蕭生投資報告 NVIDIA（英偉達）GTC 2026 會後速評

1. GTC 2026 傳遞了甚麼新信息

1.1 需求邏輯：由 training 單線，轉向多線疊加

過去兩年，市場主要把 NVIDIA 視為 AI training 基建的最大受益者；今次 GTC，黃仁勳則明確把焦點轉向 inference，並進一步延伸至 agentic AI、physical AI 及 AI factory。Reuters 亦提到，Vera Rubin 將處理 prefill，Groq 技術將處理 decode，顯示 NVIDIA 正把推理優化由單一 GPU 問題提升為整個系統架構問題。

1.2 產品邏輯：由賣 GPU，升級為賣 AI factory

NVIDIA 同時發布 Vera Rubin DSX AI Factory reference design，以及 Omniverse DSX digital twin blueprint，官方直接把「AI factory」定義為未來基建形態，並強調 intelligence tokens 是新貨幣、AI factories 是生成這些 tokens 的基建。

1.3 應用邏輯：physical AI 提前卡位

NVIDIA 亦在 GTC 同步公布 physical AI data factory blueprint、robotics 合作、工業軟件合作及自動駕駛夥伴更新，顯示 management 並非等待 physical AI 商業化成熟才入場，而是先卡位工具鏈、模擬平台及 reference architecture。

2. 我們如何理解黃仁勳的核心 thesis

2.1 市場主流觀點：S 曲線已過高增長段

華爾街主流觀點相對保守，背後邏輯很簡單：
一間公司做到數萬億美元市值後，再維持 40% 至 50% 高增長，按過往科技史與財務模型經驗都極少見。這套框架建立於「高基數公司終將面對邊際遞減」的假設之上。這種保守，不只是情緒，而是 institutional investing 的基本訓練與風險管理慣性。

2.2 黃仁勳的觀點：不是一條 S 曲線，而是多條 S 曲線

黃仁勳今次明顯在提出另一套框架：

• 第一條曲線：training，已由爆發期進入放緩期

• 第二條曲線：inference，現正進入爆發期

• 第三條曲線：agentic AI，料 2026 下半年至 2027 開始放量

• 第四條曲線：physical AI，料在其後逐步形成更長周期需求

若這個框架成立，NVIDIA 的增長就不應用單一 training 週期估值，而應視為多重需求接力。

2.3 本質分歧：不是季度數字，而是哲學分歧

我們認為，市場對股價的巨大分歧，表面上是對 revenue 與 EPS 的分歧，實際上是對以下命題的分歧：

AI 只是提高效率的工具，還是把知識與推理變成可工業化複製的生產要素。

若前者成立，傳統 diminishing returns 模型仍然有效；若後者成立，大型企業高增長不一定必然很快失速。

3. 三年一萬億 revenue opportunity，數學上代表甚麼

3.1 已知起點：FY2026

NVIDIA FY2026 收入為 2,159.38 億美元，GAAP net income 為 1,200.67 億美元，GAAP diluted EPS 為 4.90 美元。

3.2 若按 FY2026–FY2028 三年合計 1 兆美元倒推

若把 management 所講的 1 兆美元 revenue opportunity，理解為 FY2026、FY2027、FY2028 三年收入規模的戰略級投射，則在 FY2026 已知收入 2,159.38 億美元之下，後兩年必須補上約 7,840 億美元。若用最平滑方式倒推，未來兩年隱含年增長率約 47%。
對應收入路徑約為：

• FY2026：2,159 億美元

• FY2027：3,174 億美元

• FY2028：4,666 億美元

3.3 這代表甚麼

這不是「溫和樂觀」的假設，而是代表：
NVIDIA 需要在極高基數上，再連續兩年維持約 47% 收入增長。

4. 若 projection 成立，FY2028 earning power 可以去到哪裡

4.1 淨利率假設

FY2026 GAAP 淨利率約 55.6%。若考慮規模效應、但同時保留整機系統與 networking 對產品組合的壓力，我們認為 FY2028 可用三個區間去看：

• 保守：56%

• 基準：58%

• 進取：60%

4.2 FY2028 淨利潤推算

若 FY2028 收入約 4,666 億美元，則對應 FY2028 淨利潤大約為：

• 56% margin：2,613 億美元

• 58% margin：2,707 億美元

• 60% margin：2,800 億美元

4.3 EPS 推算

這裡必須注意：現時要用拆細後股本口徑。
若以約 243 億股股本估算，FY2028 EPS 大約為：

• 保守：10.75 美元

• 基準：11.14 美元

• 進取：11.52 美元

4.4 一個重要修正

因此，市場若以現時拆細後股價口徑討論 NVIDIA，則「FY2028 EPS 一百幾蚊」並不成立。
更合理的對外寫法應是：

若 management projection 大致成立，FY2028 earning power 大約對應 11 美元上下 EPS。

5. 為何股價會出現如此大的分歧

5.1 若用傳統華爾街框架

若市場相信：

• training 放緩代表 AI 週期進入成熟段；

• inference 不能完全接力；

• agentic AI 落地速度慢於預期；

• physical AI 屬長週期，短中期難以支撐估值；

則 NVIDIA 應逐步向「大型成熟半導體平台公司」估值靠攏。

5.2 若用黃仁勳框架

若市場相信：

• inference 已進入爆發期；

• agentic AI 於未來 12–18 個月開始放量；

• physical AI 將於之後打開更大需求池；

• NVIDIA 的 full-stack、networking、reference design、AI factory 能維持平台領先；

則 FY2027–FY2028 的 earning power 不能用傳統單週期模型去壓縮。

5.3 核心不是 valuation multiple，而是週期位置

所以，真正問題不是「NVIDIA 25 倍 PE 合不合理」，而是：

市場到底相信 AI 仍處早期，還是已接近中後期。

6. 我的判斷

正面因素

• GTC 進一步確認 NVIDIA 正由 training 供應商，升級為 inference + AI factory 平台供應商。

• physical AI 及 digital twin 佈局已不是概念，而是 reference design、blueprint 及 ecosystem level 的行動。

• 若三年 1 兆美元框架大致成立，FY2028 earning power 確可顯著高於市場以單一 S 曲線理解的水平。

風險因素

• 1 兆美元更像戰略級 opportunity，不應等同正式 guidance。

• inference 需求爆發，不等於 revenue 會等比例爆發；單位 token 成本下行、模型效率提升、自研 ASIC 分流，都是真實風險。

• physical AI 方向正確，但商業化節奏大概率慢於市場最樂觀預期。

7. 結論

今次 GTC 的重點，不是新晶片，而是新敘事。
黃仁勳想市場相信的，不是 NVIDIA 仍然只是吃 training 紅利，而是 AI 需求正由單一 training 週期，轉向 inference、agentic AI、physical AI 三條曲線疊加。若這套框架成立，則 FY2028 earning power 確有重估空間；若不成立，華爾街傳統的高基數放緩模型仍然有效。