2025 年 11 月 19 日，美國東部時(shí)間下午 5 點(diǎn)，英偉達(dá)發(fā)布2026 財(cái)年第三季度財(cái)報(bào)。

這一季的數(shù)據(jù)很夸張：營收 570 億美元，同比增長 62%，環(huán)比多了整整 100 億美元（+22%），數(shù)據(jù)中心業(yè)務(wù)繼續(xù)飛奔，網(wǎng)絡(luò)、計(jì)算、汽車、專業(yè)可視化全部雙位數(shù)增長。但比數(shù)字更值得編譯和整理的，是管理層在電話會里給出的那套邏輯：

他們幾乎把所有關(guān)于“AI 泡沫”的質(zhì)疑，重新改寫成了一場“三次平臺大遷移 + 十年基礎(chǔ)設(shè)施周期”的故事。

基于這份電話會議記錄，本文對管理層的核心觀點(diǎn)做了一次系統(tǒng)的編譯和梳理。

一、成績單：

570 億美元的大頭，幾乎都來自 AI 工廠

先把關(guān)鍵數(shù)字捋清楚：

總收入：570 億美元，同比 +62%，環(huán)比增加 100 億美元（+22%）。

數(shù)據(jù)中心收入：510 億美元，同比 +66%，再創(chuàng)新高，幾乎就是整家公司。

網(wǎng)絡(luò)收入：82 億美元，同比飆升 162%，靠的是 NVlink、InfiniBand 和 Spectrum X 以太網(wǎng)。

計(jì)算部門：同比 +56%，核心驅(qū)動(dòng)力來自 GB300 GPU 的放量，Hopper 平臺本季仍貢獻(xiàn)了約 20 億美元收入。

游戲業(yè)務(wù)：43 億美元，同比 +30%，主要是游戲玩家和本地 AI 需求的疊加。

專業(yè)可視化：7.6 億美元，同比 +56%，DGX Spark 被點(diǎn)名是關(guān)鍵貢獻(xiàn)者。

汽車業(yè)務(wù)：5.92 億美元，同比 +32%，自動(dòng)駕駛解決方案是主力。

盈利能力同樣“變態(tài)”：

GAAP 毛利率：73.4%，

Non-GAAP 毛利率：73.6%， 都比之前的指引更高。Colette Kress 解釋，主要得益于數(shù)據(jù)中心產(chǎn)品組合、生產(chǎn)周期時(shí)間改善以及成本結(jié)構(gòu)優(yōu)化。

但也不是全是甜蜜，電話會一上來就坦白了三點(diǎn)風(fēng)險(xiǎn)：

中國收入被“掐斷”：

由于地緣政治和本地競爭，本季度原本計(jì)劃的大額訂單沒有落地，直接影響了高端數(shù)據(jù)中心計(jì)算產(chǎn)品對中國的出貨。Colette 還明確表示，在 Q4 的指引里，“我們沒有假設(shè)來自中國的任何數(shù)據(jù)中心計(jì)算收入”。

投入成本在上升：

面向 2027 財(cái)年，內(nèi)存等關(guān)鍵元件價(jià)格抬頭，系統(tǒng)復(fù)雜度也在增加。公司一邊加大采購鎖價(jià)，一邊強(qiáng)調(diào)，仍會努力把毛利率“壓在 70% 中段”。

庫存和供應(yīng)承諾同步上揚(yáng)：

庫存環(huán)比增加 32%，供應(yīng)承諾環(huán)比增加 63%。管理層的態(tài)度是：這是主動(dòng)為未來更大規(guī)模的增長“鋪貨”，而不是需求不行的被動(dòng)堆庫存。

展望第四季度，指引同樣激進(jìn)：

Q4 收入指引：650 億美元，上下浮動(dòng) 2%，按中值算環(huán)比還要再漲 14%，主要由 Blackwell 架構(gòu)繼續(xù)放量帶動(dòng)。

毛利率指引：GAAP 和 Non-GAAP 都預(yù)計(jì)維持在 70% 中段，盡管投入成本上漲。

從這張“財(cái)務(wù)快照”可以看出一個(gè)核心事實(shí)：

英偉達(dá)現(xiàn)在的財(cái)報(bào)，其實(shí)就是一張全球 AI 工廠建設(shè)進(jìn)度表。

二、CFO 的視角：

三大平臺轉(zhuǎn)型 + 5000 億 Blackwell/Rubin 收入藍(lán)圖

在財(cái)務(wù)數(shù)字之后，CFO Colette Kress 用相當(dāng)長的一段話，把這季的增長放進(jìn)了一個(gè)更大的框架里：

“三大平臺轉(zhuǎn)型”還在早期

她強(qiáng)調(diào)，客戶現(xiàn)在集中在三條主線做投入：

向加速計(jì)算遷移：

從傳統(tǒng) CPU 通用計(jì)算，轉(zhuǎn)向 GPU 加速計(jì)算，把原本跑在 CPU 上的大量數(shù)據(jù)處理、科學(xué)計(jì)算工作負(fù)載搬到 CUDA 平臺上。

向大模型/生成式 AI 遷移：

搜索、推薦、內(nèi)容理解、廣告排序，從傳統(tǒng)機(jī)器學(xué)習(xí)體系切換到大模型，重寫生產(chǎn)線。

向智能體（Agent）應(yīng)用遷移：

自主推理、規(guī)劃、調(diào)用工具的“智能代理 AI”，開始滲透到編程、醫(yī)療、金融、運(yùn)營等業(yè)務(wù)線。

她的判斷是：這三件事都還在早期階段，“會波及所有行業(yè)”。

Blackwell + Rubin：到 2026 年底要拿下 5000 億美元營收

Colette 給了一個(gè)頗具爭議、但已經(jīng)被資本市場廣泛引用的數(shù)字：

從今年開始到 2026 年年底，Blackwell 和 Rubin 兩代平臺，合計(jì)營收目標(biāo)是 5000 億美元。

電話會記錄里，她再次確認(rèn)這一目標(biāo)“正在推進(jìn)”：

部分收入已經(jīng)在過去幾個(gè)季度確認(rèn)；

接下來還有幾個(gè)季度會持續(xù)兌現(xiàn)；

而且，這 5000 億本身還有“上調(diào)空間”：比如當(dāng)天剛剛宣布的與沙特的合作，未來三年新增 40–60 萬塊 GPU；和 Anthropic 的協(xié)議，同樣是原先規(guī)劃之外的增量計(jì)算需求。

在她的敘事里，英偉達(dá)的角色很明確：

要在未來十年走向年均 3–4 萬億美元規(guī)模的全球 AI 基礎(chǔ)設(shè)施建設(shè)里，做“首選平臺”。

“云已售罄”：GPU 安裝基礎(chǔ)完全被吃滿

Colette 多次重復(fù)一個(gè)說法：“云服務(wù)已售罄（clouds are sold out）”；Blackwell、Hopper、Ampere 等幾代 GPU 的安裝基礎(chǔ)“全部在滿負(fù)荷運(yùn)行”。第三季度數(shù)據(jù)中心收入 510 億美元，就是在這樣的高稼動(dòng)率之上做出來的。配合這點(diǎn)，她給出了一串“案例庫”，說明這些算力在被用在什么地方：

互聯(lián)網(wǎng)平臺：

meta 用基于 GPU 集群訓(xùn)練的 Gem 廣告推薦基礎(chǔ)模型，讓 Instagram 廣告轉(zhuǎn)化率 +5%，F(xiàn)acebook 信息流 +3%；用戶在 Facebook、Threads 等應(yīng)用上花的時(shí)間明顯上升。

基礎(chǔ)模型公司：

OpenAI：周活用戶 8 億，企業(yè)客戶超過 100 萬，毛利率保持健康；Anthropic：年化營收從年初的 10 億美元，漲到 70 億美元。其他名字還包括 Mistral、Reflection、Safe Superintelligence、xAI 等。

垂直場景：

RBC 用智能體 AI 把分析師寫報(bào)告的時(shí)間，從幾小時(shí)壓縮到幾分鐘；聯(lián)合利華通過 AI + 數(shù)字孿生，讓內(nèi)容創(chuàng)作效率提升 2 倍、成本下降 55%；Salesforce 工程團(tuán)隊(duì)使用 Cursor 后，新代碼開發(fā)效率至少提升 30%。

這些例子共同指向一個(gè)判斷：

AI 基礎(chǔ)設(shè)施的投入，已經(jīng)開始在真實(shí)業(yè)務(wù)里“找回報(bào)”，而不止停留在“創(chuàng)新預(yù)算”。

五百萬 GPU 的 AI 工廠計(jì)劃

本季英偉達(dá)還宣布了一串 AI 工廠和基礎(chǔ)設(shè)施項(xiàng)目，總量涉及約 500 萬塊 GPU，覆蓋：

公有云 CSP、主權(quán)國家數(shù)據(jù)中心；

制藥、制造等行業(yè)的“AI 工廠”；

標(biāo)志性項(xiàng)目包括：xAI 的 Colossus 2 —— 全球首個(gè)千兆瓦級數(shù)據(jù)中心；禮來（Eli Lilly）的 AI 工廠，用于藥物研發(fā)；AWS + Humane 的擴(kuò)展合作：部署多達(dá) 15 萬臺 AI 加速器（包括 GB300），以及一座 500 兆瓦的旗艦 GPU 數(shù)據(jù)中心。

在這套敘事下，“570 億營收”只是起點(diǎn)，真正讓市場緊張的是：

未來兩三年，這家公司打算吃下多大一塊 AI 基建蛋糕。

1

三、黃仁勛的“反泡沫”故事：三次平臺大遷移

輪到黃仁勛發(fā)言時(shí)，他沒有先談估值，而是直接回應(yīng)了“泡沫”這個(gè)詞：

“關(guān)于人工智能泡沫的討論很多。從我們的角度來看，我們看到的是截然不同的情況。”

他的核心論點(diǎn)，可以濃縮成一句話：

世界正在同時(shí)經(jīng)歷三次巨大的平臺級遷移，而英偉達(dá)剛好站在這三次遷移的交叉點(diǎn)。

第一次遷移：從 CPU 到 GPU 的加速計(jì)算

摩爾定律放緩，傳統(tǒng) CPU 性能/成本的提升越來越難；

大量原本跑在 CPU 上的非 AI 工作負(fù)載——數(shù)據(jù)處理、科學(xué)與工程仿真等——正向 CUDA GPU 遷移；

這一層遷移，本質(zhì)上是為了延續(xù)“算力通縮”：用更低的單位成本獲得更多計(jì)算。

黃仁勛把這部分定義為“基礎(chǔ)且必要的轉(zhuǎn)型”：

“在后摩爾定律時(shí)代，這是至關(guān)重要的。”

第二次遷移：從傳統(tǒng)機(jī)器學(xué)習(xí)到生成式 AI

第二層，是我們熟悉的那波浪潮：

搜索排序、推薦系統(tǒng)、廣告投放、內(nèi)容審核等，正在從傳統(tǒng) ML/深度學(xué)習(xí)體系，遷移到基于大模型與生成式 AI 的范式；

meta 的 Gem 模型就是典型案例：依托大規(guī)模 GPU 集群訓(xùn)練，把廣告推薦效果實(shí)打?qū)嵦Ц吡藥讉€(gè)百分點(diǎn)，這直接體現(xiàn)在收入上。

在這層上，AI 不再只是“節(jié)約成本”的工具，而是直接帶來營收增量的引擎。

第三次遷移：向智能體和物理 AI

第三層，是“智能體 AI”和“物理 AI”：

這類系統(tǒng)具備推理、規(guī)劃和使用工具的能力；

從代碼助手（Cursor、Claude Code、GitHub Copilot），到醫(yī)療放射影像助手（iDoc）、法律助手（Harvey），再到自動(dòng)駕駛司機(jī)（Tesla FSD、Waymo），都被他歸類為“智能代理 AI”；

更往下，是與機(jī)器人、工廠、車隊(duì)、城市基礎(chǔ)設(shè)施深度耦合的“物理 AI”：利用 Omniverse 做數(shù)字孿生工廠的臺積電、豐田、富士康、Lucid 等；用 Jetson 平臺和 Cosmos 世界模型做人形/移動(dòng)機(jī)器人開發(fā)的 Agility Robotics、Amazon Robotics、Figure 等。

在他看來，這一層會帶來全新的應(yīng)用、產(chǎn)品、公司和服務(wù)，是最具顛覆性的一層。

英偉達(dá)如何把三次遷移“捏”在一起？

黃仁勛的自我定位是非常“野心家”的：

在加速計(jì)算的遷移中

，CUDA + GPU 是最成熟的方案；

在生成式 AI 遷移中

，英偉達(dá)在訓(xùn)練、后訓(xùn)練（推理前的強(qiáng)化、微調(diào)）和推理三個(gè)階段，都有一整套軟件棧和硬件組合；

在智能體和物理 AI 中

，從數(shù)據(jù)中心到機(jī)器人邊緣設(shè)備，一條鏈路都在用同一套架構(gòu)。

他說得很直白：

“無論是 AI 的每個(gè)階段，還是各種不同的計(jì)算需求，我們的架構(gòu)都是通用的。你可以投資一種架構(gòu)，然后在所有這些階段和工作負(fù)載上放心使用。”

這就是他對“泡沫”質(zhì)疑的整體回應(yīng)：

資本市場看的是市值曲線，而他強(qiáng)調(diào)的是：三條不同性質(zhì)的遷移曲線，正在同時(shí)發(fā)生，且都壓在英偉達(dá)的 GPU 上。

四、關(guān)鍵問答：

5000 億訂單、供給瓶頸與中國風(fēng)險(xiǎn)

電話會議的 Q&A 部分，補(bǔ)足了很多關(guān)鍵信息。挑幾個(gè)重點(diǎn)說。

5000 億 Blackwell + Rubin 收入，還靠譜嗎？

摩根士丹利的 Joseph Moore 追問：

GTC 上提的2025–2026 年 Blackwell + Rubin 5000 億美元收入預(yù)期，現(xiàn)在還有沒有變化？

Colette 的回答是：

目標(biāo)沒變，“我們正在按這個(gè)路徑執(zhí)行”；

5000 億中已經(jīng)有一部分在前幾個(gè)季度確認(rèn)；

接下來到 2026 年底，還有幾個(gè)季度會持續(xù)貢獻(xiàn)；

而且，“這個(gè)數(shù)字有上調(diào)可能”：和沙特的協(xié)議，在未來三年新增 40–60 萬塊 GPU；與 Anthropic 的合作，則帶來了高達(dá) 1 吉瓦算力承諾。

——這些，都還沒算在最初的 5000 億里。

供應(yīng)能不能趕上需求？ROI 會不會撐不住？

Cantor Fitzgerald 的 C.J. Muse 問了一個(gè)所有人都在想的現(xiàn)實(shí)問題：

一邊是大家擔(dān)心 AI 基礎(chǔ)設(shè)施建設(shè)太燒錢、ROI 與融資能力成問題； 另一邊是你們自己又在說“GPU 全部售罄、云都賣空了”。 那么未來 12–18 個(gè)月里，供應(yīng)會趕上需求嗎？

黃仁勛的回答重點(diǎn)有三：

供應(yīng)鏈規(guī)劃：

英偉達(dá)的供應(yīng)鏈覆蓋臺積電及其封裝、內(nèi)存供應(yīng)商、系統(tǒng) ODM 等，“我們和他們做了非常長周期的規(guī)劃”；“我們原本就計(jì)劃迎來一個(gè)大年”，而現(xiàn)在的需求增長，印證了他們對三個(gè)轉(zhuǎn)型的判斷。

需求結(jié)構(gòu)：

不僅僅是“聊天機(jī)器人”在用 GPU，從數(shù)據(jù)處理到推薦系統(tǒng)，從生成式 AI 到各種 agent 工具，哪一層都在吃 GPU，且增速都很快。

ROI

一部分投資來自通用計(jì)算遷移，本質(zhì)上是為了延續(xù)“算力通縮”；一部分投資來自生成式 AI 提升現(xiàn)有業(yè)務(wù)收入；還有一部分來自全新的 agentic & 物理 AI 應(yīng)用。

換句話說，他認(rèn)為需求是真實(shí)且多層次的，而不是單一領(lǐng)域炒作。

每吉瓦能賣多少錢硬件？誰來為三四萬億 AI 基建買單？

BofA 的 Vivek Arya 問得很具體：

在你口中的 5000 億里，你假設(shè)的“每 1 吉瓦數(shù)據(jù)中心對應(yīng)多少美元硬件”是多少？

到 2030 年，全球數(shù)據(jù)中心 3–4 萬億美元投資中，有多少需要靠供應(yīng)商融資，有多少可以由客戶自己現(xiàn)金流支持？

黃仁勛給出了一組有參考意義的量級（非精確指引）：

在 Hopper 這一代，一個(gè) 1 吉瓦數(shù)據(jù)中心，相當(dāng)于大約20–25 億美元的英偉達(dá)數(shù)據(jù)中心產(chǎn)品；

到 Grace Blackwell/GB200，可能來到30 億美元以上；

Rubin 一代會更高，因?yàn)槊客咝阅苓M(jìn)一步提升。

關(guān)鍵句是這句：

“一個(gè)吉瓦數(shù)據(jù)中心就是一個(gè)吉瓦功率。你的每瓦性能，幾乎直接決定你的收入上限。”

這背后的邏輯是：

電力是剛性約束：一個(gè)園區(qū)就是 1 吉瓦電進(jìn)來，不會無限擴(kuò)張；

在同樣的 1 吉瓦電、同樣的機(jī)房面積下，誰的架構(gòu)性能/瓦更高，誰就能賣出更多的硬件票面；

因此，架構(gòu)效率不只是技術(shù)指標(biāo)，而是收入天花板。

至于“誰來為 3–4 萬億買單”，他的回答更宏觀：

不能只盯著美國幾大云廠商；

每個(gè)國家都會為自己的 AI 基礎(chǔ)設(shè)施買單；

大多數(shù)行業(yè)的 agentic AI、物理 AI 才剛剛開始，未來會有一波又一波新的融資主體加入。

中國市場：短期清零，長期仍想“留門”

關(guān)于中國，Colette 的表態(tài)比較直接：

本季度原計(jì)劃的大額訂單并未落地，H20 銷售額僅約 5000 萬美元；

原因是地緣政治 + 中國本地競爭加劇；

因此公司在 Q4 指引中，假設(shè)來自中國的數(shù)據(jù)中心計(jì)算收入為 0。

但黃仁勛也強(qiáng)調(diào)，英偉達(dá)會持續(xù)同中美兩國政府溝通，長期目標(biāo)仍然是：

“要在包括中國在內(nèi)的所有商業(yè)企業(yè)中，成為開發(fā)者和企業(yè)的首選平臺。”

這意味著，當(dāng)前對華高端芯片出口的限制，英偉達(dá)視為“節(jié)奏問題”，而不是長期放棄的市場。

ASIC vs GPU：為什么英偉達(dá)認(rèn)為自己“不可替代”？

Wells Fargo 的 Aaron Rakers 問到定制 AI ASIC 的競爭，問黃仁勛是否改變了看法。

他的回答可以總結(jié)為“五個(gè)維度的護(hù)城河”：

覆蓋所有轉(zhuǎn)型階段：

從通用加速計(jì)算，到生成式 AI，再到代理式 / 物理 AI，同一套架構(gòu)都能勝任。

覆蓋 AI 的每個(gè)階段：

預(yù)訓(xùn)練、后訓(xùn)練、推理這三步都極其復(fù)雜，尤其是鏈?zhǔn)剿季S等推理型推理，“事實(shí)證明推理是最難的”，而英偉達(dá)在三階段都有很強(qiáng)的系統(tǒng)方案。

覆蓋所有主流模型：

自回歸、擴(kuò)散、專家混合（MoE）、各種生物/物理模型—— “我們是唯一一個(gè)能把所有這些模型跑在一個(gè)平臺上的架構(gòu)。”

覆蓋所有云和邊緣形態(tài)：

從公有云、私有云，到本地 DGX Spark 再到機(jī)器人和 PC，一套 CUDA 生態(tài)貫穿始終，這大幅降低了開發(fā)者的心智成本。

帶來真正的需求與多樣性：

對云廠商、新創(chuàng)云（CoreWeave、Lambda 等）乃至新公司（Humane）來說，把 GPU 算力“掛上架”后，背后是龐大的模型生態(tài)和開發(fā)者需求，而不是一個(gè)“孤立的 ASIC”。

他最后的總結(jié)是：

“這不是簡單往數(shù)據(jù)中心里塞一個(gè)隨機(jī) ASIC 的問題。需求從哪來？多樣性從哪來？韌性從哪來？英偉達(dá)的生態(tài)系統(tǒng)，已經(jīng)證明它能把這些全部帶給客戶。”

這一次，泡沫沒有破裂。音樂繼續(xù)。

本文來自微信公眾號“硅星人Pro”，作者：硅基版