NVIDIA (NVDA)

在产业链中的位置

主属行业：L4-12-模型部署与推理优化

公司定位一句话 GPU与AI加速器龙头 —— AI需求结构性爆发 + CUDA生态构建高壁垒

主营业务关键词：GPU与AI加速器、AI需求结构性爆发、CUDA生态构建高壁垒 与本行业的关联点：作为 L2-05-GPU与AI加速器 龙头，产品迭代驱动增长 + 主权AI与云厂商资本开支高增

公司近况（2026-05-05 更新）

公司于北京时间2025年5月29日发布2026财年第一季度（截至2025年4月27日）财报。该季度营收达 440亿美元，同比增长 69.2%，环比增长 11.8%；Non-GAAP净利润为231亿美元，同比增长 62.4%。截至报告期，公司市值约 3.2万亿美元，基于市场一致预期（2026财年Non-GAAP EPS）的市盈率约为 35倍，主流投行（如高盛、摩根士丹利等）维持“买入”或“优于大市”评级。当前，公司定位为 AI计算领域的绝对领导者，其数据中心GPU（尤其是Blackwell架构）是全球AI模型训练与推理的核心算力底座。

公司业务结构

盈利方式

公司主要通过 设计和销售用于游戏、专业可视化、数据中心和汽车市场的图形处理单元（GPU）及相关芯片、系统和软件 来盈利。当前，其核心利润来源是向云服务商、企业及主权机构销售用于AI训练和推理的高性能数据中心GPU（如H100、H200、B200）及配套的网络设备（ConnectX）、交换机（Spectrum-X）和软件平台。

分板块业务（口径：年报披露）

公司主营计算与网络业务、图形业务两大分部。计算与网络业务主要包括数据中心、汽车和OEM业务；图形业务主要包括游戏（GeForce）和专业可视化业务。自Blackwell架构后，公司采用模块化设计，GPU、DPU、CPU等可灵活组合销售。

核心投资逻辑

短期逻辑（6-12 个月）

• 产品迭代驱动增长：Blackwell Ultra架构（B300）预计于2025年下半年开始规模化出货，其推理性能较上一代B200提升约 4倍，将驱动2026财年第三、四季度营收环比实现 双位数百分比增长，并推动毛利率在2025年保持 70%以上 水平。
• 主权AI与云厂商资本开支高增：全球主要云服务商（2024年资本开支总额超 2000亿美元）和主权国家正加速建设AI算力集群，2025年相关资本开支预计同比增长 30%以上，形成对NVIDIA GPU的刚性需求。

长期逻辑（1-3 年）

• AI需求结构性爆发：大模型训练与推理算力需求未来三年（2025-2027年）预计以 超过40%的年复合增长率 增长，NVIDIA作为核心供应商将持续受益。
• CUDA生态构建高壁垒：其CUDA软件平台拥有超过 400万开发者，与全球超 600个AI框架和库 深度集成，形成了难以替代的软件生态护城河，保障其长期定价权与市场份额。
• 数据中心业务占比与毛利持续提升：数据中心业务收入占比已从2023财年的 约60% 提升至2025财年的 约87%，且该板块毛利率常年高于 70%，是公司盈利增长的核心引擎。

产销链分析

主要客户（口径：年报）

公司客户集中度较高。根据2025财年年报，单一客户占公司2025财年总收入的13%，前五大客户合计占总收入的约36%。第一大客户为 微软，主要为其Azure云和AI服务采购GPU。其他主要客户包括 亚马逊（AWS）、谷歌、Meta、特斯拉 等。订单能见度方面，受Blackwell Ultra产能爬坡及客户提前锁定供应的影响，主要云厂商的订单能见度通常可覆盖未来 2-3个季度。

主要供应商（口径：年报）

公司采用Fabless（无晶圆厂）模式，前五大供应商主要为其芯片代工厂和关键部件供应商。台积电（TSMC） 是其最核心的供应商，负责生产其所有先进制程GPU，存在 单源依赖风险。美光（Micron） 和 SK海力士（SK Hynix） 是其 HBM（高带宽内存） 的主要供应商，当前HBM是AI GPU的关键瓶颈物料。公司备货策略积极，通常会基于长期需求预测，与台积电签订长期产能预定协议，并与存储供应商签订HBM的多年供应协议以保障供应。

关键财务指标

数据源: KB抽取(焦点10验证) · 更新日期: 2026-05-06 · 单位: 亿美元（百分比除外）

海外对标对比

对标公司具体数字依赖 _AP-Agent海外财报追踪.md 周扫填充

行业分析

需求端驱动： AI大模型的参数量指数级增长（从千亿向万亿迈进）以及AI应用从云端向边缘端（如AI PC、自动驾驶）渗透，是驱动AI算力需求增长的两把火。全球云服务商、互联网公司、车企和科研机构对GPU的需求是结构性和持续性的。 技术迭代路径与当前节点： 当前行业处于 Blackwell Ultra（B300） 架构的初期量产阶段，能效比和推理性能大幅提升。下一代技术节点是 Rubin（R100），预计将采用更先进的工艺和封装技术（如背面供电），预计2026年发布。当前节点面临的主要挑战是 CoWoS先进封装产能 和 HBM内存供应。 供给瓶颈： 供给端的核心瓶颈在于 台积电的先进制程（4nm/3nm）及CoWoS封装产能，以及 HBM的良率和产能。尽管台积电和存储厂正在积极扩产，但产能释放仍需时间，导致高端AI GPU在未来1-2年内仍将处于 供需紧平衡 状态。

同业对比

与最直接竞争对手 AMD 相比：NVIDIA在 绝对性能（尤其是训练性能）、 CUDA软件生态 和 全栈解决方案（GPU+网络+软件） 方面保持显著领先。AMD的MI300X在特定场景下具有性价比优势，并通过ROCm软件平台积极构建生态，但在市场份额和开发者基数上仍存在代差。两家公司共同受益于AI算力增长的浪潮，但NVIDIA目前是行业标准和首选供应商。

逻辑链

AI capex → 环节 → 公司受益点 AI 算力扩张 → GPU与AI加速器 产能/制程紧张 → 公司 AI需求结构性爆发 形成超额收益

催化事件时间表

自动跟踪（dataview 拉 04-催化事件）

风险与跟踪点

风险

• 下游需求风险：全球宏观经济不确定性可能导致云服务商资本开支增速放缓或收缩，直接影响公司数据中心GPU订单。AI应用商业化进展不及预期也可能抑制长期算力需求。
• 供应链风险：公司对台积电的先进制程和CoWoS封装存在 单源依赖。地缘政治紧张或自然灾害可能扰乱供应链。HBM等关键存储部件的供应紧张和价格波动也可能影响产品交付和成本。
• 技术迭代风险：若竞争对手（如AMD、自研芯片的云厂商）在架构创新或能效比上实现突破，或CUDA软件生态被成功挑战，可能削弱公司的技术护城河和市场地位。
• 市场竞争/价格战风险：虽然目前高端市场近乎垄断，但中低端市场面临AMD、英特尔及各云厂商自研ASIC的激烈竞争。若市场竞争加剧，可能迫使公司采取价格策略，从而影响毛利率水平。

跟踪点（含频率）