请问, 一家交出了816亿美元单季收入的公司, 且其毛利率接近75%, 这样的一家公司, 还需公司的CEO亲自去参加投资者路演吗?
黄仁勋给出的答案是：需要。
最近, 黄仁勋以及英伟达CFO参与了摩根士丹利所组织的投资者交流活动。市场最为关注的, 依旧是那几个老生常谈的问题: 其一, 增长究竟还能够持续多长时间；其二, 下一代产品是否能够按时完成交付；其三, 谷歌、亚马逊等云领域巨头自行研发芯片, 是否会将英伟达的业务给抢走。
若仅瞧最新财报, 英伟达好像没什么非得特别阐释的。在2026年4月告终的那个季度, 公司收入达816.15亿美元, 跟同比相较增长了85%；当中数据中心收入为752亿美元, 占总收入比例超过九成。公司给出的下一季度收入指引是910亿美元, 其上下有2%的浮动范围。
但是呢, 我更加倾向于把这一回的路演转变, 理解成为是一个阶段方面的变化, 英伟达所要让华尔街去相信的内容, 已经不单单只是一块GPU能够销售出去的数量多少了, 而是自身是不是还能够持续地掌控住整座“AI工厂”的预算方面的入口。
一块芯片，开始变成整座工厂
往昔领会英伟达, 瞅准GPU大致便足矣, 模型训练需并行计算, GPU性能强劲, CUDA软件生态完备, 客户购置显卡、装配服务器, 英伟达获取款项。
现在这门生意正在变重。
最新的那一季, 英伟达在数据中心方面, 计算所获得的收入是六百零四亿美元, 网络方面的收入为一百四十八亿美元, 网络业务与同比相比增长了百分之一百九十九, 其增速要比计算业务百分之七十七的增速更快, 这一变化极为关键, 对于AI集群而言, 集群规模越大, 那么决定效率的因素就不仅仅是芯片计算速度的快慢了, 还涵盖了芯片之间能否进行高速通信, 数据是否能够及时送达, 存储以及电源能否与之匹配。
英伟达所发布的Vera Rubin平台, 并非单单只是一颗芯片儿了, 而是将CPU、GPU、交换芯片、网卡、数据处理器以及储存架构组合到一块儿了。公司方面给出的说法是, 这套系统借助软硬件协同去降低模型训练以及推理成本。性能方面的数字仍然需要等待客户实际进行部署做出验证, 不过商业意图却是相当清晰的: 只要客户每新建一座AI数据中心, 英伟达都期望能够从更多的环节去收取费用。
这好似一家原本售卖发动机的公司, 开端就连同变速箱、底盘、控制系统以及维修标准一并售卖, 单个部件的竞争依旧存在, 然而整套系统的切换成本却变得更高了。
英伟达在最新季度时, 其GAAP毛利率达到了74.9%, 自由现金流约为485.5亿美元, 这般的盈利能力, 单单凭借“芯片性能领先”是很难予以解释的, 更为深层的原因在于, 它正将硬件、软件、网络以及开发者生态捆绑成为一个平台, 从而拿走了AI基础设施里利润最为丰厚的那一段。
资本市场的叙事也跟着发生了变化, 英伟达在一个季度里向股东返还了大约200亿美元, 其董事会又新增了800亿美元的回购授权, 并且还将季度股息从每股0.01美元提升到了0.25美元, 高速增长的公司一般把现金留存用于扩张, 然而英伟达已然能够同时进行扩张、回购以及分红, 黄仁勋需要去争取的, 不再仅仅是那些愿意为远期增长支付高价的资金, 还涵盖了看重现金流以及股东回报的长期资金。
最强客户，也是最大的变量
问题也恰恰出在这里。
英伟达方面, 最为关键的那一批有着需求的对象, 是像微软、Meta、亚马逊、谷歌这样的云巨头, 它们一方面在劲头十足地购置大量算力, 另一方面又极具动力去摆脱仅仅依赖单一的供应商。
今年一季度时, Meta将二零二六年资本开支指引上调, 上调至一千二百五十亿至一千四百五十亿美元, 其主要涵盖的原因有, 组件出现涨价情况且数据中心建设成本有所变化。微软进行了披露, 披露称其AI业务年化收入运行率已然超过三百七十亿美元, 并且同比增长百分之一百二十三。这些数字能够说明, AI投资并非全部都是“烧钱听响”, 云和软件收入的确是在承接住一部分投入。
但买方并未将命运全然交付给英伟达, 亚马逊不但自行开展Trainium芯片的研发工作, 还与Anthropic一道从底层内核直至软件栈进行共同优化, AMD在今年一季度的数据中心收入为58亿美元, 同比增长幅度达57%, 并且披露了Meta打算布置最高6吉瓦的AMD Instinct GPU。
这才是自研芯片的真正意义, 这才是与竞争对手相比的真正意义。它们不一定会立刻将英伟达从数据中心驱逐出去, 然而却能够为大客户增添第二选择, 从而降低采购方面的风险, 并且还可以提高谈判筹码。
所以, 英伟达将竞争提升到系统层面, 这并不意味着ASIC就失败了。ASIC乃是针对特定任务而定制的专用芯片, 当负载恒定、规模极其庞大时, 完全有极大可能更加节省成本。英伟达所具备的优势有通用性、软件生态环境以及交付速度, 特别适宜于模型快速变动、任务繁杂的情形。未来更有可能呈现的格局是, 大型客户采用自行研发的芯片来承担一部分稳定的任务, 然后交由英伟达去处理最为复杂、最为紧迫、最需要生态予以支持的工作。
英伟达面临着这样一种状况, 这对它既是好事, 又是压力, 好处在于AI的总体规模持续予以扩大, 压力则是客户当中规模越大、技术越强劲的, 表示越不会心甘情愿地长久接纳一家供应商所具有的高毛利。
黄仁勋亲身参与路演, 较为表面地看是针对着产品以及增长予以回应, 从深层角度而言是在对一种全新的担忧加以抚慰: 英伟达的增长速度要是愈发快, 那么就会越发依照少数巨头来持续扩充资本开支；客户对于英伟达的依赖程度要是越厉害, 同样也愈加想要培育出替代方案。
真正的天花板，在机房外面
还有一项约束，比GPU和ASIC之争更硬：电。
依据国际能源署的统计可知, 全球数据中心在 2024 年的用电约为 415 太瓦时, 此用电量占据全球用电量的约 1.5% ；在基准情景状况下, 到 2030 年时其用电可能会升至约 945 太瓦时, 这一用电量等同于今天日本一年的总用电量。国际能源署另外还做出估计, 要是电网以及设备瓶颈无法得到解决, 那么大约 20% 的处于规划中的数据中心项目或许会面临延迟。
每一年就会有新一代的芯片出现, 然而, 输电线路, 有它自身的建设规律, 不能像发布会那样按节奏进行, 变电站亦是如此, 燃气轮机同样无法如此, 大型机房也不可以, 先进经济体在新建输电线路时, 通常得花费4到8年的时间, 关键电网设备的等待时长也在不断地被拉长。
英伟达往后最为关键的竞争, 并非仅仅盯着“有无订单”, 更要看客户能否 获取电, 是否拥有土地, 有无内存, 有无光模块, 以及能否得到建设许可, 进而将订单转化为如期运行的机架。需求旺盛, 并不意味着收入能够毫无限制地提前确认，技术效率提升, 也有可能使同样的工作耗费更少芯片。
从这个角度去看, 英伟达将GPU、CPU、网络以及系统一同售卖, 这是在助力客户减短集成交付的时间，与此同时还把自身更深入地捆绑进了数据中心建设的周期, 护城河有所加深, 然而风险却从单颗芯片所面临的产品风险, 转变成了由客户资本开支、供应链以及能源工程共同判定的系统风险。
对中国AI产业来说，这个变化尤其值得重视。
先说中国并非不存在基础, 再说斯坦福2026年AI指数报告显示的内容, 即中美前沿模型的领先位置自2025年以来经受过多次交替, 然后交代中国在论文数量、引用、专利产出以及工业机器人安装方面维持着强势状态, 最后表明真正的差距也无法单纯概括成是“少一颗顶级GPU”。
若国产算力仅仅追逐峰值参数, 然而却不存在稳定的软件工具, 不存在网络互连, 不存在整机交付, 不存在能源配套, 也不存在客户迁移能力, 那么芯片将很难转变为具有可持续性的收入。相反地, 中国具备庞大的制造业场景, 具备电力系统, 具备数据中心建设能力, 还具备工程师群体, 而这些恰好是能够把单点技术拼凑成可用系统的条件。
未来评判一套国产算力时, 不妨减少询问“单卡跑分可不可以追上”这一问题, 增加询问以下几句: 客户进行迁移需要耗费多长时间, 集群能够稳定运行多长时间, 相同任务的总体成本是多少, 出现问题时有没有充足的软件以及工程团队能够承接得住。将这些账目计算清楚, 国产替代才会从发布会中的性能比较, 转变为客户愿意长期支付费用的业务。
写在最后
所以, 在看完这场路演之后, 你可知晓我认为哩最值得被记住的并非是某一家券商给定英伟达的目标价究竟有多少, 而是用来判断AI硬件那故事的四个问题哩: 分别是客户究竟还愿不愿意继续去烧钱, 那份利润最终会留在哪一层, 系统到底能不能按时去交付, 替代路线成熟又到了哪一步。
英伟达正竭力证明, 其掌控的并非仅是一种芯片, 乃是AI工厂的收费途径。对于追赶者来讲, 实质的挑战并非只是造出另一类芯片, 而是要使一整套体系稳定、便利且良好地运行起来。
