投資速覽：輝達仍處於蓬勃而非減緩
投資組合經理Richard Clode參加了輝達最近的業績電話會議。他就對該公司以及更廣泛的生成式人工智能技術浪潮的投資闡述了主要考慮因素。
![Richard Clode, CFA](https://www.janushenderson.com/wp-content/uploads/sites/4/Headshot-thumbnail_Richard-Clode.png?w=150")
3 分鐘閱讀
焦點分析：
- 雖然短期內擴大機架式Blackwell（AI晶片）系統極其複雜的供應鏈面臨初期磨合問題，但如今該問題似乎已成為過去。
- 長遠來看，輝達論證了在測試階段擴展推理模型方面的新指數式人工智能擴展定律，並有傑文斯悖論（Jevon’s Paradox）望透過推動未來人工智能基建的增長。
- 團隊期待輝達在3月份的GTC大會上發佈下一代人工智能晶片及其他創新產品。
一如既往，輝達（NVIDIA）創辦人兼行政總裁黃仁勳非常清楚市場對於公司在人工智慧基建上過度投資的憂慮，因此在財報電話會議中主動回應這些問題。該公司亦計劃在其下一代技術路線圖發佈會上，即3月舉行的輝達人工智能和科技大會（GTC）上公佈其最新的Blackwell Ultra、Rubin及Vera晶片的更多細節，以及一系列其他新創新成果，以期打破公司股價長達八個月的整固期。
在此，我們總結了業績電話會議的四大亮點：
1 Blackwell供應存在哪些問題？
雖然這個非常複雜且首創的機架級系統的初期量產歷經重重困難，但此後，該公司上一季度（截至2025年1月26日）的Blackwell銷售額達110億美元，遠超「數十億美元」的業績指引。值得一提的是，目前有350家工廠在生產每個Blackwell機架所需的150萬個組件。預計2025年將加大供應力度，以滿足對Blackwell「異常強勁」的需求。
2 新的人工智能擴展定律將進一步加速大型語言模型（LLM）的發展
測試階段擴展及推理模型的出現是人工智能基建支出的一個重要新指數級增長因素。長思考推理的運算強度可能較標準單次推理高出100倍。這只是第一代模型，後續可能出現運算強度高出數十萬甚至數百萬倍的更周密推理模型。模型思考愈多，運算處理量愈大，答案就更準確及智能。
3 傑文斯悖論（Jevon’s Paradox）正發揮作用
輝達在短短兩年內將推理成本降低了200倍。DeepSeek正是推動此項新技術成本下降的最新人工智能創新成果。傑文斯悖論主張，這非但不會減少對人工智能基建的需求，反而出現相反的情況，正如個人電腦及互聯網時代的技術成本下降曲線一樣。
4 輝達在ASIC與GPU的爭論中佔據先機
博通的ASIC晶片專為單一用途任務而設計，且價格較輝達GPU便宜，而輝達的GPU則具通用性，能夠處理人工智能訓練、圖像和影像彩現以及遊戲等多種任務。因此，ASIC已成為輝達GPU的有力競爭者。
輝達行政總裁指出，數據中心的主要樽頸是電力供應，因此客戶希望最大限度地提高每個數據中心的收入潛力。在人工智能領域中，實現該目標的方法是最大限度地提高每瓦特產生的詞元（token）數量。目前，輝達在此方面領先競爭對手2至8倍。其通用處理器可以處理多個任務，包括處理遠為複雜的人工智能軟件，這在操作多個底層硬件時可能是一項挑戰。
我們認為，生成式人工智能不僅僅是一個主題。這個新的重大技術浪潮具有複雜性，加上該行業「贏者通吃」，需要我們進行自下而上的基本因素研究和主動管理，以識別在此高度創新及顛覆性的投資環境下，能夠展現出盈利增長潛力但被低估的主要受惠者。
倘若英文版本與中文版本出現歧異，概以英文版為準。
註：截至2025年2月26日的所有輝達盈利資訊來源：https://nvidianews.nvidia.com/news/nvidia-announces-financial-results-for-fourth-quarter-and-fiscal-2025。
Blackwell晶片：輝達的新一代Blackwell圖形處理器（GPU），在完成人工智能處理任務時，能源消耗顯著降低且成本更低廉。
推理：指人工智能處理，機器學習和深度學習是指訓練神經網絡，而人工智能推理則應用來自經訓練的神經網絡模型知識，並用這些資料來推理結果。
傑文斯悖論（Jevon’s Paradox）：該理論認為，提高某種資源的使用效率可能導致對該資源的需求增加。將該理論應用於技術/人工智能晶片領域，隨著晶片技術及效率提升，晶片的整體需求實際會增加而非減少。
LLM（大型語言模型）：一類專門的人工智能，利用大量文本進行訓練，以了解現有內容並生成原始內容。
長思考推理：在得出結論之前，通過多角度分析、考慮長期影響，仔細權衡各種因素，對資訊及潛在結果進行深思熟慮的擴展過程。
單次推理/提示：指為模型提供單個示例或提示以執行任務的方法。其依賴於精心設計的單一提示來實現所需輸出。
測試階段擴展：一種語言建模方法，利用額外測試階段運算來提高性能。
詞元（Token）：人工智能詞元為大型語言模型（LLM）使用的基本輸入和輸出構建塊。它們是LLM用於處理及生成有用文本/輸出的最小數據單位。
主要投資風險:
- 本基金投資於股票，須承受證券價值波動的股本證券風險 。
- 投資本基金涉及一般投資、貨幣、人民幣貨幣及兌換、流動性、對沖、市場、經濟、政治、監管、稅務、有關證券借出、有關反向回購交易、金融及利率風險。在極端的市場環境下，閣下可能會損失全部投資。
- 本基金可使用金融衍生工具降低風險及更有效率地管理基金，並涉及對手方、流動性、槓桿、波動性、估值及場外交易風險，可能蒙受重大損失。
- 本基金的投資集中於科技行業，或會具較高波動性，並承受科技相關公司風險。
- 本基金可能投資於歐元區, 或會蒙受歐元區風險。
- 本基金可能徵收業績表現費。即使投資資本虧損，投資者也可能需要支付此費用。
- 投資者不應只根據此文件而作出投資決定，並應細閱有關基金銷售文件，了解風險因素資料。
3 分鐘閱讀
焦點分析：
- 雖然短期內擴大機架式Blackwell（AI晶片）系統極其複雜的供應鏈面臨初期磨合問題，但如今該問題似乎已成為過去。
- 長遠來看，輝達論證了在測試階段擴展推理模型方面的新指數式人工智能擴展定律，並有傑文斯悖論（Jevon’s Paradox）望透過推動未來人工智能基建的增長。
- 團隊期待輝達在3月份的GTC大會上發佈下一代人工智能晶片及其他創新產品。
