Kinerja Kuartal Pertama Nvidia Stabil, CPU Vera Menggerakkan Pertambahan Masa Depan

marsbitDipublikasikan tanggal 2026-05-21Terakhir diperbarui pada 2026-05-21

Abstrak

NVIDIA melaporkan kinerja Q1 FY2027 yang solid. Pendapatan mencapai $81,62 miliar, meningkat 85% YoY dan 20% QoQ, memenuhi ekspektasi pasar yang optimis. Laba bersih yang disesuaikan adalah $45,55 miliar (naik 139% YoY) dengan EPS $1,87. Margin kotor yang disesuaikan stabil di 75%. Struktur pendapatan baru dibagi menjadi Pusat Data ($75,2 miliar, +92% YoY) dan Edge Computing ($6,4 miliar, +29% YoY). Klien hyperscale (seperti cloud publik) menjadi pendorong utama dalam segmen Pusat Data. Informasi kunci dari konferensi call adalah peluncuran **Vera CPU**, yang membuka pasar baru senilai $200 miliar untuk AI Agen. CPU ini dapat dijual terpisah atau bersama GPU Rubin, dengan pendapatan diperkirakan mendekati $20 miliar tahun ini dan pengiriman dimulai Q3. Panduan untuk Q2 adalah pendapatan sekitar $91 miliar (±2%) dan margin kotor ~75%, sesuai ekspektasi. Namun, program buyback baru senilai $80 miliar dan kenaikan dividen ke $0,25 per saham sedikit di bawah harapan beberapa investor akan buyback di atas $100 miliar. Manajemen menegaskan kembali target pendapatan $1 triliun untuk platform Blackwell dan Rubin (2025-2027). Sementara itu, pendapatan dari Tiongkok belum dimasukkan dalam panduan karena ketidakpastian regulasi impor.

Penulis asli: SoSoValue Research

Nvidia merilis kinerja Q1 tahun fiskal 2027. Kinerja Q1 dan panduan Q2 secara umum memenuhi ekspektasi optimis pembeli, namun pembelian kembali sedikit di bawah ekspektasi investor. Harga saham turun tipis 1.3% dalam perdagangan setelah jam pasar, pasar kekurangan titik kegembiraan jangka pendek, namun logika pertumbuhan jangka menengah-panjang masih jelas.

Sorotan Kinerja Q1: Stabil dan Memenuhi Ekspektasi Optimis

Pendapatan Nvidia Q1 adalah 816,2 miliar dolar AS, meningkat 85% secara tahunan (YoY) dan 20% secara kuartalan (QoQ), secara umum memenuhi rentang ekspektasi optimis pembeli sebesar 810-820 miliar dolar AS, lebih tinggi dari konsensus Bloomberg sebesar 789,1 miliar dolar AS. Margin kotor yang disesuaikan adalah 75%, meningkat 14,2 poin persentase YoY, ekspektasi Bloomberg 75,1%, sesuai ekspektasi. Laba bersih yang disesuaikan adalah 455,5 miliar dolar AS, meningkat 139% YoY, EPS yang disesuaikan adalah 1,87 dolar AS, lebih tinggi dari ekspektasi Bloomberg sebesar 1,77 dolar AS.

Pada kuartal ini, Nvidia melakukan penataan ulang struktur pendapatan, dibagi menjadi Pusat Data dan Edge Computing, untuk lebih baik menunjukkan struktur bisnis yang digerakkan AI. Pesanan dari klien hyperscale adalah daya dorong pertumbuhan paling inti di dalam Pusat Data:

  • Pendapatan Pusat Data 752 miliar dolar AS, +92% YoY, +21% QoQ, lebih tinggi dari ekspektasi Bloomberg sebesar 733,3 miliar dolar AS
  1. Pendapatan Hyperscale (klien skala sangat besar, termasuk cloud publik, perusahaan internet besar) 379 miliar dolar AS, meningkat 115% YoY, menyumbang 50,4% pendapatan Pusat Data, pertumbuhan tercepat, merupakan pendorong pendapatan terpenting Nvidia
  2. Pendapatan ACIE (AI Cloud, aplikasi industri dan perusahaan) 374 miliar dolar AS, meningkat 74% YoY, menyumbang 49,6%
  • Pendapatan Edge Computing (Agent & Physical AI, termasuk PC, konsol game, workstation, base station AI-RAN, robot, dan mobil) 64 miliar dolar AS, +29% YoY, +10% QoQ

Konferensi Kinerja: CPU Vera Adalah Informasi Tambahan Paling Inti

Konferensi telepon mengungkapkan, CPU Vera membuka pasar baru 2000 miliar dolar AS bagi Nvidia. CPU Vera dirancang untuk Agentic AI, dapat dijual sebagai perangkat pendamping GPU Rubin, juga dapat dijual secara independen sebagai CPU, node penyimpanan, dan node keamanan. Diperkirakan total pendapatan CPU tahun ini akan mendekati 200 miliar dolar AS, rencananya akan mulai diproduksi massal dan dikirim pada kuartal ketiga; menjadi tambahan baru bagi bisnis Nvidia.

Manajemen mempertahankan panduan target pendapatan 1 triliun dolar AS untuk Blackwell + Rubin tahun 2025-2027, belum dinaikkan sementara; platform Rubin mulai diproduksi massal pada paruh kedua tahun ini, dimulai Q3, naik bertahap di Q4, pengiriman akan meningkat signifikan pada Q1 tahun depan.

Selain itu, pendapatan dari China terus tidak dimasukkan dalam panduan, pemerintah AS telah menyetujui pengiriman H200 ke klien China, namun tidak pasti apakah China mengizinkan impor.

Panduan Kinerja Q2 Secara Umum Memenuhi Ekspektasi

  • Panduan pendapatan Q2 adalah 910 miliar dolar AS (±2%, tanpa memperhitungkan kontribusi pendapatan China), ekspektasi optimis pembeli 910 miliar dolar AS, secara umum memenuhi ekspektasi
  • Margin kotor yang disesuaikan 75% (±0,5%), secara umum memenuhi ekspektasi;

Namun pembelian kembali sedikit di bawah ekspektasi: Perusahaan menambah otorisasi pembelian kembali 800 miliar dolar AS, dividen kuartalan dinaikkan menjadi 0,25 dolar AS per saham (sebelumnya 0,01 dolar AS), sedikit di bawah ekspektasi sebagian investor untuk tambahan pembelian kembali di atas 1000 miliar dolar AS.

Bacaan Terkait

AI Pembuatan Gambar Tanpa Pelatihan Dipercepat 1000%, Caranya: 'Pipa Tiga Tahap' Paling Sederhana

Kemampuan gambar AI semakin kuat, namun pengguna masih merasakannya lambat. Metode akselerasi model difusi tradisional seperti kuantisasi atau distilasi langkah sering kali bergantung pada perangkat keras atau fine-tuning yang mahal. Tim peneliti dari Beihang University, NTU, dan ETH memperkenalkan **MrFlow (Multi-Resolution Flow Matching)**, sebuah pipeline tiga tahap sederhana dan bebas pelatihan untuk mempercepat pembuatan gambar secara signifikan: 1. **Pembuatan Kerangka Beresolusi Rendah:** Model asli menghasilkan gambar struktur global (subjek, tata letak, semantik) di ruang latens beresolusi rendah. Token gambar jauh lebih sedikit, sehingga setiap langkah lebih murah dan konvergensinya lebih cepat. 2. **Super-Resolution di Ruang Pixel:** Hasil beresolusi rendah didekode ke gambar, lalu ditingkatkan resolusinya di ruang pixel menggunakan model super-resolution yang telah dilatih sebelumnya (seperti Real-ESRGAN). Pendekatan ini mempertahankan struktur dengan lebih baik daripada upsampling di ruang latens. 3. **Pemurnian Satu Langkah Beresolusi Tinggi:** Gambar super-resolution dienkode ulang ke ruang latens, ditambahkan sedikit noise intensitas rendah (~0.12), lalu dimurnikan oleh model flow-matching asli hanya dalam **satu langkah** inferensi resolusi tinggi. Noise rendah memungkinkan titik awal dekat dengan gambar bersih. Dengan konfigurasi default "12+1" (12 langkah rendah-res, 1 langkah tinggi-res), MrFlow mencapai **percepatan 10.35x** (dari 49.32s menjadi 4.77s) pada model seperti Qwen-Image, dengan penurunan kualitas minimal (~1%). Metode ini unggul dalam kurva trade-off kecepatan-kualitas dibanding metode akselerasi bebas pelatihan lainnya, dapat digabungkan dengan model distilasi untuk akselerasi lebih lanjut, dan sudah tersedia sebagai kode open-source beserta plugin ComfyUI.

marsbit1j yang lalu

AI Pembuatan Gambar Tanpa Pelatihan Dipercepat 1000%, Caranya: 'Pipa Tiga Tahap' Paling Sederhana

marsbit1j yang lalu

Trading

Spot
活动图片