此前，一些投资者开始担心，AI 硬件领域的大规模支出增长可能难以持续，从而引发对行业泡沫的忧虑。在这种情绪下，英伟达刚发布的财报不仅是公司自身的成绩单，也被市场视作整个 AI 资本开支周期的一次“压力测试”。
英伟达公布了好于预期的第四财季业绩，核心驱动力来自数据中心业务：该板块收入同比增长 75%。财报发布后，公司股价在盘后交易中一度上涨，随后回吐了大部分涨幅。
每股收益：调整后 1.62 美元，高于预期的 1.53 美元
营收：681.3 亿美元，高于预期的 662.1 亿美元
本季度，英伟达总营收同比增长 73%，从去年同期的 393 亿美元增至 681 亿美元。目前，公司超过 91% 的销售额来自数据中心部门，该部门涵盖其市场领先的 AI 芯片产品。
更关键的是业绩预测。英伟达预计下一财季营收为 780 亿美元，上下浮动 2%，明显高于分析师此前预期的 726 亿美元。公司同时强调，这一预测并未计入来自中国的数据中心收入。
黄仁勋回应各业务情况
“许多计算非常适合在太空完成”
数据中心业务本季度营收为 623 亿美元，高于 StreetAccount 统计的 606.9 亿美元预期。根据英伟达发布的新闻稿，净利润几乎翻倍，达到 430 亿美元，合每股 1.76 美元；去年同期为 221 亿美元，合每股 0.89 美元。
市场目前高度关注英伟达下一代 Vera Rubin 机架级系统的发布。Vera Rubin 预计将实现每瓦性能提升 10 倍，在数据中心面临电力约束的背景下，其能效优势尤为关键。该系统是 Grace Blackwell 的继任者，预计今年晚些时候推出。
英伟达首席财务官 Colette Kress 在电话会议上表示，公司本周早些时候已向客户发出首批 Vera Rubin 样品，并仍按计划在下半年启动量产交付。此外，Blackwell 会持续出货，同时 Vera Rubin 也会逐步进入市场。Blackwell 已经被客户写进计划与订单；Rubin 在下半年的初期爬坡规模尚难判断，但需求强度和客户兴趣没有疑问，几乎每个客户都会购买，关键在于英伟达多快进入市场、客户多快在自家数据中心把它跑起来。
当前，英伟达正在推动 Vera CPU 作为独立方案进入市场。黄仁勋透露，公司对 CPU 做了与世界上其他 CPU 完全不同的架构选择，它是唯一支持 LPDDR5 的数据中心 CPU，设计目标是极强的数据处理能力。
“因为我们关注的大多数计算问题都是数据驱动的。AI 的整个流程，从数据准备、pre-training 到 post-training，都依赖大量数据处理。很多工具运行在纯 CPU 或 CPU+GPU 环境，Vera 是为 post-training 等场景打造的优秀 CPU。在 AI pipeline 中确实有大量场景需要强大的 CPU，我们喜欢 CPU 与 GPU 协同。当你把算法加速到极限，Amdahl's Law（阿姆达尔定律）告诉你需要极快的单线程 CPU。我们当年把 Grace 做到单线程很强，而 Vera 比它更强。”黄仁勋说道。
对于芯片业务，英伟达明确称，正在将供应链从高度集中的亚洲地区拓展至美国和拉美。目前，英伟达已在 Taiwan Semiconductor Manufacturing Co. 位于亚利桑那州的新晶圆厂生产 Blackwell GPU，其部分机架级系统也在墨西哥一家大型新建的 Foxconn 工厂组装。公司认为，这些布局将增强供应链韧性与冗余，以满足不断增长的 AI 基础设施需求。但英伟达也提醒，扩产能力仍取决于当地制造生态系统能否及时提升到所需规模。
近期太空数据中心也被炒得沸沸扬扬。黄仁勋坦诚，现在太空数据中心的经济性确实很差，但会随着时间改善。
他解释道，太空的物理条件和地面截然不同。虽然太空中能量充足，太阳能板可以做得很大，空间也十分充裕，但散热方式却完全不同：太空极度寒冷，却没有空气流动，散热只能依靠传导与辐射，因此需要体积庞大的散热器。液冷在太空基本不可行，因为不仅重量过大，还可能面临冻结风险。可见，地面与太空的散热方案完全是两套逻辑。
“尽管如此，确实有许多计算问题非常适合在太空完成。我们已经让 GPU 进入太空，Hopper 架构已成功部署。一个典型的应用场景是成像：通过光学与 AI 技术，可以实现超高分辨率成像、多角度重投影、超分辨率、降噪等一系列处理。如果要将 PB 级甚至 EB 级的图像数据全部传回地球再处理，难度极大；相比之下，直接在太空完成处理，只将有价值的信息回传，无疑高效得多。可以预见，太空 AI 将催生一系列极具想象力的应用场景。”
推理性能的跃迁至关重要，推理=营收
对于未来的技术路线，黄仁勋明确表示，不会轻易走向 chiplet 方向：只要 monolithic die（单片集成芯片）还能做到极致，就应该尽量把它推到极限。因为每跨越一次 chiplet 或接口，就会引入额外的延迟和不必要的功耗。
“我们并不排斥 chiplet，事实上我们已经在使用，但只在不得不用的时候才用。”他解释道。以 Grace Blackwell 和 Rubin 架构为例，他们采用两块接近 reticle 极限（光刻掩模版尺寸极限）的大芯片并排贴合，尽可能减少架构层面的跨越。在他看来，chiplet 的“税”最终会体现在架构效率上。“很多人说这是我们的软件优势，但软件和架构其实很难分割。软件之所以高效，是因为底层架构足够优秀。CUDA 架构在每 flop、每瓦特上的效率都更强，这本质上是由架构设计方式决定的。”
他进一步指出，CUDA 具备极强的通用性，GPU 架构始终保持良好的兼容性，这意味着今天为 Blackwell 所做的优化，同样可以惠及 Hopper 和 Ampere。这也是 A100 发布多年后仍然不过时的根本原因。架构的持续兼容，让其可以持续投入软件工程和优化，让云端、本地以及各代 GPU 的装机基数全部受益，从而延长产品生命周期、提升创新速度与灵活性，最终转化为客户的实际性能优势。
谈及推理能力，黄仁勋强调英伟达的推理栈依然是全球性能最强的。“为了在 NVLink 上实现推理优化，我们必须发明全新的并行化算法，这些算法构建在 CUDA 之上，能够将工作负载高效分布到 NVLink 72 的聚合带宽上。正是 NVLink 72，让我们实现了每瓦性能代际提升 50 倍的巨大跃迁。实现过程极其困难，涉及交换技术、解耦交换、系统机柜构建等一系列突破，但最终结果令人惊叹：每瓦性能提升 50 倍，每美元性能提升 35 倍。”
他强调，推理性能的跃迁至关重要。更关键的是，对于客户而言，推理已经直接等同于营收。以 agent 系统为例，生成的 token 数量极其庞大，且效果显著。一个 agent 写代码时可能生成成千上万、甚至数十万 token，因为它需要持续运行数分钟乃至数小时。而 agentic 系统还会派生多个 agent 协同工作，token 量呈指数级增长。每一个 token 都可以被货币化，推理性能直接转化为营收。
而对于数据中心来说，每瓦特能产生的 token 数量，直接决定了云服务提供商（CSP）的营收能力，因为所有人都受限于电力。无论数据中心规模多大，总有功率上限。因此，最优的每瓦性能架构，决定了在相同电力约束下能创造多少营收。
“现在每一个 CSP、每一个 hyperscaler 都明白这个逻辑：资本支出变成算力，选择正确架构的算力，才能最大化营收。算力就是营收。没有今天的算力投资，就没有明天的营收增长。”黄仁勋总结道。
“我们已经成为全球规模最大的网络公司之一”
在数据中心板块内部，英伟达报告称，用于连接数百颗 GPU 的网络设备销售额达到 109.8 亿美元，同比暴增 263%。这一增长反映出市场对 NVLink 网络技术以及 Spectrum-X 以太网交换机的强劲需求，后者已与 Meta 等科技巨头达成新合作。
黄仁勋指出，AI 基础设施的核心计算单元包括 CPU 和 GPU。英伟达通过自研的 NVLink 技术，将单个计算节点扩展为一个巨型计算机柜，由此提出了“机柜级计算机”的概念。
在此基础上，英伟达构建了完整的互联体系：通过 NVLink 实现机柜内部的 scale-up（纵向扩展），再通过 Spectrum-X 和 InfiniBand 实现机柜之间的 scale-out（横向扩展），两种路径全面支持。更进一步，通过 Spectrum-X 的 scale-across（跨域扩展）能力，可以将不同数据中心连接起来，实现更大规模的跨域计算。
黄仁勋表示，NVLink 的发明不仅提升了计算密度，也极大地推动了公司的网络业务。以每个机柜为例，通常配备九个交换节点，每个节点包含两颗芯片，未来这一数字还会继续增加，这意味着每个机柜内部的交换规模极其庞大。
“如今，我们已经成为全球规模最大的网络公司之一。以以太网为例，我们两年前才正式进入以太网交换领域，但我认为我们现在很可能已经是全球最大的以太网网络公司，至少很快就会达成这一目标。对我们而言，Spectrum-X 以太网平台堪称一场‘全垒打’。”
他认为，当前，AI 工厂的投资规模动辄达到 100 亿至 200 亿美元，在这样的体量下，哪怕只是 10% 的效率提升，甚至是 20% 的网络利用率提升，都能转化为巨额的经济价值。这正是英伟达的网络业务能够高速增长的根本原因：把 AI 基础设施的效能做到了极致，而 AI 基础设施本身，正在以前所未有的速度扩张。
游戏业务与内存瓶颈
曾经是公司最大业务的游戏部门，本季度营收同比增长 47%，达到 37 亿美元，但环比下降 13%。市场普遍推测，在内存资源紧张的情况下，芯片制造商会优先保障 AI 处理器的产能，英伟达今年可能不会推出新款游戏 GPU。对英伟达来说，这意味着更多资源将继续向 AI 加速器倾斜，例如 72-GPU 架构的 Grace Blackwell 机架级系统。
内存短缺一直是投资者关注的潜在风险。Kress 表示，供应限制预计将在 2027 财年第一季度及之后对游戏业务形成压力。
在汽车业务方面（包括汽车和机器人芯片），英伟达本季度营收为 6.04 亿美元，同比增长 6%，低于 StreetAccount 预期的 6.548 亿美元；在专业可视化业务方面，公司本季度营收为 13.2 亿美元，同比增长 159%，显著高于 7.554 亿美元的市场预期。
与 OpenAI 合作接近达成
英伟达继续加大对 AI 实验室和行业公司的投资，包括对芯片制造商 Intel 的大额持股。公司在年度文件中披露，本年度向私营企业和基础设施基金投资 175 亿美元，“主要用于支持早期初创企业”。同时，公司提醒，这些投资可能在短期内无法实现盈利，甚至可能无法带来回报。
黄仁勋在周三电话会议中透露，英伟达仍在与 OpenAI 推进合作协议，并认为双方已接近达成。此前报道，英伟达将对 OpenAI 进行 300 亿美元股权投资，并将取代双方去年 9 月宣布的 1000 亿美元长期合作计划。
Kress 表示，战略投资是重要流程之一。与此同时，公司也在持续回购股票、发放股息，并在合适时机进行资本运作。
黄仁勋的核心判断：拐点已至，算力=营收
今年以来，英伟达股价表现优于所有超大市值同行，持续成为 AI 浪潮的最大受益者。截至周三收盘，英伟达股价在 2026 年累计上涨 5%，而纳斯达克指数同期下跌 0.4%。万亿美元市值俱乐部中，今年实现上涨的仅有 Apple，涨幅不到 1%。
在英伟达财报公布前，市场已从四大云计算巨头 Alphabet、Amazon、Meta 和 Microsoft 几周前的财报中窥见趋势：结合这些公司的资本支出指引与分析师预估，今年四家公司合计资本支出可能接近 7000 亿美元，用于扩建 AI 基础设施。英伟达也承认，超大规模云服务商仍是公司最大的客户类别，占数据中心收入略高于 50%。
问题随之出现：基数已经这么高，明年还怎么增长？更何况，其中几家的现金流能力还在被压缩。围绕这一点，黄仁勋在电话会议上给出的答案是“有信心”，而支撑信心的逻辑并不来自宏观判断，而是来自他对“AI 工作负载变化”的判断。
黄仁勋表示，他对客户现金流的增长非常有信心，“原因很简单，我们已经看到 agentic AI 的拐点出现。agents 在全球企业场景中具备了明确可用性，算力需求因此变得极其惊人。”在他的表述里，新的等式已经成立：在 AI 世界里，算力就是营收：没有算力，就无法生成 tokens；没有 tokens，就无法实现收入增长；因此算力等于营收。
他进一步解释，随着 Codex、Claude Code 的生产性使用，以及围绕 Claude Cowork 的热度、Openclaw 及其企业版带来的巨大兴奋，再加上企业 ISV 在工具平台之上构建 agentic 系统，行业已经开始生成“可盈利的 tokens”。这些 tokens 对客户具备生产力价值，对云服务商也能带来利润。计算方式正在发生迁移：过去软件运行在相对有限的计算资源之上，每年三四千亿美元资本支出；如今这些资本开支正在流向 AI。AI 要生成 tokens，就必须消耗算力，而算力会直接转化为增长与营收——这也是英伟达持续增长的底层动力。
对于未来业绩的持续性，黄仁勋把毛利率问题归结为一条简单但苛刻的标准：毛利率最重要的杠杆是代际领先能力。只要英伟达能持续交付在每瓦性能上的代际跃迁，并且这种跃迁显著超过摩尔定律带来的改进；只要每美元性能的提升能明显超过系统成本上升速度，毛利率就能维持。
他强调，公司之所以跑得快，是因为全球 token 需求在拐点之后呈指数级增长：甚至六年前的云端 GPU 仍被完全吃满、价格还在上涨，说明现代软件方式对算力的需求正在指数级扩张。英伟达的策略是每年交付一整套 AI 基础设施：今年发布了六颗新芯片，下一代 Rubin 还会发布更多芯片，并承诺每一代都带来多倍的每瓦与每美元性能跃迁。支撑这种跃迁的底层方法，是他反复提到的“极致协同设计”。
“市场判断错了”：AI 不是吞噬软件，而是让软件变强
在公司发布强劲财报数小时后，黄仁勋在采访中直言市场高估了 AI 对软件公司的威胁，认为市场对趋势的判断出现偏差。
“我认为市场判断错了，”他反驳了“AI 智能体会蚕食企业软件行业”的担忧，提出一个更“反直觉”的判断：大量软件公司会利用 agentic AI 来开发自身软件并提升效率。企业不会用 agents 去替代工具，而是用 agents 去使用工具，也就是说 agents 是“工具使用者”。
他用互联网浏览器和微软 Excel 作为例子，说明 agents 会在既有工具体系内完成工作。
在他看来，Cadence、Synopsis、ServiceNow、SAP 等工具之所以存在，是因为它们解决了非常根本的问题。agentic AI 会变成智能软件，代表人去使用这些工具，让人更高效；而像 ServiceNow 这样的公司，不会被别人“服务得更好”，反而会做出针对自身工具高度优化、微调的 agents。最终，人仍然需要工具把工作“做完”，并把信息以人能理解的方式呈现出来。
黄仁勋还在电话会议上进一步给出更长期的推演：未来软件将由 token 驱动。数据中心生成 token，推理就是生成 token。NVLink 72 让单位能耗 token 生成性能比上一代提升 50 倍。未来软件对算力的需求将远超过去：过去世界每年投入三四千亿美元用于传统计算；AI 出现后，所需算力是过去的数百甚至上千倍。如果 AI 有价值，世界就会投资来生产 token，全球需要的 token 生产能力远不止 7000 亿美元。
他认为，所有公司都依赖软件，未来每个软件都会依赖 AI，因此每家公司都会生产 token，这也是他称之为 AI 工厂的原因：云公司在数据中心建 AI 工厂，为营收生成 token；企业软件公司在工具之上生成 token；机器人与自动驾驶同样如此。
黄仁勋表示，过去的软件是预编码的，现在一切变成实时生成：结合用户上下文与意图，生成“新的软件”。实时生成的计算量远高于预编码，就像计算机远比 DVD 播放器算力强大一样，AI 需要远超过去的软件算力。从产业层面看，如果新软件需要生成并货币化 token，数据中心建设就会直接驱动营收，算力驱动营收。
他判断，agentic AI 已在最近几个月达到拐点：行业内部更早看到，但现在全球都意识到 agents 已经足够聪明，能解决真实问题，写代码已被广泛支持。以 Anthropic 为例，营收一年增长 10 倍，但受制于产能；OpenAI 同样需求旺盛。算力上线越快，营收增长越快。下一波拐点将是 physical AI，把 AI 与 agentic 系统带入制造、机器人等物理世界应用，这是巨大的机会。
尽管一些分析师警告长期来看 AI 可能会“吞噬”软件行业，但对这一风险以及近期软件板块抛售背后的基本面因素，市场观点仍分裂。
在黄仁勋接受采访后，Niles Investment Management 创始人兼投资组合经理 Dan Niles 提醒市场：铁路、运河、互联网等基础设施在发展过程中往往会出现过度建设，之后市场才会逐渐分辨赢家和输家。他警告，并非所有公司都能在 AI 自动化工作流程、压缩价格、降低新进入者门槛的趋势下全身而退，“软件行业里确实会有一些公司最终走向归零”，相对更具韧性的板块可能是数据库与网络安全。
参考链接：
