英伟达单季营收冲破800亿美元,却在失去“中国订单”_

 作者声明：该图片由AI生成英伟达CEO黄仁勋，图片经由AI处理

文丨李海伦

编辑丨徐青阳

英伟达又交出了一份创纪录的财报：营收、数据中心收入和股东回报同时刷新高点。但在AI基建狂飙的另一面，资本市场更关心的是，这台“AI印钞机”还能以多快的速度继续增长。并且，中国市场，是这份财报中最醒目的变量。

美东时间5月20日，英伟达公布了截至2026年4月26日的公司2027财年第一财季业绩，总营收达到创纪录的816亿美元，较上个季度的681亿美元增长20%，较去年同期的441亿美元增长85%。净利润更是达到583亿美元，是去年同期的三倍多。

从盈利能力看，英伟达第一财季毛利率为74.9%，远高于去年同期的60.5%，主要原因是一年前公司计提了与H20过剩库存和采购义务相关的45亿美元费用。与上一季度相比，毛利率基本持平，上下浮动仅0.1个百分点。稀释后每股收益为2.39美元，同比增长214%。

其中，作为核心引擎的数据中心业务收入752亿美元，同比增长92%，几乎以一己之力撑起了整艘巨轮。

不过，对于这份财报，资本市场给出的反应却颇为冷淡。财报公布后，英伟达股价在盘后交易中一度下跌了约3%。

主要原因在于，尽管英伟达给出了2027财年第二财季910亿美元的营收指引，处于分析师预期的中上沿，但相较于部分高达960亿美元的乐观预测，这份指引被彭博社等媒体解读为“疲软”。

01 数据中心狂飙猛进，“中国收入为零”

在第一财季，英伟达的数据中心业务继续快速增长。

英伟达首席财务官科莱特·克雷斯（Colette Kress）表示，按照原来的业务划分，数据中心计算收入达到创纪录的604亿美元，同比增长77%；而数据中心旗下网络收入更是同比飙升199%，达到148亿美元，这得益于对InfiniBand、Spectrum-X以太网和NVLink解决方案的强劲需求。

英伟达创始人兼首席执行官黄仁勋（Jensen Huang）在评论中强调：“AI工厂的建设——人类历史上最大的基础设施扩张，正以非凡的速度加速推进。”

他认为“代理型AI”已经到来，正在创造真实价值，而英伟达是唯一能够运行于每一个云端、驱动每一个前沿模型和开源模型的平台。

然而，克雷斯指出，当季没有向中国大陆发货任何数据中心Hopper架构产品，而去年同期这部分业务营收达46亿美元。在对第二财季的展望中，英伟达同样假设来自中国的任何数据中心的计算收入为零。

目前尚无任何关于H200等芯片销售进展的消息。正如GraniteShares首席执行官威尔·莱茵德（Will Rhind）所言：“目前来自中国大陆的收入为零，即使该市场的一小部分也可能非常重要。”

此前黄仁勋曾估计，中国的AI芯片市场规模每年可能高达500亿美元。这个巨大的市场暂时对英伟达关上了门，成为了未来业绩的最大不确定性之一。

与数据中心的狂飙相比，边缘计算业务的增长显得波澜不惊。该业务第一财季营收为64亿美元，同比增长29%，环比增长10%。增长主要得益于Blackwell工作站的强劲需求，但这部分被消费级PC因内存和系统价格上涨而表现出的疲软所抵消。

这部分业务涵盖了PC、游戏主机、汽车、机器人等，正是英伟达描绘的代理型AI和物理型AI的未来图景所在。

02 华尔街盯紧Blackwell与Rubin，增长持续性成核心命题

英伟达在第一财季通过密集的产品发布做出了回应，其核心目标直指从“训练”到“推理”的AI范式转换。

据英伟达官网介绍，今年3月，该公司发布了全新的NVIDIA Vera Rubin平台，其中包括全球首款专为代理型AI打造的处理器NVIDIA Vera CPU，以及用于加速存储基础设施的BlueField-4 STX。克雷斯在财报点评中解释说：“我们专注于这样的市场：我们的计算平台能够为应用提供巨大的加速。这些平台集成了处理器、互连技术、软件、算法、系统和服务，以提供独特的价值。”

为了应对推理市场的竞争，英伟达还采取了一项关键行动。2025年12月，公司斥资200亿美元“拿下”了Groq的核心技术和大部分顶尖人才——不过名义上并非直接收购整个公司，而是通过技术许可协议的方式，Groq这家公司本身得以保留，但其核心资产和团队实质上已并入英伟达。基于此项交易，英伟达已经在第一财季推出了一款专门为推理设计的服务器。

与此同时，英伟达的开源软件NVIDIA Dynamo 1.0投入生产，据称可将Blackwell GPU上的生成式AI和代理型AI推理性能提升多达7倍。黄仁勋预计，到2027年底，英伟达将售出价值1万亿美元的Blackwell和Rubin GPU。

华尔街分析师对此密切关注。Allspring Global Investments的投资组合经理内维尔·贾韦里（Neville Javeri）表示，他将重点关注有关Blackwell芯片销售以及对其新Rubin系列产品未来需求的任何细节，认为当前的叙事“更多是关于增长的持续时间，而不是单个季度的情况。”

03 200亿美元大手笔回馈股东

第一财季，英伟达通过股票回购和现金股息向股东返还了约200亿美元。并且，董事会已经批准了在现有股票回购授权基础上额外增加800亿美元，该授权无期限。同时，第一财季现金股息也从每股0.01美元大幅提高至0.25美元。

这一举动被分析师视为提振市场情绪的关键。

美国银行分析师指出，从2022年到2025年，英伟达将自由现金流用于股息和回购的比例不到一半，而同业则高达80%。他们认为，提高股东回报可以“扩大股东基础，缩小英伟达的估值差距，并最小化资金循环的担忧”。

富国银行和美国银行都出面为英伟达的利润率可持续性进行了辩护，认为该公司有能力将增加的成本转嫁出去，维持74%到75%左右的毛利率指引。当前，英伟达的资产负债表依然稳健，现金及等价物为503亿美元，而多年云服务承诺已达300亿美元，显示出下游需求依然旺盛。

多数分析机构仍对英伟达股票维持“买入”评级，未来12个月目标股价在250美元至320美元之间。Neuberger Berman Group多资产联席首席投资官杰弗里·布拉塞克（Jeffrey Blazek）评论说，英伟达的估值“让我们感到安心，相对于其盈利或现金流，我们并未处于泡沫之中。”

事实上，英伟达业绩暴涨的背后，是一场全球科技巨头间的资本支出军备竞赛。

根据彭博社在财报分析中指出，数据中心支出的主要来源，被称为超大规模云服务商的企业——计划今年在AI上总计投入约7250亿美元。这其中包括Alphabet、亚马逊、微软和Meta四家最大的支出者。

04 营收指引至910亿美元，但要回答新的增长焦虑

展望未来，英伟达预计2027财年第二财季营收将达到910亿美元，上下浮动2%，毛利率预计为74.9%。这份指引虽然超出了华尔街870亿美元的平均预期，但并未满足投资者对“大幅超预期”的渴望。

彭博社指出，AI芯片行业的竞争正在加剧，这是令投资者感到担忧的核心因素。

竞争正从多个维度袭来。一方面，竞争对手AMD仍在提供竞争性处理器。另一方面，更深刻的威胁来自英伟达最大的客户们。

Alphabet旗下的谷歌在2026年I/O大会上发布了其用于推理和训练的新款TPU芯片，并已签署多吉瓦的协议向Anthropic提供这些芯片。亚马逊也在其最新财报中宣布，其芯片部门的年营收运行率已超过200亿美元，正以三位数百分比增长，并与OpenAI签署了提供2吉瓦Trainium芯片算力的协议。

这些大型科技公司既是英伟达AI加速器的最大买家，同时也正在大力投入开发自有定制芯片，意图在推理这一未来更大的市场中分得一杯羹。

花旗分析师对此表示，他们预计到2028年GPU仍将代表大多数AI加速器，得益于其技术领先地位和庞大的安装基础，英伟达将继续占据AI加速器投资的大部分份额。

面对挑战，英伟达也在进行报告框架调整，设立“数据中心”和“边缘计算”两大市场平台。在数据中心内部，进一步细分为“超大规模”和“ACIE”（AI云、工业和企业）。

克雷斯解释，这种划分能更好地反映公司当前和未来的增长动力，超大规模市场代表了公有云和大型消费互联网公司，而ACIE则瞄准了不同行业和国家中多样化的AI专用数据中心。

这一变化意味着英伟达试图向市场展示，其增长引擎并不仅仅依赖于少数几家科技巨头，而是在向更广泛的企业和工业领域渗透。

总的来看，英伟达的这份财报是一场残酷的预期管理游戏。它需要在证明“AI基建远未结束”的同时，应对地缘政治带来的直接收入损失，并瓦解来自客户兼竞争对手的围攻。

黄仁勋所说的“人类历史上最大的基础设施扩张”仍在继续，但参与这场基建的玩家和规则，显然正在发生变化。

以下为分析师问答环节：

问：是什么促使你们调整了业务分拆方式？这种划分背后的理念是什么？能否谈谈这两个细分市场在竞争上的差异及发展趋势？

黄仁勋：我们这样划分业务，是为了让大家更清楚地理解我们的业务构成。AI本身非常多元，计算也一样。这种多元化体现在几个方面：

首先是AI的领域。它当然包含语言，但根据行业不同，也可能是用于制造业和工业机器人的3D图形，或是生命科学中的蛋白质研究、小分子化学，以及物理科学在能源、实验室和高等教育等场景的应用。所以，AI本身是多样化的。

其次是应用的行业和运行场所。应用可能在企业、能源、制造业。运行的地方可能是在超大规模云，在遍布全球的AI原生公司，在企业或工业现场的工厂车间，一直到超级计算中心和边缘端。边缘不只是大家看到的自动驾驶汽车和机器人，也包含芯片厂、封装厂、计算机厂等各类制造工厂内部日益增长的大型算力网络。

未来，每一个基站、每一张无线网络，都会变成AI驱动的无线网络。这就是运行场所的多元化。

最后是治理方式。AI可能由公共云运营，但也可能因为工业监管、机密计算或国家安全等原因，不能放在普通云上。不同的数据中心，必须用不同的方式去构建。

英伟达的独特之处在于，我们是唯一一家自己构建所有技术组件的公司，用极端协同设计、完整的端到端、全栈方式来打造，同时保持平台开放，以便能集成到所有这些不同的环境中。但也有些环境，客户只需要一家能把所有技术协同运作的供应商，这样他们就不用自己从头搭建，可以直接购买、直接运营。

考虑到数据中心市场有这么多不同的细分市场，我们这种“完整、完全集成、全栈但开放”的交付方式就变得至关重要。

基于以上所有因素，我们用最简单的方式来划分，把业务分成了三大块：

第一块是超大规模云。在这一块，我们有三种运营方式：帮助云厂商加速数据处理和机器学习工作负载；支持他们内部的AI处理；以及把我们丰富的英伟达生态业务带到他们的公有云上。

第二块是AI原生公司、企业本地部署、工业本地部署和主权AI。这个板块增长非常快，因为每个行业、每个国家、每家公司都需要AI，而且都想以各自不同的方式去构建。我们提供完整解决方案，让这件事变得容易很多，也让AI的真正落地成为可能。

第三块是机器人边缘。过去的计算以个人计算为主，未来将转向个人AI。自动驾驶汽车就是一个典型的个人AI，它本质上是一辆车、一个机器人系统。未来还会有各种不同类型的机器人系统，包括我提到的基站无线网络，本质上也会变成一个机器人系统。

这就是我们这样拆分业务的原因，也是理解我们业务最简洁的方式。这三块在技术栈、操作系统、运作方式上都有很多不同，我们在每个市场的推广方式也差异很大。

最简单的是超大规模云，因为全球只有五六家这样的公司。而剩下的两个板块，覆盖了全球大约25万家公司，市场推广极其复杂和多样，要求我们对AI的理解也极其广泛。如你所知，我们拥有全球最大的加速库套件，覆盖计算光刻、流体动力学、粒子物理、分子动力学等领域，这些库对于跟第二、第三类板块里的垂直行业打交道，是必不可少的。

说到底，是因为我们业务的规模已经如此之大，这样分拆，才能帮助大家更清晰地看懂我们的业务是如何运作的。

问：英伟达是否以增长快于超大规模云厂商的资本支出为目标？你们仍看好这项支出在今年之后保持高速增长吗？

黄仁勋：我们的增速理应快于超大规模云厂商的资本支出，原因就藏在刚才说的业务分拆里。把数据中心业务简化成两块来看：

第一块是超大规模云厂商，你关注的资本支出就在这里。今年这个市场规模可达1万亿美元，我相信它还会增长，因为道理很简单，没有算力，就没有收入。算力就是收入，就是利润。

过去SaaS对算力消耗不大，但AI需要海量算力，且能做更多事。像Anthropic和OpenAI这样的前沿AI公司，一个月的增长量就抵得上某些SaaS公司十年，这很说明问题。第一块业务正从1万亿向3到4万亿美元的规模增长。

第二块包括AI原生云、企业本地部署、工业AI和主权AI。全球约25万家企业中，有很多将不得不构建或为自己运营AI工厂。大量工业公司别无选择，必须把计算机部署在业务现场，不能上云——它必须每次都可靠、快速地响应。无法想象晶圆厂连到云服务商，这不合理。

这一块业务极其多样，面对的是未来成千上万家公司，单个部署规模虽小，但整体增长惊人。当我说物理AI将改变过去三十年未被IT触及的100万亿美元行业时，指的就是这第二类。我们在其中的份额非常大，服务能力相当独特：平台像垂直集成一样确保协同，但又拆解开，让客户按自己想要的配置购买和组装。

从分拆数据能看到，我们在超大规模云中的份额还在增长，现在有了Anthropic这个新合作伙伴的更大支持。而第二类，凭借我们的平台方案，很少有公司能像我们一样触达。

问：你们怎么看Vera Rubin及其极致协同工程在2026年底、2027年对推理市场份额的影响？

黄仁勋：我们在推理市场的份额正在增长，而且增长非常快。

原因在于，今年前沿模型公司的数量增加了——Cursor、Perplexity，还有Thinking Machines Lab、Inflection AI等。我们还把Anthropic纳入了合作伙伴关系，它们的扩张速度惊人。

我们正通过Azure、AWS、CoreWeave等平台为它们上线算力，今明两年为Anthropic上线的计算能力将非常可观。而我们在Anthropic中的覆盖率，直到最近还基本为零。所以，我们在推理领域正以前所未有的速度获取份额。

Vera Rubin将比Grace Blackwell更成功。我认为，所有前沿模型公司都会从一开始就加入Vera Rubin。而在Blackwell上，事情最初并不是这样。Vera Rubin起步非常好，肯定比Grace Blackwell更成功。

到目前为止，我刚才谈到的推理，都集中在超大规模云上。但别忘了，还有整第二类AI数据中心，我们几乎是唯一服务于它们的。这个市场极其分散，需要一个真正集成良好的平台方案和庞大的市场推广团队。

那里面所有的推理，100%、绝大多数都是英伟达的。还有物理AI，今天英伟达几乎是唯一服务这一块的公司，且我们在这方面已经深耕很久了。这部分也在增长。

所以，我们的推理份额增长得非常快。

问：你们预计，CPX（Context Processing eXtended）、LPX（Low-Precision eXtended）这类定制化商用产品可能占市场20%份额，它们取得了哪些进展？如何融入更广泛的平台战略？

黄仁勋：LPX是为低延迟、高token率设计的，但它的吞吐量低，模型容量小，处理大上下文的能力也较弱。比如对软件编码或智能体工作负载，它吸收大量上下文的能力有限。挑战在于，LPX的适用场景并不广泛。它适合那些拥有多样化token服务组合、并且有非常高阶的高token率服务需求的客户。客户数量不多，但token率极高。

这和我之前的判断一致，我仍然持这个看法：LPX和其他基于SRAM、专注于解码和高token率生成的加速器，在相当长的未来仍将是利基产品。

要知道，Grace Blackwell和Vera Rubin支持从数据处理、预训练、后训练、强化学习到推理的整个AI生命周期，是完成这些任务的最佳平台。而在某些特定场景下，只要服务商已经有高token率的服务要提供，加一个LPX，他们就能更好地交付那个服务。

至于市场占比，是20%还是10%，取决于我们处在AI发展的哪个阶段。我认为今天远低于20%。未来某一天，这些高阶token服务也许能到20%，而我们已经准备好与服务商合作实现这种能力。我对此很期待。

问：关于智能体应用带动的CPU需求，我想问两个问题：第一，这是增量工作负载，还是会蚕食原本由GPU完成的工作？第二，你们提到的200亿美元收入数字，是指独立的Vera CPU，还是已包含在Vera Rubin平台中的Vera？

黄仁勋：200亿美元是针对独立CPU的。

Vera有四种使用方式。第一种是Vera Rubin，我们将销售数百万个Rubin，每两个Rubin连接一个Vera，这些产品都有合理定价。第二种是独立的Vera CPU。第三种是Vera与CX9配合，用于存储的软件栈。第四种是Vera与CX9配合，用于安全和计算隔离、机密计算的软件栈。每个用例都建立在Vera之上。我的感觉是，在Vera Rubin的整个生命周期中，我们都将面临供应紧张，因为它有四个不同的用例。

关于CPU的角色，智能体本质上就是所谓的“编排层”（harness）。像OpenClaw、Hermes，Claude Code是围绕Claude模型的编排层，OpenAI的Codex是围绕GPT-5.5模型的编排层。这些编排层提供I/O、编排、内存管理、工具使用等功能，比如连接浏览器、C编译器、Python编译器。编排层在CPU上运行，工具使用也在CPU上运行。如果AI要做搜索或打开浏览器，那就在CPU上运行。

世界上有10亿人类用户。我的感觉是，世界最终将拥有数十亿智能体。这些智能体都会使用工具，就像今天人类使用PC一样。将来，你可以想象每个智能体都有一台可以使用的PC。每个智能体还会衍生出子智能体，每次衍生都需要进行推理，而所有思考都在GPU上发生。所有编排基本在CPU上运行。

子智能体衍生出来进行思考时，用的是GPU。当智能体使用模拟器时，这些模拟器可以在CPU或GPU上运行，这也是我们与Cadence、Synopsys紧密合作的原因——我们要加速世界上所有的工具，让它们在CUDA上运行，因为智能体的耐心比人类低，它们希望事情快速发生。你能看到我们在和Cadence、Synopsys、Siemens、Adobe等公司合作做这件事。

所以，我们需要更多的CPU，而Vera正是被设计成一个智能体CPU。过去的CPU设计思路是拥有很多核心，便于出租——经济逻辑是“每核心多少钱”。智能体不租核心，它们只希望工作快速完成。未来AI的经济学是“每美元多少token”或“每token多少美元”。我们需要以最快的速度生成和处理token，这正是Vera做得非常出色的地方。我们期望Vera取得巨大成功。

但归根结底，我们是在为AI建设基础设施：它需要非常出色的存储，所以我们构建了STX；需要非常好的网络，所以有Spectrum-X；需要非常出色的GPU和推理能力，所以有NVLink 72；需要安全性和机密计算，所以Vera Rubin是世界上第一个端到端机密计算平台；还需要出色的CPU。这些，我们全都覆盖了。

问：Neo云（AI原生云）被你们放在哪个细分市场？是超大规模云，还是AI云？它们的规模如何？

黄仁勋：AI原生云不制造芯片，也不设计自己的芯片。它们无法把不相关的部件组装成一个AI工厂。它们对首个token时间的容忍度极低，对能运行每个模型、拥有广泛客户来源的架构需求极高。这就是英伟达架构特别适合它们的原因。

能从AI原生云租赁的客户群体非常庞大，基本上是每一个AI构建者、每一个AI原生初创公司、SaaS公司、企业公司、工业公司。我们的架构是全球可租赁性最高、性能最好、最容易组装、投资回报率最好、最容易融资的计算平台。这些特性对AI原生云来说相当独特。所以它属于第二类。它们和OEM甚至大型企业非常相似，这很有意思。

从发展节奏看，AI生态是在超大规模云中先发展起来的，原因有很多：他们有优秀的计算机科学能力、出色的数据中心能力，而且主要关注消费者应用——这类应用即便不完美也不是世界末日，能增强服务就好。而工业应用、企业应用，要等到AI足够有能力、能安全地完成真正有成效的工作、能产生效益和收入时，才会被真正使用。所以预期第二类比超大规模云发展慢，数字也反映了这一点。

然而长期看，工业和企业的经济潜力显然更大，因为它们代表世界经济中的50到80万亿美元，而AI会让这个数字更大。我预计随着时间的推移，第二类会变得更大，未来几年也是这样。两者都会以惊人的速度增长，但我预计第二类仍然增长更快。

再往后，未来5年内，我期望物理AI和机器人领域也会以惊人的速度增长。

黄仁勋总结发言：

这是一个非凡的季度，需求已呈抛物线式增长。原因很简单：智能体AI已经到来。AI现在能完成真正有成效、有价值的工作，token可以盈利，所以模型制造商正在竞相生产更多token。在AI时代，计算能力就是收入和利润，而英伟达就是这个时代的平台。在所有平台中，英伟达计算支持着最多样化的需求。

我想强调五点：

第一， 英伟达是唯一能运行每一个前沿AI模型的平台。随着Anthropic加入我们现有的合作伙伴——OpenAI、xAI、Meta、Gemini等——我们在前沿AI中的份额正在增长。

第二， 我们遍布每一个超大规模云，支持他们的核心数据处理和机器学习工作负载、内部AI服务，以及他们在公有云中对英伟达用户的需求。

第三， 我们的全栈、完整AI工厂解决方案和庞大的全球生态，使我们能够独特地服务新的AI数据中心细分市场：AI原生云、主权AI云，以及本地部署的企业和工业基础设施。这就是我之前谈到的第二类。

第四， CUDA一直延伸到边缘——机器人、自动驾驶汽车、嵌入式医疗仪器、AI RAN电信基站。下一波是物理AI，数十亿在物理世界中运行的自主和机器人系统。

第五， 我们有一个重要的新增长动力：Vera。这是世界上第一个专为智能体AI打造的CPU，为英伟达打开了一个全新的2000亿美元的新市场，是我们以前从未涉足的市场。每一个主要的超大规模客户和系统制造商都在与我们合作部署它。

世界正在为智能体AI和机器人物理AI重建计算，英伟达正处于这些转型的中心。

我们花了三十多年构建了这个计算平台：一个架构，庞大的生态，跨越芯片、系统、网络和软件的极致协同设计。我们在这一刻到来之前就把它建好了，所以当智能体AI到来时，英伟达已经准备好了。

特约编译金鹿对本文亦有贡献。