美東時間週三盤後，英偉達(NVDA.US)在2025財年第四季度財報電話會議上表示，當前，GB200的推廣進展順利，儘管面臨複雜性挑戰，但需求強勁。公司成功提高了Grace Blackwell的產量，上個季度實現了約110億美元的收入。公司將繼續擴大規模，應對客戶對Blackwell系統的需求。

毛利率方面，英偉達執行副總裁兼首席財務官 Colette Kres稱：“Blackwell產能提升期間，毛利率會在70%出頭。目前，公司正專注於加快生產速度，以確保能夠儘快爲客戶提供產品。Blackwell已經全面提升產能，一旦產能提升，公司就可以降低成本並改善毛利率。因此，預計今年晚些時候的毛利率可能會達到75%左右。”

對於第二代產品Blackwell Ultra，黃仁勳表示，第一代Blackwell出現的小問題已經完全恢復，下一趟列車將以年度節奏推出，Blackwell Ultra配備新網絡、新內存以及新處理器，所有這些都將上線。在英偉達3月舉行的GTC大會上，Blackwell Ultra、Verarubin以及更多真正令人興奮的新產品將會出現。

對未來市場需求，他表示，無論是短期信號還是中期信號都支撐其信心。短期信號是訂單和預測等。中期信號是，與前幾年相比，基礎設施和資本支出的水平有所擴大。長期信號與這樣一個事實有關，軟件從根本上已經從在 CPU 上運行的手工編碼轉變爲在 GPU 和加速計算系統上運行的機器學習和基於人工智能的軟件。

Q&A

Q：我想對Judson來說，隨着測試時間計算和強化學習顯示出如此大的前景，我們顯然看到訓練和推理之間的界限越來越模糊，這對潛在的未來專用推理集羣意味着什麼？您如何看待NVIDIA NVIDIA對您的客戶的整體影響？

A：現在有多個擴展定律。有預訓練擴展定律，這將繼續擴展，因爲我們有多模態，我們有來自推理的數據，現在用於預訓練，然後是第二個後訓練，使用強化學習人類反饋、強化學習AI反饋、強化學習可驗證的獎勵，您用於後訓練的計算量實際上高於預訓練。

從某種意義上說，這是有道理的，因爲您可以在使用強化學習時生成大量的合成數據或合成生成的token，AI模型基本上是在生成token來訓練AI模型。

第三部分，這是您提到的部分，測試時間計算或推理長程思維，有思維鏈，您有搜索，生成的token數量，所需的推理計算量已經比最初的大型語言模型的一次性示例和一次性能力多100倍，而這僅僅是開始。這僅僅是開始。下一代可能會有數千倍，甚至希望是非常周到和基於模擬和基於搜索的模型，其計算量可能是今天的數十萬倍、數百萬倍。就在我們的未來。所以問題是如何設計這樣的架構？有些模型是自迴歸的。有些模型是基於擴散的，有些時候您希望您的數據中心具有分離的推理，有時它是緊湊的。

因此，很難確定數據中心的最佳配置是什麼，這就是爲什麼NVIDIA的架構如此受歡迎的原因，我們運行每個模型，我們擅長訓練，我們今天的大部分計算實際上是推理，Blackwell將所有這些都提升到一個新的水平。我們在設計時考慮到了推理模型。當您查看訓練時，它的性能要高出許多倍，但真正令人驚奇的是，對於長程思維、測試時間擴展推理AI模型，我們的速度要快數十倍，吞吐量高25倍，因此Blackwell將在各個方面都令人難以置信，當您有一個數據中心時，它允許您根據您現在正在進行更多的預訓練、進行後訓練來配置和使用您的數據中心，或者擴展您的推理，我們的架構是可互換的，並且易於以所有這些不同的方式使用。因此，我們實際上看到比以往任何時候都更加集中地使用統一架構。

Q：我想知道您是否可以談談CES上的GB200。您在某種程度上談到了機架級系統的複雜性以及您所面臨的挑戰。然後正如您在準備好的發言中說的那樣，我們已經看到了很多普遍的可用性。您在那個斜坡上的什麼位置？除了芯片級別之外，在系統級別上是否仍然存在需要考慮的瓶頸？只是您是否仍然對NVL-72平臺保持熱情？

A：我今天比在CES上更樂觀。原因是我們交付了更多。我們有大約350個工廠製造進入其中每個工廠的150萬個組件，是的，這非常複雜，我們成功且令人難以置信地提高了 Blackwell的產量，上個季度交付了約110億美元的收入。

我們將不得不繼續擴大規模，因爲需求非常高，客戶渴望且迫不及待地想要獲得他們的Blackwall系統。您可能已經在網絡上看到了一些關於Grace Blackwell系統上線的慶祝活動，Coreweave現在已經公開了他們成功啓動的消息，Microsoft當然有，OpenAI也有，您開始看到許多上線。我們做得很好，我們所有的合作伙伴也做得很好。

Q：第一季度是否是毛利率的底部？什麼能讓您有信心強勁的需求可以持續到明年？DeepSeek和他們提出的任何創新是否以任何方式改變了這種觀點？

A：在我們的Blackwell量產期間，我們的毛利率將處於70%的低位。在這一點上，我們專注於加快我們的製造速度。加快我們的製造速度是爲了確保我們可以儘快爲客戶提供服務。Blackwell完全量產後我們可以提高我們的成本和毛利率。因此，我們預計今年晚些時候可能會達到70%的中段。回顧您聽到的Johnson談論的系統及其複雜性，它們在某些情況下是可定製的。它們有多個網絡選項。有液冷和水冷。因此，我們知道我們有機會在未來提高這些毛利率。但現在，我們將專注於盡快完成製造並交付給我們的客戶。

我們對數據中心正在建設的資本投資額有一個相當好的瞭解。我們知道，展望未來，絕大多數軟件將基於機器學習。作爲開發AI領域下一個突破的新機會，無論是代理AI、推理AI還是物理AI。初創公司的數量仍然非常活躍，每個公司都需要相當數量的計算基礎設施。因此，無論是近期信號還是中期信號，長期信號，我們從根本上知道軟件已經改變這一事實有關。從在CPU上運行的編碼到在GPU和加速計算上運行的基於機器學習和AI的軟件。加速計算系統是軟件的未來。然後對於應用，首先是AI和搜索以及一些消費者生成式AI、廣告，有點像軟件的早期階段。下一個浪潮即將到來。用於企業的Agent AI，用於機器人技術的物理AI，以及主權AI，因爲不同的地區爲他們自己的生態系統構建AI。因此，這些都幾乎剛剛起步，我們纔剛剛開始。

Q：Blackwall Ultra計劃於今年下半年推出。與團隊的年度產品節奏一致鑑於您仍在量產當前一代的Blackwell解決方案，您能否幫助我們瞭解Ultra的需求動態。您的客戶和供應鏈如何管理這兩種產品的同步量產？團隊是否仍在按計劃在今年下半年執行Blackwell Ultra？

A：Blackwall Ultra是下半年，如您所知，第一款Blackwell我們遇到了一些小問題，可能花費了我們幾個月的時間。我們當然已經完全恢復了。團隊做得很棒，我們所有的供應鏈合作伙伴和很多人都幫助我們以光速恢復了。因此，現在我們已經成功地提高了Blackwell的產量。但這並不能阻止下一次產品發佈，按年度節奏運行，Blackwell Ultra具有新的網絡、新的存儲器，當然還有新的處理器，所有這些都即將上線。

這次在Blackwell和Blackwell Ultra之間，系統架構完全相同。從Hopper到Blackwell要困難得多，因爲我們從NV NVLink 8系統轉變爲NVL72的基本系統。因此，機箱、系統的架構、硬件、電源，所有這些都必須改變。這是一個相當具有挑戰性的過渡。

下一次過渡將更快。Blackwall Ultra將直接插入。我們還已經透露，並且一直在與我們所有的合作伙伴密切合作，之後的產品爲Rubin。我們所有的合作伙伴都在加速過渡。因此，來GTC，我將與您討論Blackwell Ultra，以及真正、真正令人興奮的新產品。

Q：您能否談談定製ASIC和商用GPU之間的平衡？我們聽到了一些使用GPU和ASIC的異構超級集羣的消息。客戶是否計劃構建這些基礎設施，還是這些基礎設施將保持相當的水平？

A：我們構建的東西與ASIC非常不同。在某些方面，完全不同，在某些領域，我們有所交叉。我們有幾個不同之處。首先，NVIDIA的架構是通用的。無論您是爲非迴歸模型、基於擴散的模型、基於視覺的模型、多模態模型還是文本模型進行優化，它在所有模型中都表現出色。我們在所有模型中都表現出色，因爲我們的軟件堆棧非常豐富，我們的架構投研學習關注工衆號有 道調研非常靈活，我們的軟件堆棧生態系統非常豐富，以至於我們是大多數令人興奮的創新和算法的最初目標。因此，根據定義，我們比狹隘的範圍要通用得多。我們也非常擅長端到端。從數據處理、訓練數據的管理到數據的訓練，當然還有用於後訓練的強化學習，一直到測試時間擴展的推理。因此，我們是通用的、端到端的。我們無處不在。因爲我們不僅僅在一個雲中，我們在每個雲中，我們可以在本地，我們可以在機器人中。我們的架構更容易訪問。並且對於任何啓動新公司的人來說，都是一個很好的初始目標。因此，無處不在。然後我想說的第三件事是，我們的性能和節奏非常快。請記住，這些數據中心的大小始終是固定的。

它們的大小是固定的，或者它們的功率是固定的。如果我們的每瓦性能在2倍到4倍到8倍之間，這並不罕見。它可以直接轉化爲收入。因此，如果您有一個100兆瓦的數據中心，如果該100兆瓦或千兆瓦數據中心的性能或吞吐量高4倍或8倍，那麼該千兆瓦數據中心的收入將高8倍。這與過去的數據中心如此不同的原因是，AI工廠可以通過其生成的token直接貨幣化。因此，我們的架構的token吞吐量如此之快，對於所有出於收入生成原因而構建這些東西的公司來說，都非常有價值。

並獲得快速的投資回報率，因此我認爲第三個原因是性能。

然後我想說的最後一件事是，軟件堆棧非常困難。構建ASIC與我們所做的事情沒有什麼不同。我們必須構建一個新的架構。並且位於我們架構之上的生態系統今天比兩年前複雜10倍。這非常明顯，因爲世界在我們的架構之上構建的軟件量呈指數級增長，並且AI的發展非常迅速。因此，將整個生態系統放在多個班次之上是非常困難的。因此，我想說的是這四個原因，最後，我要說的是，僅僅因爲芯片被設計出來並不意味着它會被部署。您已經一次又一次地看到我們。有很多班次被構建出來。但是當時間到來時，必須做出商業決策。該商業決策是關於將一個新的引擎、一個新的處理器部署到大小有限的AI工廠中，並且[聽不清]和精細。我們的技術不僅更先進、性能更高，而且具有更好的軟件功能，最重要的是，我們能夠以閃電般的速度進行部署。

Q:您在解釋一些潛在的需求因素方面做得很好，這些因素是美國上漲約50億美元左右的原因。我認爲有人擔心，如果對其他地區有法規，美國是否可以彌補這一缺口。我只是想知道，隨着我們全年推進，美國是否會繼續出現這種激增，以及這是否可以。如果這構成了您的增長率的基礎，那麼在這種向美國轉移的情況下，您如何才能保持如此快速的增長？您的指導表明中國可能會連續增長。因此，只是想知道您是否可以分析一下這種動態

A：中國約佔與第四季度相同的百分比。與之前的季度相同。大約是出口管制之前的一半。但百分比大致相同。關於地理位置，要點是AI是軟件。它是現代軟件。它是令人難以置信的現代軟件。但它是現代軟件。AI已經成爲主流。AI無處不在地用於交付服務，無處不在地用於購物服務，如果您要購買四分之一加侖的牛奶，AI會將其交付給您，AI已經發展。

因此，消費者[聽不清]的幾乎所有東西都位於其核心。每個學生都會使用AI作爲導師。醫療保健服務使用AI，金融服務使用AI。沒有一家金融科技公司不會使用AI。每家金融科技公司都會使每個高等教育機構、每所大學都在使用AI。因此，我認爲可以相當肯定地說，並且它正在被集成到每個應用程序中[聽不清][聽不清]我們的希望是，當然，技術繼續安全地發展並以有用的方式發展[聽不清]有了這個，我確實相信我們正處於這個新過渡的開始。我所說的開始是指，正如您所記得的那樣，在我們身後[聽不清]已經有數十年的數據中心和數十年的計算機被構建出來。它們是爲手動編碼和通用計算的世界而構建的。以及CPU等等。展望未來，我認爲可以相當肯定地說，那個世界幾乎所有的軟件都將注入AI。所有軟件和所有服務都將最終基於機器學習。數據飛輪將成爲改進軟件和服務的一部分。

並且未來的計算機將是加速的。未來的計算機將基於AI。我們真正進入這個旅程已經三年了。並且正在對已經花費數十年時間構建的計算機進行現代化改造。因此，我相當確定我們正處於這個新時代的開始。最後，沒有任何技術有機會像AI那樣解決更大一部分世界GDP的問題。沒有任何軟件工具曾經這樣做過。因此，這現在是一個軟件工具，可以解決比歷史上任何時候都更大一部分世界GDP的問題。因此，我們思考增長的方式以及我們思考某件事是大還是小的方式。

海量資訊、精準解讀，盡在新浪財經APP