NVIDIA 股價與資料中心營收變化趨勢。
短短一年內，NVIDIA 經歷了從谷底翻身的戲劇性轉折。曾因挖礦退潮、庫存壓力與營收下滑，被外界視為過氣科技股的代表，如今卻在生成式 AI 浪潮中成為關鍵基石。2025 年第二季財報顯示，NVIDIA 營收突破 135 億美元，第三季更預估達 160 億，幾乎全數來自雲端資料中心對 GPU 的強勁需求。
然而，真正值得關注的並非這波財報數字，而是背後那個關鍵問題：
這場 GPU 狂潮，是長期趨勢的開端，還是一場由資本與想像力堆砌而成的高峰？
雲端客戶、模型訓練與高風險投資
目前 NVIDIA 的資料中心業務佔比已超過五成，客戶包括 AWS、Google Cloud、Meta 等雲端巨頭。他們不僅是 GPU 的大量採購者，也是新一代大型語言模型的建設者。但這波採購潮背後，隱藏著一種結構性的不對稱。模型訓練所需的 GPU 是一筆高昂的前置成本，且效果未明；而真正與實際使用量連動的，是模型部署後進入推論階段的需求。
換言之，如果這些模型未來無法落地變現，當前所投入的硬體資本可能全數成為沉沒成本。 這個情境讓人不禁聯想到 2000 年網路泡沫時期，新創公司大量購買 Cisco 網路設備，卻無法等到用戶上線的歷史。
CoreWeave 與 Google TPU Cloud：GPU 雲與專屬晶片雲的分歧
這波 GPU 熱潮中，NVIDIA 並非唯一受惠者，也出現了新型態的基礎建設供應商，例如 CoreWeave 與 Google TPU Cloud。
CoreWeave 是由以太坊礦工團隊轉型而來，專注於提供以 NVIDIA GPU 為基礎的雲端計算資源。它支援主流框架如 PyTorch 與 TensorFlow，與 OpenAI、Stability AI 等開發者建立合作，提供更彈性且模組化的租賃模式。
相對地，Google TPU Cloud 是 Google Cloud 生態系的一部分，使用自家設計的 TPU（Tensor Processing Unit）晶片，專為 TensorFlow 最佳化，運算效率極高，但軟體綁定與使用限制也更嚴格。
這代表 AI 雲的產業正走向兩條路線：
- CoreWeave 代表通用 GPU 雲：開放、相容性高、支援多元模型開發。
- Google TPU Cloud 則是一體化封閉系統：專為 Google 自有生態打造的高速公路。
（延伸閱讀：Google TPU 的垂直整合）
為什麼 NVIDIA 不是 Cisco？
CUDA 與 TensorRT 組成 NVIDIA 的 AI 軟體平台核心。
雖然不少人將 NVIDIA 比擬為當年泡沫高峰的 Cisco，但兩者之間有關鍵差異。
首先，NVIDIA 不只是晶片公司，更擁有完整的軟體生態。例如 CUDA（Compute Unified Device Architecture）讓開發者能以 C/C++ 撰寫平行運算程式，廣泛應用於影像處理、物理模擬與深度學習。而 TensorRT（Tensor Runtime）則是推論專用的最佳化工具，能將訓練完成的模型轉為精簡格式，進一步支援混合精度以加速執行效能。這樣的軟體堆疊，使得整個 AI 生產流程與 NVIDIA 緊密綁定，遠非一般硬體供應商所能比擬。
其次，NVIDIA 在供應鏈上的佈局也極具前瞻性。早於市場需求爆發前，就已預付數十億美元給台積電預訂高階產能，成為目前唯一能穩定供貨 H100、GH200 等訓練晶片的業者。
當然也要誠實面對：NVIDIA 所倡議的「加速運算取代 CPU」願景，距離真正落地仍有距離。 多數企業架構仍依賴 CPU 架構，除非未來出現 GPU 原生應用的大規模興起，否則擴展動能仍將受限於既有系統的遷移成本。
長期需求會不會來自另一個被遺忘的未來？
目前我們看見的 GPU 應用，大多集中在模型訓練與雲端部署。但另一個潛藏的想像空間，也逐漸浮現：生成式內容驅動的虛擬世界。
過去建構虛擬世界最大的門檻在於內容製作成本。但如今，圖像、影片、語音甚至 3D 模型，都可能由 AI 自動生成，幾乎沒有邊際成本。這意味著，一個原本高度資本密集的產業，有可能因 AI 而降低進入門檻。
若這樣的虛擬世界能真正實現，GPU 將不再只是雲端模型訓練的工具，而會成為創作引擎與即時運算平台。這或許會像當年智慧型手機與行動網路的結合一樣，重新定義我們對數位生活的依賴方式。
