北京時間 2 月 27 日，英偉達公布 2025 財年第四財季及全年財報：第四財季營收為 393.31 億美元，同比增長 78%，環(huán)比增長 12%；凈利潤為 220.91 億美元，同比增長 80%，環(huán)比增長 14%；不計入某些一次性項目（不按照美國通用會計準則），英偉達第四財季調(diào)整后凈利潤為 220.66 億美元，同比增長 72%，環(huán)比增長 10%（注：英偉達財年與自然年不同步，2024 年 1 月底至 2025 年 1 月底為 2025 財年）。
英偉達 2025 財年第四財季營收和調(diào)整后每股收益均超出華爾街分析師此前預期，整個 2025 財年的業(yè)績同樣超出預期；對 2026 財年第一財季營收作出的展望也超出預期，從而推動其盤后股價上漲逾 2%。
財報發(fā)布后，英偉達創(chuàng)始人、總裁兼首席執(zhí)行官黃仁勛和執(zhí)行副總裁兼首席財務官科萊特?克雷斯等高管出席隨后召開的財報電話會議，解讀財報要點并回答分析師提問。
以下是分析是問答環(huán)節(jié)主要內(nèi)容：
Cantor Fitzgerald 分析師 C.J. Muse：我們看到計算強化學習領域的前景非常廣闊，也明顯能看到訓練和推理之間的界限日益模糊。這對未來專門用于推理的集群有何潛在影響？管理層如何看待其對客戶的整體影響，尤其是在視頻領域？
黃仁勛：目前有多種擴展模式，首先，預訓練擴展模式會持續(xù)發(fā)展，其涉及多模態(tài)領域，并且推理技術已經(jīng)被用于新的預訓練中，這是推理領域的新突破。第二種是利用強化學習進行的訓練后擴展，比如通過人類反饋、人工智能反饋進行強化學習，還可以設定強化學習的具體獎勵機制。
實際上，訓練后擴展階段所使用的計算量比預訓練階段還要高，這是合理的。因為在使用強化學習時，可以生成大量合成數(shù)據(jù)或合成標記，人工智能模型從本質(zhì)上說就是通過生成標記來訓練其他模型。第三部分是你提到的測試時計算，或者說是推理擴展，圍繞基本相同的理念進行不同的擴展。
目前，推理所需的計算量已經(jīng)是大語言模型最初單次示例和單次學習能力所需計算量的 100 倍，而這僅僅是個開始，我們預計下一代模型可能會基于模擬和搜索技術，計算量需求將是現(xiàn)在的數(shù)千倍，甚至有望達到數(shù)十萬倍、數(shù)百萬倍。有些模型是自回歸模型，有些是基于擴散模型，各不相同。有時我們希望看到數(shù)據(jù)中心具備強大的綜合推理能力，有時又需要其具備緊湊的特性，因此很難確定數(shù)據(jù)中心的最佳配置。
這也就是為什么英偉達的架構如此受市場歡迎，因為我們能運行各種模型。如今，我們大部分計算資源其實都用于推理，而 Blackwell 架構更是將這一切提升到了新高度。我們在設計 Blackwell 時就考慮到了推理模型的需求，雖然訓練能帶來更高的性能提升，但真正驚人的是在長時間推理測試時的擴展能力，人工智能推理模型的性能提升可達 10 到 25 倍。
所以，Blackwell 在各方面都表現(xiàn)卓越。如果數(shù)據(jù)中心能讓你根據(jù)當前的任務需求 —— 無論是進行更多預訓練、訓練后擴展，還是擴展推理能力 —— 來配置和使用，那么這種架構就是靈活且易于使用的。實際上，我們看到統(tǒng)一架構的集中度比以往任何時候都要高得多。
摩根大通分析師 Joseph Moore：我想問一個關于 GB200 芯片的問題，之前管理層提到過機架級系統(tǒng)的復雜性以及其面臨的挑戰(zhàn)。正如在前面發(fā)言中提到的，該產(chǎn)品已經(jīng)有了廣泛的可用性，我想知道其在產(chǎn)品推廣方面進展如何？在系統(tǒng)層面是否還有其他瓶頸需要考慮？另外，管理層對于 GB200 平臺的熱情是否依舊？
黃仁勛：我現(xiàn)在對 GB200 的熱情比在消費電子展期間（CES）更高，原因是我們在 GB200 上投入了更多精力。每個 Blackwell 機架包含 150 萬個組件，其制造由大約 350 工廠完成，技術極其復雜，上一季度，我們成功推出 Grace Blackwell（GB）產(chǎn)品，帶來了 110 億美元的收入。由于需求旺盛，客戶急切地希望獲得 Blackwell 系統(tǒng)，我們還需要繼續(xù)擴大生產(chǎn)規(guī)模。
你可能在網(wǎng)上看到過很多關于 GB 系統(tǒng)上線的慶祝消息，我們自己的工程部門也安裝了大量該系統(tǒng)。OpenAI 公司也開始使用，并且越來越多的系統(tǒng)正在上線。所以，針對你提出的問題，我認為我們所做的事情并不容易，但我們做得很好，所有合作伙伴也都表現(xiàn)出色。
美銀美林分析師 Vivek Arya：我想知道第一季度的利潤率是否為全年的最低點？另外，管理層是依據(jù)什么來判斷強勁的需求能持續(xù)到明年？新出現(xiàn)的創(chuàng)新成果是否會改變這一預期？
科萊特?克雷斯：目前，在 Blackwell 系統(tǒng)的增產(chǎn)過程中，利潤率處于 70% 多一點的水平。我們正專注于加快生產(chǎn)速度，確保能盡快為客戶提供產(chǎn)品。一旦 Blackwell 的增產(chǎn)目標完全實現(xiàn)，我們就能降低成本，提高利潤率，預計今年晚些時候，利潤率可能會達到 75% 左右的水平。你也聽到了黃仁勛對當前系統(tǒng)復雜性的介紹，這些系統(tǒng)在某些情況下可以供客戶定制，有多種網(wǎng)絡選項，還具備液冷和水冷功能。所以未來有機會進一步提高利潤率，但目前我們的重點是盡快將產(chǎn)品交付給客戶。
黃仁勛：關于第二個問題，我們對于一些情況有比較清晰的了解，比如我們大致了解數(shù)據(jù)中心的資本投資規(guī)模，也知道未來絕大多數(shù)軟件將基于機器學習開發(fā)。因此，加速計算和通用人工智能推理將成為數(shù)據(jù)中心理想的架構類型，此外，我們還掌握主要合作伙伴的業(yè)績預測和計劃。
并且，我們知道有許多創(chuàng)新型初創(chuàng)公司不斷涌現(xiàn)，其推出的令人振奮的技術成果也為人工智能領域的下一個突破提供了新機遇，無論其產(chǎn)品和技術屬于智能體人工智能、推理人工智能，還是用于實體經(jīng)濟領域的人工智能。初創(chuàng)公司的數(shù)量依然很多，它們都需要大量的計算基礎設施。
所以，我認為從近期來看，有各種預測和計劃作為信號；從中期來看，基礎設施的規(guī)模和資本支出與往年相比是一個重要信號；從長期來看，我們深知軟件已經(jīng)從在中央處理器（CPU）上運行的手工編碼，轉(zhuǎn)變?yōu)樵趫D形處理器（GPU）和加速計算系統(tǒng)上運行的基于機器學習和人工智能的軟件。我們很清楚這就是軟件的未來走向。
也許人工智能在搜索，部分消費級通用產(chǎn)品，以及廣告推薦等領域的應用目前還只是軟件發(fā)展的初期階段，但接下來，企業(yè)級智能體人工智能、機器人領域的實體人工智能，以及不同地區(qū)構建的主權人工智能，還有用于各種操作系統(tǒng)的人工智能都將興起。這些領域才剛剛起步，我們能夠預見到它們的發(fā)展，英偉達顯然處于這一發(fā)展的核心位置，能觀察到各個領域的蓬勃發(fā)展，無論是近期、中期還是長期來看，這些發(fā)展必然會到來。
摩根大通分析師 Harlan Sur：你們的下一代產(chǎn)品 Blackwell Ultra 預計今年下半年推出，與團隊的年度規(guī)劃一致?？紤]到你們目前仍在擴大當前一代 Blackwell 解決方案的生產(chǎn)規(guī)模，客戶和供應鏈將如何同時應對這兩款產(chǎn)品的推廣？團隊是否仍按計劃在今年下半年推出 Blackwell Ultra？
黃仁勛：是的，Blackwell Ultra 將于今年下半年推出。大家知道，第一代 Blackwell 在推出時遇到了一些小問題，導致推遲了幾個月，但我們當然已經(jīng)完全恢復，團隊以及所有供應鏈合作伙伴都付出了巨大努力，很多人都幫助我們渡過了難關?，F(xiàn)在我們已經(jīng)成功擴大了 Blackwell 的生產(chǎn)規(guī)模，但產(chǎn)品研發(fā)的腳步不會停止，新產(chǎn)品的推出會遵循產(chǎn)品發(fā)布的年度節(jié)奏。
Blackwell Ultra 將配備新的網(wǎng)絡、內(nèi)存和處理器，目前我們已經(jīng)與所有合作伙伴和客戶溝通協(xié)調(diào)，他們掌握了必要信息，這次我們會和大家一起做好 Blackwell 到 Blackwell Ultra 的平穩(wěn)過渡。兩款產(chǎn)品的系統(tǒng)架構完全相同，而從 Hopper 架構過渡到 Blackwell 架構要困難得多，因為需要從基于 NVLink 8 的系統(tǒng)升級到了基于 NVLink 72 的系統(tǒng)，機箱、系統(tǒng)架構、硬件、電源供應等都需要改變，那是一次極具挑戰(zhàn)性的過渡，但下一次過渡會很順利，Grace Blackwell 也能順利接入。我們已經(jīng)和所有合作伙伴進行了評估，并緊密合作推進后續(xù)工作，我們后續(xù)還會推出名為 Rubin 的下一代芯片。所有合作伙伴都在加快腳步，為這次過渡做準備。Blackwell Ultra 將帶來巨大的性能提升，在即將到來的英偉達人工智能技術大會（GTC）上，我們會詳細介紹 Blackwell Ultra、Rubin 及其他新的計算、網(wǎng)絡、推理人工智能和實體人工智能產(chǎn)品。
瑞銀分析師 Timothy Arcuri：我們經(jīng)常聽到關于專用集成電路（ASIC）方面的消息，能否請管理層談談 ASIC 和通用 GPU 之間的平衡？我們聽說一些前沿的超級集群同時使用 GPU 和 ASIC，這是客戶的規(guī)劃方向嗎？還是說這些基礎設施會保持明顯的區(qū)分？
黃仁勛：在某些方面，我們的產(chǎn)品和 ASIC 有很大不同，甚至在一些領域完全不同。我們的架構有以下幾個不同之處：其一，英偉達的架構是通用架構，針對自回歸模型、擴散模型、視覺模型、多模態(tài)模型和文本模型等都進行了優(yōu)化，在各個領域都表現(xiàn)出色。因為我們擁有豐富的軟件堆棧和生態(tài)系統(tǒng)，這使我們成為大多數(shù)優(yōu)秀創(chuàng)新和算法產(chǎn)品的首選目標。所以從定義上來說，我們的架構比 ASIC 更通用，應用范圍更廣。其二，從數(shù)據(jù)處理、訓練數(shù)據(jù)整理、數(shù)據(jù)訓練，到訓練后使用強化學習，再到推理測試時擴展，我們的整個流程都表現(xiàn)出色。我們的架構通用且服務于端到端方面的需求，應用非常廣泛，而且我們的產(chǎn)品不局限于某一個云平臺，而是適用于各種云平臺，既可以用于云端服務器，也可以用于機器人。對于任何一家初創(chuàng)公司來說，我們的架構更容易獲取和使用，可以說是他們的理想選擇。其三，我們產(chǎn)品的性能提升速度極快。要知道，數(shù)據(jù)中心的規(guī)模和功率通常是固定的，如果我們產(chǎn)品的性能每瓦特能提升 2 倍、4 倍甚至 8 倍，而這并不罕見，就直接意味著成本的降低。比如有一個 100 兆瓦的數(shù)據(jù)中心，如果該數(shù)據(jù)中心的性能或產(chǎn)量量提高 4 倍或 8 倍，那么其收入也會相應提高。與過去的數(shù)據(jù)中心不同，如今的人工智能工廠可以基于標記生成量直接實現(xiàn)產(chǎn)生收入，所以英偉達架構在快速生成標記方面的優(yōu)異表現(xiàn)，對于所有為了盈利而構建這些數(shù)據(jù)中心的公司來說都極具價值。
另外，人工智能發(fā)展非常迅速，要在多個芯片上構建完整的生態(tài)系統(tǒng)并非易事。最后我想說，芯片設計出來并不意味著就能投入使用，這種情況屢見不鮮。到了實際應用階段，需要做出商業(yè)決策，決定是否將新的引擎或處理器應用到規(guī)模、時間和產(chǎn)品線都有限的人工智能工廠中。我們的技術不僅越來越先進、性能越來越高，軟件功能也更強大，更重要的是，我們的部署速度極快。大家都清楚這些優(yōu)勢，這就是我們表現(xiàn)出色、能夠脫穎而出的原因。
Melius Research 分析師 Ben Reitzes：想請教黃仁勛一個關于公司在不同地區(qū)拓展的問題。你之前非常明了地解釋了一些支撐需求增長的因素，的確，美國市場的收入環(huán)比增長了約 50 億美元，但市場擔心如果其他地區(qū)出臺相關監(jiān)管政策，美國市場能否彌補可能出現(xiàn)的需求缺口。想請問，在接下來的一年里，如果美國市場的這種增長態(tài)勢持續(xù)，是否足以支撐公司的整體增長？
黃仁勛：關鍵在于，人工智能是一種現(xiàn)代軟件，而且已經(jīng)成為主流技術。人工智能在配送服務、購物服務等各個領域都有應用，比如你購買牛奶并享受配送服務，這其中就有人工智能的參與。幾乎所有的消費服務都以人工智能為核心，每個學生都可能使用人工智能作為學習輔導工具，醫(yī)療保健服務、金融服務也都在使用人工智能，如今沒有一家金融科技公司不使用人工智能，氣候科技公司也在使用人工智能，礦產(chǎn)勘探現(xiàn)在也用到了人工智能，每所大學都在應用人工智能。所以可以說，人工智能已經(jīng)融入到各個應用領域，成為主流技術。
我們希望技術能夠持續(xù)安全地發(fā)展，為社會帶來積極影響。我相信我們正處于這一新技術變革的開端?；仡欉^去，幾十年來我們構建了大量的數(shù)據(jù)中心和計算機，它們都是為手工編碼和通用計算以及 CPU 計算時代設計的。而展望未來，可以說世界將幾乎完全被人工智能所改變，所有軟件和服務最終都將基于機器學習。數(shù)據(jù)飛輪效應（指數(shù)據(jù)驅(qū)動業(yè)務增長的循環(huán)效應）將發(fā)揮巨大作用，這是前所未有的，人工智能將比以往任何時候都更廣泛地影響全球 GDP。我們在考慮公司增長以及市場規(guī)模大小時，需要從這個大背景出發(fā)，而從這個角度來看，我們其實才剛剛起步。
Evercore ISI 分析師 Mark Lipacis：有幾個問題我想同管理層確認一下，首先，你們是否提到數(shù)據(jù)中心業(yè)務板塊中的企業(yè)業(yè)務在 1 月份這一季度同比增長了 2 倍？這是否意味著企業(yè)業(yè)務的增長速度比超大規(guī)模數(shù)據(jù)中心提供商更快？另外，超大規(guī)模數(shù)據(jù)中心提供商是你們產(chǎn)品的最大采購方，但隨著新的人工智能工作負載和應用不斷涌現(xiàn)，管理層認為企業(yè)業(yè)務在采購結構中的占比會增加嗎？這會對你們的服務和生態(tài)系統(tǒng)產(chǎn)生什么影響？
科萊特?克雷斯：關于企業(yè)業(yè)務的問題，我們的確實現(xiàn)了同比 2 倍的增長，這和我們在大型云服務提供商業(yè)務上看到的增長情況類似，這兩個領域都很重要。與云服務提供商合作，既可以參與大語言模型的開發(fā)，也可以進行自有業(yè)務的推理計算。同時要注意的是，企業(yè)也在參與這些工作，企業(yè)既與云服務提供商合作，也在自主構建相關業(yè)務。
黃仁勛：云服務提供商業(yè)務約占我們總業(yè)務的一半，云服務提供商有內(nèi)部業(yè)務和外部業(yè)務。我們當然會參與他們的內(nèi)部業(yè)務建設，并且與他們緊密合作，優(yōu)化其內(nèi)部工作負載。其擁有大量英偉達設備，我們的產(chǎn)品既可以用于人工智能計算，也可以用于視頻處理，以及包括 Spark 大數(shù)據(jù)處理框架在內(nèi)的數(shù)據(jù)處理等。我們的基礎設施使用壽命更長，因此總體擁有成本（TCO）也就越低。
展望企業(yè)業(yè)務未來的增長情況，我認為從長期來看，企業(yè)業(yè)務規(guī)模會比現(xiàn)在大得多，原因是如今人工智能尚未充分服務的主要是工業(yè)領域。以汽車公司為例，汽車公司既生產(chǎn)軟件產(chǎn)品，也生產(chǎn)硬件產(chǎn)品。對汽車公司來說，公司員工使用的業(yè)務系統(tǒng)屬于企業(yè)業(yè)務范疇，智能體人工智能、軟件規(guī)劃系統(tǒng)和工具可以提高員工的工作效率，幫助他們進行設計、營銷、規(guī)劃和運營公司。另一方面，汽車制造也需要人工智能，需要一個人工智能系統(tǒng)來訓練汽車，如今全球道路上行駛著數(shù)億輛汽車，未來某一天可能會達到 10 億輛，而且每一輛汽車都將是自動駕駛汽車。汽車公司有汽車工廠和人工智能工廠，汽車本身也是一個機器人系統(tǒng)。
由此可見，這里涉及到三種計算：一種是幫助員工工作的計算，一種是為機器，無論是汽車、拖拉機、割草機，也可能是正在研發(fā)的人形機器人或其他設備，還可能是建筑物、倉庫等實體系統(tǒng)等構建人工智能的計算。這些實體系統(tǒng)需要一種新型人工智能，我們稱之為實體人工智能，實體人工智能不僅要理解語言的含義，還必須理解現(xiàn)實世界中的摩擦力、慣性、物體恒存性和因果關系等常識，對人工智能來說，這些都需要學習。利用智能體人工智能來徹底改變公司內(nèi)部的工作方式的發(fā)展才剛剛起步，我們現(xiàn)在正處于智能體人工智能時代的開端，但已經(jīng)出現(xiàn)了一些出色的成果。再就是第二種，我們所提到的實體人工智能也會迎來大發(fā)展，再之后就是機器人體系。所以這三種計算需求都是全新的，我認為從長期來看，這將是規(guī)模最大的市場，這也很合理，畢竟全球 GDP 主要由各個行業(yè)和企業(yè)貢獻，而這些行業(yè)和企業(yè)都需要這些計算支持。
富國銀行分析師 Aaron Rakers：請教黃仁勛，距離 2023 年公司 Hopper 架構推出已經(jīng)快兩年了，其帶來了人工智能，特別是生成式人工智能領域的變革。展望未來的發(fā)展路線圖，從設備更換周期的角度來看，你如何看待已部署的基礎設施，比如 GB300 系列產(chǎn)品或者 Rubin 芯片，市場是否會迎來更新?lián)Q代方面的可能性？
黃仁勛：目前，人們?nèi)栽谑褂?Volta、Pascal 和 Ampere 架構的產(chǎn)品，原因是這些架構具有很強的可編程性，在很多場景下都能發(fā)揮作用。其中一個主要的應用場景是數(shù)據(jù)處理和數(shù)據(jù)采集，以汽車為例，如果用戶將某個場景輸入視覺語言模型，視覺語言模型在分析該情況后會給出反饋，表明自身處理效果欠佳，那么用戶可以將這個反饋作為提示，讓人工智能在龐大的數(shù)據(jù)池中搜索類似情況，再進行域隨機化處理，生成大量其他示例，之后再對所有數(shù)據(jù)進行訓練。你可以利用 Ampere 架構的設備進行數(shù)據(jù)處理、數(shù)據(jù)整理以及基于機器學習的搜索，然后創(chuàng)建訓練數(shù)據(jù)集，再將其輸入到 Hopper 系統(tǒng)中進行訓練。這些架構完全都是相互兼容的，所有數(shù)據(jù)都能在各種架構上運行。如果你已經(jīng)搭建好了基礎設施，就可以把負載較低的任務交給舊有設備處理。
花旗證券分析師 Atif Malik：我有一個關于利潤率的后續(xù)問題。我知道 Blackwell 產(chǎn)品涉及很多復雜因素，利潤率會受到產(chǎn)品組合等因素的影響。你之前提到 4 月這個財季可能是利潤率的底部，為了在本財年末達到 75% 左右的利潤率水平，下半年每個季度利潤率需要提升約 200 個基點。管理層對于這一目標走勢和今年下半年的情況仍然抱有信心的原因有哪些？
科萊特?克雷斯：我們的毛利率情況，受到原材料，以及 Blackwell 系統(tǒng)整合情況的影響，相當復雜，但隨著時間推移，我們有眾多機會可以更好地改善毛利率水平。首先，Blackwell 系統(tǒng)有多種不同配置，能幫助我們實現(xiàn)毛利率改善的目標，在為客戶完成一些大規(guī)模產(chǎn)能提升工作之后，我們就能共同開展很多相關工作，只要條件允許，我們可能會盡快開始，如果能在短期內(nèi)提升毛利率，我們也會去做。
黃仁勛財報會結語：市場對 Blackwell 產(chǎn)品的需求極其旺盛，人工智能正從感知和生成式人工智能向推理式人工智能發(fā)展。在推理式人工智能領域，我們看到了另一種縮放定律，即推理時間或測試時間縮放定律：計算量越大，模型思考得越多，答案也就越智能，像 OpenAI、Grok-3、DeepSeek R1，就是應用推理時間縮放的推理模型。推理模型的計算量可能是普通模型的百倍之多，未來的推理模型計算量會更大。DeepSeek R1 點燃了全球的熱情，這是一項卓越的創(chuàng)新，但更重要的是，它開源了一個世界級的推理人工智能模型。幾乎每位人工智能開發(fā)者都在應用 R1 或思維鏈，以及類似 R1 的強化學習技術來提升他們模型的性能。
正如我之前提到的，如今有三條縮放定律推動著人工智能計算的需求。傳統(tǒng)的人工智能縮放定律依然存在，基礎模型正通過多模態(tài)技術得到增強，預訓練也在持續(xù)發(fā)展，但這已不足以滿足需求。我們還有兩個額外的縮放維度：一是訓練后縮放，其中強化學習、微調(diào)、模型蒸餾所需的計算量比單獨預訓練要高出幾個數(shù)量級；二是推理時間縮放和推理，單個查詢的計算需求可能是原來的百倍。我們專為當下需求設計了 Blackwell 平臺，這是一個能夠輕松在預訓練、訓練后和測試時間縮放之間切換的單一平臺。Blackwell 的 FP4 變壓器（Transformer）引擎、NVLink 72 擴展架構和新軟件技術，使其處理推理人工智能模型的速度比 Hopper 快 25 倍，Blackwell 的所有配置都已全面投入生產(chǎn)。每臺 GB NV Link 72 機架都堪稱工程奇跡，因其由近 10 萬家工廠的操作人員在 350 個制造地點生產(chǎn)出 150 萬個組件所構成。人工智能正經(jīng)歷極速發(fā)展，多模態(tài)人工智能、企業(yè)人工智能、主權人工智能和實體人工智能即將到來。
展望未來，我們在 2025 年將迎來強勁增長，數(shù)據(jù)中心將把大部分資本支出用于加速計算，人工智能數(shù)據(jù)中心將越來越多地轉(zhuǎn)變?yōu)槿斯ぶ悄芄S。無論是通過租賃，還是自行運營，每一家公司都將擁有自己的人工智能數(shù)據(jù)中心。感謝大家今天參加我們的財報會，幾周后的英偉達 GTC 大會上我們還會相聚，屆時我們將探討 Blackwell Ultra、Rubin，以及其他新的計算、網(wǎng)絡、推理人工智能、實體人工智能產(chǎn)品等諸多內(nèi)容。謝謝。
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結果僅供參考，IT之家所有文章均包含本聲明。