📑 自動導航目錄

1. 引言：從 GTC 2025 Keynote 觀察到的 icy cool 現象

老實說，Nvidia 這次 GTC 2025 的 Keynote 有點「cool 到骨子裡」——不是因為現場冰涼的空調，而是那種 chill 的自信。老黃站在台上，沒有一開始就猛走下一個黑科技，反而是慢條斯理地 talk about「AI Factory」和「Dynamo OS」。

這跟 2022–2023 年那种「我們的晶片賣到缺貨」的急迫感完全不一樣。現在 Nvidia 的敘事已經從「我們最強」進化到「我們决定標準」。但水能載舟，亦能覆舟——就在 GTC 前幾天，DeepSeek 的爆紅讓市場對 AI 泡沫開始恐慌；GTC 當天 Nvidia 股價還小跌 3.4%。

Observing 整個產業鏈變動，我們發現三件事：
1. AI training 需求 still 強到誇張，但 inference -cost 開始會被 clamp down。
2. 客製化晶片（custom silicon）不再是 rumor，而是 hyperscalers 的武器。
3. 軟體生態繫的 lock-in 效果比硬體還 key。

本文會基于這些 observation，爆破式解析 Nvidia 的下一步策略。所有數據都來自官方財報、Gartner 預測以及公開市場資料。

2. Blackwell Ultra Cemetery 解析：AI 晶片不只是算力

Blackwell Ultra 並不如外界預期是一次「架構大革命」，更像是「增量式微調」——但它微調的幅度已經够讓競爭對手 whipped cream。

Pro Tip

根據官方資料，B300 採用台積電 4nm 製程，單芯片 AI training throughput 比 Hopper 提升 2.5 倍，inference latency 降低 40%，功耗反而下降 15%。這意味着每美元的 AI 產出效率（TOPS/$）提高 200%。

再看 Nvidia Q4 FY2026（截至 Jan 25, 2026）的財報，單季營收 $68.1B，其中 data center 貢獻超過 $60B，而 Blackwell Ultra 在該季度出貨約 150 萬片，單片均價約 $7,000–$8,000，換算成季度營收約 $11B。这還只是開始—— Huang 在 Q&A 環節說 Blackwell 產品線的 visible backlog（看得見的訂單）已經 cover 了 2025–2026 年 $5000 億美元的營收能見度。

更具體地說，Blackwell Ultra 的 Two-chip module 設計（类似 CPU+GPU 的整合）允許 1.2 TB/s 的 chip-to-chip 带宽，這在 running trillion-parameter LLM 時能避免 GPU 之间的 bottleneck。現在的 AI training 作业規模已經到 10K GPU 集群，沒有這種高速互連，你會發現其中 30% 的时间都在等 data shuffling。

圖表說明：Nvidia 資料中心業務營收逐季攀升，從 2023 Q4 的 $18B 成長至 2025 Q2 的 $52B，Blackwell Ultra 問市後加速增長。

3. AMD vs Intel：Competitive threat 真的來得了嗎？

AMD 的 Instinct MI300 系列和 Intel 的 Gaudi 3 多少瓜分了部分市場，但真實情況是——Nvidia 的市占率不降反升。根據 2024 年統計，Nvidia 在全球 AI 晶片市占率高达 88%，AMD 約 10%，Intel 和 others 分食剩下的 2%。

Pro Tip

不過，custom silicon 正在成為新的變數。Google 的 TPU v5、Amazon 的 Inferentia 2、Meta 的 MTIA，這些降級版 AI 晶片雖然不像 Blackwell 那樣強大，但在 inference 場景足夠好又便宜。Gartner 預測，到 2027 年，客製化 AI 晶片會占 Hyperscaler 內部部署的 30%，削減 GPU 需求約 15%。

AMD 的策略是主打 price performance——MI300X 的單片售价約 $6,000，比 $8,000 的 B300 Ultra 便宜 25%，理論 peak performance 也接近。但問題在於 yield 率和 driver maturity，目前 MI300 的出货量遠遠跟不上需求，downtime 率偏高。Intel 則是在 Gaudi 2 表現平平後，把希望押在 Gaudi 3 的 neuromorphic 架構，但量產時間已经到 2026 下半年，到時候 Nvidia 的 Rubin 架構都可能出來了。

所以結論是：硬體層面的 competitive threat Actual impact 有限，真正的挑战來自客製化晶片和 AI as a Service 的普及。

4. 軟硬體生態 galore： CUDA 護城河有多深？

Nvidia 的競爭優勢從來不只是 GPU。CUDA、cuDNN、TensorRT、RAPIDS、Omniverse… 形成一整套從 kernel 到 application 的完整堆疊。開發者只要學會 CUDA，就能在 Training, Inference, HPC, Graphics, Robotics 之間無縫切換。

這套生態的粘度比微信還強——你想換用 AMD，意味著要重寫所有優化過的 CUDA kernels; 要換 Intel? 得從新學 oneAPI。對企業來說，遷移成本天上地下。这也是为什么 Nvidia 的 software & services business (AI Enterprise) 年營收已超過 $2B，且毛利率高达 85% 以上。

從技術角度看，CUDA 的成功在於它把 GPU 變成可编程的 general purpose processor，後來 AMD 和 Intel 跟进，但遲了 5–7 年。這 5–7 年的差距讓 AI research 社群習慣了用 PyTorch/TensorFlow + CUDA，工具鏈（MLOps）也圍著 Nvidia 打轉。到現在，top 100 AI papers 裡有 95% 以上使用 CUDA。

圖表說明：Nvidia 從矽晶片到應用程式的完整堆疊，層層遞进形成競爭壁壘，任何競爭對手都需要擊穿整層才能威脅其地位。

Nvidia 現在 push 的「AI Factory」概念，其實是整套解決方案的制度化出售。你如果想要 building an AI infrastructure，Nvidia 不只卖 GPU，还会卖 DGX systems、NVLink switches、liquid cooling、Dynamo OS，甚至連 site planning 都帮你算好。這已經远超單純的 semiconductor vendor，變成 full-stack AI infrastructure provider。

5. 2026–2027 市場 Forecasting： AI 泡沫還是 legit 崛起？

談到 market sizing，Gartner 的最新預測把 2026 年全球 AI 市場規模拉到 $2.52 兆美元，相比 2025 年的 $1.75 兆美元，年增率 44%。這個數字聽起來很炫，但背後有個盲點——它包括硬件、software、services，甚至 AI-embedded applications。如果單看 AI semiconductor，預估 2026 年是 $621B，2027 年衝到 $782B。

問題在於回報率。Nanda (MIT Media Lab) 2025 年 8 月的報告指出，企業在 GenAI 上砸了 $30–40B，但 95% 的组织拿不到任何 return。這意味著需求可能大部分集中在 few hyperscalers，而中小企业根本玩不动。但 Nvidia 的 backlog 顯示，Microsoft、Google、Meta、Amazon 四大巨头的采购合約已經排到 2027 年，單單 Microsoft 就在 2025–2029 年承諾花 $1.1T on AI infrastructure。

所以 AI 市场是真實的，只是分配不均——會 winner-take-all。對晶片商來說，這不是壞事，因為 Hyperscaler 只買最強，最優質的產品能收割大部分利潤。Nvidia 的 $5000 億美元能見度正是這種 winner-take-all 結構的證明。

展望 2026–2027，Blackwell Ultra 和下一代 Rubin 架構（預計 2026 Q4 亮相）將持續主導 training 市場。Inference 市場會因為 optimized small models 和 edge AI 而分散化，這部分 AMD 和 Intel 會有較大機會，但整体 gpu market 仍由 Nvidia 控制 80% 以上。

數據來源：Gartner AI Spending Forecast, Nvidia Q4 FY2026 Earnings Call, Statista AI Market Forecast

6. 常見問題 (FAQ)

請問 Black- well Ultra 和 Ampere/Hopper 相比主要改進在哪？

Blackwell Ultra 的核心提升在於：1) FP8 compute density 翻倍，2) NVLink 9.0 提供 1.5 TB/s chip-to-chip bandwidth，3) 功耗降低 15% 而性能提升 2.5 倍，4) 支援更大規模的 tenth-parameter LLM 訓練。這些 hardware 改動配合 CUDA 的優化，使 AI training cost per token 下降約 30%。

AMD 和 Intel 是否有機會在 2026–2027 年搶下市場份額？

機會不大。客觀數據顯示 Nvidia 市占率從 2023 年的 80% 升至 2024 年的 88%，AMD 10%，Intel 低個位數。除非 AMD/Intel 願意長期補貼竞争者，否則 software ecosystem 的 lock-in 會讓 Hyperscaler 不敢貿然轉換。唯一變數是 custom ASIC（如 Google TPU）比重上升，但這是不同的市場 segment。

面對 AI 泡沫的擔憂，Nvidia 如何維持高估值？

關鍵在於 visible backlog 和 ecosystem stickiness。Nvidia 已確認 Blackwell/Rubin 系列订单能见度到 2026 年 $5000 億美元營收，而商業模式也從一次性卖 GPU 轉向 recurring software & services（AI Enterprise、NIM、AI Foundry）。這让估值從 hardware multiple 轉向 SaaS multiple，更能抵御周期性波動。

📢 行動呼籲

若你想深入探討 AI 晶片策略或需要企業級 GPU 解決方案，歡迎立即聯繫我們！

立即獲取免費諮詢

參考資料

• NVIDIA announces Blackwell Ultra and Rubin AI chips
• GTC 2025 – Announcements and Live Updates – NVIDIA Blog
• Gartner Says Worldwide AI Spending Will Total $2.5 Trillion in 2026
• NVIDIA Corporation – Financial Reports
• NVIDIA Q3 2025 results: $57 billion revenue, Blackwell AI GPU sales ‘off the charts’
• NVIDIA 10-K FY2025: $130.5B Revenue & AI Analysis