NVIDIA輝達是做什麼的？NVDA股票代號、AI晶片與概念股解析

NVIDIA（輝達，股票代號 NVDA）是一家美國無晶圓廠半導體與 AI 運算公司，主要設計 GPU、AI 加速運算晶片，並提供資料中心系統、網路設備與 CUDA 等軟體平台。

很多人認識 NVIDIA 是因為 GeForce 顯示卡，但現在 NVIDIA 的核心已不只是遊戲顯卡，而是提供 AI 訓練、AI 推論與資料中心所需要的晶片、系統與軟體。NVIDIA 負責晶片設計，實際製造則交由台積電等晶圓代工廠。

NVIDIA 輝達重點快速看

項目	NVIDIA 輝達
公司名稱	NVIDIA Corporation
中文名稱	輝達，中國市場常譯為英偉達
股票代號	NVDA
上市市場	NASDAQ
公司類型	無晶圓廠半導體／AI 運算平台公司
主要業務	GPU、AI 晶片、資料中心、網路、軟體、遊戲、車用、機器人
核心技術	GPU、CUDA、AI 加速運算
是否自己製造晶片	否，NVIDIA 主要負責設計
主要晶片製造合作夥伴	台積電

NVIDIA（NVDA）輝達是做什麼的？

NVIDIA（輝達，股票代號 NVDA）是一家以 AI 運算與半導體設計為核心的科技公司，主要提供 GPU、AI 加速運算晶片、資料中心系統、網路設備，以及 CUDA 等軟體平台。許多人最早認識 NVIDIA 是因為 GeForce 顯示卡，但隨著 AI、雲端運算與資料中心需求快速成長，NVIDIA 現在的核心業務早已不只遊戲顯卡，而是逐漸發展成涵蓋晶片、系統、網路與軟體的 AI 運算平台公司。

NVIDIA 不只是顯示卡公司

早期 NVIDIA 最廣為人知的產品是 GeForce 顯示卡，因此許多人會把 NVIDIA 視為「顯示卡公司」。不過，顯示卡只是 GPU 的其中一種應用。

GPU 原本主要用於圖形運算，但因為具備大量平行運算能力，也非常適合 AI 模型訓練與推論。隨著生成式 AI 與大型語言模型快速發展，NVIDIA 的 GPU 逐漸成為 AI 資料中心的重要運算核心。

因此，NVIDIA 的發展可以簡單理解為：

GeForce 顯示卡 → GPU → AI GPU → AI 資料中心與完整運算平台

現在 NVIDIA 除了提供 GPU，也進一步布局 AI 伺服器系統、資料中心網路、CUDA 軟體平台、自駕車、機器人與邊緣運算等市場。

NVIDIA 主要業務有哪些？

主要業務	做什麼	代表產品或技術
AI／資料中心	提供 AI 訓練、AI 推論與高效能運算所需的晶片與系統	Blackwell、Rubin、DGX、HGX
GPU	提供圖形、AI 與平行運算能力	GeForce RTX、Data Center GPU
軟體平台	協助開發者使用 GPU 進行加速運算與 AI 開發	CUDA
資料中心網路	串聯大量 GPU 與伺服器，提高 AI 資料中心傳輸效率	NVLink、InfiniBand、Spectrum-X
遊戲與內容創作	提供遊戲、3D 與影音創作所需的圖形運算	GeForce RTX、DLSS
車用與自駕	提供車載運算與自動駕駛平台	NVIDIA DRIVE
機器人與邊緣運算	提供機器人、智慧設備與 Edge AI 運算平台	Jetson

因此，如果只把 NVIDIA 定義成「顯示卡公司」已經不夠完整。現在 NVIDIA 更接近一家提供 AI 晶片、資料中心系統、網路與軟體平台的完整運算公司。

輝達股票代號是什麼？NVIDIA 美股代號是 NVDA

輝達（NVIDIA）的美股股票代號是 NVDA，目前在美國 NASDAQ 掛牌交易。

因此，如果你在美股券商或財經網站搜尋 NVIDIA，可以直接輸入「NVDA」找到輝達股票。

簡單整理：

項目	NVIDIA 輝達
公司名稱	NVIDIA Corporation
中文名稱	輝達
美股代號	NVDA
上市市場	NASDAQ
主要業務	GPU、AI 晶片、資料中心、CUDA 軟體與 AI 運算平台

要注意的是，「NVDA」是 NVIDIA 的股票代號，不是產品名稱。像 GeForce、Blackwell、Rubin、DGX、CUDA 等，則是 NVIDIA 旗下的產品、架構或技術名稱。

NVIDIA 為什麼跟 AI 有關？

NVIDIA 之所以和 AI 高度相關，主要是因為它的 GPU 很適合處理 AI 模型需要的大量平行運算，再加上 CUDA 軟體平台、AI 系統與資料中心網路，讓 NVIDIA 從單純的 GPU 廠商進一步發展成完整的 AI 運算平台公司。

NVIDIA 在 AI 市場的優勢不只來自「晶片效能」，而是同時整合 GPU、軟體、系統與網路，形成完整的 AI 基礎設施生態系。

GPU 為什麼適合 AI？

AI 模型在訓練與推論過程中，需要同時處理大量數據與矩陣運算，而 GPU 的特色就是能同時執行大量平行運算，因此相較一般 CPU，更適合處理 AI、深度學習與高效能運算工作。

簡單比較 CPU 與 GPU：

CPU	GPU
少量高性能核心	大量平行運算核心
適合順序型任務	適合大量資料同時計算
通用計算	AI、圖形、矩陣運算

也可以把 NVIDIA 在 AI 市場的發展簡單理解成：

AI 模型需要大量矩陣與平行計算
↓
GPU 特別適合這類運算
↓
NVIDIA GPU 被大量應用於 AI 訓練與 AI 推論
↓
CUDA 讓開發者更容易使用 NVIDIA GPU 進行運算
↓
DGX、HGX、NVL 等平台再進一步把 GPU、網路與軟體整合成完整 AI 系統

因此，NVIDIA 能在 AI 市場快速崛起，不只是因為 GPU 效能強，而是它逐步把 GPU、軟體、資料中心系統與網路整合成一套完整的 AI 運算平台。

AI 訓練與 AI 推論差在哪？

AI 訓練是讓模型從大量資料中學習規則與參數，AI 推論則是把已經訓練完成的模型實際拿來產生答案、辨識圖片或執行任務。

簡單來說，訓練是「教 AI」；推論是「讓 AI 開始工作」。

比較項目	AI 訓練	AI 推論
主要目的	建立與調整模型	使用已完成的模型
運算需求	通常非常高	依模型與使用量而異
常見情境	訓練大型語言模型、影像模型	Chatbot 回答、圖片辨識、推薦系統
NVIDIA 角色	提供高效能 GPU 與 AI 系統	提供 GPU、推論平台與資料中心運算

對 NVIDIA 來說，AI 訓練與 AI 推論都需要大量運算資源，因此也是其資料中心 GPU、AI 系統與軟體平台的重要應用場景。

NVIDIA 主要產品有哪些？

NVIDIA 早期最廣為人知的是 GeForce 遊戲顯示卡，但目前產品已經延伸到 AI GPU、資料中心系統、網路設備、軟體平台、自駕車與機器人等領域。

如果從 NVIDIA 現在的產品布局來看，可以簡單分成「GPU 與運算晶片」、「AI 系統」、「軟體平台」以及「資料中心網路」幾個核心部分。

類型	代表產品／技術	主要用途
消費級 GPU	GeForce RTX	遊戲、影音與內容創作
AI／資料中心 GPU	Blackwell、Rubin	AI 訓練、AI 推論、高效能運算
AI 系統	DGX、HGX、NVL	整合 GPU、CPU、網路與軟體的 AI 運算平台
軟體平台	CUDA	GPU 加速運算與 AI 開發
資料中心網路	NVLink、InfiniBand、Spectrum-X	串聯大量 GPU 與伺服器
車用平台	NVIDIA DRIVE	自駕車與車載 AI
Edge AI／機器人	Jetson	機器人與邊緣 AI 運算

GeForce RTX：遊戲與內容創作 GPU

GeForce 是 NVIDIA 最廣為一般消費者熟悉的 GPU 系列，主要面向遊戲玩家、影音創作者與 3D 工作需求。

GeForce RTX 系列除了提供圖形運算，也加入光線追蹤、Tensor Core 與 AI 加速技術，可以提升遊戲畫面的光影效果與運算效率。

在消費級顯示卡市場中，GeForce 的主要競爭對手之一是 AMD Radeon 系列。

DLSS：利用 AI 提升遊戲畫質與效能

DLSS 全名為 Deep Learning Super Sampling，是 NVIDIA 為 GeForce RTX 系列開發的 AI 圖形技術。

簡單來說，DLSS 會利用 AI 協助重建或產生高品質畫面，讓遊戲不必完全依賴原生高解析度渲染，也能兼顧畫面品質與遊戲幀率。

因此，DLSS 可以視為 NVIDIA 將 AI 技術實際應用在消費級 GPU 的代表案例之一。

DLSS開啟後效能差異（資料來源：Nvidia官方網站）

Blackwell、Rubin：NVIDIA AI GPU 架構

如果說 GeForce 是一般消費者最熟悉的 NVIDIA 產品，那麼 Blackwell、Rubin 等 AI 運算架構，則是目前 NVIDIA 在資料中心與生成式 AI 市場的重要技術核心。

這類 GPU 主要不是拿來玩遊戲，而是部署在大型資料中心，用於 AI 模型訓練、AI 推論與高效能運算。

隨著 AI 模型規模越來越大，企業需要的不再只是單一 GPU，而是大量 GPU 彼此連接、共同運算，因此 NVIDIA 的產品也逐漸從「賣晶片」延伸到完整的 AI 運算系統。

DGX、HGX、NVL：從 GPU 延伸到完整 AI 系統

NVIDIA 不只設計 GPU，也提供將 GPU、CPU、記憶體、網路與軟體整合在一起的 AI 運算平台。

例如 DGX、HGX 與 NVL 系列，就是針對大型 AI 模型與資料中心設計的系統與平台。

簡單來說：

• GPU 是主要的運算核心。
• HGX 是整合多顆 GPU 與高速互連技術的運算平台。
• DGX 是 NVIDIA 提供的完整 AI 系統。
• NVL 則進一步把大量 GPU、CPU 與網路整合成機架級 AI 運算平台。

這也代表 NVIDIA 的商業模式已經不只是「賣一顆 GPU」，而是逐漸往整套 AI 基礎設施發展。

NVIDIA Networking：AI 資料中心也需要高速網路

當數十、數百甚至更多 GPU 同時進行 AI 運算時，GPU 之間能不能快速交換資料也會直接影響整體運算效率。

因此，NVIDIA 除了 GPU，也布局 NVLink、InfiniBand、Spectrum-X 等高速互連與資料中心網路技術，協助大量 GPU 與伺服器之間快速傳輸資料。

這也是理解 NVIDIA AI 競爭力時容易被忽略的一環：AI 資料中心不只需要高效能 GPU，也需要高速網路把這些 GPU 連接起來。

因此，現在理解 NVIDIA，不能只看單一顯示卡或 AI 晶片，而要把它視為一套完整的運算生態系：

GPU → AI 加速運算 → DGX／HGX／NVL → CUDA → NVLink／Networking → AI 資料中心

這也是 NVIDIA 從遊戲顯示卡公司，逐步發展成 AI 基礎設施公司的重要關鍵。

NVIDIA DRIVE、Jetson：自駕車與機器人 AI 平台

NVIDIA 的 AI 技術也延伸到資料中心以外的應用。NVIDIA DRIVE 主要面向汽車與自動駕駛運算，提供車載 AI 所需的硬體與軟體平台；Jetson 則主要應用於機器人、智慧設備與 Edge AI，讓 AI 模型可以直接在終端裝置執行。

CUDA 是什麼？為什麼是 NVIDIA 的重要競爭優勢？

CUDA 是 NVIDIA 開發的平行運算平台與程式設計工具，讓開發者可以使用 NVIDIA GPU 執行 AI、科學運算、資料分析與其他大量平行運算工作。

如果把 GPU 比喻成一台高效能機器，CUDA 就像是讓開發者能更方便操作這台機器的軟體工具與開發環境。透過 CUDA，開發者不需要只把 GPU 當成圖形處理器，也能利用 GPU 執行 AI 模型訓練、AI 推論及各種高效能運算。

CUDA 對 NVIDIA 的重要性，可以從三個層面理解：

1. CUDA 讓 GPU 不只用於遊戲與影像，而能進入 AI 與高效能運算市場。
2. 大量 AI、科學運算與開發工具已圍繞 CUDA 建立，使開發者更容易持續使用 NVIDIA GPU。
3. NVIDIA 的競爭優勢不只來自硬體效能，而是同時包含 GPU、CUDA、資料中心系統與網路等完整生態系。

因此，若只比較 NVIDIA、AMD 或其他晶片公司的 GPU 規格，可能還不足以理解 NVIDIA 的競爭力。NVIDIA 真正建立的優勢，是從硬體延伸到軟體、網路與系統平台的完整生態系。

NVIDIA 自己有製造晶片嗎？

NVIDIA 本身不經營大型晶圓製造工廠，主要負責 GPU、AI 晶片與相關運算平台的設計，因此屬於無晶圓廠半導體公司，也就是常說的 Fabless 公司（無廠半導體公司 或 IC設計公司）。

簡單來說，NVIDIA 主要負責晶片架構、產品設計與軟硬體平台開發，實際晶片製造則交由晶圓代工廠負責。

這種分工模式可以理解成：

NVIDIA 負責晶片設計
↓
晶圓代工廠負責製造
↓
封裝、記憶體與其他供應鏈廠商參與整合
↓
再進一步組成 AI 伺服器或資料中心系統

因此，雖然市場上常把 NVIDIA 稱為「AI 晶片公司」，但 NVIDIA 的核心角色比較接近晶片與運算平台設計者，而不是實際負責晶圓生產的製造商。

NVIDIA 和台積電是什麼關係？

NVIDIA 和台積電是晶片設計與晶圓製造的合作關係。

NVIDIA 負責設計 GPU 與 AI 晶片，台積電則提供先進製程與晶圓代工服務，協助將 NVIDIA 設計好的晶片實際製造出來。

隨著 AI 晶片效能與規模持續提升，雙方的合作也不只停留在晶圓製造，先進封裝等技術同樣成為 AI 晶片供應鏈的重要環節。

因此，可以把兩者的角色簡單理解為：

NVIDIA → 負責晶片設計與 AI 運算平台
台積電 → 負責先進製程與晶圓製造

台積電並不是 NVIDIA 的子公司，NVIDIA 也不是台積電旗下公司，而是彼此高度重要的供應鏈合作夥伴。

NVIDIA 的競爭對手有哪些？

NVIDIA 的業務已經橫跨遊戲 GPU、AI 晶片、資料中心、網路與軟體平台，因此競爭對手也不只一家，而且會依不同市場而有所不同。

競爭領域	NVIDIA	主要競爭對手
消費級 GPU	GeForce RTX	AMD Radeon、Intel Arc
AI／資料中心 GPU	NVIDIA Data Center GPU	AMD Instinct、Intel AI 加速器
AI 加速晶片	GPU／AI Accelerator	Google TPU、AWS Trainium／Inferentia 等自研晶片
資料中心網路	NVLink、InfiniBand、Spectrum-X	Broadcom 等網路與交換晶片業者
AI 軟體生態	CUDA	AMD ROCm、其他 AI 軟體與開發平台

AMD：NVIDIA 最直接的 GPU 競爭對手

AMD 是 NVIDIA 在 GPU 市場最直接的競爭對手之一。

在一般消費市場，AMD 以 Radeon 系列和 NVIDIA GeForce 競爭；在 AI 與資料中心市場，AMD 則透過 Instinct 系列加速器與 NVIDIA 的 AI GPU 競爭。

因此，如果單純比較「誰也在做 GPU」，AMD 是和 NVIDIA 最接近的競爭者。

Intel：從 CPU 延伸到 GPU 與 AI 運算

Intel 過去以 CPU 為核心，但近年也持續布局 GPU、AI 加速器與資料中心運算市場。

在消費市場，Intel Arc 與 GeForce、Radeon 形成競爭；在資料中心與 AI 領域，Intel 也透過不同加速運算產品爭取企業客戶。

不過，NVIDIA 與 Intel 的競爭並不只發生在單一 GPU，而是逐漸延伸到整體資料中心運算架構。

Google、AWS 等雲端業者也正在自研 AI 晶片

NVIDIA 另一類重要競爭者，不一定是傳統半導體公司，而是大型雲端服務商自己開發的 AI 晶片。

例如 Google 推出 TPU，AWS 也推出 Trainium、Inferentia 等自研晶片，希望降低部分 AI 工作對 NVIDIA GPU 的依賴。

這類競爭和 AMD、Intel 不太一樣，因為它們未必直接向所有消費者銷售晶片，而是把自研晶片整合進自己的雲端服務中。

NVIDIA 真正的競爭優勢不只在 GPU

如果只比較 GPU 規格，很難完整理解 NVIDIA 的競爭力。

NVIDIA 現在的優勢來自多個層次：

1. GPU 與 AI 加速運算硬體
2. CUDA 軟體與開發者生態
3. DGX、HGX、NVL 等 AI 系統
4. NVLink、InfiniBand、Spectrum-X 等高速網路
5. 長期累積的 AI 開發工具與企業生態系

因此，NVIDIA 面對的競爭已經不是單純「哪一家 GPU 比較快」，而是誰能提供更完整、更容易部署的 AI 運算平台。

NVIDIA 輝達概念股、供應鏈有哪些？

NVIDIA 本身屬於無晶圓廠半導體公司，主要負責 GPU、AI 晶片與運算平台設計，實際製造、封裝、伺服器組裝與系統整合，則需要與不同供應鏈廠商合作。

因此，市場上常說的「NVIDIA 輝達概念股」，通常是指與 NVIDIA 在晶圓製造、先進封裝、AI 伺服器、ODM 或系統整合等環節有合作關係的公司，而不是 NVIDIA 的子公司。

供應鏈角色	代表公司
晶圓製造	台積電
封裝／測試	日月光投控、京元電子等
AI Server／ODM	鴻海、廣達、緯創
Server Solution	Supermicro（SMCI）

台積電：NVIDIA 晶片製造的重要合作夥伴

NVIDIA 主要負責晶片設計，本身並不經營大型晶圓製造工廠，因此需要交由晶圓代工廠生產。

台積電就是 NVIDIA 供應鏈中相當重要的合作夥伴之一，負責先進製程晶片製造，並參與 AI 晶片相關的先進封裝供應鏈。

（資料來源：trandingview）

鴻海、廣達、緯創：AI 伺服器與 ODM 供應鏈

當 NVIDIA 的 GPU 被應用在大型 AI 資料中心時，還需要進一步整合 CPU、GPU、記憶體、儲存、網路、電源與散熱設備，才能成為完整的 AI 伺服器或機架系統。

鴻海、廣達、緯創等台灣 ODM 廠商，因此成為 AI 伺服器供應鏈的重要參與者。

Supermicro（SMCI）：AI 伺服器系統方案

Supermicro（美超微，股票代號 SMCI）主要提供伺服器、GPU 系統、機架與資料中心 IT 基礎設施，也是 NVIDIA AI 生態系中常被市場關注的伺服器業者。

相較於晶片製造商，Supermicro 更接近系統整合與伺服器解決方案角色，將 NVIDIA GPU 與其他硬體整合成可實際部署於資料中心的系統。

因此，理解 NVIDIA 概念股時，可以把整體供應鏈簡單拆成：

NVIDIA 晶片設計
↓
晶圓製造與先進封裝
↓
AI 伺服器／ODM 組裝
↓
Server Solution 與資料中心部署

這樣會比單純列出一串「輝達概念股名單」更容易理解每家公司在 NVIDIA AI 供應鏈中扮演的角色。

（資料來源：trandingview）

延伸閱讀：SMCI做什麼？美超微公司介紹、AI伺服器、NVIDIA關係與競爭優勢

NVIDIA 子公司和輝達概念股一樣嗎？

NVIDIA 子公司和市場常說的「輝達概念股」並不一樣。

NVIDIA 子公司是由 NVIDIA 直接持有或控制的企業；輝達概念股則通常是指與 NVIDIA 有供應鏈、合作、製造、伺服器組裝或技術關係的上市公司。

例如台積電、鴻海、廣達、緯創、Supermicro（SMCI）雖然都和 NVIDIA 的 AI 晶片、伺服器或資料中心供應鏈有關，但它們都不是 NVIDIA 子公司。

可以簡單理解成：

NVIDIA 子公司
→ 屬於 NVIDIA 集團體系

NVIDIA 供應鏈／概念股
→ 與 NVIDIA 有業務合作，但本身是獨立公司

因此，在看「NVIDIA 子公司有哪些」或「輝達概念股有哪些」時，兩者不能混為一談。對投資人來說，真正更常接觸到的通常是 NVIDIA 供應鏈與概念股，而不是 NVIDIA 旗下子公司本身。

Nvidia (NVDA) 輝達財報分析

從財報的角度來看Nvidia，其實他是一家無可挑剔的公司。你很難想像一間成長了超過20年的公司，他的EPS過去十年的年化成長率高達41.8%，甚至過去三年成長率更達到驚人的90%

（資料來源：股票老闆）

同時我們也可從他25年Q4的收益分佈來看（下圖），資料中心的營收大約佔了全部營收的87％，而資料中心就是專門負責AI GPU部門的中心，從此也可以看出AI對於Nvidi的營收成長有多麽顯著的幫忙。

（資料來源：appeconomyinsights，Tony整理）

另外也可以關注一個細節就是Nvidia在營收大量成長的情況下，但不是透過壓低毛利率來達成，相反的，Nvidia的毛利率從2014年的54.92，到現在高達72.72，由此可見其產品的功能強大到讓他可以有非常高的價格訂價權利。而且至今排名老二的AMD都看不到騎車尾燈的地步。

看完Nvidia賺錢的能力後，來看看Nvidia這家公司有沒有哪些財報上需要注意的風險。

一般來說Tony會觀察該公司的負債狀況，因為一家公司沒有負債，就不會倒閉，但合理的負債，也會讓這家公司有更好的發展，攤開最2024年的財報，可以看到目前Nvidia的長期負債為121億美金，而他手上的現金及約當現金有72億美金，雖然看起來現金好像不足以償還他的總負債，但不要忘了，Nvidia 2023年全年總共淨賺了297億美金，因此這一點點的負債對Nvidia來說根本不算什麼。

不過這種高速成長的公司，最大的缺點就是本益比都非常的高，目前Nvidia 2024年5月5日的本益比為72.27，相當於你現在投資，需要72.27年才能回本，但不要忘了，他是一家高速成長的公司！根據他給出來的財報指引，及市場的預估，Nvidia在2024年財報年度，EPS將來到25.33，換算下來他的遠期本益比僅為35。因此現階段來說，Nvidia還是算相對便宜的股票。

（資料來源：trandingview）

對Nvidia這種成長型公司來說，大家會更關注的是他的股價成長，當然，他也有配息，可是相對配息而言，股價成長所帶來的獲利更加可觀。目前Nvidia每年配息為每股0.16美金，換算下來殖利率大約是0.01％，可以說如果你想領股息的人，Nvidia絕對不會是你的首選。

NVIDIA 股價怎麼查？

如果你想要知道目前輝達的股價，可以直接在Google搜尋NVDA stock，就會出現目前輝達的股價，或者是使用TradingView，他是目前最好用的股票觀察系統，可以看到全世界股票的股價，除了輝達股價走勢基本資訊之外，還會告訴你目前分析師對輝達的預期，以及他們設定的目標格區間落在哪。(要看到一些分析就需要付費，如果你真的覺得有需要，這邊有準備15美金的折扣給你）

同時你也可以透過TradingView，去建立你自己的股票觀察清單，你只需要簡單的註冊，就可以免費使用非常多的功能，點我註冊

（資料來源：Tradingview）

如果你想知道輝達過去的歷史股價，可以到Yahoo Finance，打上輝達股價代號NVDA，點選Historical Data，就可以搜尋到輝達歷史股價了。

（資料來源：Yahoo Finance）

Nvidia拆股對股價的影響是什麼？

2024/6 更新：NVIDIA輝達在6/7進行股票分割（也就是「拆股」），將1股拆成10股，而拆股意義為何？有什麼影響呢？請參考下方～

2021年七月輝達宣佈將現有股價一拆四，當時公司給出的理由是，令投資者及員工更容易持有股票，也確實，透過拆股的方式，讓原本股價750多美金一股的股票，變成187.5美元。通常在美股，拆股（也就是「股票分割」，Stock Split）是一個很常見的策略，除了讓股票能夠被更多投資人購買外，也可以有助於現有投資者進行部分獲利了結。另外當公司宣佈分拆的時候，多數情況也代表說公司對於自己未來前景看好，因此希望讓更多投資者進入持有公司股票。

Nvidia (NVDA) 輝達股票怎麼買？

作為AI龍頭概念股，相信你也或多或少想參與這波AI浪潮，因此接下來會為你提供幾個方式，讓你可以參與Nvidia的投資機會。目前台灣投資美股有下列兩種方式：(1)「複委託」；或 (2) 開設「海外券商」，其中Tony兩種方式都有用過，比較起來更喜歡透過海外券商進行投資，因為除了可以有較低的手續費（甚至很多券商推出無手續費），還可以進行股息再投資。而且還有一個最重要的就是，海外券商，你在該公司是記名股東，但透過複委託，其實你的股票並不是在你名下，而是券商名下。光是這點就會讓我更願意把錢放在海外券商投資。

💡 了解更多｜複委託＆海外券商
>> 複委託是什麼？複委託手續費多少？複委託 vs 海外券商比較

💡 了解更多｜美股券商四間評比
>> 美股開戶推薦－2024最新版美股券商比較

另外，目前海外券商Tony主要有在使用的是IB跟嘉信證券。有鑒於嘉信證券有最低25000美金的門檻，對許多小資族來說會是一個負擔，因此Tony會更推薦你可以先使用IB盈透證券來進行投資，關於盈透證券的開戶及他的優勢，我也寫成了另外一篇文章，提供你參考。

💡 了解更多｜IB盈透證券
>> IB盈透證券3年+使用經驗分享：IB開戶？手續費？入金操作？(圖解)

💡 了解更多｜IB盈透證券買美股教學
>> 如何買美股？透過IB盈透證券買入你的第一支美國股票(電腦下單)

Nvidia (NVDA) 輝達股票 近10年回報率分析

根據dividendchannel所提供的資訊，Nvidia（股票代號：NVDA）在過去10年的時間股票報酬率為22,695%，平均年化報酬率為69.94%，如果你有做股息再投資，則總報酬率為24,022.65%，平均年化報酬率為70.88%。雖然NVDA的股息配發率不高，但拉長十年後也會發現報酬率差了快200％。

(資料來源：dividendchannel）

當然，像這種高速成長的公司，股票的震盪幅度也會比較大，尤其短時間之內高速上漲的公司，震盪幅度會更加大，像SMCI也曾經一天之內跌了20％，而輝達在2024/03/08，也曾在當日出現超過10％的振幅，所以如果購買這類型的股票，就要有心理準備會短期內波動會比較大。

不過輝達股價暴跌，其原因跟公司的獲利能力沒有關係，主要是因為短期內漲太多，而當天又是週五，是部分選擇權的結算入，讓許多機構的選擇權需要去做對沖，才導致當日在觸及歷史新高後，又再跌了下來。

該買Nvidia (NVDA) 輝達股票嗎？

很多人會說，Nvidia現在這麼貴，會不會步入當年網路泡沫的後塵，這邊我必須跟大家講一下，現在的AI浪潮與2000年科技泡沫最大的差異就是，現階段所有相關的公司都有著驚人且可觀的獲利，你可以看到Nvidia，SMCI營收跟淨利潤都是飛躍式的成長。

因此我不認為他會重蹈科技泡沫甚至NFT元宇宙等相關議題的泡沫化。相反的隨著AI更佳融入了我們的生活，大家會更積極的強佔AI的商機，而背後這些生產工具的人，就會獲得最大的利益。這點，你也可以從trandingview統整了51為分析師所給出來的目標價可以看出，目前平均來說預測Nvidia將在一年後達到997美金以上。

（資料來源：trandingview）

PS.如果想看其他公司的股票，分析師所給出的預測，在trandingview上是需要付費才能看到這個功能，因此現在可以透過這個連結註冊，即可獲得15美金的折扣！

我曾在175元分批買入Nvidia，當時還沒有AI浪潮，但那時候我看好他在遊戲領域上無人能及！而現在對Tony來說，目前Nvidia在AI領域完全沒有競爭對手，甚至老二跟老三加起來都看不到他的車尾燈。因此我對Nvidia是抱持者非常樂觀的狀態，現階段只要股價有回調，就會考慮加碼購入他。目前我可能會買入的價格將落在760元附近會開始加碼。當然以上都只是我個人的經驗分享，不構成任何的投資建議，如果你想要投資Nvidia希望這篇文章可以給你一些啟發後，然後去研究更多。

(Tony嘉信證券帳戶截圖）

NVIDIA 常見問題 FAQ

・作者：Tony
・經歷：投資美股超過 5 年，利用期貨、選擇權與房地產，累積超過千萬財富。擅長利用多元金融策略，創造穩定的資產成長。同時也是《永續時代來臨，用愛心才能賺到更多錢》永續投資書籍作者，並獲亞馬遜繁體中文榜第一名暢銷著作。曾與羅伯特清崎、賴佩霞等知名演講者一同演講。目前開設美股投資線上課程及客製化投資一對一教學。
・瞭解更多關於我 👉 https://warm-investor.com/about-me/
・社群 follow 最新 👉 Facebook｜Instagram｜YouTube｜Threads