2 月 25 日，NVIDIA 公布 FY2026 第四季財報。單季營收 681 億美元，創歷史新高，較前一季成長 20%；單季淨利 430 億美元。
拉到全年來看，FY2026 營收 2,159 億美元，較前一年成長 65%。倒推回去，前一年約 1,310 億——等於一年多出約 850 億美元營收。對一家這個規模的公司，數字本身就是新聞。
單季數字拆解
- 單季營收：681 億美元，歷史新高，季增 20%
- 單季淨利：430 億美元
- 全年營收：2,159 億美元，年增 65%
最值得停下來看的是淨利對營收的比率：430 億對 681 億，淨利率超過六成。在半導體產業的歷史上，這個規模配上這個獲利率沒有先例可循。它同時度量了兩件事：AI 算力的稀缺程度，以及買方目前願意為稀缺付出的價格。
全年 65% 成長的解讀
一年新增約 850 億美元營收，只有一種解釋：大規模的 AI 基礎設施採購仍在加速，而且沒有降溫。這些 GPU 的買家——AI 實驗室、雲端業者、大型企業——等於用真金白銀為這個會計年度的 AI 資本支出投了票。20% 的季增也說明，供給瓶頸並沒有阻止出貨持續爬升；產能開出多少，市場就吃下多少。還要注意基期效應：65% 不是從小數字起跳，而是疊在已經破千億美元的全年營收之上。在這個基數上維持高成長，代表買方不是一次性建置，而是把算力支出常態化為營運成本——每年編列、每年續購。
產業讀到的兩個訊號
第一，整個產業的帳單正在變大。NVIDIA 的創紀錄營收，就是下游所有模型訓練與推理成本的鏡像——訓練下一代模型、支撑推理服務的硬體成本，短期內看不到下降的結構性理由。第二，依賴正在加深。當整個 AI 棧都建立在單一供應商的出貨節奏上，任何產能、良率或政策上的波動，都會直接傳導到每一家實驗室的產品時程。這不是 NVIDIA 的風險，是全產業的風險。
採購與產品團隊的對策
- 容量規劃假設競爭加劇：買方愈多，取得大規模 GPU 的排程愈不可靠，關鍵工作流應該預留緩衝
- 把算力成本當成一級指標：獲利率超過六成的供應鏈上游，意味著成本壓力會持續往下游傳遞，單位推理成本的監控與最佳化要進入日常營運
- 避免單點依賴：在模型訓練與部署架構上保留切換空間，是面對供給集中最實際的避險
參考來源
本文由 AI 協助自上述來源整理，經人工審核後發布。