--- title: "英伟达（纪要）：单独 Vera CPU 收入今年有望达到 200 亿美元" type: "Topics" locale: "zh-CN" url: "https://longbridge.com/zh-CN/topics/40971574.md" description: "以下为海豚君整理的$英伟达(NVDA.US) FY27Q1 的财报电话会纪要，财报解读请移步《英伟达：群雄逼宫、AI“堵点” 生变，宇宙股也会 “小失意”？》一、英伟达财报核心信息回顾 1. 股东回报方面：本季度向股东返还创纪录的 200 亿美元；季度股息从每股 0.01 美元上调至 0.25 美元；新增 800 亿美元股票回购授权..." datetime: "2026-05-21T03:07:09.000Z" locales: - [en](https://longbridge.com/en/topics/40971574.md) - [zh-CN](https://longbridge.com/zh-CN/topics/40971574.md) - [zh-HK](https://longbridge.com/zh-HK/topics/40971574.md) author: "[海豚研究](https://longbridge.com/zh-CN/news/dolphin.md)" --- # 英伟达（纪要）：单独 Vera CPU 收入今年有望达到 200 亿美元 **以下为海豚君整理的**$英伟达(NVDA.US) **FY27Q1 的财报电话会纪要，财报解读请移步《**[**英伟达：群雄逼宫、AI“堵点” 生变，宇宙股也会 “小失意”？**](https://longbridge.cn/zh-CN/topics/40969925?channel=SH000001&invite-code=294324&app_id=longbridge&utm_source=longbridge_app_share&locale=zh-CN&share_track_id=4ecec065-48e2-47d0-bee5-f12cdc3e7b41)**》** **一、英伟达财报核心信息回顾** 1\. 股东回报方面：本季度向股东返还创纪录的 200 亿美元；季度股息从每股 0.01 美元上调至 0.25 美元；新增 800 亿美元股票回购授权，叠加现有计划剩余的 390 亿美元；计划本年度将约 50% 的自由现金流返还给股东。 2\. Q2 业绩指引：总收入预计 910 亿美元，上下浮动 2%，环比增长主要由数据中心驱动；GAAP 与 non-GAAP 毛利率分别为 74.9% 和 75%，上下浮动 50bps；GAAP 与 non-GAAP 运营费用分别约 85 亿美元和 83 亿美元。 3\. 全年指引：FY27 毛利率仍预计维持在 70% 中段水平（75% 左右）；OpEx 同比增速上调至 45% 以上，主要由 R&D 投入加大及 AI 工具的使用加速带动；GAAP/non-GAAP 有效税率预计 16%-18%，较此前 17%-19% 的指引下调，主因地区结构变化。 4\. 关键财务指标：本季度总收入 820 亿美元，同比 +85%，环比 +20%，环比绝对增量 135 亿美元为历史新高，连续 3 个季度同比加速、连续 14 个季度环比增长；GAAP 毛利率 74.9%、non-GAAP 毛利率 75%，环比基本持平；non-GAAP OpEx 环比 +12%；non-GAAP 有效税率 16%，低于此前指引；DSO 45 天（Q2 预计回到 55 天左右）；自由现金流 490 亿美元（Q4 为 350 亿美元），创历史新高。 5\. 供应链与可见度：包含库存采购承诺与预付款在内的供应口径已提升至 1450 亿美元；**重申 2025 年至 2027 自然年期间 Blackwell + Rubin 累计收入 1 万亿美元的可见度（维持不变）**；**新增独立 Vera CPU 全年收入约 200 亿美元的可见度，对应一个全新的 2000 亿美元 TAM**；持续不在指引中纳入中国数据中心计算业务收入（H200 出口许可已获批，但尚未产生收入，不确定能否进入中国）。 **二、财报电话会详细内容** **2.1 高管陈述核心信息** 1\. 业务架构调整与新分部披露 a. 公司启用全新的报告框架，分为两个市场平台：数据中心、边缘计算。 b. **数据中心下设两个子市场：Hyperscale（含公有云与全球最大型消费互联网公司）、ACIE（含 AI 云、工业与企业客户、主权 AI）**，**后者对应 AI 专用数据中心与 AI 工厂的增长机会**。 c. 边缘计算覆盖 Agent 与 Physical AI 终端，包括 PC、游戏主机、工作站、AI RAN 基站、机器人与汽车。 d. 公司已在官网披露按新框架追溯调整后过去 9 个季度的收入拆分。 2\. 数据中心业务 a. 数据中心收入 750 亿美元，同比 +92%，环比 +21%，受 Blackwell 架构持续放量驱动，GB300 NVL72 在前沿模型厂商与超大规模云厂商中需求尤为强劲，二者累计部署的 Blackwell GPU 均已达数十万颗规模，是公司历史上爬坡最快的产品。 b. **拆分口径下：数据中心计算收入 600 亿美元，同比 +77%；数据中心网络收入 150 亿美元，同比接近 3 倍增长**。 c. Hyperscale 子分部收入 380 亿美元，约占数据中心收入的 50%，环比 +12%；ACIE 子分部收入 370 亿美元，环比 +31%，其中 **AI 云业务同比增长 3 倍以上；主权 AI 收入同比 +80% 以上**；NVIDIA AI 基础设施已部署至接近 40 个国家，覆盖 50 万亿美元的 GDP；功率 10MW 以上的合作伙伴站点一年内接近翻番至超过 80 个。 d. 网络产品：Spectrum-X 已超过所有其他以太网厂商之和；InfiniBand 同比增长超过 4 倍，由下一代 XDR 技术驱动。 e. 价格与租赁回报：H100 租赁价格年初至今 +20%，A100 云租价 +15%，客户在 GPU 折旧年限之后仍可获得可观回报，强化了 AI 基础设施融资生态。 3\. AI 基础设施与生态 a. 行业 CapEx 展望：分析师预测 2027 年超大规模云 CapEx 将超过 1 万亿美元，到本十年末 AI 基础设施年度支出有望达到 3-4 万亿美元。 b. AI 渗透两大驱动：一是 hyperscale 工作负载（搜索/广告/推荐/内容理解）从 CPU 向 GPU 加速架构迁移；二是 AI 原生产品和服务（推理、Reasoning、Agentic AI）开始大规模落地。 c. **Blackwell 已被所有主要 hyperscaler、云厂商和模型厂商采用**：**OpenAI** 的 GPT 5.5 与 Blackwell 联合设计并训练部署，已位列 artificial analysis 榜单首位；**微软**"Fairwater" 全球最强 AI 数据中心已提前上线，部署数十万颗 Blackwell GPU；**AWS** 自今年起将新增超过 100 万颗 Blackwell 与 Rubin GPU，并合作 Spectrum 网络；**Google** 将通过云提供 Blackwell，并支持机密计算；公司与 **Anthropic** 加深合作，将通过 AWS、Azure、CoreWeave、SpaceX/X.AI 等扩展其算力，公司在前沿 AI 模型领域的份额持续提升，目前合作的前沿厂商包括 Anthropic、OpenAI、Gemini、xAI、Meta MSL、Microsoft AI、TML、Reflection、Perplexity、Cursor 等。 d. 性能领先：MLPerf 推理基准 Blackwell Ultra 横扫所有项目；GB300 在 6 个月内吞吐提升 2.7 倍、单 token 成本下降 60%。 e. **Vera Rubin 路线图：计划 Q3 开始量产出货，集成 7 颗专用芯片、5 个加速机架**，相比 Blackwell 推理吞吐提升最高 35 倍、AI 工厂收入潜力提升最高 10 倍；Google 的 A5X bare metal 实例可支持跨多站点最多 96 万颗 Rubin GPU。 4\. Vera CPU 与新 TAM a. **Vera CPU 是公司首款面向 Agentic AI 设计的 CPU**，基于定制 ARM 核心，与 Rubin GPU、NVLink 端到端协同设计，单核性能较 x86 提升最高 1.5 倍、能效比提升 2 倍、机架密度提升 4 倍。 b. 打开一个 2000 亿美元的全新 TAM；**今年独立 CPU 收入可见度约 200 亿美元**，公司目标成为全球最大的 CPU 供应商之一。 c. **Vera 共有 4 种用法：搭配 Rubin GPU（每 2 颗 Rubin 配 1 颗 Vera）、独立 CPU、Vera+CX-9 用于存储软件栈、Vera+CX-9 用于安全与机密计算栈**，预计在 Vera Rubin 全生命周期内供应紧张。 5\. 边缘计算与 Physical AI a. 边缘计算收入 64 亿美元，环比 +10%，同比 +29%；Blackwell 工作站需求强劲，消费端因内存与系统价格上涨而小幅走弱。 b. Physical AI 过去 12 个月收入超过 90 亿美元；与 Uber 合作，到 2028 年将在近 30 个城市、4 大洲为 Robotaxi 车队提供算力支撑；工业、外科、人形机器人等领域龙头公司均基于 NVIDIA 平台开发。 6\. 资本配置与未来展望 a. 优先序为：R&D 与生态战略投资 → 股东回报，强调 NVIDIA 须持续提供"最低 token 成本、最高 token 吞吐"的能力来助力客户与生态扩张。 b. CEO 收尾强调五点：1) NVIDIA 是唯一能运行所有前沿 AI 模型的平台；2) 公司覆盖所有 hyperscale 云厂商的核心数据处理、ML、AI 工作负载；3) 凭借全栈 AI 工厂方案与全球生态，独家服务 AI 原生云、主权 AI 云、企业与工业本地化部署等新型 AI 数据中心；4) CUDA 延伸至边缘——机器人、自动驾驶、嵌入式医疗、AI RAN 基站，Physical AI 将带来数十亿个自主与机器人系统；5) Vera 是公司面向 Agentic AI 的全新增长极，打开 2000 亿美元 TAM。 **2.2 Q&A 问答** **Q：本季度重新调整业务分部的考量是什么？两个数据中心子分部之间在竞争格局上有何差异？以及让人意外的 CPU 数字如何在两个分部之间分布？** A：首先 Colette 刚才口误了，我们的季度股息是从 0.01 美元上调到 0.25 美元，而不是 0.20 美元——多出来的 0.05 美元对大股东来说意义重大。 回到分部问题。我们这次调整是希望让大家更清晰地理解我们的业务。AI 与计算高度多样：从领域看，包括语言、3D 图形（制造与工业机器人）、蛋白质（生命科学）、小分子化学、材料科学、物理（能源、科学实验室、高等教育）等等；从应用看，覆盖企业、能源、制造等不同行业；从运行场所看，覆盖 hyperscale 云、AI 原生云、企业本地、工厂车间、超算中心，以及边缘端——自动驾驶汽车、机器人，以及越来越庞大的工厂内部、芯片厂、封装厂、计算机制造厂中的计算节点，未来的每个基站、每个无线网络都将成为 AI 驱动的无线网络；从治理方式看，可能在公有云，也可能因工业监管、机密计算、国家安全原因而必须放在专属数据中心。 NVIDIA 的独特之处在于，我们是唯一一家在所有技术组件上端到端、极致协同设计、全栈打造、同时又保持平台开放的厂商。某些客户群（例如企业客户）需要一家能把所有技术整合好交付的厂商，他们想买、想用，而不想自己造。所以数据中心市场存在很多不同细分，每一类都有 NVIDIA 全栈但开放的解决方案。 简化来看，我们把业务拆为三大段：**一是 hyperscale 云**，我们在其中有三种合作方式——帮助他们加速数据处理与 ML 工作负载、支持他们内部的 AI 处理、把 NVIDIA 生态业务带入他们的公有云；**二是 AI 原生、企业本地、工业本地与主权 AI**，这部分增长极快，因为每一个行业、每一个国家、每一家公司都需要 AI，而我们提供完整解决方案让"自建"变得可行；**三是机器人/边缘**——过去的计算是个人计算，未来的计算是个人 AI，自动驾驶车就是典型代表，未来还会有各种机器人系统，包括基站无线网络本身也将成为机器人系统。 这三类业务的技术栈、操作系统、运行方式、go-to-market 都不一样。Hyperscale 的 GTM 最简单（5-6 家），但其他两类涉及 25 万家以上公司，GTM 复杂度高很多，对 AI 各垂直行业的理解要求极高——而 NVIDIA 拥有全球最大规模的加速库（计算光刻、流体动力学、粒子物理、分子动力学等），正是服务后两类客户的关键能力。我们的业务规模已经大到需要按这种方式拆分，才能让外部更准确地理解我们如何运转。 **Q：本季度（剔除中国）数据中心同比增长约 120%，指引下季度仍接近 100%，而市场普遍预期 hyperscale CapEx 今年增长 90%-100%，公司是否认为自己应当且能够持续跑赢 hyperscale CapEx 增速？hyperscale CapEx 在今年之后还会保持高速增长吗？** A：是的，我们应当跑赢 hyperscale CapEx 增速，原因和我刚才描述的分部结构有关。我们数据中心业务可以简化为两大类——实际更复杂，但拆成两大类有助于理解。 第一类是 hyperscaler，对应你提到的 hyperscale CapEx，今年大约 1 万亿美元，我的预期是会继续增长。原因很简单：未来的计算本就是这样运转的——如果你没有算力，你就没有收入。算力就是收入，算力就是利润。世界正在改变，过去 SaaS 软件用算力没那么多，但 AI 需要海量算力。也正因为这样，前沿 AI 公司（Anthropic、OpenAI）成长极快，1 个月内的增长相当于过去 SaaS 公司十年的体量。第一类 hyperscale CapEx 当前 1 万亿美元，将向 3-4 万亿美元演进。 第二类是所有 AI 原生云（区域性、全球各地），全世界的 AI 初创公司、25 万家企业（其中很多想自建 AI 工厂）、大量工业公司——很多场景必须把算力放在数据产生的地点，比如芯片工厂不可能依赖云服务的远程响应。还有各国的主权 AI 云。这一类客户不希望也无法自己设计芯片或拼凑系统，他们需要购买并运营成套系统。我们在第一类客户那里只有 5-6 家、最多 7 家客户，而第二类客户是数百到数千家、未来数十万家小规模部署，并且增长极快。我所讲的 Physical AI 以及"过去 30 年未被 IT 真正触及的 100 万亿美元产业"正在被 AI 改造，就属于这第二类。 **我们在第一类中的份额正在提升，因为 Anthropic 新加入**，我们将在未来几年大幅扩展其算力。**第二类则鲜有竞争者具备我们这种平台级解决方案的能力**——我们的平台像垂直整合一样作为整体设计，但又能拆解为客户希望的任意配置组合，所以第二类我们的份额非常高。 **Q：随着 Vera Rubin 临近，以及外界对推理市场份额的高度关注，您如何看待 Vera Rubin 与"极致协同设计"对 2026 年下半年至 2027 年公司在推理市场份额的影响？** A：我们的推理份额正在快速提升。原因是今年前沿模型厂商数量在增加，包括 Cursor、Perplexity、TML、Reflection 等新进入者；并且**我们今年新增了 Anthropic 这位合作伙伴**，他们扩张极快，我们已与他们一起在 Azure、AWS、CoreWeave 等多个云上锁定算力，今明两年为 Anthropic 上线的算力规模将非常可观。**我们对 Anthropic 的覆盖此前基本为零，现在份额正在显著提升**。 Vera Rubin 的表现将比 Grace Blackwell 更出色——每一家前沿模型公司都会从一开始就采用 Vera Rubin，而 Blackwell 时代并非如此。所以 Vera Rubin 起步极佳，将比 Grace Blackwell 更成功。 刚才讨论的推理份额主要是 hyperscale 范畴；而第二大类 AI 数据中心是我们近乎独家服务的市场，其中几乎所有推理工作负载都由 NVIDIA 承担；Physical AI 领域 NVIDIA 几乎是唯一的供应商，我们做了很久。综合来看，我们在推理市场的份额提升非常迅速。 **Q：能否谈谈您在 CPX、LPX 等定制 merchant 产品上获得的客户反馈？您此前提到过这类产品大概是 20% 的市场，LPX 进展如何？它如何融入更宏观的平台策略？** A：LPX 是为低延迟、高 token 速率设计的，但其吞吐量低、可承载的模型规模小、上下文处理能力也较弱（比如软件编码、Agentic 工作负载需要吞咽大量上下文，LPX 难以胜任）。所以 LPX 的应用场景并不宽泛——它面向那些拥有多类 token 服务组合、其中高 token 速率的服务相对小众但溢价较高的服务商。我此前的判断不变。 我认为 LPX 等基于 SRAM 的解码型、高 token 速率加速器仍将在相当长一段时间内是"利基产品"。Grace Blackwell 与 Vera Rubin 支持 AI 全生命周期——数据处理、预训练、后训练、强化学习直到推理；Grace Blackwell 是当下做这些任务最好的平台。如果客户已有相应的高 token 速率服务，可以叠加 LPX 来增强这部分服务体验。至于占比是 20% 还是 10%，取决于 AI 发展阶段。当下我认为远低于 20%，未来某一天高溢价 token 可能达到 20%，我们已经准备好与服务商一起开拓这一能力，我对此很有信心。 **Q：市场关于 Agentic 应用所需 CPU、甚至 CPU 数量将超过 GPU 的讨论很多。这是增量工作负载还是会蚕食 GPU？另外您提到的 200 亿美元 Vera CPU 收入数字是独立 Vera CPU 还是已经包含在 Vera Rubin 中？** A：**200 亿美元指的是独立 CPU 收入**。Vera 共有 4 种用法：第一种是 Vera Rubin，我们会卖出数百万颗 Rubin，每 2 颗 Rubin 配 1 颗 Vera，并已合理定价；第二种是独立 Vera CPU；第三种是 Vera 搭配 CX-9 与存储软件栈；第四种是 Vera 搭配 CX-9 与安全、计算隔离、机密计算软件栈。我判断 Vera 在 Vera Rubin 全生命周期都会供应紧张。所以这 200 亿美元是独立 CPU 的数字。 关于 CPU 与 GPU 的关系：一个 Agent 本质上是一个"harness"——比如 Claude Code 是包裹 Opus 模型的 harness，OpenAI 的 Codex 是包裹 GPT 5.5 的 harness。harness 提供 I/O、编排、记忆管理、工具调用（浏览器、编译器、Python 编译器等）。harness 运行在 CPU 上，工具调用也运行在 CPU 上——比如 AI 让 Agent 去做搜索或使用浏览器，那部分跑在 CPU。 全球大约有 10 亿人类用户；我判断未来会有数十亿 Agent。这些 Agent 都会使用工具——就像今天人类用 PC 一样，未来 Agent 也会"用 PC"。当前可能只有几十万个 Agent，未来可能是几十亿；每个 Agent 都会衍生子 Agent，每次衍生都需要进行推理，"思考"发生在 GPU 上，编排发生在 CPU 上；子 Agent 思考时也用 GPU，而 Agent 使用模拟器、数据库、EDA 工具时则用 CPU 或 GPU 加速。这就是我们与 Cadence、Synopsys、Siemens、Adobe 等深度合作的原因——把全球的工具、数据处理引擎、数据库引擎都跑到 CUDA 上加速，因为 Agent 对延迟容忍度比人类更低，要求执行更快。 我们将需要更多 CPU，而 Vera 是为 Agentic CPU 设计的。过去的 CPU 设计目标是多核以便对外出租核心，云计算的经济学是 dollars per core；未来 AI 的经济学是 tokens per dollar / dollars per token，需要快速生成与处理 token，这正是 Vera 擅长的。最终我们做的是 AI 基础设施——需要顶级存储（所以做 STX）、顶级网络（所以做 Spectrum-X）、顶级 GPU 与推理能力（所以做 NVLink 72）、顶级安全与机密计算（所以 Vera Rubin 是全球首款端到端机密计算平台）、还要有顶级 CPU。我们都已覆盖。 **Q：从分部划分上看，Neo Cloud（AI 新云）应该归在 hyperscale 还是 ACIE？规模上两段几乎相当，是否暗示您认为 ACIE 这段未来增速将快于 hyperscale，还是两段增速相当？** A：你的判断是对的，**AI 原生云属于第二类（ACIE）。原因是 AI 原生云不设计芯片、也无法把零散组件拼成 AI 工厂**；他们对"首 token 时延"容忍度极低，且需要一种能跑所有模型、面向所有客户的高 offtake 架构——NVIDIA 架构完美契合，我们提供全部组件，缺什么由生态合作伙伴补上，整套打通。他们可出租给几乎每一家 AI 创业公司、SaaS、企业、工业公司，是全球最易出租、TCO 最优、最易融资的平台。这些属性正好满足 AI 原生云的需求。它和 OEM、大型企业等很相似，所以我们将其归入第二类。 **第二类的发展滞后于第一类**，因为 hyperscaler 拥有最强的计算机科学能力与数据中心能力，并且更聚焦消费应用——消费应用对准确率容忍度高，提升体验即可；而工业与企业应用必须等到 AI 真正胜任、安全、能创造实际经济收益时才会大规模采用。所以第二类此前发展更慢，这也能从数据中看出来。 但长期来看，**工业与企业才是未来经济的主战场**——它们对应全球 50-80 万亿美元的经济体量，并且会因 AI 而变得更大。因此 ACIE 在足够长的时间里会变得比 hyperscale 更大。短期来看（未来数年），两段都将高速增长，但 ACIE 增速更快是大概率事件；我还希望未来 5 年内 Physical AI 与机器人这第三段也会进入高速增长期。 **Q：在 GTC 您给出了 Blackwell + Rubin 平台未来收入 1 万亿美元的可见度，但似乎未包含 LPX、Rubin CPX、Vera CPU 等。Vera CPU 是否会成为 1 万亿美元以外最大的上行来源？是否还有其他可能扩张该 TAM 的产品组合？** A：1 万亿美元之外的上行来源，按优先级讲：第一是前沿 AI 模型客户的份额持续提升，我预计还会进一步增长；第二，**1 万亿美元中没有包含独立 Vera CPU**，我认为这将是第二大上行来源——Agentic 系统的 TAM 很大，客户都对 Vera 兴趣浓厚，我们将卖出大量 Vera；第三是 LPX——如前所述，LPX 基于 SRAM 架构延迟极低、交互性极强，但吞吐与上下文处理能力有限。结合 Vera Rubin 与 LPX，我们能覆盖从预训练、后训练、推理到 Agentic 系统的完整 AI 工作负载谱系。 **Q：Colette 在准备稿中提到 GB300 是公司历史上最快的产品爬坡。相比之下，Vera Rubin 是机架级形态但芯片层面是全新架构，其爬坡曲线会和 GB300 相似，还是因为新硅片而更平缓？** A：我们已经多次表示 Vera Rubin 将于下半年发布，Q3 启动首批集成，Q4 进入持续爬坡阶段。目前很难明确说它会比 GB300 更快还是更慢，但需求已经存在、订单已落地，几乎所有主要客户都已准备就绪。这些系统极为复杂，主要是各子系统量产时间表的协同。所以下结论还为时尚早，但 **Q3 启动、Q4 继续爬坡、明年 Q1 的规模也将非常大**。 <正文结束\> **本文的风险披露与声明：**[**海豚研究免责声明及一般披露**](https://support.longbridge.global/topics/misc/dolphin-disclaimer) ### 相关股票 - [NVDA.US](https://longbridge.com/zh-CN/quote/NVDA.US.md) ## 评论 (3) - **空空郎君 · 2026-05-22T02:33:48.000Z**: 英伟达前一段时间收购了 Groq，花了 200 亿美元，这半年就赚回来了？🤓🤓🤓 - **北海狮子** (2026-05-22T14:15:15.000Z): 股价没救了，这支股票真不能碰 - **空空郎君** (2026-05-22T14:15:59.000Z): 你说的是什么股票？