Wil je alle artikelen kunnen lezen en elke podcast beluisteren? Neem dan een abonnement en krijg toegang tot alle artikelen en de database met duizenden berichten.

Geen tijd om het volledige artikel te lezen? Gebruik dan de vijf onderstaande bullets voor de belangrijkste punten.

■ De echte test is niet een gewone beat, maar of NVIDIA GPU’s technologisch sneller kan laten verouderen terwijl ze financieel juist langer waarde houden.
■ Rubin versus Blackwell is de belangrijkste metric: als Rubin versnelt zonder Blackwell hard te vernietigen, overlappen generaties en groeit de installed base door.
■ Een marge rond 75% is sterker dan hij lijkt als NVIDIA tegelijk duurdere memory, meer complete systemen en een complexe racktransitie absorbeert.
■ Vera CPU, SOCAMM2 en agent-memory zijn cruciaal, omdat agentic AI veel CPU-side state, retrieval, tool execution, context en orchestration nodig heeft.
■ Onze Investment view op NVIDIA blijft positief, maar de lat ligt hoger: NVIDIA moet bewijzen dat compute tegelijk product, onderpand, infrastructuurasset en financieringsmechanisme kan worden.

NVIDIA rapporteert woensdag met hoge verwachtingen, maar dit kwartaal draait niet om een gewone omzetbeat. De markt weet inmiddels dat NVIDIA vaak boven de lat uitkomt. De echte vraag is of NVIDIA kan bewijzen dat GPU’s technologisch sneller mogen verouderen, terwijl ze financieel juist langzamer afschrijven.

Dat is de vreemde, maar centrale test rond Rubin. NVIDIA moet nieuwe generaties snel genoeg lanceren om klanten naar upgrades te trekken, maar oude generaties mogen niet economisch waardeloos worden. Als Blackwell, Hopper en zelfs A100’s na de komst van Rubin nog steeds bruikbaar blijven voor inference, fine-tuning, enterprise workloads en cloudhuur, ontstaat iets dat veel groter is dan een gewone chipcyclus.

De verwachtingen zijn al hoog. Visible Alpha zit rond $92,2 miljard omzet voor Q2, waarvan $85,7 miljard Data Center, tegenover NVIDIA’s eigen guide van $91 miljard. Voor het oktoberkwartaal ligt consensus rond $104 miljard, terwijl tier-1 analisten eerder kijken naar $94 miljard tot $95 miljard dit kwartaal en $107 miljard tot $110 miljard volgend kwartaal. Tegelijk prijst de optiemarkt maar een beweging van ongeveer 5,4% rond de cijfers in, lager dan de 6,5% voor de vorige cijfers en lager dan het gemiddelde van 7,4% over de vorige twaalf rapportages.

Dat is een opvallende combinatie. De analistenverwachtingen worden agressiever, terwijl de optiemarkt NVIDIA juist als voorspelbaarder behandelt. Daardoor is een routinebeat minder waard dan vroeger. De markt wil niet alleen weten of NVIDIA meer omzet maakt, maar of de economische levensduur van AI-compute langer wordt dan de technologische upgradecyclus doet vermoeden.

Investment view

Onze Investment view op NVIDIA blijft positief. NVIDIA blijft de kernnaam binnen AI-compute, maar de investment case wordt minder simpel. Het bedrijf is niet meer alleen een chipmaker die sneller groeit dan verwacht. NVIDIA probeert een compleet economisch systeem rond AI-compute te bouwen: GPU’s, CPU’s, racks, networking, software, financiering, restwaarde en mogelijk deelname in toekomstige compute-omzet.

Daarom is deze earningscall belangrijker dan een normale kwartaalupdate. De echte vraag is of Rubin, Blackwell, Vera, CUDA, marges en financiering samen één sterker model vormen. Als dat lukt, verkoopt NVIDIA niet alleen snellere chips, maar bouwt het een markt waarin compute langer waarde houdt, gefinancierd kan worden en over meerdere generaties inkomsten blijft opleveren.

De kern van de bullcase is tegelijk vreemd en krachtig. Rubin moet Blackwell snel genoeg technologisch verouderen om nieuwe upgrades te rechtvaardigen, maar CUDA moet Blackwell lang genoeg economisch waardevol houden om leasing, cloudcontracten, financiering en neocloudmodellen te ondersteunen. Normaal botsen die twee doelen. NVIDIA probeert ze juist te combineren.

Een gewone beat is daarom niet genoeg. De bevestiging komt pas als NVIDIA laat zien dat Rubin versnelt zonder Blackwell hard te kannibaliseren, dat marges rond 75% standhouden, dat Vera de GPU-vloot beter benut, dat oudere GPU’s rental value houden en dat externe financiering compute als infrastructuur kan dragen.

Belangrijkste punten voor beleggers

■ Rubin versus Blackwell is de belangrijkste test. Rubin is geen vaag toekomstverhaal meer. NVIDIA gaf eind mei al aan dat Vera Rubin richting full production ging, terwijl channel checks wijzen op R200-volume vanaf juli. Er circuleren schattingen van bijna 1,9 miljoen Rubin-GPU’s dit jaar. De markt begrijpt de totale vraag naar AI-compute, maar de verdeling tussen Blackwell en Rubin is veel minder duidelijk. Dat blijkt uit de extreme spreiding in analistenramingen voor B-series revenue, van $6,3 miljard tot $76,3 miljard. De beste metric is daarom niet Blackwell apart en ook niet Rubin apart, maar Blackwell plus Rubin samen. Als Rubin hard stijgt zonder dat Blackwell even hard wegvalt, heeft NVIDIA geen normale vervangingscyclus. Dan overlappen generaties en groeit de installed base tegelijk door.

■ De marge rond 75% is belangrijker dan een gewone omzetbeat. NVIDIA gaf voor Q2 een non-GAAP gross margin van ongeveer 75% af. Dat is op zichzelf al hoog, maar bij deze productmix is het nog sterker. NVIDIA verkoopt steeds meer complete racks en systemen, neemt meer memory-content op in de BOM en gaat door een dure architectuurtransitie. Complete systemen kunnen structureel lagere marges hebben dan losse high-value silicon. Als de geconsolideerde marge toch rond mid-70s blijft, betekent dat dat de prijszettingsmacht in GPU’s, networking, software en platformcontrole sterker is dan de headline margin laat zien.

■ Vera CPU en agent-memory verdienen meer aandacht dan alleen HBM. De markt kijkt vaak naar HBM, maar bij Rubin kan de echte bottleneck steeds meer bij CPU-side memory liggen. Een tier-1 BOM-analyse schat memory op ongeveer 62% van de kostprijs van een Vera Rubin-superchip, tegenover ongeveer 53% bij Blackwell Ultra. Verrassend is dat HBM4 daarin slechts ongeveer 12,7% zou zijn, terwijl SOCAMM2 aan de Vera CPU rond 49,8% uitmaakt. Dat wijst op een agent-memory-probleem. Agentic AI vraagt enorme CPU-side memory voor state, retrieval, tool execution, databases, omgevingen, context en outputcontrole. Als een dure GPU wacht op CPU-side operations, staat kapitaal stil. Vera is dus niet alleen een CPU-product, maar een manier om de utilization rate van de GPU-vloot te verhogen.

■ CUDA moet oudere GPU’s financieel langer waardevol houden. Hier zit de paradox in NVIDIA’s model. Rubin moet Blackwell technologisch vervangen, maar CUDA moet Blackwell, Hopper en zelfs oudere A100’s economisch bruikbaar houden. De verklaring is workload migration. Frontier training schuift naar de nieuwste generatie, Blackwell kan meer richting inference gaan, Hopper richting fine-tuning, kleinere inference en enterprise workloads, terwijl A100’s nog in goedkopere cloud- en rentalcontracten kunnen blijven draaien. Als dat werkt, ontstaat een compute yield curve: elke generatie krijgt een eigen functie, prijs en looptijd. Dan verhoogt een snelle innovatiecyclus niet alleen de vervangingsvraag, maar ook de totale onderpandwaarde van de installed base.

■ De $500 miljard financieringsstrategie draait om GPU-hours, niet alleen om GPU’s. NVIDIA en grote kapitaalverschaffers proberen compute om te vormen tot een infrastructure asset class. De eenheid die Wall Street moet financieren is dan niet langer een losse GPU, maar een toekomstige stroom GPU-hours. Als compute financierbaar wordt op basis van utilization, leasecontracten, rental value en residual value, kan NVIDIA de markt vergroten zonder alles zelf op de balans te nemen. Sommige tier-1 modellen zien een 2GW tot 5GW financed neocloud ecosystem als goed voor ongeveer 10% extra EPS via high-margin revenue sharing. Dat betekent dat NVIDIA dezelfde silicon mogelijk twee keer kan monetizen: eerst via hardwareverkoop en daarna via deelname in de economische output van de infrastructuur.

■ Hyperscale versus ACIE wordt een earnings-quality metric. NVIDIA’s nieuwe splitsing tussen Hyperscale en ACIE kan belangrijker worden dan de markt nu ziet. Hyperscale bevat de grote public clouds en consumer internet platforms. ACIE bevat AI clouds, industrial, enterprise en purpose-built AI factories. Het verschil is cruciaal, omdat hyperscalers grote eigen cashflows hebben, terwijl veel ACIE-klanten externe financiering nodig hebben. ACIE-groei die wordt gefinancierd door onafhankelijk third-party capital is sterker dan ACIE-groei die vooral door NVIDIA zelf wordt ondersteund. Revenue growth en revenue quality kunnen vanaf nu uit elkaar lopen.

■ China is upside, niet de basis van de guide. NVIDIA’s guidance gaat uit van nul China Data Center compute revenue. Daardoor kan China extra omzet geven zonder noodzakelijk te zijn om de onderliggende guide te halen. Eerste H200-leveringen zouden ByteDance en Tencent hebben bereikt, maar slechts rond 10.000 units per bedrijf, tegenover Amerikaanse autorisaties tot 100.000 per bedrijf. De echte China-read-through is niet alleen omzet. Elke H200 die in China wordt ingezet, koopt CUDA nog een generatie ontwikkelaarstijd terwijl binnenlandse alternatieven verbeteren. De omzet is incrementeel, maar de softwareduur kan strategisch waardevoller zijn.

Rubin als kern van de test

Rubin is de kern van deze earningscall omdat het de klassieke halfgeleiderlogica kan doorbreken. Normaal vervangt een nieuwe chipgeneratie de oude. Bij NVIDIA kan een nieuwe generatie de oude technologisch naar beneden duwen, maar economisch bruikbaar houden.

Dat verschil is enorm. Als Rubin alleen Blackwell vervangt, ontstaat een normale productcyclus met kannibalisatie. Als Rubin bovenop Blackwell komt, ontstaat een overlappende generatiestructuur. Dan groeit de installed base en blijven oudere generaties bruikbaar voor minder zware, maar nog steeds winstgevende workloads.

Voor beleggers is dat veel belangrijker dan een paar miljard omzet meer of minder in één kwartaal. Het bepaalt of NVIDIA een hardwarebedrijf blijft met snelle cycli, of een computeplatform wordt waarin elke generatie een eigen economische levensduur krijgt.

Memory als margetest

De memory-discussie is belangrijk omdat Rubin meer complete systeemwaarde naar zich toe trekt. De markt noemt dit vaak een HBM-verhaal, maar dat is te smal. Agentic AI vraagt veel meer memory rond de CPU-kant van het systeem. Retrieval, toolgebruik, databases, state, context en orchestration zitten niet alleen in de GPU.

Daarom is SOCAMM2 zo belangrijk. SK Hynix begon met massaproductie van 192GB SOCAMM2 voor Vera Rubin, maar recentere berichten wijzen erop dat NVIDIA de standaard geplande modulecapaciteit heeft verlaagd van 192GB naar 64GB omdat memory duur werd. Tegelijk melden servermakers dat vroege 2027 Vera Rubin- en Grace Blackwell-systemen meer dan 15% duurder kunnen worden.

Dat wordt een directe prijstest. Als klanten die hogere systeemprijzen accepteren, kopen zij niet op basis van aanschafprijs, maar op basis van tokens per dollar en tokens per watt. Dan bewijst NVIDIA dat de economische prijs van AI-compute niet door de BOM wordt bepaald, maar door output.

Vera als strategische hefboom

Vera verdient meer aandacht dan alleen “extra CPU-omzet”. Agentic AI verandert de verhouding tussen CPU-werk en GPU-werk. Agents runnen code, roepen tools aan, manipuleren databases, doen retrieval, houden omgevingen vast en evalueren output tussen GPU-stappen door.

Een GPU die wacht op deze CPU-side operations is een extreem duur idle asset. Vera helpt NVIDIA daarom niet alleen een nieuw stuk TAM aan te spreken, maar vooral de benuttingsgraad van de GPU-vloot te verhogen. Dat is strategisch veel belangrijker dan alleen de verkoop van CPU-only racks.

Als Vera de workflow rond Rubin versnelt, verhoogt NVIDIA de waarde van het hele systeem. Dan wordt de CPU geen bijproduct, maar een controlepunt voor GPU-utilization. Dat past precies bij NVIDIA’s bredere doel: niet alleen chips verkopen, maar de economie van AI-compute sturen.

Financiering als volgende fase

De $500 miljard financieringsstrategie is geen detail. Als AI-compute een infrastructuurmarkt wordt, moeten banken, fondsen en kapitaalverschaffers kunnen financieren tegen verwachte GPU-hours, contracten, utilization en restwaarde.

Daarom is de economische levensduur van oudere GPU’s zo belangrijk. Als Blackwell na Rubin waardeloos wordt, valt het compute-financieringsmodel uit elkaar. Dan is er onvoldoende onderpand, wordt leasing moeilijker en wordt externe financiering duurder of kleiner. Als Blackwell, Hopper en A100’s daarentegen blijven doorschuiven naar andere workloads, ontstaat er een onderpandstructuur. Dan kunnen investeerders rekenen op meerdere lagen van compute-opbrengsten.

Dit is de diepere betekenis van het model. NVIDIA kan hardware verkopen, maar ook meeprofiteren van de output van de infrastructuur die met die hardware wordt gebouwd. Dan verandert NVIDIA van chipverkoper in een bedrijf dat een deel van de economische laag boven AI-compute controleert.

ACIE als maatstaf voor omzetkwaliteit

ACIE wordt een belangrijke test voor de kwaliteit van NVIDIA’s groei. Hyperscalers kunnen zelf financieren, hebben enorme cashflows en kunnen grote AI-capex intern dragen. ACIE-klanten, zoals AI clouds, industrial AI, enterprise en purpose-built AI factories, hebben vaker externe financiering nodig.

Dat maakt de herkomst van de groei belangrijk. ACIE-groei is sterker als onafhankelijke kapitaalverschaffers het risico dragen. ACIE-groei is zwakker als die vooral leunt op garanties, investeringen of steun van NVIDIA zelf. In dat geval groeit de omzet wel, maar de kwaliteit van die omzet is lager.

Beleggers moeten daarom niet alleen vragen hoeveel ACIE groeit, maar wie de rekening betaalt en waar het risico blijft hangen. Revenue growth en revenue quality kunnen vanaf nu uit elkaar lopen.

Call-check voor beleggers

De call moet bewijzen dat NVIDIA niet alleen harder groeit, maar beter groeit. Rubin moet versnellen zonder Blackwell hard te kannibaliseren. De marge rond 75% moet standhouden ondanks hogere memory-content en meer systeemmix. Vera moet aantonen dat NVIDIA GPU-utilization beter kan controleren. ACIE en neocloudgroei moeten zoveel mogelijk door externe financiering worden gedragen. Oudere GPU-generaties moeten rental value en workload relevance behouden.

Als die punten kloppen, is deze earningscall veel belangrijker dan een gewone beat. Dan laat NVIDIA zien dat het compute niet alleen sneller maakt, maar ook financieel langer bruikbaar houdt.

Conclusie

Onze Investment view op NVIDIA blijft positief. Het aandeel blijft de kernnaam binnen AI-compute, maar de test wordt zwaarder.

Een gewone beat is niet genoeg. NVIDIA moet laten zien dat Rubin kan versnellen zonder Blackwell economisch te vernietigen, dat Vera de GPU-vloot beter benut, dat marges standhouden ondanks duurdere memory en dat externe financiering compute als infrastructuur kan dragen.

Als dat lukt, is NVIDIA niet alleen de dominante AI-chipmaker. Dan bouwt het bedrijf een duration market for compute, waarin elke GPU-generatie tegelijk product, onderpand, infrastructuurasset en financieringsmechanisme voor de volgende generatie wordt.

English version

NVIDIA earnings preview: Rubin must test whether GPUs age faster but hold financial value for longer

No time to read the full article? Use the five bullets below for the key points.
■ The real test is not a normal beat, but whether NVIDIA can make GPUs technologically obsolete faster while keeping them financially valuable for longer.
■ Rubin versus Blackwell is the most important metric: if Rubin accelerates without heavily destroying Blackwell, generations overlap and the installed base keeps growing.
■ A margin around 75% is stronger than it looks if NVIDIA is absorbing more expensive memory, more complete systems and a complex rack transition at the same time.
■ Vera CPU, SOCAMM2 and agent memory are crucial because agentic AI needs CPU-side state, retrieval, tool execution, context and orchestration.
■ Our Investment view on NVIDIA remains positive, but the bar is higher: NVIDIA must prove that compute can become product, collateral, infrastructure asset and funding mechanism at the same time.

NVIDIA reports on Wednesday with high expectations, but this quarter is not about a normal revenue beat. The market already knows that NVIDIA often clears the bar. The real question is whether NVIDIA can prove that GPUs may become technologically obsolete faster while depreciating financially more slowly.

That is the strange but central test around Rubin. NVIDIA needs to launch new generations quickly enough to pull customers into upgrades, but older generations must not become economically worthless. If Blackwell, Hopper and even A100s remain useful after Rubin for inference, fine-tuning, enterprise workloads and cloud rentals, something much bigger than a normal chip cycle emerges.

Expectations are already high. Visible Alpha is around $92.2 billion of Q2 revenue, including $85.7 billion of Data Center revenue, versus NVIDIA’s own $91 billion guide. For the October quarter, consensus is around $104 billion, while tier-1 analysts are looking closer to $94 billion to $95 billion this quarter and $107 billion to $110 billion next quarter. At the same time, options imply only about a 5.4% move around the results, below 6.5% before the previous earnings and below the 7.4% average over the previous twelve reports.

That is an unusual combination. Analyst expectations are becoming more aggressive, while the options market treats NVIDIA as more predictable. A routine beat therefore matters less than before. The market does not only want to know whether NVIDIA generates more revenue, but whether the economic life of AI compute is becoming longer than the technological upgrade cycle suggests.

Investment view

Our Investment view on NVIDIA remains positive. NVIDIA remains the core name in AI compute, but the investment case is becoming less simple. The company is no longer only a chipmaker growing faster than expected. NVIDIA is trying to build a complete economic system around AI compute: GPUs, CPUs, racks, networking, software, financing, residual value and potentially participation in future compute revenue.

That makes this earnings call more important than a normal quarterly update. The real question is whether Rubin, Blackwell, Vera, CUDA, margins and financing together form one stronger model. If that works, NVIDIA is not only selling faster chips, but building a market in which compute holds value for longer, can be financed and continues to generate revenue across multiple generations.

The core of the bull case is both strange and powerful. Rubin must make Blackwell technologically obsolete quickly enough to justify new upgrades, while CUDA must keep Blackwell economically valuable long enough to support leasing, cloud contracts, financing and neocloud models. Normally those two goals conflict. NVIDIA is trying to combine them.

A normal beat is therefore not enough. Confirmation comes only if NVIDIA shows that Rubin accelerates without heavily cannibalizing Blackwell, margins around 75% hold, Vera improves GPU fleet utilization, older GPUs retain rental value and external financing can support compute as infrastructure.

Key points for investors

■ Rubin versus Blackwell is the most important test. Rubin is no longer a vague future story. NVIDIA said at the end of May that Vera Rubin was already moving toward full production, while channel checks point to R200 volume from July. Estimates of almost 1.9 million Rubin GPUs this year are circulating. The market understands total demand for AI compute, but the split between Blackwell and Rubin is much less clear. This is visible in the extreme spread in analyst estimates for B-series revenue, from $6.3 billion to $76.3 billion. The best metric is therefore not Blackwell alone and not Rubin alone, but Blackwell plus Rubin together. If Rubin rises sharply without Blackwell falling equally hard, NVIDIA no longer has a normal replacement cycle. Generations overlap and the installed base keeps growing.

■ The margin around 75% matters more than a normal revenue beat. NVIDIA guided Q2 non-GAAP gross margin to about 75%. That is already high, but with this product mix it is even stronger. NVIDIA is selling more complete racks and systems, absorbing more memory content in the BOM and moving through an expensive architecture transition. Complete systems can carry structurally lower margins than standalone high-value silicon. If the consolidated margin still remains around the mid-70s, pricing power in GPUs, networking, software and platform control is stronger than the headline margin suggests.

■ Vera CPU and agent memory deserve more attention than HBM alone. The market often focuses on HBM, but with Rubin the real bottleneck may increasingly be CPU-side memory. A tier-1 BOM analysis estimates memory at roughly 62% of the cost of a Vera Rubin superchip, versus roughly 53% for Blackwell Ultra. Surprisingly, HBM4 is estimated at only about 12.7%, while SOCAMM2 attached to the Vera CPU is around 49.8%. That points to an agent-memory problem. Agentic AI requires enormous CPU-side memory for state, retrieval, tool execution, databases, environments, context and output checking. If an expensive GPU waits on CPU-side operations, capital is idle. Vera is therefore not only a CPU product, but a way to increase the utilization rate of the GPU fleet.

■ CUDA must keep older GPUs financially valuable for longer. This is the paradox in NVIDIA’s model. Rubin must technologically replace Blackwell, while CUDA must keep Blackwell, Hopper and even older A100s economically useful. The explanation is workload migration. Frontier training moves to the newest generation, Blackwell can shift toward inference, Hopper toward fine-tuning, smaller inference and enterprise workloads, while A100s can continue to run in cheaper cloud and rental contracts. If that works, a compute yield curve emerges: each generation has its own function, price and duration. A fast innovation cycle then does not only increase replacement demand, but also the total collateral value of the installed base.

■ The $500 billion financing strategy is about GPU-hours, not just GPUs. NVIDIA and large capital providers are trying to turn compute into an infrastructure asset class. The unit Wall Street needs to finance is then no longer a standalone GPU, but a future stream of GPU-hours. If compute becomes financeable based on utilization, lease contracts, rental value and residual value, NVIDIA can expand the market without carrying everything on its own balance sheet. Some tier-1 models see a 2GW to 5GW financed neocloud ecosystem as worth about 10% additional EPS through high-margin revenue sharing. That means NVIDIA may monetize the same silicon twice: first through hardware sales and then through participation in the economic output of the infrastructure.

■ Hyperscale versus ACIE becomes an earnings-quality metric. NVIDIA’s new split between Hyperscale and ACIE may become more important than the market currently sees. Hyperscale includes the large public clouds and consumer internet platforms. ACIE includes AI clouds, industrial, enterprise and purpose-built AI factories. The distinction is crucial, because hyperscalers have large internal cash flows, while many ACIE customers need external financing. ACIE growth financed by independent third-party capital is stronger than ACIE growth mainly supported by NVIDIA itself. Revenue growth and revenue quality can now move in different directions.

■ China is upside, not the basis of the guide. NVIDIA’s guidance assumes zero China Data Center compute revenue. That means China can add incremental revenue without being necessary to hit the underlying guide. Initial H200 deliveries reportedly reached ByteDance and Tencent, but only around 10,000 units per company, compared with U.S. authorizations of up to 100,000 per company. The real China read-through is not only revenue. Every H200 deployed in China buys CUDA another generation of developer time while domestic alternatives improve. Revenue is incremental, but software duration can be strategically more valuable.

Rubin as the core test

Rubin is the core of this earnings call because it can break the classic semiconductor logic. Normally, a new chip generation replaces the old one. At NVIDIA, a new generation may push the old one down technologically, but keep it economically useful.

That difference is huge. If Rubin only replaces Blackwell, this is a normal product cycle with cannibalization. If Rubin comes on top of Blackwell, it creates an overlapping generation structure. The installed base grows and older generations remain useful for less demanding but still profitable workloads.

For investors, that matters much more than a few billion dollars of revenue in one quarter. It determines whether NVIDIA remains a hardware company with fast cycles or becomes a compute platform in which every generation has its own economic life.

Memory as a margin test

The memory discussion matters because Rubin pulls more complete system value into NVIDIA’s model. The market often calls this an HBM story, but that is too narrow. Agentic AI requires much more memory around the CPU side of the system. Retrieval, tool use, databases, state, context and orchestration do not live only in the GPU.

That is why SOCAMM2 matters. SK Hynix began mass production of 192GB SOCAMM2 for Vera Rubin, but more recent reports suggest NVIDIA reduced the standard planned module capacity from 192GB to 64GB because memory became expensive. At the same time, server makers say early 2027 Vera Rubin and Grace Blackwell systems may cost more than 15% more.

That becomes a direct pricing test. If customers accept those higher system prices, they are not buying based on purchase price, but on tokens per dollar and tokens per watt. Then NVIDIA proves that the economic price of AI compute is set not by BOM, but by output.

Vera as a strategic lever

Vera deserves more attention than just “extra CPU revenue”. Agentic AI changes the ratio between CPU work and GPU work. Agents run code, call tools, manipulate databases, perform retrieval, maintain environments and evaluate output between GPU steps.

A GPU waiting on these CPU-side operations is an extremely expensive idle asset. Vera therefore helps NVIDIA not only address a new TAM, but also increase the utilization rate of the GPU fleet. That is strategically much more important than simply selling CPU-only racks.

If Vera accelerates the workflow around Rubin, NVIDIA increases the value of the entire system. The CPU then becomes not a side product, but a control point for GPU utilization. That fits NVIDIA’s broader goal: not only selling chips, but shaping the economics of AI compute.

Financing as the next phase

The $500 billion financing strategy is not a detail. If AI compute becomes an infrastructure market, banks, funds and capital providers need to be able to finance against expected GPU-hours, contracts, utilization and residual value.

That is why the economic life of older GPUs matters so much. If Blackwell becomes worthless after Rubin, the compute financing model falls apart. There would be insufficient collateral, leasing would become harder and external financing would become more expensive or smaller. If Blackwell, Hopper and A100s keep migrating into other workloads, a collateral structure emerges. Investors can then underwrite multiple layers of compute output.

This is the deeper meaning of the model. NVIDIA can sell hardware, but also participate in the output of the infrastructure built with that hardware. That changes NVIDIA from a chip seller into a company controlling part of the economic layer above AI compute.

ACIE as a measure of revenue quality

ACIE becomes an important test for the quality of NVIDIA’s growth. Hyperscalers can finance themselves, have enormous cash flows and can carry large AI capex internally. ACIE customers, such as AI clouds, industrial AI, enterprise and purpose-built AI factories, more often need external financing.

That makes the source of growth important. ACIE growth is stronger if independent capital providers take the risk. ACIE growth is weaker if it mainly relies on guarantees, investments or support from NVIDIA itself. In that case, revenue grows, but the quality of that revenue is lower.

Investors should therefore ask not only how much ACIE grows, but who pays the bill and where the risk remains. Revenue growth and revenue quality can now move in different directions.

Call check for investors

The call needs to prove that NVIDIA is not only growing faster, but growing better. Rubin must accelerate without heavily cannibalizing Blackwell. The margin around 75% must hold despite higher memory content and more system mix. Vera must show that NVIDIA can better control GPU utilization. ACIE and neocloud growth should be supported as much as possible by external financing. Older GPU generations must retain rental value and workload relevance.

If these points hold, this earnings call is much more important than a normal beat. NVIDIA would show that it is not only making compute faster, but also keeping compute financially useful for longer.

Conclusion

Our Investment view on NVIDIA remains positive. The stock remains the core name in AI compute, but the test is becoming tougher.

A normal beat is not enough. NVIDIA must show that Rubin can accelerate without economically destroying Blackwell, that Vera improves GPU fleet utilization, that margins hold despite more expensive memory and that external financing can support compute as infrastructure.

If that works, NVIDIA is not only the dominant AI chipmaker. The company is building a duration market for compute, in which every GPU generation is simultaneously a product, collateral, infrastructure asset and funding mechanism for the next generation.