Nvidia乘著全球AI起飛！獲利狂飆7倍，更便宜的輝達背後釋出什麼訊號？|數位時代 BusinessNext

Nvidia財報關鍵重點搶先看

AI當紅炸子雞Nvidia（輝達）於本周三發布的財報，超出了華爾街的預期，淨利較去年同期增長超過七倍，顯示其在人工智慧（AI）晶片領域的主導地位進一步鞏固。另外Nvidia也宣布股票拆分計畫，將1股拆成10股（10-for-1 stock split），2024年6月7日生效。

營收： 260.4億美元，比去年同期增長262%
淨利： 148.8億美元，比去年同期增長超過七倍
EPS： 6.12美元，遠高於華爾街分析師預期的5.60美元
資料中心業務收入： 226億美元，較去年同期增長427%
股票拆分： 將「1拆10」，6月7日生效，季度配息在拆分後提高150%提高至每股0.01美元

Nvidia執行長黃仁勳在與分析師的電話會議中表示：「下一場工業革命已經開始。」他預測，使用Nvidia晶片的公司將建造新型數據中心，稱為「AI工廠」，生產出「新的商品——人工智慧」。黃仁勳還強調，AI模型的訓練速度正在加快，這些模型正在變得「多模態」，即能理解文本、語音、圖像、影片，並學會推理和規劃。

Nvidia股票在盤後交易中上漲6%，至每股1006.89美元。過去一年中，該股價已經上漲了超過200%。該公司現已成為僅次於微軟和蘋果的第三大市值公司。

Nvidia宣布股票拆分！股票拆分是什麼？

股票拆分是指公司通過增加股票數量來提升股票流動性。雖然在拆分後流通股數量會按特定比例增加，但所有股票的總市值不會改變，因為拆分不會從根本上改變公司的價值。最常見的拆分比率是1股拆2股或1股拆3股。這意味著每持有1股的股東在拆分後將擁有2股或3股。

股票拆分最大優點是有助於 降低單股價格 ，使其更容易被投資者接受，並提高交易的流動性。流動性增強使得股票買賣更為方便，有助於公司在股票回購時降低成本。雖然理論上股票拆分不應對股價產生影響，但通常會激發投資者的興趣，對股價產生正面影響。

第二個優點是，釋出公司前景不錯的訊號。企業分拆股票，通常代表市場對該公司未來發展相對樂觀。

翻開歷史紀錄，Nvidia曾在2021年7月執行過分拆股票，激勵股價一度大漲逾7%。其他科技巨頭也曾執行過拆分股票，包括：

科技巨頭股票分割

公司	分拆比例	分割生效日
Nvidia	1比10	2024.6.7
特斯拉	1比5	2022.8.24
Alphabet	1比20	2022.7.18
亞馬遜	1比20	2022.6.6
Nvidia	1比10	2021.7.20
蘋果	1比4	2020.8.31

然而，股票拆分也有缺點。首先，拆分過程成本高昂。其次，股票拆分並不改變公司的基本面，因此不會創造額外價值。一些反對者認為，拆分可能會吸引錯誤的投資者群體。降低股價也可能會使公司面臨被交易所除名的風險，特別是在股價長期低於每股1美元的情況下。

黃仁勳怎麼看AI趨勢？

Nvidia執行長黃仁勳表示：「下一場工業革命已經開始。AI將為幾乎所有行業帶來顯著的生產力提升，幫助公司提高成本效益和能源效率，同時擴展收入機會。」這一樂觀的展望強化了Nvidia作為AI支出最大受益者的地位。該公司的AI加速器晶片幫助數據中心開發聊天機器人等前沿工具，近兩年來需求激增，推動銷售和市值飆升。

黃仁勳指出，Nvidia希望將技術賣給更多市場，超越大型雲計算服務提供商，並表示AI正在向消費互聯網公司、汽車製造商和醫療保健客戶轉移，各國也在開發自己的系統，這種趨勢被稱為「主權AI」。

Nvidia財務長Colette Kress在電話會議中也表示，公司對未來充滿信心，並強調了AI市場的巨大潛力。分析師Jacob Bourne稱Nvidia的季度報告「再次挑戰了重力」，儘管許多科技公司渴望減少對Nvidia的依賴，但「他們還沒有完全做到」。

Nvidia公司介紹：從顯卡公司，到全球AI當紅炸子雞

Nvidia由黃仁勳於1993年創立，最初提供電腦遊戲玩家用的顯卡。黃仁勳早早認識到公司的晶片非常適合開發AI，這一發現開啟了新的市場，讓Nvidia在競爭對手之前占得先機。

Nvidia的H100加速器自2022年OpenAI的ChatGPT發布以來成為必需品，這些晶片每顆售價高達數萬美元，且經常供不應求。Nvidia的四大主要客戶——亞馬遜（Amazon）、Meta、微軟（Microsoft）和Google佔據了約40%的銷售額。

目前，Nvidia的市值已超過2.34兆美元，成為僅次於微軟和蘋果的第三大公司。

Nvidia乘著全球AI起飛

Nvidia的AI晶片已成為各大數據中心的熱銷商品，並帶動了公司的銷售和市值飆升。隨著生成式AI系統需求的不斷增長，Nvidia在AI市場中的主導地位進一步鞏固。

AI技術的應用範圍廣泛，從文檔撰寫、圖像生成到更加擬人化的虛擬助手，Nvidia的AI晶片在這些領域中發揮了重要作用。未來，隨著AI技術的不斷進步，Nvidia預計將迎來更多的垂直市場機會，創造多個數十億美元級別的新市場。

黃仁勳表示，公司正在為下一波增長做好準備，其新晶片平台Blackwell已全面投產，為處理數兆參數的生成式AI奠定了基礎。這一展望顯示了Nvidia對未來的強大信心和持續增長的潛力。

Nvidia在AI市場中的主導地位、強大的技術實力以及廣泛的市場應用，使其成為全球科技行業的領軍者。在未來的AI發展中，Nvidia將繼續扮演關鍵角色，推動技術進步和行業變革。

資料來源：Hjnews、Investopedia、BNNbloomberg

本文初稿為AI編撰，整理．編輯/ 林美欣

「代理式 AI 」（Agentic AI）的創新服務正在重新塑造企業對AI的想像：成為內部實際運行的數位員工，提升關鍵工作流程的效率。代理式AI的技術應用清楚指向一個核心趨勢：2025 年是 AI 邁向「代理式 AI」的起點，讓 AI 擁有決策自主權的技術轉型關鍵，2026 年這股浪潮將持續擴大並邁向規模化部署。

面對這股 AI Agent 浪潮，企業如何加速落地成為關鍵，博弘雲端以雲端與數據整合實力，結合零售、金融等產業經驗，提出 AI 系統整合商定位，協助企業從規劃、導入到維運，降低試錯風險，成為企業佈局 AI 的關鍵夥伴。

避開 AI 轉型冤枉路，企業該如何走對第一步？

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題、生成內容的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工，應用場景也從單一任務延伸至多代理協作（Multi-Agent）模式。

「儘管 AI 前景看好，但這條導入之路並非一帆風順。」博弘雲端技術維運中心副總經理暨技術長宋青雲綜合多份市場調查報告指出，到了 2028 年，高達 70% 的重複性工作將被 AI 取代，但同時也有約 40% 的生成式 AI 專案面臨失敗風險；關鍵原因在於，企業常常低估了導入 GenAI 的整體難度——挑戰不僅來自 AI 相關技術的快速更迭，更涉及流程變革與人員適應。

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工。面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時加速 AI 落地。

圖／數位時代

正因如此，企業在導入 AI 時，其實需要外部專業夥伴的協助，而博弘雲端不僅擁有導入 AI 應用所需的完整技術能力，涵蓋數據、雲端、應用開發、資安防禦與維運，可以一站式滿足企業需求，更能使企業在 AI 轉型過程中少走冤枉路。

宋青雲表示，許多企業在導入 AI 時，往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

轉換率提升 50% 的關鍵：HAPPY GO 的 AI 落地實戰路徑

博弘雲端這套導入方法論，並非紙上談兵，而是已在多個實際場域中驗證成效；鼎鼎聯合行銷的 HAPPY GO 會員平台的 AI 轉型歷程，正是其最具代表性的案例之一。陳亭竹說明，HAPPY GO 過去曾面臨AI 落地應用的考驗：會員資料散落在不同部門與系統中，無法整合成完整的會員輪廓，亦難以對會員進行精準貼標與分眾行銷。

為此，博弘雲端先協助 HAPPY GO 進行會員資料的邏輯化與規格化，完成建置數據中台後，再依業務情境評估適合的 AI 模型，並且減少人工貼標的時間，逐步發展精準行銷、零售 MLOps（Machine Learning Operations，模型開發與維運管理）平台等 AI 應用。在穩固的數據基礎下，AI 應用成效也開始一一浮現：首先是 AI 市場調查應用，讓資料彙整與分析效率提升約 80%；透過 AI 個性化推薦機制，廣告點擊轉換率提升 50%。

左、右為博弘雲端事業中心副總經理陳亭竹及技術維運中心副總經理暨技術長宋青雲。宋青雲分享企業導入案例，許多企業往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

圖／數位時代

整合 Databricks 與雲端服務，打造彈性高效的數據平台

在協助鼎鼎聯合行銷與其他客戶的實務經驗中，博弘雲端發現，底層數據架構是真正影響 AI 落地速度的關鍵之一，因與 Databricks 合作協助企業打造更具彈性與擴充性的數據平台，作為 AI 長期發展的基礎。

Databricks 以分散式資料處理框架（Apache Spark）為核心，能同時整合結構化與非結構化資料，並支援分散式資料處理、機器學習與進階分析等多元工作負載，讓企業免於在多個平台間反覆搬移資料，省下大量重複開發與系統整合的時間，從而加速 AI 應用從概念驗證、使用者驗收測試（UAT），一路推進到正式上線（Production）的過程，還能確保資料治理策略的一致性，有助於降低資料外洩與合規風險；此對於金融等高度重視資安與法規遵循的產業而言，更顯關鍵。

陳亭竹認為，Databricks 是企業在擴展 AI 應用時「進可攻、退可守」的重要選項。企業可將數據收納在雲端平台，當需要啟動新型 AI 或 Agent 專案時，再切換至 Databricks 進行開發與部署，待服務趨於穩定後，再轉回雲端平台，不僅兼顧開發效率與成本控管，也讓數據平台真正成為 AI 持續放大價值的關鍵基礎。

企業強化 AI 資安防禦的三個維度

隨著 AI 與 Agent 應用逐步深入企業核心流程，資訊安全與治理的重要性也隨之同步提升。對此，宋青雲提出建立完整 AI 資安防禦體系的 3 個維度。第一是資料治理層，企業在導入 AI 應用初期，就應做好資料分級與建立資料治理政策（Policy），明確定義高風險與隱私資料的使用邊界，並規範 AI Agent「能看什麼、說什麼、做什麼」，防止 AI 因執行錯誤而造成的資安風險。

第二是權限管理層，當 AI Agent 角色升級為數位員工時，企業也須比照人員管理方式為其設定明確的職務角色與權限範圍，包括可存取的資料類型與可執行的操作行為，防止因權限過大，讓 AI 成為新的資安破口。

第三為技術應用層，除了導入多重身份驗證、DLP 防制資料外洩、定期修補應用程式漏洞等既有資安防禦措施外，還需導入專為生成式 AI 設計的防禦機制，對 AI 的輸入指令與輸出內容進行雙向管控，降低指令注入攻擊（Prompt Injection）或惡意內容傳遞的風險。

博弘雲端技術維運中心副總經理暨技術長宋青雲進一步說明「AI 應用下的資安考驗」，透過完善治理政策與角色權限，並設立專為生成式 AI 設計的防禦機制，降低 AI 安全隱私外洩的風險。

圖／數位時代

此外，博弘雲端也透過 MSSP 資安維運託管服務，從底層的 WAF、防火牆與入侵偵測，到針對 AI 模型特有弱點的持續掃描，提供 7×24 不間斷且即時的監控與防護。不僅能在系統出現漏洞時主動識別並修補漏洞，更可以即時監控活動，快速辨識潛在威脅。不僅如此，也能因應法規對 AI 可解釋性與可稽核性的要求，保留完整操作與決策紀錄，協助企業因應法規審查。

「AI Agent 已成為企業未來發展的必然方向，」陳亭竹強調，面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時，加速 AI 落地。在這波變革浪潮中，博弘雲端不只是提供雲端服務技術的領航家，更是企業推動 AI 轉型的策略戰友。透過深厚的雲端與數據技術實力、跨產業的AI導入實務經驗，以及完善的資安維運託管服務，博弘雲端將持續協助企業把數據轉化為行動力，在 AI Agent 時代助企業實踐永續穩健的 AI 落地應用。

>>掌握AI 應用的新契機，立即聯繫博弘雲端專業顧問