“Триліонний” дохід: впевненість і виклики NVIDIA

Цього тижня жодне число не шокувало ринок так, як “1 трильйон доларів”.

Під час тематичної доповіді на щорічній конференції розробників NVIDIA GTC Групен Хуанг (Жовнінг Хуанг) заявив, що до кінця 2027 року нова архітектура AI-акселераторів Blackwell наступного покоління та продукти Rubin у сумі створять щонайменше 1 трильйон доларів виручки, і чітко зазначив, що ця цифра не включає продажі окремих Vera CPU та рішень LPX.

Від 500 мільярдів до 1 трильйона: чипова виручка NVIDIA, як очікується, подвоїться протягом пів року.

У цьому ринковому протистоянні “AI-бульбашки” чому Хуанг зміг дати оцінку, що значно перевищує очікування ринку? Чи зможе цей таргет бути досягнутим?

Відкрийте NetEase News, щоб переглянути чудові зображення

На чому ґрунтується така впевненість

За прогнозом Хуанга “трильйонної виручки” стоять три основні опори.

1、Висока видимість замовлень. Під час інтерв’ю медіа на GTC2026 Хуанг наголосив, що прогноз щодо виручки понад 1 трильйон доларів, оголошений цього понеділка, має сильну “передбачуваність”. NVIDIA очікує досягти, зарахувати та поставити бізнес на суму понад 1 трильйон доларів, і заявляє про “непохитну впевненість” у виконанні цілі “понад 1 трильйон доларів”.

Таке судження про “високу видимість” не є безпідставним. Хуанг зазначив, що нині найголовніше прагнення клієнтів — “гарантувати достатнє постачання”, а не ціна. Це відображає, що ринок обчислювальних потужностей для AI все ще перебуває на типовій стадії дефіциту постачання — попит значно перевищує постачання, і клієнти більше переймаються тим, що не отримають продукцію, а не тим, чи висока ціна.

Omdia вказує, що в сегменті передового пакування виникла криза. Потужності TSMC CoWoS нарощуються з 75k пластин на місяць у 2025 році до 120 000–130k пластин до кінця 2026 року, але все одно не можуть задовольнити різко зростаючий попит; у підсумку це призводить до подовження термінів поставок, зростання цін, а також до того, що розподіл потужностей більше зміщується на користь найбільших клієнтів.

Хуанг додатково зазначив, що масштабні закупівлі від хмарних провайдерів і AI-компаній формують високу визначеність замовлень, попередніх бронювань і відвантажень — і саме це є ключовою причиною, чому він наважується робити оцінку про “високу видимість”. З точки зору галузі, технологічні гіганти, зокрема OpenAI, Meta, Microsoft, Google, Amazon тощо, безперервно нарощують будівництво AI- дата-центрів, що стимулює експоненційне зростання попиту на обчислювальні потужності.

JPMorgan зазначив, що 1 трильйон доларів означає: відносно до поточного узгодженого прогнозу Wall Street щодо доходів дата-центрів у 2026–2027 роках існує щонайменше 50–70 мільярдів доларів потенційного зростання.

2、AI входить у “епоху інференсу”. На відміну від попередніх двох років, коли фокусом була “тренування моделей”, Хуанг неодноразово підкреслював на конференції GTC2026, що індустрія AI вже перейшла “поворотну точку в інференсі”.

Під так званим інференсом (Inference) мається на увазі потреба AI-моделі в обчисленнях у реальних прикладних сценаріях у режимі реального часу. Коли користувач запитує ChatGPT, використовує Midjourney для генерації зображень або просить безпілотний автомобіль прийняти рішення — за цим стоять обчислення інференсу. На відміну від одноразових масштабних обчислень на етапі тренування, інференс є безперервним: зі зростанням кількості користувачів попит на обчислення масштабується лінійно й навіть експоненційно.

Під час тематичної доповіді Хуанг заявив: “Тренування робить модель розумною, але інференс — це те, що справді приносить AI у кожен дім. Кожна взаємодія користувача потребує обчислювальної потужності, і зі поширенням AI Agent(інтелектуальних агентів) попит на інференс значно перевищить потреби в тренуванні”.

Оцінка масштабів ринку:

- Ринок тренування: відносно зосереджений; ключову роль відіграють лише кілька технологічних гігантів; попит має проєктний характер і періодичні сплески

- Ринок інференсу: дуже розподілений; від хмарних API до периферійних пристроїв; від споживчих застосунків до корпоративних рішень; попит має тривалий характер і зростає масштабно

3、Ітерації продуктів + стратегія платформізації. Прогноз Хуанга щодо 1 трильйона доларів, розкритий на GTC2026, охоплює лише виручку від чипів архітектури Blackwell і наступного покоління Rubin; він не включає майбутні нові продукти, а також не включає додаткові регіони та ринки. Це означає, що потенційний загальний масштаб AI-бізнесу NVIDIA може ще більше перевищити межі поточного розрахунку.

Дорожня карта продуктів:

- Архітектура Blackwell (2024–2025): вже масово виробляється; чипи B200 у тренувальній продуктивності в 4 рази ефективніші за H100; приріст інференсної продуктивності — до 30 разів

- Архітектура Rubin (2026–2027): очікується початок масового розгортання з 2026 року, а продуктивність має ще більше зрости

- Архітектура Feynman (2028 і далі): наступне покоління архітектур ще більш далекого горизонту вже розробляється

Найважливіше інше: NVIDIA переходить від “продажу чипів” до “продажу AI-заводів”. На конференції Хуанг представив NVIDIA Dynamo open-source інференсну операційну систему, схему фізичної AI- дата-ферми, а також співпрацю з провідними світовими гігантами промислового софту — щоб побудувати повну екосистему AI-інфраструктури.

Аналітики зазначають, що така платформізаційна стратегія означає: надалі виручка NVIDIA вже не обмежуватиметься одним GPU, а розшириться до повноцінних систем дата-центрів. Старший технологічний аналітик Wedbush Dan Ives (000021) якраз і зазначив, що NVIDIA не лише рухається хвилею гігантського тренду на штучний інтелект, а й зараз розширює свій контроль над інфраструктурою, яка підтримує AI.

Це суттєво розширить “стелю” виручки. Хуанг прямо сказав: “Ціль у 1 трильйон доларів і далі збільшуватиметься”.

Шлях до трильйона стикається з кількома викликами

Хоча Хуанг висловлює впевненість, реалізація кумулятивної виручки в 1 трильйон доларів (до кінця 2027 року) все одно стикається з багатьма викликами.

Перш за все — терміновість часового вікна. З березня 2026 року до кінця 2027 року часу для досягнення кумулятивної виручки в 1 трильйон доларів у NVIDIA менше ніж два роки. З огляду на цикл від замовлення до постачання чипів (зазвичай 6–12 місяців) і час для масштабного розгортання, реальне вікно, коли можна підтвердити виручку, ще більш стиснуте.

- Виручка NVIDIA у фінансовому 2025 році (станом на січень 2025) становить 130,5 мільярда доларів

- Виручка NVIDIA у фінансовому 2026 році (відповідає періоду з лютого 2025 по січень 2026) — 215,9 мільярда доларів, у фінансовому 2027 році виручка досягає близько 3000–10k доларів

- За три роки 2025–2027 кумулятивна виручка — близько 6000–10k доларів

- Щоб досягти 1 трильйона, це означає, що в 2027 році річна виручка може потребувати прориву понад 10k доларів

Це означає, що NVIDIA має в 2027 році забезпечити майже двократне зростання року до року — виклик, який для будь-якої компанії з “заліза” є безпрецедентним.

По-друге, загострюється конкуренція на ринку.

У 2025 році AMD представила серію MI400, яку в індустрії вважають прямим викликом для Blackwell. У недавньому інтерв’ю CEO AMD Су Чжи-фен (Сю Цзіфен) сказала: “Наша частка на ринку AI стабільно зростає. MI400 має кращу цінність за гроші в окремих робочих навантаженнях, ніж Blackwell, і це дуже привабливо для клієнтів, чутливих до ціни”.

Більша загроза надходить від того, що великі клієнти NVIDIA пришвидшують розгортання власних AI-чипів:

- Google TPU v6: вже застосовується для тренування та інференсу Gemini2.0; продуктивність близька до Blackwell

- Amazon Trainium3/Inferentia3: масштабно розгортається на AWS; витрати на 30–40% нижчі, ніж за рішеннями NVIDIA

- Microsoft Maia200: починаючи з кінця 2025 року починається повномасштабне розгортання в Azure

- Meta MTIA: планує випустити чотири покоління власних AI-чипів до кінця 2027 року

Один колишній інженер з чипів Google зазначив: “Ефективність TPU для тренування моделей Transformer вже перевершила GPU. Хоча універсальність не така висока, як у CUDA, для великих компаній із чітко визначеними робочими навантаженнями економічність власних чипів дуже приваблива. Ціль хмарних провайдерів — до 2027 року, щоб власні чипи становили 30–40% їхніх закупівель AI-обчислювальних потужностей”.

Аналітик Seaport Research заявив, що “зараз NVIDIA, ніж будь-коли раніше, потребує докласти більше зусиль, щоб заробити дохід”.

Крім того, вузькі місця може створити ланцюг постачання. Наразі основним вузьким місцем є потужності TSMC CoWoS для передового пакування. Хоча TSMC прискорює нарощування потужностей, дефіцит між попитом і постачанням для high-end AI-чипів, як очікується, триватиме до кінця 2026 року. Якщо темпи нарощування потужностей не відповідатимуть очікуванням, NVIDIA може опинитися в незручній ситуації “є замовлення, але немає змоги поставити”.

Тимбулентність на Близькому Сході хвилями накриває і Корею, яка має потужності зі виробництва зберігання. За статистикою Асоціації міжнародної торгівлі Республіки Корея за 2025 рік, залежність Кореї від імпорту гелію з Катару становить аж 64,7%. Процес виробництва напівпровідників дуже залежить від гелію для охолодження кремнієвих пластин, і наразі вважається, що здійсненної заміни немає. Також уряд Кореї заявляв, що якщо перебої з постачанням триватимуть довго, це може призвести до дефіциту гелію та зростання цін.

Варто зазначити, що блокування Ормузької протоки підтримує світові ціни на нафту на високому рівні — близько 100 доларів за барель, що є важким ударом для дата-центрів із високим енергоспоживанням. Якщо витрати на енергію зможуть нівелювати підвищення ефективності, яке дають чипи, плани інвестицій у глобальний AI можуть бути змушені скорочуватися.