰投资者的几大疑问：Rubin Ultra 路线图是否延期、定制 ASIC 是否正在蚕食 GPU 市场份额、以及当季度营收迈向 1000 亿美元时公司能否保持增长。
根据华尔街见闻报道的路演纪要，NVIDIA 的回应直截了当：增长尚未见顶，管理层认为增长仍在加速。
CEO 黄仁勋、CFO Colette Kress 以及投资者关系与战略融资副总裁 Toshiya Hari 共同参与了与机构投资者的会面。此次高管阵容的出席让这场活动不同于常规投资者沟通会，使公司能够直接回应关于产品节奏、竞争格局、供应限制以及 AI 基础设施支出可持续性等方面的关切。
摩根士丹利分析师 Joseph Moore 对此次会面基调给予了积极评价。该行维持 NVIDIA 作为首选半导体股票，并给予"增持"评级。
路演之前，市场曾有传闻称 Rubin Ultra 可能推迟至 2028 年。
据报道，黄仁勋在会面中直接驳斥了这一解读。摩根士丹利纪要显示，Rubin Ultra 仍预计在 2027 年出货。
机架架构正在发生一些调整。原有的 Kyber 设计据称正在被 NVIDIA 认为更优的配置所取代，这可能带来更大的计算域。但路演将此定位为架构优化，而非时间表调整。
关键基础设施工作仍在推进中：
NVIDIA 公开路线图也支持 2027 年的时间节点。其官方基础设施材料显示，Kyber 是专为容纳 576 颗 Rubin Ultra GPU 而设计的机架代次，目标时间点为 2027 年。NVIDIA 还曾公开讨论转向 800 伏直流供电是支撑该机架密度水平的前提条件。
这一区分至关重要：重新设计机架会改变系统形态，但不会推迟底层产品代次。根据路演纪要，NVIDIA 将此调整定位为部署架构的优化，而非 Rubin Ultra 路线图的重新设定。
路演中最受关注的一个细节涉及 NVIDIA 的 AI 实验室客户。
摩根士丹利估算，AI 实验室目前约占 NVIDIA 总需求的 20%。大多数前沿模型开发者已在很大程度上依赖 NVIDIA 基础设施，但有一家重要客户此前主要基于定制 ASIC 硬件开发模型，NVIDIA 的参与程度极低。
根据路演报道，NVIDIA 在该客户计算基础设施中的份额现已升至近 50%。
摩根士丹利未公开披露客户身份。来源文章指出，相关描述可能指向 Anthropic，因其与亚马逊关系密切且使用 AWS Trainium 芯片。此判断仍属市场推测，并非来自 NVIDIA、摩根士丹利、亚马逊或 Anthropic 的确认披露。
即便未提及客户名称，这一转变也回应了投资者的一个重要担忧：定制芯片并不一定会直接取代英伟达的 GPU。
超大规模云服务商或 AI 实验室可以开发自己的 ASIC，同时继续大量采购英伟达的基础设施。最终决策取决于整个工作负载的经济性，而非单块加速器的价格。
摩根士丹利认为，客户最终会比较生成 Token 的总成本。
这项计算不仅包括芯片的购买价格：
据称，这家投行的行业调研显示，在许多工作负载中，英伟达持续提供更低的每 Token 成本。这有助于解释为何定制 ASIC 的采用与英伟达市场份额增长可以同时发生。
Moore 还主张，尽管主要云公司扩展了定制芯片计划，但从 2024 年到 2026 年，英伟达在 AI 计算中的整体份额仍在上升。
这并不意味着 ASIC 竞争无关紧要。它表明市场增长足够快，工作负载足够多样化，足以让多种架构同时扩张，同时英伟达保持强势地位。
路演将英伟达的需求划分为三大增长引擎。
据摩根士丹利估算，AI 实验室约占总需求的 20%。
大型前沿模型开发者仍然深度依赖英伟达平台。与此同时，以前更依赖定制 ASIC 的客户似乎正在增加 GPU 部署。
这一领域由以下因素驱动：
需求模式正变得比少量训练集群更广泛。推理和智能体工作负载需要随着模型使用扩展而持续增长容量。
在路演框架中，传统超大规模云服务商约占英伟达营收的一半。
微软、Meta、亚马逊和谷歌仍是最庞大的客户群体。它们的扩展越来越多地受到物理基础设施的限制，而非需求不足。
主要限制包括：
英伟达在这一群体中的机遇也已超出 GPU 范畴。它正在销售更广泛的系统，包括 CPU、网络、互连、存储加速和机架级架构。
第三大增长引擎包括新型 AI 云提供商、主权 AI 项目、工业公司和企业客户。
摩根士丹利预计，在某些时期，这类客户增长会比传统超大规模云服务商更快，因为这些买家通常更倾向于购买完整、集成的基础设施，而非自行构建每一层。
它们的采购决策受以下因素影响：
电力与数据中心空间有限
更快部署的需求
数据主权要求
国家安全与产业政策考量
偏好验证过的全栈系统
内部运营超大规模AI集群的经验有限
主权AI尤为重要。政府与本土产业正建设本地计算能力、国家数据集以及针对特定国家的模型，以保持对敏感信息和战略技术的控制。
这些项目通常不易受超大规模设计ASIC的竞争影响，因为买方不一定有自研芯片计划。
NVIDIA不再将自己定位为独立GPU供应商。
该公司正在构建一个覆盖以下领域的AI基础设施平台：
这一更广泛的平台增加了NVIDIA从每个AI工厂获取的收入。
路演据报重申了NVIDIA CPU业务在当前财年约200亿美元的目标。
摩根士丹利表示，其中近一半收入可能来自独立CPU机架，而不仅仅是GPU系统内用作宿主机CPU的部分。
这是产品角色的重要扩展。
Vera CPU专为AI模型周围控制密集和延迟敏感的工作而设计，包括：
NVIDIA官方规格描述Vera采用88个定制Olympus核心，支持176线程。其架构优先考虑高单线程性能和内存效率，以应对智能体和AI工厂工作负载。
如果Vera既能作为宿主机CPU又能作为独立数据中心处理器成功，NVIDIA就能在服务器市场争夺更大份额。
网络是另一个主要增长来源。
随着AI集群规模扩大，GPU间的数据传输成为关键瓶颈。昂贵的加速器若耗费过多时间等待数据或同步，就无法高效运行。
NVIDIA正通过以下技术应对：
公司2027财年第一财季业绩显示这一领域的快速增长。NVIDIA数据中心网络收入达148亿美元，同比增长199%，环比增长35%。
输入一句想法，We0 AI 即可生成展示站、页面与 CMS。发布上线后并帮你获取客户和流量。
用户注册赠送一次完整项目生成
适合先体验一次完整生成流程，快速看到项目初稿。
这支持了路演的核心论点：NVIDIA的增长不再局限于销售更多GPU芯片，而是日益依赖于销售完整系统。
摩根士丹利还注意到NVIDIA投资者沟通方式的变化。
该公司历来由成长型基金重仓持有。对部分机构而言，NVIDIA已触及或接近内部持仓上限，使得这些投资者难以增加敞口。
下一批买家可能包括更关注以下指标的价值型投资者：
Moore预计NVIDIA最终可能将超过一半的现金流用于回购和股东回报。
英伟达最近的资本配置决策让这一论点更具可信度。2026年5月，公司宣布新增800亿美元股票回购授权，并提高了季度现金股息。
价值投资论并不能替代增长论。相反，英伟达正在试图同时呈现两个方面：
这一组合可能扩大该股票的投资者基础。
“接近1000亿美元”这一说法已不再是理论上的。
英伟达报告2027财年第一季度收入为816亿美元，较上一季度增长20%，较去年同期增长85%。公司对下一季度的官方展望为910亿美元，上下浮动2%。
摩根士丹利的路演报告称，管理层继续将业务定位为在这一规模下仍在加速增长。
这是投资逻辑背后的关键点。英伟达不仅是在增加数十亿美元的季度收入，而且由于多个市场同时增长，扩张速度仍然很高：
挑战在于将需求转化为可交付的系统。收入取决于内存、网络组件、电力、冷却、数据中心空间和完整机架的可用性。
摩根士丹利在路演报告中维持了“增持”评级和288美元的目标价。
原文章使用了英伟达7月9日的收盘价202.78美元，这意味着相对该目标价有大约42%的上涨空间。它还引用了当时约4.97万亿美元的市值。
这些市场数据具有时效性，应视为原发表日期的一个快照。
据报道，摩尔预测的收入增长为：
| 时期 | 摩根士丹利增长预期 |
|---|---|
| 2026财年 | 82% |
| 2027财年 | 52.4% |
这些是分析师的估计，而非英伟达的指引。
投资论点基于几个假设：
摩根士丹利还强调了可能削弱前景的风险。
这些包括：
一个特别重要的风险是从短缺到平衡的转变。
当需求远高于供应时，制造商拥有强大的定价权，客户争夺产能。如果供应扩张过快，数据中心的增长可能比投资者预期的更急剧放缓。
定制芯片风险也仍然真实存在。谷歌、亚马逊、微软、Meta和其他大型买家有强烈动机开发针对自身工作负载优化的硬件。
英伟达的防御不仅仅是更快的GPU。
这是其软件生态系统、网络、CPU、机架设计、部署速度和每 Token 成本综合经济性的体现。
路演中传达的更广泛信息是，AI 基础设施的需求依然强劲。
英伟达当前的问题并非说服客户相信 AI 算力有用，而是要将巨大的需求转化为在多种物理约束下可运行的的系统。
目前的限制因素包括：
正因如此，英伟达持续在整体架构上进行投资。
一颗 GPU 必须被封装进可工作的系统，连接内存与网络，获得充足电力供应，并安装到已准备就绪的数据中心中，才能产生收入。
Rubin Ultra 的 800 VDC 和 Kyber 架构正体现了这一转变。AI 计算的下一阶段不仅是一个半导体问题，更是一个基础设施工程问题。
根据摩根士丹利路演报告，英伟达否认了 Rubin Ultra 延期至 2028 年的说法，并维持 2027 年出货的时间表。英伟达的公开基础设施路线图也描述搭载 Rubin Ultra GPU 的 Kyber 系统将于 2027 年面世。
Vera Rubin 是英伟达目前的新一代 AI 平台，结合了 Rubin GPU、Vera CPU、NVLink、网络和存储基础设施。而 Rubin Ultra 是计划在 Kyber 机架架构和 800 VDC 供电系统基础上推出的更高密度后续产品。
英伟达报告 2027 财年第一季度收入为 816 亿美元，并预计下一季度收入为 910 亿美元。增长来自超大规模云服务商、AI 实验室、新型云服务提供商、主权 AI 项目、网络、CPU 和完整的 AI 工厂系统。
定制 ASIC 正在扩张，但两者并非简单的替代关系。客户可能会在特定工作负载中使用自己的加速器，同时继续部署英伟达系统，尤其是在软件成熟度、灵活性、网络或每 Token 总成本更具优势的情况下。
摩根士丹利在路演记录中未提及该客户名称。原始文章推测可能是 Anthropic，但这一判断仅基于猜测，尚未得到相关公司确认。
主权 AI 指的是一个国家利用自有基础设施、数据、人才和国内生态系统来建设和运营 AI 的能力。这类项目可能催生对本地 AI 工厂、国家模型和安全算力的需求。
大型 AI 集群需要的不仅仅是加速器。CPU 负责管理数据管道、工具、编排和智能体工作负载，而高速网络则能使数千颗 GPU 保持同步并充分利用。
否。文中讨论的分析师评级、目标价和预测是为了说明原文报告。市场存在风险，读者在做出投资决策前应评估自身目标、财务状况和风险承受能力。
摩根士丹利的 NVIDIA 路演纪要显示，该公司的增长正趋于多元化而非单一化。AI实验室、超大规模云服务商、新兴AI云、主权AI项目、CPU以及网络业务，共同推动了下一阶段的扩张。
关于 Rubin Ultra 延迟的传闻被否认，这支撑了 NVIDIA 既有的2027年路线图。与此同时，向更大机架、800 VDC 电源、光互连及完整AI系统的转变表明，未来增长不仅依赖芯片设计，同样有赖于基础设施工程。
定制 ASIC 仍是重要的竞争风险，但路演表明其采用并非简单的替代周期。客户正在评估整个工作负载的经济性，包括软件、网络、利用率及每Token成本。
NVIDIA 的核心挑战不再是证明 AI 需求的存在，而是将这种需求转化为能够大规模供电、冷却、互联、交付及运营的完整系统。
从一句话开始，几分钟内拿到完整网站。
