AI時代的石油公司Nvidia
在過去兩年全球科技股的敘事中，Nvidia幾乎成為人工智能的代名詞。市場給它冠上許多稱號：AI淘金潮中的賣鏟人、數據中心時代的英特爾，甚至是「AI時代的石油公司」。這些比喻各有道理，但也各有陷阱。真正值得思考的，不是Nvidia今天有多強，而是它的商業模式究竟接近一種可持續被消耗的「能源」，還是一批在景氣高峰被大量採購的「設備」。
支持「石油公司」說法的人，看到的是算力正在成為新經濟的基礎投入。傳統工業要燒煤、燒油、用電；AI工業則要訓練模型、部署推理、處理數據、回應用戶請求。每一次搜尋、每一次生成圖片、每一次企業自動化流程，背後都在消耗算力。若AI應用由實驗室走向企業日常，算力就不只是一次性投資，而會像能源一樣被持續消耗。Nvidia最新財年收入達2,159億美元，按年增長65%，其中第四季度數據中心收入達623億美元，已清楚顯示公司收入核心由遊戲顯卡轉向AI基建。
更重要的是，Nvidia賣的並非單一GPU，而是一套平台。CUDA軟件生態、NVLink互連、網絡設備、整機系統、開發工具和模型庫，共同構成高黏性的AI基礎設施。客戶買入Nvidia，不只是買一塊更快的晶片，而是買入一個已被工程師、雲廠商和AI公司廣泛採用的標準。這也是為何它的毛利率長期高得不像硬件公司，反而帶有軟件平台的影子。若這種生態鎖定繼續深化Nvidia的角色就不只是設備供應商，而是AI工業的「算力油田」。
然而，另一邊的疑問同樣尖銳。歷史告訴我們，半導體行業從來逃不開周期。當客戶瘋狂擴產時，供應商盈利爆發；當建設告一段落，庫存、價格和資本開支便會反向調整。今天大型雲廠商和互聯網巨頭爭相採購GPU，部分是因為AI競賽不能輸，部分是因為模型訓練和推理需求同時爆發。但當第一輪數據中心建設完成，未來需求增速是否仍能維持？這正是市場對Nvidia估值最敏感的地方。
此外，AI工作負載正由訓練逐步轉向推理。訓練大型模型需要極高性能GPU，Nvidia優勢明顯；但推理更重視成本、能耗和效率，這給了AMD、Intel、Google TPU及Amazon Trainium等競爭者切入空間。Reuters亦指出，隨着AI使用場景轉向推理，Nvidia的長期主導地位將面對更多挑戰。若客戶能以自研晶片或替代方案降低成本，Nvidia的定價能力便可能被削弱。
因此，Nvidia其實同時具有兩種身份。從產品形態看，它仍是半導體公司，受制於製程、封裝、HBM記憶體、供應鏈和客戶資本開支；從需求本質看，它又站在AI算力消耗的入口，享有類似能源基礎設施的戰略地位。問題不在於哪個比喻完全正確，而在於市場在不同階段會選擇相信哪一個比喻。當收入高速增長、毛利率高企、雲廠商持續加碼時，投資者願意把它看成AI石油公司；當增速放慢、競爭加劇、資本開支轉向保守時，它又會被重新按周期性設備商估值。
最終，判斷Nvidia未來的關鍵，不是問AI是否還有故事，而是問算力是否會成為一種日常消耗品。若AI應用真正滲透到企業、消費、科研、製造和國家級基建，Nvidia便可能長期享受平台型溢價。若AI投資回報未能跟上硬件支出，今日的繁榮便可能只是一次超大型設備更新周期。
義合控股投資者關係部
（芯片與算力系列之58）
