Nvidia下一個增長故事，未必只發生喺數據中心。公司正將自己的GPU、模擬軟件及AI模型，定位成一層供機械人、自動駕駛車、無人機及工業系統使用的基礎設施——令機器可以感知環境、作出推理，再喺現實世界採取行動。

目前，Nvidia的實體AI業務估計每年帶來約100億美元收入。Jensen Huang就預計，這項業務未來十年可以增長十倍，即潛在規模約1,000億美元。不過，呢個數字係基於未來採用率的雄心及估算，並唔係Nvidia財務報表上一個獨立披露的收入項目。

乜嘢係「實體AI」？

實體AI（physical AI）指嘅係可以喺現實世界運作的AI系統，而唔係只係生成文字、圖片或者程式碼。對Nvidia而言，機會大致分成幾層：

• 訓練： 數據中心GPU用來訓練控制機械人、自動駕駛車及其他機器的模型。
• 模擬： 開發者可以先喺虛擬環境測試機器行為，減少直接喺現實環境試錯的成本及風險。
• 邊緣推理： 安裝喺汽車及機械人內的處理器，會即時分析感應器數據並作出決定。
• 模型及軟件： 開放模型及開發工具，協助製造商建立、測試及部署實體AI應用。

呢種組合對Nvidia特別重要，因為公司可以參與一部機器的完整生命周期：由開發機械人時所用的運算，到模擬系統的軟件，再到成品內置的處理器，都有機會帶來收入。

點解Huang認為有十倍增長空間？

Huang的核心判斷係，AI正由數碼世界走入工廠、汽車、倉庫及其他實體環境。製造業尤其吸引，原因係好多工序重複、容易量度，而且環境相對有規律；相比起開放式的消費者場景，呢類工作較容易透過模擬測試，再逐步擴大部署。

Huang曾經形容機械人可能成為一個價值50萬億美元的產業，並表示機械人已經迎來屬於自己的「ChatGPT時刻」。 呢個50萬億美元係指製造業及相關機械人活動的廣泛潛在市場，唔係Nvidia預計可以取得的收入。Nvidia最終只能透過晶片、軟件、模擬及基礎設施，攞到其中一部分價值。

所以真正要問的，唔係市場夠唔夠大，而係自主機器能否由示範及少量工廠部署，走到可靠而可持續的商業應用。機械人必須夠安全、成本合理、有生產力，而且可以喺更大範圍內維修及管理。

Nvidia賣嘅係一整套平台，唔只係機械人晶片

Nvidia的策略，是令自己的平台由機械人離開工廠之前，一直用到部署之後。

公司旗下Isaac機械人工具及模擬框架，旨在協助開發者建立機械人系統，並先喺虛擬環境測試。Nvidia表示，其更廣泛的平台可以支援實體AI的設計、訓練、測試及部署。

Nvidia亦正開發Cosmos實體AI模型。公司形容，Cosmos Transfer及Predict是開放式世界模型，可以支援以物理規則為基礎的合成數據生成，以及喺模擬環境評估機械人策略；Cosmos Reason則用來協助智能機器理解及應對現實世界。

硬件方面，Nvidia的邊緣處理器主打機器內置的AI運算。以Unitree研究系統為例，系統將Unitree的人形機械人機身，配合Nvidia Jetson Thor硬件、機械人模型及模擬軟件。呢套系統初步主要面向史丹福大學及ETH Zurich等研究機構。

背後的商業邏輯，與Nvidia一貫的平台策略相近：令工具、硬件及開發者生態互相配合，客戶於開發及部署階段都繼續使用Nvidia的技術。

點解中國係機械人策略的核心？

中國目前同時擁有龐大的製造基礎及國內市場，為人形機械人提供一個相當獨特的放大環境。2026年上半年，中國企業佔全球人形機械人出貨量逾97%；全球同期出貨量約19,100部，較一年前同期約5,100部大幅增加。1

呢啲出貨數據反映行業早期的工業動能，但唔代表人形機械人已經普遍有盈利能力，或者已經可以大規模取代人手。即使如此，中國的供應鏈、生產能力及工廠需求，確實有助機械人公司由原型產品走向較大量部署。

對Nvidia而言，中國機械人製造商因而成為重要合作夥伴。公司與Unitree的合作，將Nvidia的軟件及邊緣運算平台，連接到一家具代表性的中國人形機械人製造商。不過，已公布的系統最初主要供研究機構使用，當中包括史丹福大學及ETH Zurich，並唔足以證明消費市場已經大規模採用。

Nvidia的戰略目標亦唔只係向一部機械人賣處理器，而係希望製造商擴大生產時，逐步採用一套共同的開發及運算架構。

H200對華銷售，反映中國市場的限制

Nvidia的中國策略仍然受到出口管制制約。H200係一款數據中心加速器，用於包括模型訓練及推理在內的高需求AI工作。美國當局容許部分銷售，但供應仍然有限，而且具高度政治敏感性。

Nvidia表示，最近一個季度向中國客戶出售少量H200，相關銷售佔該季度數據中心收入不足1%。公司亦表示，尚未運出美國牌照所容許的全部數量。

有報道指，字節跳動及騰訊各自收到約10,000枚H200，顯示即使面對限制，部分需求仍然可以流向Nvidia。但呢啲交易唔應被理解為中國市場已經恢復無限制供貨。出口批准、中國政策、供應安排及本地替代方案，都可能改變市場機會的規模及時間表。

亦要分清Nvidia不同產品的角色。H200等數據中心GPU主要用於訓練及運行AI模型；Orin及Thor則針對汽車及機械人內部的即時運算。換句話講，客戶可以喺開發階段使用Nvidia的數據中心基礎設施，機器正式落地後，再採用Nvidia的邊緣硬件。

實體AI如何令Nvidia分散業務？

Nvidia現時的財務表現，仍然由數據中心需求主導。實體AI就提供一個延伸方向，讓公司進入汽車運算、工業自動化、物流、機械人、模擬及邊緣推理等市場。

這項業務亦可能形成一個自我強化的循環：

1. 更多機器喺現實世界部署。
2. 機器產生營運數據，同時暴露更多特殊情況。
3. 更好的數據及模擬，改善實體AI模型。
4. 更有能力的模型，令更多自動化項目具備經濟效益。
5. 新增部署再推高訓練、模擬及推理硬件的需求。

呢個循環正是Nvidia策略最吸引的地方。如果公司可以成為實體AI的標準平台，收入來源就可能由少量超大規模數據中心，延伸到數以千計甚至數以百萬計的機器。

最大風險：出貨量唔等於真正採用

現時支持機械人熱潮的最直接證據，係出貨量上升，以及周邊軟件與硬件生態快速擴張。但出貨量始終只係早期指標。

Nvidia的長期論述，取決於自主系統能否離開受控環境後仍然穩定運作。機械人要喺工廠、倉庫、建築地盤、農場、商店、道路，甚至將來的住宅內完成有用工作；同時亦要符合安全要求、維持合理成本，並帶來足夠生產力，令部署及保養費用值得。

如果由示範及試點走向大規模應用所需時間比預期長，Huang所講的50萬億美元產業，就仍然只係長期潛力，而唔係即時可以變現的收入池。Nvidia的實體AI業務確實已經有產品、客戶及早期收入；但要由約100億美元增至1,000億美元，關鍵仍然係實體經濟能否大規模採用自主機器。

Nvidia下一個增長故事，未必只發生喺數據中心。公司正將自己的GPU、模擬軟件及AI模型，定位成一層供機械人、自動駕駛車、無人機及工業系統使用的基礎設施——令機器可以感知環境、作出推理，再喺現實世界採取行動。

目前，Nvidia的實體AI業務估計每年帶來約100億美元收入。Jensen Huang就預計，這項業務未來十年可以增長十倍，即潛在規模約1,000億美元。不過，呢個數字係基於未來採用率的雄心及估算，並唔係Nvidia財務報表上一個獨立披露的收入項目。

乜嘢係「實體AI」？

實體AI（physical AI）指嘅係可以喺現實世界運作的AI系統，而唔係只係生成文字、圖片或者程式碼。對Nvidia而言，機會大致分成幾層：

• 訓練： 數據中心GPU用來訓練控制機械人、自動駕駛車及其他機器的模型。
• 模擬： 開發者可以先喺虛擬環境測試機器行為，減少直接喺現實環境試錯的成本及風險。
• 邊緣推理： 安裝喺汽車及機械人內的處理器，會即時分析感應器數據並作出決定。
• 模型及軟件： 開放模型及開發工具，協助製造商建立、測試及部署實體AI應用。

呢種組合對Nvidia特別重要，因為公司可以參與一部機器的完整生命周期：由開發機械人時所用的運算，到模擬系統的軟件，再到成品內置的處理器，都有機會帶來收入。

點解Huang認為有十倍增長空間？

Huang的核心判斷係，AI正由數碼世界走入工廠、汽車、倉庫及其他實體環境。製造業尤其吸引，原因係好多工序重複、容易量度，而且環境相對有規律；相比起開放式的消費者場景，呢類工作較容易透過模擬測試，再逐步擴大部署。

Huang曾經形容機械人可能成為一個價值50萬億美元的產業，並表示機械人已經迎來屬於自己的「ChatGPT時刻」。 呢個50萬億美元係指製造業及相關機械人活動的廣泛潛在市場，唔係Nvidia預計可以取得的收入。Nvidia最終只能透過晶片、軟件、模擬及基礎設施，攞到其中一部分價值。

所以真正要問的，唔係市場夠唔夠大，而係自主機器能否由示範及少量工廠部署，走到可靠而可持續的商業應用。機械人必須夠安全、成本合理、有生產力，而且可以喺更大範圍內維修及管理。

Nvidia賣嘅係一整套平台，唔只係機械人晶片

Nvidia的策略，是令自己的平台由機械人離開工廠之前，一直用到部署之後。

公司旗下Isaac機械人工具及模擬框架，旨在協助開發者建立機械人系統，並先喺虛擬環境測試。Nvidia表示，其更廣泛的平台可以支援實體AI的設計、訓練、測試及部署。

Nvidia亦正開發Cosmos實體AI模型。公司形容，Cosmos Transfer及Predict是開放式世界模型，可以支援以物理規則為基礎的合成數據生成，以及喺模擬環境評估機械人策略；Cosmos Reason則用來協助智能機器理解及應對現實世界。

硬件方面，Nvidia的邊緣處理器主打機器內置的AI運算。以Unitree研究系統為例，系統將Unitree的人形機械人機身，配合Nvidia Jetson Thor硬件、機械人模型及模擬軟件。呢套系統初步主要面向史丹福大學及ETH Zurich等研究機構。

背後的商業邏輯，與Nvidia一貫的平台策略相近：令工具、硬件及開發者生態互相配合，客戶於開發及部署階段都繼續使用Nvidia的技術。

點解中國係機械人策略的核心？

中國目前同時擁有龐大的製造基礎及國內市場，為人形機械人提供一個相當獨特的放大環境。2026年上半年，中國企業佔全球人形機械人出貨量逾97%；全球同期出貨量約19,100部，較一年前同期約5,100部大幅增加。1

呢啲出貨數據反映行業早期的工業動能，但唔代表人形機械人已經普遍有盈利能力，或者已經可以大規模取代人手。即使如此，中國的供應鏈、生產能力及工廠需求，確實有助機械人公司由原型產品走向較大量部署。

對Nvidia而言，中國機械人製造商因而成為重要合作夥伴。公司與Unitree的合作，將Nvidia的軟件及邊緣運算平台，連接到一家具代表性的中國人形機械人製造商。不過，已公布的系統最初主要供研究機構使用，當中包括史丹福大學及ETH Zurich，並唔足以證明消費市場已經大規模採用。

Nvidia的戰略目標亦唔只係向一部機械人賣處理器，而係希望製造商擴大生產時，逐步採用一套共同的開發及運算架構。

H200對華銷售，反映中國市場的限制

Nvidia的中國策略仍然受到出口管制制約。H200係一款數據中心加速器，用於包括模型訓練及推理在內的高需求AI工作。美國當局容許部分銷售，但供應仍然有限，而且具高度政治敏感性。

Nvidia表示，最近一個季度向中國客戶出售少量H200，相關銷售佔該季度數據中心收入不足1%。公司亦表示，尚未運出美國牌照所容許的全部數量。

有報道指，字節跳動及騰訊各自收到約10,000枚H200，顯示即使面對限制，部分需求仍然可以流向Nvidia。但呢啲交易唔應被理解為中國市場已經恢復無限制供貨。出口批准、中國政策、供應安排及本地替代方案，都可能改變市場機會的規模及時間表。

亦要分清Nvidia不同產品的角色。H200等數據中心GPU主要用於訓練及運行AI模型；Orin及Thor則針對汽車及機械人內部的即時運算。換句話講，客戶可以喺開發階段使用Nvidia的數據中心基礎設施，機器正式落地後，再採用Nvidia的邊緣硬件。

實體AI如何令Nvidia分散業務？

Nvidia現時的財務表現，仍然由數據中心需求主導。實體AI就提供一個延伸方向，讓公司進入汽車運算、工業自動化、物流、機械人、模擬及邊緣推理等市場。

這項業務亦可能形成一個自我強化的循環：

1. 更多機器喺現實世界部署。
2. 機器產生營運數據，同時暴露更多特殊情況。
3. 更好的數據及模擬，改善實體AI模型。
4. 更有能力的模型，令更多自動化項目具備經濟效益。
5. 新增部署再推高訓練、模擬及推理硬件的需求。

呢個循環正是Nvidia策略最吸引的地方。如果公司可以成為實體AI的標準平台，收入來源就可能由少量超大規模數據中心，延伸到數以千計甚至數以百萬計的機器。

最大風險：出貨量唔等於真正採用

現時支持機械人熱潮的最直接證據，係出貨量上升，以及周邊軟件與硬件生態快速擴張。但出貨量始終只係早期指標。

Nvidia的長期論述，取決於自主系統能否離開受控環境後仍然穩定運作。機械人要喺工廠、倉庫、建築地盤、農場、商店、道路，甚至將來的住宅內完成有用工作；同時亦要符合安全要求、維持合理成本，並帶來足夠生產力，令部署及保養費用值得。

如果由示範及試點走向大規模應用所需時間比預期長，Huang所講的50萬億美元產業，就仍然只係長期潛力，而唔係即時可以變現的收入池。Nvidia的實體AI業務確實已經有產品、客戶及早期收入；但要由約100億美元增至1,000億美元，關鍵仍然係實體經濟能否大規模採用自主機器。