原报告：Morgan Stanley Research《NVDA NDR Highlights Diversified Growth Opportunities》，2026 年 7 月 10 日
编译 & 整理：DaiDai
编辑：Frank
要点速览：
- 英伟达认为增长仍在加速，但驱动力正在发生变化： 需求不再只依赖头部 AI 实验室和超大规模云厂商，网络、CPU、Neocloud、主权 AI、工业与企业客户正在成为新的增量来源；
- ASIC 与 GPU 并非零和竞争： 一家此前主要依赖 ASIC 的头部前沿模型客户，英伟达算力占比已提升至接近 50%，在大量实际工作负载中，客户最终比较的不只是芯片价格，更在于单位 Token 的综合计算成本与部署效率；
- Vera Rubin 路线图暂未延期： 英伟达否认 Rubin Ultra 推迟至 2028 年，确认仍计划于 2027 年出货，虽然部分机架方案将调整，但 800V 电力架构和跨机架光互连等关键方向保持不变；
- 存储与电力仍是供给侧约束，而非需求转弱的信号： 英伟达预计存储短缺可能持续数年，并将通过调整内存配置、网络和系统架构，提高有限供应下的系统交付效率；
- 摩根士丹利继续将英伟达列为半导体首选： 报告维持「增持」评级和 288 美元目标价，并认为随着公司提高现金回报比例，英伟达正在从纯粹的高增长资产，逐渐兼具大型科技股的价值属性；
当一家公司的单季度收入开始逼近 1000 亿美元，市场通常更关心的，不再是它还能增长多少，而是增长还能维持多久。
英伟达如今面对的，正是这样的审视。
过去一段时间，围绕英伟达的争议主要集中在三个问题上：全球 AI 基础设施投资是否已经接近高点；Google、Amazon、Meta 等云厂商推进自研 ASIC，是否会逐渐侵蚀 GPU 的市场份额；以及下一代 Vera Rubin 产品路线图，是否出现延期或调整。
7 月上旬，摩根士丹利在加州组织多场英伟达非融资路演（NDR），英伟达 CEO 黄仁勋、CFO Colette Kress，以及管理层与投资者关系团队直接面对机构投资者，回应市场最关注的增长、竞争与产品问题，希望向市场解释其下一阶段的增长来源，正在发生怎样的变化。
摩根士丹利在会后报告中，将此次会议的基调概括为「积极」，英伟达管理层则给出了一个更具进攻性的判断： 即使季度收入正在接近 1000 亿美元，公司当前的增长率仍有望继续加快。
支撑这一判断的核心，并不在于某一个客户突然增加采购，反而是英伟达正在从一家主要依赖 GPU 周期和少数头部客户的公司，转向覆盖计算、网络、CPU、模型与云基础设施的全栈 AI 平台。
一、英伟达正在重新定义自己的增长来源
按照英伟达管理层在此次会议中的划分，公司未来的需求主要来自三类市场： AI 实验室、传统超大规模云厂商，以及包括 AI 云、工业、企业和主权 AI 在内的新兴客户。
这意味着，市场过去熟悉的「AI 实验室训练大模型、云厂商采购 GPU」叙事，已经无法完整解释英伟达下一阶段的增长。
1.AI 实验室：ASIC 客户也在重新增加 GPU 使用
目前，AI 实验室约占英伟达总需求的 20%。
此次路演中，一个颇受关注的细节是，一家此前主要依赖 ASIC 开发的头部前沿模型客户，早期对英伟达平台的使用比例并不高，但目前英伟达在其相关算力中的占比，已经提升至接近 50%。
这至少说明，ASIC 对 GPU 的替代并不是一条单向路径。
当模型规模、推理负载和系统复杂度持续上升，客户需要比较的并不只是单颗芯片价格，而是整套系统最终能够以多低的成本生成 Token。 在大量实际工作负载中，英伟达认为，最低的单位 Token 成本仍然来自其完整平台。
其他头部前沿模型目前也仍主要运行在英伟达平台之上。对于英伟达而言，AI 实验室的机会已经不只是跟随模型训练规模增长，还包括从原本更偏向自研芯片的客户中重新获得份额。
2.超大规模云厂商：从 GPU 扩展至网络和 CPU
按新的业务口径，传统超大规模云厂商仍是英伟达最重要的需求来源之一，相关业务约占公司收入的一半。
不过，云厂商市场当前面临的约束，已经逐渐从芯片供应转向土地、电力和机房空间。也就是说，客户并非不愿继续投入，而是越来越难以按照原有方式快速扩建数据中心。
在这种背景下， 英伟达正在扩大自己在每座数据中心中的价值占比——除了 GPU，公司还在通过网络设备、CPU、互连和机架级系统方案扩大可服务市场。
管理层在此次会议中重申了本年度 200 亿美元的 CPU 相关收入目标，并暗示其中相当一部分需求并非来自负责集群控制和调度的 Head Node，而是来自搭载 Vera CPU 的独立计算机架。
Vera 并不是一款单纯追求更多核心数量的通用 CPU，而是针对 AI 数据中心中的单线程工作负载和内存访问进行优化。它所代表的方向，是英伟达不再只出售加速卡，而是进一步进入 CPU、网络、互连和整机系统。
这也解释了为什么摩根士丹利认为，云厂商自研 ASIC 与英伟达继续增长可以同时成立。毕竟大型云厂商仍会继续开发和部署定制芯片，博通等 ASIC 供应商也可能保持高速增长，但只要整个 AI 计算市场扩张得足够快，GPU 与 ASIC 就不必进行零和竞争。
摩根士丹利预计，英伟达与博通的 AI 相关业务在未来一年均可能保持极高增速，市场短期内未必会出现剧烈的份额迁移。
3.主权 AI、工业与 Neocloud：更分散，也可能更庞大
相比 AI 实验室和超大规模云厂商，主权 AI、工业企业和 Neocloud 的需求更为分散，项目启动速度也往往更慢，但这可能是英伟达下一阶段最值得关注的增量市场。
地缘政治、数据主权与供应链本地化，正在推动更多国家和地区建设独立的 AI 基础设施。与此同时，金融、零售、生物科技、制造业等企业，也开始把 AI 从通用工具转变为内部生产系统的一部分。
这类项目通常需要更长的立项、审批与部署周期，但 一旦进入实施阶段，单个项目的规模可能相当可观，而且面临的直接芯片竞争往往少于头部云厂商市场。
Neocloud 则提供了另一种增长模式。
这类以 GPU 算力为核心的新型云厂商，正在承接传统云厂商无法及时满足的算力需求，英伟达与部分 Neocloud 的合作，不仅可能涉及共同投资与信用支持，也可能引入收入分成机制。
市场目前更关注英伟达是否在为客户承担信用风险，但从另一面看，收入分成也意味着英伟达可能分享下游 GPU 云服务的长期收益。摩根士丹利据此认为，英伟达未来可能不只是向 Neocloud 出售硬件，还会逐渐成为大型 GPU 云网络的利益相关方。
二、ASIC、Rubin 与存储约束，真正影响增长的是什么？
实事求是地说，英伟达当前面对的最大争议，并不是 AI 是否仍会增长，而是芯片竞争、产品路线和供应约束，是否会削弱公司在这一轮增长中的份额。
从此次路演释放的信息看，英伟达的回答是，这些问题都真实存在，但尚未改变公司的核心增长方向。
1.ASIC 会增长，但并不意味着 GPU 必然失去份额
对于稳定、成熟且规模足够大的工作负载，ASIC 确实可能提供更低的芯片成本和更高的定制效率。但模型架构、推理方式和开发工具仍在快速变化，客户同时需要灵活性、软件生态和系统交付能力。
因此，真正决定客户选择的，并不是某一颗芯片的售价，而是模型训练、推理、网络、内存和软件协同之后的综合成本。
英伟达的护城河，也不再只是 GPU 性能，而是 CUDA、网络、CPU、互连、整机系统和模型工具共同构成的平台能力。
2.Rubin 路线图暂未出现实质性延期
此次路演还回应了近期围绕 Vera Rubin 产品路线图的争议。
英伟达否认 Rubin Ultra 已推迟至 2028 年的市场传言，确认该产品仍计划于 2027 年出货，但也同时承认，部分机架形态将进行调整，原有 Kyber 机架方案将被另一种被管理层称为「更优」的设计替代。
这一变化可能支持更大规模的单机架 Scale-up 域，但并不意味着核心技术路线发生改变，包括 800V 电力架构、跨机架光学互连等关键技术，仍在按照原有计划推进。
对于英伟达而言，在每一代产品中尝试更激进的系统设计，本身就是其保持领先的一部分，真正需要观察的，不是路线图是否发生过调整，而是公司能否在量产前及时纠偏，并控制大规模交付风险。
摩根士丹利认为，Vera Rubin 仍将是未来 12 个月推动英伟达增长的重要产品周期。
3.存储短缺则是另一个容易被市场误读的问题
管理层预计，存储供应约束可能持续数年。
如果 AI 行业希望每年实现数量级的 Token 增长，而存储供给无法同步扩张，仅靠增加 GPU 数量并不足以解决问题， 计算、网络和内存之间的配置关系，必须随之重新设计。
一种可能的调整，是降低单个机架的 LPDDR5 配置量，使有限的存储供应能够支持更多机架交付；另一种方向，则是通过网络、缓存和更高速的片上存储，降低部分场景对传统 DRAM 的依赖。
管理层在会议中还提到了以 SRAM 为主要存储架构的相关技术，SRAM 的成本通常高于 DRAM，但在特定推理负载下，其低延迟和高带宽可能具备系统级价值。
这些表态短期内可能影响市场对部分存储公司的情绪，但其逻辑起点并不是存储需求转弱。恰恰相反， 英伟达之所以需要持续调整架构，是因为公司预计存储供给长期难以完全满足 AI 计算增长。
因此，对存储产业而言，真正值得关注的并不是英伟达是否减少某一种内存的单机配置，而是 AI 系统中的内存价值量，会如何在 HBM、LPDDR、SRAM、缓存和网络之间重新分配。
4. Nemotron 与开放模型的重要性
除了硬件，英伟达也在强化开放模型和企业 AI 软件的作用。
管理层以电路设计等专业场景为例指出，通用闭源模型未必能够满足企业对专业知识、数据安全和工作流程的要求吗，企业真正需要的，往往不是直接调用一个外部模型，而是围绕自身数据与经验，建立一套可控制、可调整的 AI 系统。
Nemotron 等开放模型的意义就在于此。
它们允许企业围绕自身业务进行训练、微调和部署，同时保留对模型、数据和基础设施的控制权。对于英伟达而言，开放模型并不只是一个软件产品，而是将 GPU、网络、推理框架、模型和企业应用连接起来的重要入口。
英伟达希望构建的，已经不只是一套性能领先的计算硬件，而是一套企业能够完整掌握和部署的 AI 技术栈。
三、摩根士丹利如何为英伟达估值？
此次路演的另一个重要目的，是扩大英伟达在价值型投资者中的覆盖。
众所周知，过去几年，英伟达主要被视为一项典型的高增长资产，但随着公司市值和机构持仓不断扩大，大量成长型基金已经广泛持有英伟达，部分机构甚至接近内部单一持仓上限，因此对英伟达而言，仅靠成长型资金继续提高配置，空间正在变得有限。
英伟达因此需要为市场提供另一套估值逻辑。
管理层预计，从当前阶段开始，公司将把 50% 或以上的现金流用于股东回报。在此背景下，持续增加的股票回购与现金回报，使英伟达在保持高增长属性的同时，也逐渐具备大型成熟科技公司的价值特征。
换句话说， 英伟达希望市场同时使用两套框架为其估值：一方面，它仍是一家能够保持高速增长的 AI 基础设施公司；另一方面，它正在成为一家能够持续产生并返还巨额现金流的超大型科技平台。
基于这一判断，摩根士丹利继续将英伟达列为半导体板块首选，维持「增持」评级和 288 美元目标价，并给出三种风险收益情景：
- 基准情景，目标价为 288 美元，采用约 22 倍 2027 日历年每股收益预测，对应 EPS 13.08 美元：报告预计，英伟达收入将在 2026 年增长 82.0%，2027 年增长 52.4%；
- 在乐观情景下，目标价为 330 美元，对应约 23 倍 2027 日历年 EPS 14 美元：其核心假设是，数据中心业务继续高速增长，网络、Vera Rubin 系统与软件收入推动英伟达获得更高的全栈 AI 计算平台溢价，进一步的上行空间可能来自 AI PC、自动驾驶和机器人业务的规模化，以及高毛利软件和 AI 服务收入占比提升。
- 在悲观情景下，目标价为 160 美元，对应约 16 倍 2027 日历年 EPS 10 美元：主要风险包括数据中心供给更快追上需求，AI 基础设施增速明显下降；客户通过自研 ASIC 降低对英伟达的依赖；AMD 或其他竞争对手重新获得份额；以及关税和出口限制对收入产生高于预期的影响；
从盈利预测来看，摩根士丹利预计，英伟达 2026—2029 年 GAAP 收入将分别达到 2159.38 亿、3930.05 亿、5988.09 亿和 7838.77 亿美元；毛利率分别为 71.3%、74.4%、72.5% 和 72.0%，EPS 分别为 4.61、8.96、13.08 和 17.63 美元。
这组预测背后的核心判断是， 即使英伟达的收入基数已经十分庞大，AI 基础设施扩张仍有望推动其收入和利润在未来数年保持较高增速；网络、CPU、软件与系统级方案，则会在 GPU 之外贡献更多增量。
当然，摩根士丹利也承认，存储、网络和其他供应链环节，在部分阶段可能拥有更高的盈利弹性，事实上，在过去的半导体周期中，摩根士丹利也曾将板块首选从英伟达轮换至闪迪和美光等公司。
但从风险收益比来看，英伟达仍然是其认为半导体板块中最具吸引力的核心资产之一。
一方面，公司当前的估值倍数可能受到超大市值和指数权重的约束；另一方面，相比 AMD、博通等计算半导体公司，英伟达并未享有特别明显的估值溢价。摩根士丹利认为，随着增长来源进一步多元化、现金回报提升，英伟达与部分同业之间的估值差异最终有望收敛。
不过，市场仓位并未呈现完全一致的乐观预期。报告显示，主动型机构投资者持股比例已经达到 50.9%，意味着成长型资金的持仓基础较高；与此同时，摩根士丹利量化模型对英伟达未来 3 个月和 24 个月的判断均处于第 4 分位，尚未进入最受量化资金青睐的区间（第 1 分位代表最受青睐、第 5 分位代表最不受青睐）。
这也构成了当前英伟达估值中颇为微妙的一面：基本面预期依然强劲，但较高的机构持仓、超大市值与市场期待，也意味着公司需要不断兑现增长，才能推动估值进一步抬升。
写在最后
市场过去讨论英伟达，往往围绕一个简单的问题展开：AI 资本开支还能增长多久？
但这次路演提供了另一种观察角度。
英伟达下一阶段增长，并不完全取决于少数大型云厂商是否继续增加 GPU 采购，而在于它能否把自己的平台能力进一步扩展到网络、CPU、模型、企业软件、主权 AI 和新型云基础设施。
ASIC 会继续增长，存储和电力约束也不会消失，产品路线图仍可能调整， 真正决定英伟达长期价值的，不是它能否阻止这些变化，而是它能否继续把每一次产业变化，转化为更大的可服务市场。
对于一家季度收入即将接近 1000 亿美元的公司而言，「增长加速」听起来或许反直觉。
但英伟达试图向市场证明的，正是当 AI 基础设施从芯片采购走向系统建设，从少数云厂商扩展至国家、企业与新型云平台，它仍有能力在每一层技术栈中占据更大的价值份额。
这也是从 AI 芯片供应商走向全栈基础设施平台之后，一段更长的增长曲线。