英伟达Q2财报会全记录：内存调价幅度超预期 坦然面对伙伴竞品
专题：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%
英伟达正式发布截至2026年7月26日的2027财年第二季度业绩报告。公司本季营收达到962.21亿美元，环比提升18%，同比大幅增长106%，再次刷新历史峰值。
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%
财报披露之后，英伟达总裁兼CEO黄仁勋（Jensen Huang）与执行副总裁兼CFO科莉特·克雷斯（Colette Kress）等核心管理层出席紧接着举行的财报电话沟通会，对财报要点展开阐释，并现场解答了分析师关心的问题。
以下为本次电话会议分析师问答环节的核心内容摘要：
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%），是什么支撑了你们敢于给出整年度业绩预期的底气？过往你们并未采取过类似做法。此外，70% 的增长预期和 100% 的潜在需求增速之间的差距，最关键的制约因素究竟是什么？这个缺口未来是否有缩小的可能？
黄仁勋：感谢Joe的提问，如你大致已经观察到的，AI 已经在实际场景中广泛创造价值，AI 智能体正在各行各业加速渗透落地。大语言模型的体量迈上全新台阶，模型本身的能力日益精进。智能体能够开展推理、规划，并进行多轮工具调用。依据待解问题的差异，运行一个智能体所消耗的算力，相较于人类直接调用模型的场景，要多出15至100倍不等，整体算力开销极为惊人，这一点几乎是业内共识。
但有一个事实不少人都忽略了：我们具备几乎不可复制的独特定位。我们交付产品的方式，是全球范围内唯一一家打造并提供完整 AI 工厂全栈平台的厂商。客户当然可以灵活搭配不同供应商的硬件，但绝大多数企业既缺乏相应的技术储备，也不愿意投入精力去做这件事。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个完整板块，该板块目前已占据我们业务的半壁江山，并且年增速保持在 100% 上下。长远来看，这一板块的规模甚至有望超越传统超大规模云厂商业务。
此外，当前建设 AI 基础设施，难度已远超单纯的硬件采购。还需要落实土地、电力、机房土建等资源，这些前置工作往往需要提前两到三年启动规划。整个供应链需要协同推进施工、供电、散热等环节，还要配备大量专业人员。AI 基建在全球范围内催生了海量就业机会，但前期规划周期极为漫长。
正基于此，我们早已深度参与上游资源的统筹。很早之前就有人质疑，一家芯片公司为何要与内存厂商展开深度协作？现在外界已经充分理解。如今我们更进一步，与发电企业、全球各地负责土地和机房建设的公司展开密切合作，为我们生态客户的算力部署提前布局。
无论上游还是下游，我们目前的信息能见度较过往大幅提升。我们此前从未提供过提前一整年的业绩指引。尽管真实需求远高于 70%，但受限于供给能力，我们有把握兑现的正是 70%。我们会持续与供应链协作，力争将供给能力向上拉升。但我们希望向客户、股东、供应链各方传递统一、一致的预期。所有人都在大规模投入，行业亟需一套统一的参照基准。接下来这一年会无比精彩。
Cantor Fitzgerald分析师C.J.Muse：感谢接受提问。当前投资者高度关注你们在推理领域的市场份额。能否阐述当前通用 AI 工作负载的演进方向？如何看待你们份额的未来走势？结合每一代全栈平台所释放的潜在市场规模（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，希望听到你们的见解。
黄仁勋：谢谢提问。AI 全生命周期的复杂度已远超以往，而这恰恰极大放大了 NVIDIA 架构的领先优势。可以将 AI 业务划分为四个环节：第一是数据准备，涉及合成数据、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。每个环节都设有较高的准入门槛。
我们发布 NV‑Link 72，缔造全球首个机架级系统之时，外界普遍感到震惊。打造第一代机架级系统困难重重：我们必须重构整条供应链、重构整套硬件体系、重构软件栈，各层面都充满挑战。然而这套系统为我们构建了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，所有环节都能在这套系统上运行。客户从中获得的收益极为可观。
举一个数据说明：每吉瓦算力对应的市场空间，Hopper 时代，配套 InfiniBand，一吉瓦对应约 180 亿美元；到 Vera‑Rubin，叠加 CPU、多套网络方案，需要多种网络服务全球数据中心，再加上 Grok，如今每吉瓦算力对应的商业机会跃升至 400 亿美元。
五年前，一吉瓦数据中心对应的资本投入大约 300 亿美元，如今已攀升至 600 亿美元。硬件本身的性能跃升显著，更为关键的是：这一巨额投资可以复用于 AI 生命周期的全部环节，能够运行几乎所有类型模型：扩散模型、自回归模型、状态空间模型以及各类混合架构，各种注意力机制，小模型、大模型全面兼容。客户的硬件投资周期更长、利用效率更高。这就是我们在新时代构筑的强大竞争壁垒，也解释了为何我们业务体量已经十分庞大，增长仍在持续提速。
谈到 Grok，我对 Grok‑3 LPX 极为看好。它刷新了 token 交互速率的纪录，生成延迟极低，团队表现卓越。过去几个月，我们完成了与 NV‑Link 架构的深度整合，NV‑Link 将成为它的核心动力引擎。
对于追求极致交互能力、超高速 token 生成的业务场景，可以外挂 Grok 加速卡。这类场景吞吐量相对偏低，单 token 成本偏高，但能够支撑高溢价业务。不过全球绝大多数数据中心，主体仍是基于 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，对应到 2027 日历年，粗略推算收入增量约 2000 亿美元。对比此前的指引，三年万亿的预期，本次相当于多出约 2000 亿。能否拆解各产品的贡献：Vera CPU、网络业务以及其他板块。另外，你们提及涨价将在 Q1 落地，这部分增量中是否涵盖定价上调？还有，这个 70% 增长是供给受限下的数字，若供给完全解除约束，潜在增速会是多少？
黄仁勋：如果供给完全不受限，潜在增速将远超这个数字。我们本财年已实现同比翻倍。无约束环境下的需求异常旺盛。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雄厚，也已锁定相当部分供给，但我们仍需更多。
拆解来看：大多数人仅看到超大规模云厂商，但这仅代表一半版图。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，这块市场许多人未能注意到。因为他们不会零散采购单颗芯片，他们需要一整套完备的 AI 工厂平台，而我们在该领域能够创造巨大价值。
当然超大规模云厂商本身增长同样强劲。他们当前的订单积压规模已达 2 万亿美元。只要部署 NVIDIA 算力，他们的营收和利润就将提升。当前算力业务本身盈利能力极强，所以各家都在争相上线更多 NVIDIA 算力。但市场真正的亮点，在于超大规模云厂商之外海量的机会空间。
此外，每一代平台，单位吉瓦对应的价值持续走高：Hopper 时代 180 亿 / 吉瓦；Grace‑Blackwell 升至 250 亿 / 吉瓦；Vera‑Rubin 达到 400 亿 / 吉瓦，每一代的生产效率呈倍数提升。客户都期望尽快迁移到新一代平台。同时 NVIDIA 算力产出 token、对外出租 GPU 小时的盈利水平极高，云厂商利润率表现亮眼。多重利好同时叠加。
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，回报也极为丰厚。全球所有企业都渴望参与这场 AI 变革。
美银美林证券分析师Vivek Arya：感谢你们提供如此高的信息透明度，以及多项多年期承诺。我听完 CFO 的讲解，估算未来几年相关投入规模约 5000 亿美元。我想询问：这个数字是否大致代表未来几年生态投资总规模？未来是否还会有额外股权投资？28 财年对应的现金规模大致是什么水平？
另外，Jensen，许多此类投资主要用于支持前沿 AI 实验室，特别是 OpenAI、Anthropic。但这两家均在自研定制芯片，就在数日前 OpenAI 还发布 Jalapeño 宣称性能超越 Blackwell。你们一边持续投资生态伙伴，部分生态伙伴又开发与你们竞争的芯片，你们如何权衡这种局面？
黄仁勋：我们打造的产品定位截然不同。许多自研 XPU 芯片专为某一类云、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，能够部署在任何一种云上，已遍布全球所有云环境，我们还可协助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。我坚信，他们的业务仍会大量运行在 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，是未能更早、更多地投入。其中几家公司即将上市，后续还会有更多，它们将成为人类历史上最重要的一批科技企业。我乐于同他们做朋友、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，他们仍会大规模采用 NVIDIA 算力。
克雷斯：我补充说明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根基。
瑞银分析师Timothy Arcuri：Jensen，我想探讨开源模型的话题。市场上不少讨论认为开源模型在美国工作负载中的份额将持续提升。我们注意到你们也推出了 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。许多投资者将开源模型的崛起解读为对头部前沿实验室的利空。你如何看待这一现象？开源模型对 NVIDIA 究竟是利好还是利空？
黄仁勋：世界既需要闭源模型，也需要开源模型。两类模型的使用量均在爆发式增长。几乎所有开源模型都运行在 NVIDIA 平台之上。原因是 NVIDIA 的生态覆盖面最广，架构通用性最强，覆盖 PC、边缘设备（DGX Spark 表现优异）、机器人(14.480, 0.02, 0.14%)、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，盈利状况良好，token 业务可以盈利，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极为稳固。
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，都需要构建属于自己的、领域定制化的专有 AI 能力。正是开源模型能力追平前沿水平，才使这件事成为可能。网络安全就是典型案例：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，没有开源模型就无法实现这一点。
因此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，无论闭源还是开源，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，对我们就是利好。闭源与开源同步在拉动我们硬件销售。
Melius Research分析师Ben Reitzes：Jensen，换个视角谈谈需求。你提到明年潜在需求增速 100%。想了解驱动需求进一步上行的因素，包括递归自我改进。Anthropic、OpenAI 在递归自改进上进展迅速。OpenAI 甚至宣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的角色？
黄仁勋：算力需求会进一步向上攀升。当前绝大多数 AI 仍由人类输入提示词来驱动。就在上个月，AI 的使用形态出现转折：AI 智能体模式成为主流。未来，每家企业将拥有大量智能体。我们目前员工约 4 万人，未来公司可能拥有 40 万、400 万个智能体，在后台不间断运行，相互协作，持续帮助企业、帮助人完成工作。
许多人将个人 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。如今已出现粗粒度的递归自我提升：智能体执行完任务后，反思优化执行方式，更新技能文档，下一轮运行就会表现更优。
某种意义上，我们已看到部分接近 AGI 的能力。但我认为纠结这些里程碑标签意义不大。行业最重要的三件事：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，如果我们拥有更多算力，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，结合你所提及的无约束需求接近 100%，供给约束下只能完成 70%。能否对最突出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，哪些是最大瓶颈？
黄仁勋：整个供应链全线承压，所有环节均处于满负荷运转状态。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。我们将全力以赴与每一家供应商协作。
就当下而言，我们的供给能够支撑 70% 的增长；我们实际拥有的供给比 70% 还要略多一些，但大致就在这个水平。我们的真实需求要远高于这个数字。我们必须竭尽全力，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。
因此，我需要整条供应链都来助我一臂之力。他们都心知肚明，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为庞大的数字。
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。你在近期会议提及这个数字还会继续上行。展望 Vera‑Rubin 之后，比如 Vera‑Rubin Ultra，我们是否可以预期单位吉瓦对应的市场规模继续攀升至 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，置入尽可能多的算力。显然，理想中的终极答案，就是每吉瓦承载无穷大的算力。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迈进。摩尔定律时代的通用计算阶段，随便选取一个参考数字，我会说大概每吉瓦 30‑50 亿美元的规模。到 Hopper 时代升至 180 亿，Grace‑Blackwell 来到 250 亿，接下来 Vera‑Rubin 达到 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、对客户都是天大的利好。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，如今资本的投资回报周期已不到一年，哪怕是 500 亿美元级别的数据中心项目。这足以印证 NVIDIA 技术的产出能力与可租赁变现能力。（完）
责任编辑：刘明亮
新浪财经声明：此消息系转载自合作媒体，新浪财经登载此文出于传递更多信息之目的，文章内容仅供参考，不构成投资建议。
郑重声明：1.根据《证券法》规定，禁止编造、传播虚假信息或者误导性信息，扰乱证券市场；2.用户在本社区发表的所有资料、言论等仅代表个人观点，与本网站立场无关，不对您构成任何投资建议。用户应基于自己的独立判断，自行决定证券投资并承担相应风险。