輝達的第三成長曲線：三塊在財報上看不見的業務

第一章：同一套打法——平台、開放模型、共同實驗室

先把三塊看似無關的業務放在同一張桌上：自駕車、AI 新藥、人形機器人。表面上是三個產業，實際上是同一個劇本演三次。輝達在每一塊做的事情完全一致——先鋪一個開發平台（DRIVE、BioNeMo、Isaac），再開放一組預訓練模型（Alpamayo、Clara、GR00T），最後跟該領域最大的玩家設共同實驗室或旗艦合作案（Uber、禮來、鴻海）。這不是賣晶片的生意，是把 CUDA 當年在資料中心的打法，原封不動搬到實體世界與科學領域。

敘事主線因此可以畫成一條線：資料中心 → 推論專用機（Groq 3 LPX、Vera CPU）→ 實體 AI 與科學 AI。第一段是現在的現金流，第二段是正在放量的過渡，第三段——就是本文的三塊——是財報上還看不見的未來。

所以投資判斷要先定性：這三塊是選擇權價值，不是現金流。它們對 FY2027、FY2028 的每股盈餘貢獻趨近於零，買進輝達的人不會因為這三塊在下一季財報上看到任何驚喜。它們決定的是另一件事：FY2030 之後，市場願意給輝達幾倍。這個定性貫穿全文——我們評估的不是「這三塊現在賺多少」，而是「這三張選擇權各自值多少、履約機率多高」。

第二章：自駕——輝達賣的不是自駕晶片，是一整套品牌車自駕／robotaxi 開業包

自駕這一塊，市場慣用的敘事是「輝達 vs 特斯拉的晶片之戰」。這個框架抓錯了商品。輝達賣的不是一顆晶片，是一套三層堆疊的完整開業包——而且同一套堆疊，賣進兩個不同的通路：對車廠，它是「品牌車自駕」的整套方案，讓 Mercedes、BYD 們把 L2+ 到 L4 的能力掛上自己的品牌；對叫車平台，它是「robotaxi 開業包」，讓 Uber 們不用自己養自駕團隊就能開車隊。一次研發，兩條變現路徑：

Alpamayo 被輝達定位為「全球第一個會思考的自駕模型」——用推理處理極端情境，而非窮舉規則，這是與特斯拉 FSD 的正面對決點。而半年迭代三版的節奏，本身就是投入強度的訊號。

客戶名單清楚地分成兩排。品牌車這一排：BYD、吉利、Isuzu、Nissan、現代／起亞、VinFast 都在用這套堆疊開發 L4，量產導入走在最前面的是 Mercedes-Benz——CLA 是首款搭載完整堆疊的量產車。robotaxi 這一排：Uber、Bolt、Grab、Lyft、TIER IV。其中最大的單一籌碼是 Uber：用 Hyperion 10 加 DRIVE AV 全端軟體擴張 L4 車隊，輝達稱可支援 Uber 逐步擴至 10 萬輛，2027 年上半年從洛杉磯、舊金山起跑，2028 年前擴至 28 個市場。

第三章：AI 新藥——先看懂藥是怎麼上市的，再談 AI 改變了什麼

這一章在講輝達之前，需要先建立一個多數科技投資人沒有的底盤：一顆藥從實驗室走到藥局，到底要經過什麼。沒有這個底盤，任何「AI 加速新藥研發」的新聞都無法正確定價。

科普底盤：新藥研發的漏斗

製藥業的殘酷從一個漏斗開始：篩選 5,000 至 10,000 個化合物，約 250 個能進臨床前試驗，約 5 個能進人體臨床，最後 1 個上市。全程 10 至 15 年。

看懂這個漏斗，就看懂 AI 製藥新聞的正確讀法：「AI 設計的分子進入 Phase 1」離上市還隔著 92.1% 的失敗機率；真正的墳場在 Phase 2——那裡考的不是分子做得漂不漂亮，是標靶挑得對不對。

AI 改變了什麼？數據說話

AI 真正壓縮的是漏斗的最前段。Insilico Medicine 的 rentosertib（肺纖維化用藥）從標靶假說到臨床前候選分子只花了不到 18 個月、約 260 萬美元——傳統這一段要 4 至 5 年。這顆藥的 Phase 2a 結果 2025 年登上 Nature Medicine（60mg 劑量組 12 週 FVC 改善 +98.4 mL，安慰劑組 -20.3 mL），並於 2026 年 7 月進入 Phase 3——這是目前全球 AI 設計藥物走得最遠的一顆。

但整體統計潑了一盆必要的冷水。BCG 團隊 2024 年發表於 Drug Discovery Today 的分析顯示：AI 發現分子的 Phase 1 成功率高達 80% 至 90%，遠高於歷史平均的 52%——AI 確實很會做「像藥的分子」；但 Phase 2 成功率約 40%，與傳統藥廠相當。換句話說，AI 通過了化學這一關，還沒通過生物學這一關——挑對標靶這個最貴的問題，AI 尚未證明比人強。全球 6,147 個臨床開發中的藥物裡，AI 發現的只有 67 個，約 1%。第一個進入 Phase 1 的 AI 設計分子 DSP-1181（Exscientia，2020 年）在 Phase 1 後就中止了。截至 2026 年 8 月，全球尚無任何一顆 AI 從頭設計的新藥獲得核准。

輝達在這個賽局裡的位置：賣鏟子，不賭金礦

理解了上面的機率結構，輝達的策略選擇就非常清楚了。2026 年 1 月 JP Morgan 醫療健康大會上，輝達與禮來宣布在舊金山灣區設立共同創新 AI 實驗室，五年內共同投入最高 10 億美元；實驗室建構於 BioNeMo 平台加 Vera Rubin 架構。在此之前，禮來已自建 1,016 顆 Blackwell Ultra 的系統——被稱為製藥業最強的 AI 工廠。Amgen 的 Freyja 用 248 顆 H100，Novo Nordisk 用的 Gefion 超級電腦搭載 1,528 顆 H100。生態系裡還有 Genentech、Thermo Fisher（共建自主實驗室）、Illumina、Schrödinger、Chai Discovery、Basecamp Research、Boltz。

那 BioNeMo 本身怎麼賺錢？答案是：幾乎不直接賺。BioNeMo 框架自 2024 年 11 月起完全開源（Apache 2.0），免費。唯一有公開標價的直接軟體收入，是生產環境部署 NIM 微服務所需的 NVIDIA AI Enterprise 授權——每 GPU 每年 4,500 美元，而且這是全平台授權，輝達不揭露 BioNeMo 的占比。真正的錢在硬體：上面每一個合作案背後，都是數百到上千顆 GPU 的採購。輝達醫療副總裁公開的口徑是：healthcare 已是年營收超過 10 億美元的業務，對應的潛在市場規模自估 1,000 億美元——但財報裡不設醫療分部，這些數字無法從外部驗證。

最能說明輝達真實立場的，是它自己的錢怎麼動。2023 年 7 月，輝達以 5,000 萬美元 PIPE 投資 AI 製藥旗艦 Recursion，消息當天 Recursion 股價漲了約 80%。兩年半後，2026 年 2 月揭露的 13F 顯示：輝達已把 771 萬股全數出清，估計虧損約五成出場。同一時間，Recursion 用 504 顆 H100 打造的 BioHive-2 超級電腦照常運轉，BioNeMo 合作照舊。Recursion 的臨床管線則印證了 Phase 2 墳場的統計：兩個最領先的候選藥 2025 年 5 月雙雙中止，目前最好的數據是一個 12 人的開放標籤試驗。股權賠錢出場、硬體與平台生意照做——這就是「賣鏟子，不賭金礦」最乾淨的實例，而做出這個選擇的，正是最了解這個賽局的玩家。

第四章：機器人——最早期的一塊，但台灣的產線已經開始用

三塊裡最早期的是機器人。輝達的做法還是同一個劇本：Isaac GR00T Reference Humanoid 是首個開放人形機器人參考設計，建構於 Jetson Thor 加 Isaac GR00T 開發平台；FY27Q2 從自駕的 Halos 安全系統擴展出 Halos for Robotics，補上實體 AI 的全端安全層。平台、開放模型、參考設計——跟自駕和新藥的打法一模一樣。

這一塊目前沒有可信的營收數字可以引用，篇幅就該誠實地短。但有一個已經落地的訊號值得記下：鴻海位於德州休士頓的 AI 伺服器廠，將把輝達 Isaac GR00T N 人形機器人導入產線——機器人第一批真正的商業部署場景，不是科幻片裡的家庭管家，是本系列上一篇〈輝達的黃金十年，台灣分到的是營收還是利潤？〉寫過的那些台灣組裝廠的產線。實體 AI 的第一個客戶，是製造實體 AI 硬體的工廠自己。

為什麼財報上看不見這三塊業務？

這是全篇誠實度的來源，必須用數字回答。自駕、機器人（以及 PC、遊戲主機、工作站、AI-RAN 基地台）合併揭露在 Edge Computing 分部：FY27Q2 該分部營收 72 億美元，年增 27%、季增 13%，佔總營收 7.5%；上一季（FY27Q1）是 64 億美元、年增 29%。對照同期資料中心 117% 的年增率，Edge 分部是輝達成長最慢的一塊，而自駕、機器人在其中的占比，公司不單獨揭露，外部無從拆分。AI 新藥則更間接——它的收入形態是 GPU 採購與雲端算力租用，直接混在資料中心分部裡，連一個可以指認的分部都沒有。

所以「第三成長曲線」在今天的損益表上，是一條幾乎畫不出來的線。這正是為什麼本文開頭就把它定性為選擇權：你不是在買一條已經存在的成長曲線，是在買「這條曲線未來會不會出現」的機率。

結論：這三張選擇權，該怎麼給價

把這篇放回系列的座標。本系列的初次覆蓋研究用估值三情境給了輝達本業的定價框架——那個框架評估的是資料中心現金流的品質與持續性。本文的三塊，是三情境裡「牛市情境」背後真正的內容物：如果 FY2030 之後市場還願意給輝達成長股的倍數，理由不會是資料中心的第七年高成長，而是這三張選擇權裡至少有一張開始履約。反過來說，如果你只相信基本情境，這三塊的價值可以直接記為零——這篇文章給你的，是判斷這個「零」是否過於保守所需要的全部材料。