来源：新浪科技
英伟达公布截至 2026 年 7 月 26 日的 2027 财年第二季度财报。公司单季营收达到 962.21 亿美元，环比增长 18%，同比大幅增长 106%，继续刷新历史纪录。
详见：英伟达 Q2 营收 962 亿美元同比增 106%，数据中心营收 890 亿美元同比增长 117%
财报发布后，英伟达总裁兼 CEO 黄仁勋（Jensen Huang）和执行副总裁兼 CFO 科莉特 · 克雷斯（Colette Kress）等高管出席随后召开的财报电话会议，解读财报要点，并回答分析师提问。
以下为此次电话会议分析师问答环节的主要内容：
摩根士丹利分析师 Joe Moore：我想请教关于 70% 这个指引（2028 财年营收将增长约 70%），是什么给了你们信心，能给出这样一整年的业绩指引？你们过去并没有这么做过。另外，70% 的增长指引和 100% 的潜在需求增速之间的缺口，核心制约因素是什么？未来这个缺口有没有机会收窄？
黄仁勋：谢谢 Joe，如你大概已经看到的，AI 已经真正产生实用价值，AI 智能体正在各行各业大规模落地。大语言模型的规模达到前所未有的水平，模型能力越来越强。而智能体会进行推理、规划，多轮调用工具。根据要解决的问题类型，跑一个智能体所需要的算力，是人类直接使用模型场景的 15 100 倍不等，整体算力需求极其庞大，这一点几乎所有人都看得到。
但有一点很多人没有意识到：我们几乎是独一无二的。我们交付产品的模式是，全球只有我们打造并提供整套 AI 工厂全栈平台。客户当然可以自由混搭不同厂商硬件，但绝大多数企业既没有对应的技术能力，也不想做这件事。主权 AI、区域云、新型云服务商、AI 初创企业以及企业客户构成一整块市场，这块市场如今已经占到我们业务的半壁江山，并且每年增速达到 100%。长期来看，这块市场的体量甚至有可能超过传统超大规模云厂商业务。
另外现在搭建 AI 基础设施，已经不只是采购硬件技术这么简单。你还需要落实土地、电力、机房土建，这些往往要提前两到三年规划。整个供应链要协同建设施工、供电、散热，还要配套大量人力。AI 基建在全球各地创造了海量岗位，但前期规划周期非常漫长。
正因如此，我们已经深度介入上游资源筹备。很早以前就有人问我，一家芯片公司为什么要和内存厂商深度合作？现在大家已经理解。如今我们更进一步，和发电企业、全球各地负责土地、机房建设的公司深度协作，为我们生态客户的算力部署提前铺路。
不管是上游还是下游，我们现在的信息能见度比过去高得多。我们此前从来没有给出过提前一整年的业绩指引。尽管实际需求远高于 70%，但受供给约束，我们有把握实现的就是 70%。我们会持续和供应链合作，尽力把供给往上抬。但我们希望对客户、股东、供应链各方给出统一、一致的预期。所有人都在做大规模投入，大家需要一套统一的参考基准。接下来这一年会非常精彩。
Cantor Fitzgerald 分析师 C.J.Muse：感谢接受提问。现在投资者非常关注你们在推理市场的份额。能否讲讲现在通用 AI 工作负载的演变趋势？如何看待未来你们份额的变化？结合每一代全栈平台带来的潜在市场规模（TAM）扩张、ACIE 板块（AI 云、工业与企业）更高的增长预期，还有 Grok 3 LPX 产品，希望听听你们的看法。
黄仁勋：谢谢。AI 全生命周期已经远比过去复杂，而这恰恰极大发挥了 NVIDIA 架构的优势。可以把 AI 业务拆成四个阶段：第一是数据准备，包含合成数据、真实数据、人工标注生成的数据；第二是模型预训练；第三是后训练；第四就是智能体推理，智能体推理的复杂度极高。每一个环节的门槛都很高。
我们推出 NV Link 72，打造全球首个机架级系统的时候，外界非常意外。打造第一代机架级系统极其艰难：我们要重构整条供应链、重构整套硬件系统、重构软件，方方面面都充满挑战。但这套系统给我们带来了可灵活调度的统一平台，数据生成、数据预处理、预训练、后训练、智能体推理，全部都可以跑在这套系统之上。给客户带来的价值巨大。
举个例子，每吉瓦算力对应的市场空间：Hopper 时代，搭配 InfiniBand，一吉瓦对应约 180 亿美元；到 Vera Rubin，叠加 CPU、多套网络方案，需要多种网络去服务全球数据中心，再加上 Grok，现在每吉瓦算力对应的业务机会来到 400 亿美元。
五年前，一吉瓦数据中心对应的资本投入大概 300 亿美元，如今已经到 600 亿美元。硬件本身的性能提升巨大，更关键的是：这笔巨额投资，可以复用在 AI 生命周期的全部阶段，能跑几乎所有类型模型：扩散模型、自回归模型、状态空间模型以及各类混合架构，各式各样的注意力机制，小模型、大模型全部兼容。客户的硬件投资生命周期更长、利用率更高。这就是我们在新时代巨大的竞争优势，也解释了为什么我们业务体量已经很大，增长还在持续加速。
说到 Grok，我对 Grok 3 LPX 非常看好。它实现了创纪录的 token 交互速率、极低的生成延迟，团队做得非常出色。过去几个月，我们完成了和 NV Link 架构的深度融合，NV Link 会是它的核心引擎。
对于追求超高交互能力、极速 token 生成的业务场景，可以外挂 Grok 加速卡。这类场景吞吐量会相对低一些，单 token 成本更高，但可以支撑高单价业务。不过全球绝大多数数据中心，主体还是基于 NV Link 72 的基础算力硬件。
伯恩斯坦研究分析师 Stacy Rasgon：感谢给我提问机会。你们 2028 财年 70% 的营收增长，大致对应 2027 日历年，粗略算收入增量差不多 2000 亿美元。对比之前的指引，三年万亿的预期，这次相当于多出约 2000 亿。能否拆解各个产品的贡献：Vera CPU、网络业务，以及其他板块。另外，你们提到涨价会在 Q1 生效，这部分增量里面是否包含定价提升？还有，这个 70% 增长是供给受限下的数字，如果供给完全不受约束，潜在增速会是多少？
黄仁勋：如果供给完全不受限，潜在增速会高得多。我们本财年已经实现同比翻倍。无约束下的需求非常旺盛。我们正全力争取更多产能，我们的供应链规模庞大，合作的生态伙伴实力很强，也已经锁定不少供给，但我们还需要更多。
拆解来看：大多数人只看到超大规模云厂商，但这只代表一半图景。另一半就是我们所说的 ACIE 板块：企业客户、新型云服务商、主权 AI 客户，这块市场很多人看不见。因为他们不会零散采购单颗芯片，他们需要一整套完整的 AI 工厂平台，而我们在这个领域可以创造巨大价值。
当然超大规模云厂商本身增长同样迅猛。他们现在的订单积压规模已经达到 2 万亿美元。只要部署 NVIDIA 算力，他们的营收和盈利就会提升。现在算力业务本身盈利能力极强，所以各家都在抢着上线更多 NVIDIA 算力。但市场真正的亮点，是超大规模云厂商之外海量的机会。
另外，每一代平台，单位吉瓦对应的价值持续抬升：Hopper 时代 180 亿 / 吉瓦；Grace Blackwell 到 250 亿 / 吉瓦；Vera Rubin 来到 400 亿 / 吉瓦，每一代的生产效率都成倍提升。客户都希望尽快切换到新一代平台。同时 NVIDIA 算力产出 token、对外出租 GPU 小时的盈利水平非常高，云厂商利润率表现亮眼。多重利好同时发生。
宏观层面，我们正经历一轮计算平台大变革，波及所有计算机企业、全球各行各业。计算范式从文件检索，进化到生成式智能，这一切都需要算力支撑，回报也极其可观。全球所有企业都希望参与这场 AI 变革。
美银美林证券分析师 Vivek Arya：感谢你们给出这么高的信息透明度，还有多项多年期承诺。我看完 CFO 的讲解，算出来未来几年相关投入规模大概 5000 亿美元。我想问：这个数字是否大致代表未来几年生态投资总规模？未来还会不会有额外股权投资？28 财年对应的现金规模大概是什么水平？
另外，Jensen，很多这类投资主要用来支持前沿 AI 实验室，尤其是 OpenAI、Anthropic。但这两家都在自研定制芯片，就在前几天 OpenAI 还发布 Jalape o 宣称性能超过 Blackwell。你们一边持续投资生态伙伴，但部分生态伙伴又在开发和你们竞争的芯片，你们如何平衡这种局面？
黄仁勋：我们打造的产品定位完全不一样。很多自研 XPU 芯片是专为某一种云、某一项推理服务定制。而 NVIDIA 是完整的 AI 工厂平台，覆盖 AI 完整生命周期，可以部署在任意一种云上，已经遍布全球所有云环境，我们还可以帮客户在任何地点完成部署落地。
那些 AI 服务商未来业务要走向全球，他们的数据中心不会全部自建。我完全相信，他们的业务依旧会大量跑在 NVIDIA 平台之上。从数据预处理、训练、后训练到智能体处理，我对我们产品的经济性充满信心，他们还会长期作为我们的客户与合作伙伴。
投资这些前沿实验室，属于一生仅有一次的时代机遇。我唯一的遗憾，是没有更早、更多地投入。其中几家公司很快会上市，后续还会有更多，它们会成为人类历史上最重要的一批科技企业。我很乐于和他们做朋友、做伙伴，乐见他们在 NVIDIA 架构之上构建生态。我确信，很长一段时间内，他们依然会大规模使用 NVIDIA 算力。
克雷斯：我补充一下关于各类承诺额度。这些里面很大一部分属于供给承诺，这对 Rubin 产品以及明年的供货至关重要。承诺的大头集中在头三年，我们以此来规划需要生产的产品、保障产能，这也是我们对增长和收入具备信心的基础。
瑞银分析师 Timothy Arcuri：Jensen，我想聊聊开源模型。市场很多讨论说开源模型在美国工作负载中的份额会持续提升。我们看到你们也有 Nemotron 开源模型。但终端需求很大一部分来自头部前沿模型企业。很多投资者把开源模型的崛起理解为对头部前沿实验室的利空。你怎么看待这件事？开源模型对 NVIDIA 到底是利好还是利空？
黄仁勋：世界既需要闭源模型，也需要开源模型。两类模型的使用量都在爆炸式增长。几乎所有开源模型都运行在 NVIDIA 之上。原因是 NVIDIA 的生态覆盖最广，架构通用性最强，覆盖 PC、边缘设备（DGX Spark 表现非常好）、机器人、工作站，再到超大规模数据中心。
开源模型发展势头强劲，闭源模型同样欣欣向荣。前沿实验室规模飞速扩张，盈利情况很好，token 业务可以赚钱，唯一瓶颈就是算力。开源模型也是如此。我们在开源领域的地位非常稳固。
CUDA 生态遍地开花，开源模型是绝大多数 AI 初创公司和大型企业的基石。企业可以采购外部现成的 AI 能力，但几乎每一家大型企业，都需要搭建属于自己的、领域定制化的专有 AI 能力。现在开源模型能力追平前沿水平，才让这件事成为现实。网络安全就是典型例子：大量网络安全企业依托前沿水平的开源模型，搭建大规模分布式、持续运行的自主安防系统，这类新兴公司层出不穷，没有开源模型就做不到这一点。
所以开源模型不仅取得巨大成功，达到顶尖能力水准，也对美国乃至全球经济至关重要。企业的专有 AI 离不开开源模型。闭源、开源缺一不可，两者都会蓬勃发展。几乎所有顶尖模型，不管闭源还是开源，最初都是基于 NVIDIA 开发，在 NVIDIA 上运行效果优异。只要有模型取得成功，对我们就是好事。闭源与开源同时在拉动我们硬件销售。
Melius Research 分析师 Ben Reitzes：Jensen，换个角度聊聊需求。你提到明年潜在需求增速 100%。想了解驱动需求更进一步的因素，包括递归自我改进。Anthropic、OpenAI 在递归自改进上进展很快。OpenAI 甚至称有望在今年年底实现 AGI。递归自改进、AGI 会给行业算力需求带来怎样的拐点？对 NVIDIA 意味着什么？你们如何看待它们作为需求催化剂？
黄仁勋：算力需求会进一步向上跳升。现在绝大多数 AI 还是人类输入提示词来驱动。就在上个月，AI 的使用形态发生转折：AI 智能体模式成为主流。未来，每家企业会拥有大量智能体。我们现在员工约 4 万人，未来公司可能会有 40 万、400 万个智能体，在后台不间断运行，相互协作，持续帮企业、帮人完成工作。
很多人把个人 AI 智能体部署在 DGX Spark、DGX 工作站上，戴尔就有销售这类设备，这些智能体 24 小时不间断执行任务。现在已经出现粗粒度的递归自我提升：智能体执行完任务之后，复盘优化执行方式，更新技能文档，下一轮运行就会做得更好。
某种意义上，我们已经看到部分接近 AGI 的能力。但我觉得纠结这些里程碑标签意义不大。行业最重要三件事：第一，AI 已经真正产出有价值的生产力；第二，AI 生成 token 可以实现商业盈利；第三，如果我们有更多算力，就可以产出更多盈利的 token，给各项服务带来更高利润。我们正处在这个阶段，所以全行业都在全力加码。
高盛集团分析师 Jim Schneider：Jensen，结合你所说的无约束需求接近 100%，供给约束下只能完成 70%。能否对最尖锐的几大制约因素做个排序：数据中心电力与机房土建、DRAM 存储、晶圆代工厂产能等等，哪些是最大瓶颈？
黄仁勋：整个供应链全都承压，所有环节都在满负荷运转。产能会持续释放，但不是一瞬间爆发，而是日复一日逐步爬坡，良率持续改善，我们也会持续推进良率优化工作。我们会全力以赴和每一家供应商协作。
就当下而言，我们的供给可以支撑 70% 的增长；我们实际拥有的供给比 70% 还要多一些，但大概就在这个水平。我们的真实需求要远高于这个数字。我们必须拼尽全力，否则就会让客户失望，而我们并不想让客户失望，我们希望为客户全力以赴。
所以，我需要整条供应链都来帮我一把。他们全都清楚，我刚刚跟各位讲的明年的需求，和我跟他们沟通的内容完全一致。所有人都站在同一阵线。我们努力做到尽可能透明，毕竟我们讨论的都是体量极其庞大的数字。
富国银行 Wells Fargo 分析师 Aaron Rakers：回到每吉瓦价值 250 亿 400 亿美元这个话题。你在近期会议提到这个数字还会继续往上。展望 Vera Rubin 之后，比如 Vera Rubin Ultra，我们是不是可以预期单位吉瓦对应的市场规模继续涨到 600 亿、800 亿美元？更深一层，算力部署规模扩张是线性增长吗？展望 27、28 财年，有哪些变量可以进一步释放需求？
黄仁勋：很好的问题。非常好，道理其实很简单。我们的目标，就是在同样一块土地、同样电力配额下，塞进尽可能多的算力。显然，理想中的终极答案，就是每吉瓦可以承载无穷大的算力。如果我们真的能在一吉瓦的电力、同一片土地和机房条件之下，实现一万亿美元规模的算力，那将是一个无比完美的结果。
所以大方向就是朝着这个目标前进。摩尔定律时代的通用计算阶段，随便选一个参考数字，我会说大概每吉瓦 30 50 亿美元的规模。到 Hopper 时代到了 180 亿，Grace Blackwell 来到 250 亿，接下来 Vera Rubin 到 400 亿，在那之后数值还会继续走高。
只要算力的产出效率、耐用性、通用性持续提升，这对整个行业、对客户都是天大的好事。客户会很乐意投资这类资产，它们可以创造收入、创造利润，并且回本速度快得惊人。前几天我听说，现在资本的投资回报周期已经不到一年，哪怕是 500 亿美元级别的数据中心项目。这足以说明 NVIDIA 技术的产出能力与可租赁变现能力。（完）
