英伟达财报里的三个信号:AI的主升浪走没走完
2026-08-28 07:49
英伟达财报里的三个信号:AI的主升浪走没走完英伟达FY2027 Q2财报，先把核心数据摆出来。 单季营收962亿美元，同比增长106%，环比增长18%。GAAP净利润597亿，同比增126%，相当于每天净赚6亿多美元。毛利率75%。数据中心收入890亿，同比增117%。 下季度指引营收1080亿，单季首次突破千亿，而且这个数字不含任何中国数据中心收入。 最夸张的是这一条：英伟达历史上第一次提前一整年给出业绩指引，FY2028营收预计再增长约70%，而市场共识只有45%左右。管理层还特意强调，70%是受供应限制的打折版本。 云订单积压超过2万亿美元。五大云厂商2026年订单约8000亿，2027年约1.3万亿。AWS单季追加了200万块GPU的采购协议，一直覆盖到2029年。 这些数字摆在这里，不需要修辞。真正值得讨论的是另外三个问题：这份财报告诉我们AI行业走到了哪一步？英伟达这家公司的局势发生了什么变化？以及作为自动驾驶从业者，我从它的汽车业务里读到了什么。 判断一个技术周期所处的位置，看三件事：需求从哪来，性质是什么，回报算不算得过账。 先看需求结构。过去两年AI算力需求的主体是训练，客户主体是少数超大规模云厂商。这次财报里有个关键变化：ACIE（AI云、工业、企业、主权AI等）收入403亿，同比增138%，增速反超了超大规模云厂商的102%。主权AI收入同比增超3倍，环比增35%。 客户结构在扩散。AI需求不再只依赖"几家大厂资本开支竞赛"这一个引擎，国家、企业、AI初创都在进场。黄仁勋原话是这部分"长期可能比我们在云端看到的还要大"。 再看需求性质。黄仁勋在电话会上说了一句信息量很大的话：就在上个月，多数AI使用已经从人类提示转向智能体驱动。而一个智能体的算力消耗，是单人使用的15到100倍。 这是从"训练模型"到"模型干活"的切换。训练是一次性投入，推理是持续性消耗。token开始变成可计费的商品，算力开始直接对应收入。黄仁勋那句"Compute is revenue"（计算就是收入），说的就是这件事：客户买算力不再是买研发设备，而是在买生产资料。 最后看回报。电话会披露，部分500亿级的数据中心项目，投资回报周期已缩短到不足一年。每GW收入机会从Hopper时代的180亿，升到Blackwell的250亿，再到Vera Rubin的400亿。Vera Rubin每兆瓦吞吐量较上一代提升约30倍，每token成本降约35倍。推理的经济性每一代都在大幅改善，这是推理需求能持续放量的前提。 需求在扩散、推理在起量、回报在闭环。这三件事同时发生，说明AI还处在基础设施建设的上升阶段，而不是泡沫顶部。泡沫顶部的典型特征是需求叙事还在、但回报已经算不过账，目前的情况正好相反。 我的判断：AI仍是未来几年的主线板块，但驱动逻辑在切换。上半场是"军备竞赛"，靠预期和资本开支推动；下半场是"变现验证"，靠推理需求和应用收入推动。这份财报就是切换正在发生的证据。 不谈股价预测，谈公司质地和位置的变化。这份财报里有三个结构性信号。 第一，从芯片公司变成AI工厂。英伟达现在卖的不是GPU，是按机架、按GW计价的整套系统。Vera Rubin单台机架成本780万美元，Q3就预计贡献数据中心收入的20%，是公司史上爬坡最快的产品。CPU业务过去12个月收入超50亿，FY2028预计翻倍以上，管理层说看到约200亿的服务器CPU需求。Spectrum-X以太网收入同比增2.6倍。GPU、CPU、网络、CUDA，拼成一个完整的"AI工厂"方案。 这个变化的竞争意义在于：对手在单芯片benchmark上赢英伟达是可能的，OpenAI就在财报前一天宣称其自研推理芯片测试优于Blackwell。但要复制整套工厂方案，短期内没有第二家。黄仁勋回应自研芯片竞争时也是这么定义战场的：自研XPU是单一云、单一服务的专用芯片，英伟达是覆盖AI全生命周期、跑在所有云上的平台。 第二，从赚客户的钱变成经营客户。这是本次财报争议最大的变化。英伟达已向前沿AI实验室投资近500亿美元，还联合Apollo、贝莱德、黑石、Brookfield、高盛、KKR搭建独立计算融资平台，目标撬动超5000亿第三方资本。同时采购承诺从1190亿暴增到2790亿，单季加了1600亿，主要锁HBM内存和制造产能。 用金融语言说，英伟达正在把自己的资产负债表变成AI行业的基础设施：投钱给客户，给客户融资站台，向上游锁死供应链。好处是生态统治力和需求能见度都拉满了，订单看到2028年。代价是风险敞口在变大：Q2自由现金流从上季的486亿降到213亿，应收账款账期拉长到60天，库存升到320亿。上半年44%的收入来自三家直接客户，集中度依然很高。 第三，财务底子依然很厚，但瑕疵开始出现。单季597亿净利润、75%毛利率、Q2向股东返还约260亿、剩余回购授权990亿，利润表依然漂亮。问题出在别处：毛利率指引Q4触底71-72%，是这轮增长周期首次环比下滑，原因是HBM涨价"远超预期且明年继续涨"。英伟达的对策是把成本向下游转嫁，部分AI服务器明年涨价至少15%，同时锁死上游产能。这是用利润率换供应安全的主动选择，不是需求出了问题。 多空双方真正在争的，其实也不是AI需求还在不在，这个问题已经没人争了。空头盯的是三个证伪点：毛利率能不能在Q4触底后回升；融资平台撬动的需求质量如何（靠客户自有现金流买卡，和靠融资买卡，风险定价完全不同）；自研芯片会不会在推理市场撕开口子。多头盯的是：70%是打折数字、2万亿积压订单有法律约束力、客户结构在扩散。 注意，这几条全是行业问题，不是股价问题。它们的答案会在未来几个季度陆续揭晓，也是判断整个AI板块成色最该跟踪的指标。 财报里汽车相关的数据是：on-prem汽车业务过去12个月收入80亿美元，合作方扩展到富士康、VinFast、Uber、HUMAIN。同期发布的产品包括Alpamayo 2 Super开源VLA模型、Cosmos 3世界基础模型、Jetson Thor人形机器人参考设计、Halos汽车安全系统。 80亿放在962亿的盘子里占比很小，所以多数财经分析直接略过了。但从行业视角看，这个业务的读法完全不一样。 先解释一下这80亿是什么。on-prem汽车业务指的不是卖给车企的车载芯片，而是车企和自动驾驶公司买回去、部署在自己机房里的训练基础设施，用来训端到端模型、训VLA、训世界模型、跑大规模仿真。换句话说，这80亿度量的是整个自动驾驶行业在AI训练上的投入强度。它不是一个芯片出货数字，是一个行业景气度指标。 为什么这个指标值得重视。量产智驾的技术竞赛，本质已经从工程能力竞赛变成了算力和数据的竞赛。现在两条主流路线，VLA派和世界模型派，无论哪一派，背后都是天文数字的训练算力。小鹏在训二代VLA，华为在训WEWA世界模型，蔚来在训NWM。车企每上一个技术台阶，先要扩的都是训练集群。而训练集群几乎绕不开英伟达。 这就是英伟达在自动驾驶领域真正的角色：收算力税。车上的推理芯片用谁的还可以谈，Thor、Orin、自研都有玩家，但训练侧的底座目前只有一个供应商。Alpamayo开源VLA和Cosmos世界模型的作用，是帮整个行业降低训练门槛，入场训练的玩家越多，买的算力越多。典型的卖铲人逻辑，车企卷得越凶，英伟达赚得越稳。 车载推理侧是另一个故事。Thor已经进入量产周期，算力是Orin的数倍，而且同一套架构从车延伸到机器人。Uber出现在合作名单里，指向的是Robotaxi的运营生态。对车企来说，用同一套软件栈覆盖训练、仿真、车载推理和机器人，迁移成本最低，这才是英伟达在汽车领域最难被替代的护城河。 还有一个信号容易被忽略：黄仁勋把"Physical AI开始上线"和"新AI实验室黄金时代"并列为两大需求驱动力。自动驾驶和人形机器人在英伟达的叙事里已经是同一条赛道，都是感知、决策、控制在物理世界的落地。公司内部资源向这个方向的倾斜，我这两年感受很明显。 最后说80亿的真正含义：早期。数据中心业务从几十亿长到890亿，用了大约五年。汽车业务今天所处的位置，大致相当于数据中心曲线的早期：技术路线刚收敛，量产刚开始，生态在建。如果自动驾驶和机器人在未来五年兑现，这条曲线有机会复制数据中心的轨迹。当然这是行业判断，兑现节奏取决于Robotaxi商业化、L3法规落地这些外部变量，财报本身回答不了。 对"AI还是不是主线"这个问题，这份财报给出了偏肯定的答案：需求在扩散，推理在起量，回报在闭环，订单能见度拉到了2028年。 但它同时也标出了这个行业真实的风险点：上游成本在涨，需求里掺进了融资杠杆，最值钱的客户在自研芯片。AI故事能不能继续成立，不取决于英伟达下季度营收是1000亿还是1100亿，而取决于三件事的验证结果：毛利率触底回升、融资需求的质量、推理需求的兑现。 如果想跟踪这个故事的成色，接下来几个季度盯三个数就够了。一是Q4和FY2028 Q1的毛利率，看71-72%是不是真的触底。二是融资平台的项目质量，看有没有AI公司债务问题的新闻。三是推理需求的构成变化，管理层每个季度都会谈训练和推理的比例趋势。这三个数比营收增速本身更能说明问题。 对行业来说，主线仍在，只是从"军备竞赛"进入"变现验证"。对英伟达来说，它正在从芯片公司变成AI时代的基建运营商，这个新定位能撑起多大的想象空间，市场还在对它做压力测试。 至于自动驾驶，英伟达已经是这个行业最大的算力底座，还在用开源模型主动培育生态。80亿的汽车收入本身不是重点，重点是它在等这条曲线复制数据中心的轨迹。 我是头部美国科技大厂一线从业人员。关注公众号，获取每日AI前沿资讯，和前沿AI技术深度解析。