英偉達（紀要）：單獨 Vera CPU 收入今年有望達到 200 億美元

以下為海豚君整理的$英偉達(NVDA.US) FY27Q1 的財報電話會紀要，財報解讀請移步《英偉達：羣雄逼宮、AI“堵點” 生變，宇宙股也會 “小失意”？》

一、英偉達財報核心信息回顧

1. 股東回報方面：本季度向股東返還創紀錄的 200 億美元；季度股息從每股 0.01 美元上調至 0.25 美元；新增 800 億美元股票回購授權，疊加現有計劃剩餘的 390 億美元；計劃本年度將約 50% 的自由現金流返還給股東。

2. Q2 業績指引：總收入預計 910 億美元，上下浮動 2%，環比增長主要由數據中心驅動；GAAP 與 non-GAAP 毛利率分別為 74.9% 和 75%，上下浮動 50bps；GAAP 與 non-GAAP 運營費用分別約 85 億美元和 83 億美元。

3. 全年指引：FY27 毛利率仍預計維持在 70% 中段水平（75% 左右）；OpEx 同比增速上調至 45% 以上，主要由 R&D 投入加大及 AI 工具的使用加速帶動；GAAP/non-GAAP 有效税率預計 16%-18%，較此前 17%-19% 的指引下調，主因地區結構變化。

4. 關鍵財務指標：本季度總收入 820 億美元，同比 +85%，環比 +20%，環比絕對增量 135 億美元為歷史新高，連續 3 個季度同比加速、連續 14 個季度環比增長；GAAP 毛利率 74.9%、non-GAAP 毛利率 75%，環比基本持平；non-GAAP OpEx 環比 +12%；non-GAAP 有效税率 16%，低於此前指引；DSO 45 天（Q2 預計回到 55 天左右）；自由現金流 490 億美元（Q4 為 350 億美元），創歷史新高。

5. 供應鏈與可見度：包含庫存採購承諾與預付款在內的供應口徑已提升至 1450 億美元；重申 2025 年至 2027 自然年期間 Blackwell + Rubin 累計收入 1 萬億美元的可見度（維持不變）；新增獨立 Vera CPU 全年收入約 200 億美元的可見度，對應一個全新的 2000 億美元 TAM；持續不在指引中納入中國數據中心計算業務收入（H200 出口許可已獲批，但尚未產生收入，不確定能否進入中國）。

二、財報電話會詳細內容

2.1 高管陳述核心信息

1. 業務架構調整與新分部披露

a. 公司啓用全新的報告框架，分為兩個市場平台：數據中心、邊緣計算。

b. 數據中心下設兩個子市場：Hyperscale（含公有云與全球最大型消費互聯網公司）、ACIE（含 AI 雲、工業與企業客户、主權 AI），後者對應 AI 專用數據中心與 AI 工廠的增長機會。

c. 邊緣計算覆蓋 Agent 與 Physical AI 終端，包括 PC、遊戲主機、工作站、AI RAN 基站、機器人與汽車。

d. 公司已在官網披露按新框架追溯調整後過去 9 個季度的收入拆分。

2. 數據中心業務

a. 數據中心收入 750 億美元，同比 +92%，環比 +21%，受 Blackwell 架構持續放量驅動，GB300 NVL72 在前沿模型廠商與超大規模雲廠商中需求尤為強勁，二者累計部署的 Blackwell GPU 均已達數十萬顆規模，是公司歷史上爬坡最快的產品。

b. 拆分口徑下：數據中心計算收入 600 億美元，同比 +77%；數據中心網絡收入 150 億美元，同比接近 3 倍增長。

c. Hyperscale 子分部收入 380 億美元，約佔數據中心收入的 50%，環比 +12%；ACIE 子分部收入 370 億美元，環比 +31%，其中 AI 雲業務同比增長 3 倍以上；主權 AI 收入同比 +80% 以上；NVIDIA AI 基礎設施已部署至接近 40 個國家，覆蓋 50 萬億美元的 GDP；功率 10MW 以上的合作伙伴站點一年內接近翻番至超過 80 個。

d. 網絡產品：Spectrum-X 已超過所有其他以太網廠商之和；InfiniBand 同比增長超過 4 倍，由下一代 XDR 技術驅動。

e. 價格與租賃回報：H100 租賃價格年初至今 +20%，A100 雲租價 +15%，客户在 GPU 折舊年限之後仍可獲得可觀回報，強化了 AI 基礎設施融資生態。

3. AI 基礎設施與生態

a. 行業 CapEx 展望：分析師預測 2027 年超大規模雲 CapEx 將超過 1 萬億美元，到本十年末 AI 基礎設施年度支出有望達到 3-4 萬億美元。

b. AI 滲透兩大驅動：一是 hyperscale 工作負載（搜索/廣告/推薦/內容理解）從 CPU 向 GPU 加速架構遷移；二是 AI 原生產品和服務（推理、Reasoning、Agentic AI）開始大規模落地。

c. Blackwell 已被所有主要 hyperscaler、雲廠商和模型廠商採用：OpenAI 的 GPT 5.5 與 Blackwell 聯合設計並訓練部署，已位列 artificial analysis 榜單首位；微軟"Fairwater" 全球最強 AI 數據中心已提前上線，部署數十萬顆 Blackwell GPU；AWS 自今年起將新增超過 100 萬顆 Blackwell 與 Rubin GPU，併合作 Spectrum 網絡；Google 將通過雲提供 Blackwell，並支持機密計算；公司與 Anthropic 加深合作，將通過 AWS、Azure、CoreWeave、SpaceX/X.AI 等擴展其算力，公司在前沿 AI 模型領域的份額持續提升，目前合作的前沿廠商包括 Anthropic、OpenAI、Gemini、xAI、Meta MSL、Microsoft AI、TML、Reflection、Perplexity、Cursor 等。

d. 性能領先：MLPerf 推理基準 Blackwell Ultra 橫掃所有項目；GB300 在 6 個月內吞吐提升 2.7 倍、單 token 成本下降 60%。

e. Vera Rubin 路線圖：計劃 Q3 開始量產出貨，集成 7 顆專用芯片、5 個加速機架，相比 Blackwell 推理吞吐提升最高 35 倍、AI 工廠收入潛力提升最高 10 倍；Google 的 A5X bare metal 實例可支持跨多站點最多 96 萬顆 Rubin GPU。

4. Vera CPU 與新 TAM

a. Vera CPU 是公司首款面向 Agentic AI 設計的 CPU，基於定製 ARM 核心，與 Rubin GPU、NVLink 端到端協同設計，單核性能較 x86 提升最高 1.5 倍、能效比提升 2 倍、機架密度提升 4 倍。

b. 打開一個 2000 億美元的全新 TAM；今年獨立 CPU 收入可見度約 200 億美元，公司目標成為全球最大的 CPU 供應商之一。

c. Vera 共有 4 種用法：搭配 Rubin GPU（每 2 顆 Rubin 配 1 顆 Vera）、獨立 CPU、Vera+CX-9 用於存儲軟件棧、Vera+CX-9 用於安全與機密計算棧，預計在 Vera Rubin 全生命週期內供應緊張。

5. 邊緣計算與 Physical AI

a. 邊緣計算收入 64 億美元，環比 +10%，同比 +29%；Blackwell 工作站需求強勁，消費端因內存與系統價格上漲而小幅走弱。

b. Physical AI 過去 12 個月收入超過 90 億美元；與 Uber 合作，到 2028 年將在近 30 個城市、4 大洲為 Robotaxi 車隊提供算力支撐；工業、外科、人形機器人等領域龍頭公司均基於 NVIDIA 平台開發。

6. 資本配置與未來展望

a. 優先序為：R&D 與生態戰略投資 → 股東回報，強調 NVIDIA 須持續提供"最低 token 成本、最高 token 吞吐"的能力來助力客户與生態擴張。

b. CEO 收尾強調五點：1) NVIDIA 是唯一能運行所有前沿 AI 模型的平台；2) 公司覆蓋所有 hyperscale 雲廠商的核心數據處理、ML、AI 工作負載；3) 憑藉全棧 AI 工廠方案與全球生態，獨家服務 AI 原生雲、主權 AI 雲、企業與工業本地化部署等新型 AI 數據中心；4) CUDA 延伸至邊緣——機器人、自動駕駛、嵌入式醫療、AI RAN 基站，Physical AI 將帶來數十億個自主與機器人系統；5) Vera 是公司面向 Agentic AI 的全新增長極，打開 2000 億美元 TAM。

2.2 Q&A 問答

Q：本季度重新調整業務分部的考量是什麼？兩個數據中心子分部之間在競爭格局上有何差異？以及讓人意外的 CPU 數字如何在兩個分部之間分佈？

A：首先 Colette 剛才口誤了，我們的季度股息是從 0.01 美元上調到 0.25 美元，而不是 0.20 美元——多出來的 0.05 美元對大股東來説意義重大。

回到分部問題。我們這次調整是希望讓大家更清晰地理解我們的業務。AI 與計算高度多樣：從領域看，包括語言、3D 圖形（製造與工業機器人）、蛋白質（生命科學）、小分子化學、材料科學、物理（能源、科學實驗室、高等教育）等等；從應用看，覆蓋企業、能源、製造等不同行業；從運行場所看，覆蓋 hyperscale 雲、AI 原生雲、企業本地、工廠車間、超算中心，以及邊緣端——自動駕駛汽車、機器人，以及越來越龐大的工廠內部、芯片廠、封裝廠、計算機制造廠中的計算節點，未來的每個基站、每個無線網絡都將成為 AI 驅動的無線網絡；從治理方式看，可能在公有云，也可能因工業監管、機密計算、國家安全原因而必須放在專屬數據中心。

NVIDIA 的獨特之處在於，我們是唯一一家在所有技術組件上端到端、極致協同設計、全棧打造、同時又保持平台開放的廠商。某些客户羣（例如企業客户）需要一家能把所有技術整合好交付的廠商，他們想買、想用，而不想自己造。所以數據中心市場存在很多不同細分，每一類都有 NVIDIA 全棧但開放的解決方案。

簡化來看，我們把業務拆為三大段：一是 hyperscale 雲，我們在其中有三種合作方式——幫助他們加速數據處理與 ML 工作負載、支持他們內部的 AI 處理、把 NVIDIA 生態業務帶入他們的公有云；二是 AI 原生、企業本地、工業本地與主權 AI，這部分增長極快，因為每一個行業、每一個國家、每一家公司都需要 AI，而我們提供完整解決方案讓"自建"變得可行；三是機器人/邊緣——過去的計算是個人計算，未來的計算是個人 AI，自動駕駛車就是典型代表，未來還會有各種機器人系統，包括基站無線網絡本身也將成為機器人系統。

這三類業務的技術棧、操作系統、運行方式、go-to-market 都不一樣。Hyperscale 的 GTM 最簡單（5-6 家），但其他兩類涉及 25 萬家以上公司，GTM 複雜度高很多，對 AI 各垂直行業的理解要求極高——而 NVIDIA 擁有全球最大規模的加速庫（計算光刻、流體動力學、粒子物理、分子動力學等），正是服務後兩類客户的關鍵能力。我們的業務規模已經大到需要按這種方式拆分，才能讓外部更準確地理解我們如何運轉。

Q：本季度（剔除中國）數據中心同比增長約 120%，指引下季度仍接近 100%，而市場普遍預期 hyperscale CapEx 今年增長 90%-100%，公司是否認為自己應當且能夠持續跑贏 hyperscale CapEx 增速？hyperscale CapEx 在今年之後還會保持高速增長嗎？

A：是的，我們應當跑贏 hyperscale CapEx 增速，原因和我剛才描述的分部結構有關。我們數據中心業務可以簡化為兩大類——實際更復雜，但拆成兩大類有助於理解。

第一類是 hyperscaler，對應你提到的 hyperscale CapEx，今年大約 1 萬億美元，我的預期是會繼續增長。原因很簡單：未來的計算本就是這樣運轉的——如果你沒有算力，你就沒有收入。算力就是收入，算力就是利潤。世界正在改變，過去 SaaS 軟件用算力沒那麼多，但 AI 需要海量算力。也正因為這樣，前沿 AI 公司（Anthropic、OpenAI）成長極快，1 個月內的增長相當於過去 SaaS 公司十年的體量。第一類 hyperscale CapEx 當前 1 萬億美元，將向 3-4 萬億美元演進。

第二類是所有 AI 原生雲（區域性、全球各地），全世界的 AI 初創公司、25 萬家企業（其中很多想自建 AI 工廠）、大量工業公司——很多場景必須把算力放在數據產生的地點，比如芯片工廠不可能依賴雲服務的遠程響應。還有各國的主權 AI 雲。這一類客户不希望也無法自己設計芯片或拼湊系統，他們需要購買並運營成套系統。我們在第一類客户那裏只有 5-6 家、最多 7 家客户，而第二類客户是數百到數千家、未來數十萬家小規模部署，並且增長極快。我所講的 Physical AI 以及"過去 30 年未被 IT 真正觸及的 100 萬億美元產業"正在被 AI 改造，就屬於這第二類。

我們在第一類中的份額正在提升，因為 Anthropic 新加入，我們將在未來幾年大幅擴展其算力。第二類則鮮有競爭者具備我們這種平台級解決方案的能力——我們的平台像垂直整合一樣作為整體設計，但又能拆解為客户希望的任意配置組合，所以第二類我們的份額非常高。

Q：隨着 Vera Rubin 臨近，以及外界對推理市場份額的高度關注，您如何看待 Vera Rubin 與"極致協同設計"對 2026 年下半年至 2027 年公司在推理市場份額的影響？

A：我們的推理份額正在快速提升。原因是今年前沿模型廠商數量在增加，包括 Cursor、Perplexity、TML、Reflection 等新進入者；並且我們今年新增了 Anthropic 這位合作伙伴，他們擴張極快，我們已與他們一起在 Azure、AWS、CoreWeave 等多個雲上鎖定算力，今明兩年為 Anthropic 上線的算力規模將非常可觀。我們對 Anthropic 的覆蓋此前基本為零，現在份額正在顯著提升。

Vera Rubin 的表現將比 Grace Blackwell 更出色——每一家前沿模型公司都會從一開始就採用 Vera Rubin，而 Blackwell 時代並非如此。所以 Vera Rubin 起步極佳，將比 Grace Blackwell 更成功。

剛才討論的推理份額主要是 hyperscale 範疇；而第二大類 AI 數據中心是我們近乎獨家服務的市場，其中幾乎所有推理工作負載都由 NVIDIA 承擔；Physical AI 領域 NVIDIA 幾乎是唯一的供應商，我們做了很久。綜合來看，我們在推理市場的份額提升非常迅速。

Q：能否談談您在 CPX、LPX 等定製 merchant 產品上獲得的客户反饋？您此前提到過這類產品大概是 20% 的市場，LPX 進展如何？它如何融入更宏觀的平台策略？

A：LPX 是為低延遲、高 token 速率設計的，但其吞吐量低、可承載的模型規模小、上下文處理能力也較弱（比如軟件編碼、Agentic 工作負載需要吞嚥大量上下文，LPX 難以勝任）。所以 LPX 的應用場景並不寬泛——它面向那些擁有多類 token 服務組合、其中高 token 速率的服務相對小眾但溢價較高的服務商。我此前的判斷不變。

我認為 LPX 等基於 SRAM 的解碼型、高 token 速率加速器仍將在相當長一段時間內是"利基產品"。Grace Blackwell 與 Vera Rubin 支持 AI 全生命週期——數據處理、預訓練、後訓練、強化學習直到推理；Grace Blackwell 是當下做這些任務最好的平台。如果客户已有相應的高 token 速率服務，可以疊加 LPX 來增強這部分服務體驗。至於佔比是 20% 還是 10%，取決於 AI 發展階段。當下我認為遠低於 20%，未來某一天高溢價 token 可能達到 20%，我們已經準備好與服務商一起開拓這一能力，我對此很有信心。

Q：市場關於 Agentic 應用所需 CPU、甚至 CPU 數量將超過 GPU 的討論很多。這是增量工作負載還是會蠶食 GPU？另外您提到的 200 億美元 Vera CPU 收入數字是獨立 Vera CPU 還是已經包含在 Vera Rubin 中？

A：200 億美元指的是獨立 CPU 收入。Vera 共有 4 種用法：第一種是 Vera Rubin，我們會賣出數百萬顆 Rubin，每 2 顆 Rubin 配 1 顆 Vera，並已合理定價；第二種是獨立 Vera CPU；第三種是 Vera 搭配 CX-9 與存儲軟件棧；第四種是 Vera 搭配 CX-9 與安全、計算隔離、機密計算軟件棧。我判斷 Vera 在 Vera Rubin 全生命週期都會供應緊張。所以這 200 億美元是獨立 CPU 的數字。

關於 CPU 與 GPU 的關係：一個 Agent 本質上是一個"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、編排、記憶管理、工具調用（瀏覽器、編譯器、Python 編譯器等）。harness 運行在 CPU 上，工具調用也運行在 CPU 上——比如 AI 讓 Agent 去做搜索或使用瀏覽器，那部分跑在 CPU。

全球大約有 10 億人類用户；我判斷未來會有數十億 Agent。這些 Agent 都會使用工具——就像今天人類用 PC 一樣，未來 Agent 也會"用 PC"。當前可能只有幾十萬個 Agent，未來可能是幾十億；每個 Agent 都會衍生子 Agent，每次衍生都需要進行推理，"思考"發生在 GPU 上，編排發生在 CPU 上；子 Agent 思考時也用 GPU，而 Agent 使用模擬器、數據庫、EDA 工具時則用 CPU 或 GPU 加速。這就是我們與 Cadence、Synopsys、Siemens、Adobe 等深度合作的原因——把全球的工具、數據處理引擎、數據庫引擎都跑到 CUDA 上加速，因為 Agent 對延遲容忍度比人類更低，要求執行更快。

我們將需要更多 CPU，而 Vera 是為 Agentic CPU 設計的。過去的 CPU 設計目標是多核以便對外出租核心，雲計算的經濟學是 dollars per core；未來 AI 的經濟學是 tokens per dollar / dollars per token，需要快速生成與處理 token，這正是 Vera 擅長的。最終我們做的是 AI 基礎設施——需要頂級存儲（所以做 STX）、頂級網絡（所以做 Spectrum-X）、頂級 GPU 與推理能力（所以做 NVLink 72）、頂級安全與機密計算（所以 Vera Rubin 是全球首款端到端機密計算平台）、還要有頂級 CPU。我們都已覆蓋。

Q：從分部劃分上看，Neo Cloud（AI 新雲）應該歸在 hyperscale 還是 ACIE？規模上兩段幾乎相當，是否暗示您認為 ACIE 這段未來增速將快於 hyperscale，還是兩段增速相當？

A：你的判斷是對的，AI 原生雲屬於第二類（ACIE）。原因是 AI 原生雲不設計芯片、也無法把零散組件拼成 AI 工廠；他們對"首 token 時延"容忍度極低，且需要一種能跑所有模型、面向所有客户的高 offtake 架構——NVIDIA 架構完美契合，我們提供全部組件，缺什麼由生態合作伙伴補上，整套打通。他們可出租給幾乎每一家 AI 創業公司、SaaS、企業、工業公司，是全球最易出租、TCO 最優、最易融資的平台。這些屬性正好滿足 AI 原生雲的需求。它和 OEM、大型企業等很相似，所以我們將其歸入第二類。

第二類的發展滯後於第一類，因為 hyperscaler 擁有最強的計算機科學能力與數據中心能力，並且更聚焦消費應用——消費應用對準確率容忍度高，提升體驗即可；而工業與企業應用必須等到 AI 真正勝任、安全、能創造實際經濟收益時才會大規模採用。所以第二類此前發展更慢，這也能從數據中看出來。

但長期來看，工業與企業才是未來經濟的主戰場——它們對應全球 50-80 萬億美元的經濟體量，並且會因 AI 而變得更大。因此 ACIE 在足夠長的時間裏會變得比 hyperscale 更大。短期來看（未來數年），兩段都將高速增長，但 ACIE 增速更快是大概率事件；我還希望未來 5 年內 Physical AI 與機器人這第三段也會進入高速增長期。

Q：在 GTC 您給出了 Blackwell + Rubin 平台未來收入 1 萬億美元的可見度，但似乎未包含 LPX、Rubin CPX、Vera CPU 等。Vera CPU 是否會成為 1 萬億美元以外最大的上行來源？是否還有其他可能擴張該 TAM 的產品組合？

A：1 萬億美元之外的上行來源，按優先級講：第一是前沿 AI 模型客户的份額持續提升，我預計還會進一步增長；第二，1 萬億美元中沒有包含獨立 Vera CPU，我認為這將是第二大上行來源——Agentic 系統的 TAM 很大，客户都對 Vera 興趣濃厚，我們將賣出大量 Vera；第三是 LPX——如前所述，LPX 基於 SRAM 架構延遲極低、交互性極強，但吞吐與上下文處理能力有限。結合 Vera Rubin 與 LPX，我們能覆蓋從預訓練、後訓練、推理到 Agentic 系統的完整 AI 工作負載譜系。

Q：Colette 在準備稿中提到 GB300 是公司歷史上最快的產品爬坡。相比之下，Vera Rubin 是機架級形態但芯片層面是全新架構，其爬坡曲線會和 GB300 相似，還是因為新硅片而更平緩？

A：我們已經多次表示 Vera Rubin 將於下半年發佈，Q3 啓動首批集成，Q4 進入持續爬坡階段。目前很難明確説它會比 GB300 更快還是更慢，但需求已經存在、訂單已落地，幾乎所有主要客户都已準備就緒。這些系統極為複雜，主要是各子系統量產時間表的協同。所以下結論還為時尚早，但 Q3 啓動、Q4 繼續爬坡、明年 Q1 的規模也將非常大。

<正文結束>

本文的風險披露與聲明：海豚研究免責聲明及一般披露