📑 📈 💬英伟达投资者关系副总裁 Toshiya Hari 表示，公司给出的 FY28 同比增长 的框架，并非由单一因素驱动，而是基于超大规模云厂商、新云（Ne
- 序号：496
- 星球链接：打开网页
- 附件：图片 0，音频 0，文档 0
- 音频文件：无音频
图片
无图片
正文
📑
📈 💬英伟达投资者关系副总裁 Toshiya Hari 表示，公司给出的 FY28 同比增长 的框架，并非由单一因素驱动，而是基于超大规模云厂商、新云（Neoclouds）、AI 实验室、主权 AI 以及公司本地部署等全市场需求的广泛走强。 📋由于当时市场预期与公司内部实际看到的差距较大，公司决定提前给出展望以避免供应链规划混乱。 ⚠️他强调，；但如果没有供应限制，业务实际年增长率 “可以超过一倍（more than double）”，重申当前完全是 “供应受限” 而非 “需求受限”。 🔍 💻关于训练与推理的收入占比，团队指出由于英伟达平台具有高度 “可替代性”（例如 Grace Blackwell 产品既可训练也可转为推理），很难精确拆分。 📊不过，Hari 确认大约 18 个月前这一比例约为 50/50，而现在。 🏭 ⚠️在讨论明年满足需求的能力时，Hari 指出，由于先进晶圆和存储芯片在英伟达的物料清单（BOM）中占据重要地位，。 🤝公司正与台积电（TSMC）及三大存储供应商（美光、SK 海力士、三星）深度合作，持续沟通以提升供应可用性。 👥 📊目前按最终消费口径计算，OpenAI 和 Anthropic 这两大前沿模型构建商约占英伟达业务的 ，到 FY28 这一比例可能升至 25%。 ℹ️但需注意，这并不直接体现在英伟达的直接客户名单中，因为英伟达是将算力卖给超大规模云厂商或新云，再由后者转售给模型构建商。 ✅此外，，说明增长正越来越多地由更广泛的算力建设 / 租赁生态系统驱动，而非仅依赖头部超大规模云厂商。 🧠 💡针对开源与闭源大模型的争论，Hari 强调 AI 的进步需要两者并存（非此即彼不成立）。 💻英伟达内部也混合使用闭源（如 OpenAI、Claude）和开源模型。 🔗只要模型构建商能够变现并改善经济效益，需求就会传导至芯片供应商。 💰团队特别提到，随着英伟达计算平台推动每代 ，模型构建商的利润率（GMs）正在改善。 🏦 📋Hari 介绍了英伟达的几项融资工具，包括与部分新云的收入分成协议、PORTS‑Pike 数据中心园区计划，以及与 Apollo、贝莱德等机构合作的 。 🤝在收入分成协议中，英伟达为算力设定底价，并在市场租赁价格更高时分享上行收益，从而在核心硬件销售之外创造经常性收入期权。 🛡️公司坚决反驳 “循环融资” 质疑，认为这些协议规模可控，且有强劲的底层需求、生态回报及最终买家的信用状况支持。 💹 ⭐评级：增持（Overweight），。 📌投资逻辑：英伟达垂直整合的平台（芯片、机架系统、软件栈）难以复制，具备竞争优势；多年需求可见度极高，且传统公司工作负载向加速计算的转移是独立于 AI 训练 / 推理周期的结构性趋势。 ⚠️主要风险：AI ASIC/XPU 等替代计算平台可能抢占市场份额；存储成本通胀和供应限制可能迫使平台降低内存规格，对长期毛利率的持续性构成不确定性。
总体总结
主题正文
- 💬英伟达投资者关系副总裁 Toshiya Hari 表示，公司给出的 FY28 同比增长 的框架，并非由单一因素驱动，而是基于超大规模云厂商、新云（Neoclouds）、AI 实验室、主权 AI 以及公司本地部署等全市场需求的广泛走强。
- 但如果没有供应限制，业务实际年增长率 “可以超过一倍（more than double）”，重申当前完全是 “供应受限” 而非 “需求受限”。
- 💻关于训练与推理的收入占比，团队指出由于英伟达平台具有高度 “可替代性”（例如 Grace Blackwell 产品既可训练也可转为推理），很难精确拆分。
- 📊目前按最终消费口径计算，OpenAI 和 Anthropic 这两大前沿模型构建商约占英伟达业务的 ，到 FY28 这一比例可能升至 25%。
- ✅此外，，说明增长正越来越多地由更广泛的算力建设 / 租赁生态系统驱动，而非仅依赖头部超大规模云厂商。
- 💰团队特别提到，随着英伟达计算平台推动每代 ，模型构建商的利润率（GMs）正在改善。
- 📋Hari 介绍了英伟达的几项融资工具，包括与部分新云的收入分成协议、PORTS‑Pike 数据中心园区计划，以及与 Apollo、贝莱德等机构合作的 。
- 🤝在收入分成协议中，英伟达为算力设定底价，并在市场租赁价格更高时分享上行收益，从而在核心硬件销售之外创造经常性收入期权。