英伟达 IR 与 Bernstein 的对话

英伟达 IR 与 Bernstein 的对话

市场地位与定制硅芯片

> 管理层强烈反对定制ASIC将从根本上侵蚀NVIDIA地位的观点，他们认为价值来源于性能、可互换性和CUDA生态系统，而非GPU本身。

> 尽管TPU和定制ASIC持续部署，NVIDIA在超大规模云服务商资本支出中的份额仍从ChatGPT前的大约5%上升至约20%，并进入20%中段区间。

> 引用埃隆·马斯克的Colossus项目，管理层强调GPU能处理变化的工作负载或可出租，而ASIC则针对狭窄工作负载进行优化。虽然专用ASIC适用于可预测工作负载，但当工作负载和模型快速变化时，广泛可编程系统更具价值。

> 管理层反驳了开源模型会破坏AI经济性的观点，他们预计最终约80%的模型将开源，因为这扩大了能够部署AI的企业和开发者群体，而不会使底层计算资源免费。

硬件内容、架构与效率

> 由于CPU、LPU、网络和其他系统级组件的加入，数据中心内容正朝着每吉瓦约400亿美元的方向发展，这将NVIDIA与芯片级定制硅供应商区分开来。

> NVIDIA看到改善全栈效率的重大机会。它预计通过硬件和软件优化，每令牌消耗的内存将随时间改善。

> 性能需求快速增长意味着，即使效率提升，内存和基础设施的绝对需求仍将大幅增加。毛利率仍受产品组合和高内存等投入成本影响，尽管选择性定价已取得成效。

供应限制与制造

> NVIDIA在FY27财年仍约70%受供应限制，瓶颈涉及晶圆、CoWoS、内存、光学/收发器、土地、电力和外壳容量。供应紧张状况预计不会很快消失。

> 虽然欢迎英特尔等替代方案，管理层指出，认证一家新代工厂需要超过2-3年，因为技术与制造深度要求严格。

财务展望与合作伙伴关系

> 一旦解决供应和基础设施承诺问题，管理层计划通过回购并可能增加股息，将几乎所有剩余自由现金流（FCF）返还给股东。

> 与新兴云服务商的安排为需要短期计算资源的企业解锁容量，而无需五年合同，确保NVIDIA获得预付硬件经济收益，同时解决基础设施不匹配问题。

> 超大规模云服务商预计长期内仍占业务约50%，另一半将通过新兴云服务商、工业、企业、主权和AI实验室更快增长。前沿AI实验室约占NVIDIA收入的20%，管理层指出，实验室在自建与使用云服务提供商（CSPs）之间切换，表明两种模式将共存。