日賺6.5億美元還不夠，英偉達下一個引爆點在哪兒？

2026-05-22 17:47

極智GeeTech

關注

當“超預期”已經習以為常，市場亟需下一個情緒引爆點。

北京時間5月21日凌晨，英偉達發布2027財年第一季度財報。在AI基礎設施和Blackwell系統需求持續強勁的推動下，英偉達再次交出一份“超預期”答卷。

營收816億美元，同比增長85%，GAAP凈利潤583億美元，同比增長211%，毛利率74.9%，繼續穩定在74%到75%之間。折算下來，英偉達日均凈賺約6.5億美元，相當于每小時進賬2700萬美元。

黃仁勛在財報電話會上說，“AI工廠的建設正在以驚人的速度加速，這是人類歷史上最大規模的基礎設施擴張。”

但市場反應顯示，對全球AI龍頭而言，強勁增長已不再自動等于股價上漲。有觀點認為，雖然此次業績本身較為強勁，但由于市場此前對英偉達的預期已被推至極高水平，投資者更關注的是其增長幅度是否足夠“超預期”，以支撐當前的高估值和前期巨大漲幅。

市場也開始追問：英偉達的增長天花板到底在哪兒？這個已經占據AI算力90%以上市場份額的巨頭，還能找到新的增量空間嗎？

華爾街尋找新敘事：CPU、推理、智能體

過往兩年，資本市場的AI核心敘事，始終圍繞大模型訓練、高端GPU算力軍備競賽展開。

市場形成了根深蒂固的認知：AI等于GPU，算力越強，價值越高。在大模型野蠻生長的訓練階段，行業的核心需求是極致的浮點運算能力，是海量參數的堆疊訓練，這恰好是GPU的絕對優勢。

英偉達也憑借絕對的生態和硬件優勢，成為這場浪潮的唯一核心。但進入2026年，頂級投行的研究報告與資金流向，都在釋放一個清晰信號：純粹的GPU訓練紅利已經見頂，AI產業正式邁入下半場，全新的增長敘事，已然聚焦CPU算力價值重估、AI推理商業化爆發、智能體AI規模化落地三大核心方向。

從瘋狂燒錢、堆疊算力的模型訓練時代，轉向降本增效、落地變現的推理與智能體時代，AI的算力架構、價值分配、商業模型正在全面重構。過去靠GPU單一算力定義的AI市場，正在迎來算力共舞、場景落地、價值兌現的全新格局，而這也是當下華爾街資金瘋狂布局的核心新敘事。

匯豐銀行的Frank Lee此前寫道，GPU動能已經成為“相對不那么有意義”的投資敘事，因為云公司AI資本開支正流向更多領域，包括內存、網絡和服務器CPU。

英偉達試圖給出新的增長路徑。隨著AI從訓練轉向推理，并進一步進入智能體AI階段，CPU的重要性上升。黃仁勛在電話會上表示，未來可能會出現數十億個AI智能體，推理硬件需求將隨之增加。他稱，“思考”發生在GPU上，而編排基本運行在CPU上。

英偉達CFO科萊特·克雷斯表示，Vera CPU為英偉達打開了一個全新的2000億美元可服務市場。她稱，公司今年對CPU收入已有接近200億美元的可見度，這將為英偉達成為全球領先CPU供應商奠定基礎。

從技術底層來看，CPU擁有GPU無法替代的三大核心優勢，牢牢鎖定了其在AI下半場的不可替代性。

首先是復雜邏輯處理能力，智能體的核心價值是自主執行復雜任務，海量的條件判斷、循環調度、分支流程，都是CPU的傳統優勢領域，GPU并行計算的架構特性，使其在這類場景中效率極低、難以適配。

其次是系統級調度能力，智能體的工作流程涵蓋多模型協作、外部工具調用、海量數據讀寫、跨平臺系統聯動，需要一個穩定高效的核心統籌全局，而CPU正是這套復雜體系的核心調度樞紐。

最后是低延遲響應能力，無論是金融交易、自動駕駛，還是企業實時辦公場景，都需要毫秒級的響應速度，CPU的緩存架構與指令集優化，能夠完美適配實時性要求極高的智能體應用場景。

底層技術優勢的落地，直接打開了CPU市場的增量空間。摩根士丹利在最新研報中指出，隨著AI智能體的爆發，AI基礎設施正從以GPU為主，轉向“CPU+內存+系統協同”架構。預計到2030年，全球服務器CPU整體市場規模將突破千億級別，相較于2025年實現翻倍增長，年均復合增長率將保持在35%以上，成為AI算力賽道增速最快的細分領域。

如果說CPU重構了AI算力的底層架構，那么AI推理的規模化爆發，就是支撐這一輪產業敘事切換的核心商業基礎。隨著大模型技術趨于成熟，落地場景持續豐富，推理需求迎來指數級增長，徹底完成了從成本中心到盈利引擎的身份蛻變。

最直觀的變化來自市場需求的爆發式增長。IDC預測，到2030年，全球活躍AI智能體將達22.16億，年度Token消耗量將從2025年的0.0005 Peta Tokens飆升至15.2萬 Peta Tokens，增長超3億倍。這意味著，算力需求的“天花板”遠未到來。

需求爆發的背后，是AI應用的全面滲透，企業級智能體應用大規模落地，超四成的企業數字化系統嵌入了任務型自主智能體。手機、汽車、智能家居等終端設備全面搭載輕量級推理模型，端側智能普及提速；AI輔助編程、智能辦公、智能決策等場景成為行業標配，全方位拉動推理算力需求井噴。

過往AI企業的成本核心集中在模型訓練、高端GPU采購，而如今，推理環節的成本占比已經攀升至7成以上，成為企業AI商業化落地的核心成本支出。這意味著，AI行業的競爭邏輯已經改變，不再是“誰能訓練更大的模型”，而是“誰能以更低成本、更高效率完成推理落地”，高效推理能力，成為企業實現AI盈利的核心關鍵。

商業模式的成熟，更是讓推理市場徹底打開商業化空間。傳統單一的算力租賃模式逐步升級，形成了多元化的盈利體系。基于Token消耗量的計費模式，精準匹配推理復雜度，成為AI服務商的主流選擇；辦公智能體、企業數字化智能體的訂閱制服務持續普及，帶來穩定的持續性收入；云端推理專屬服務快速落地，為企業提供算力、優化、運維一體化的推理解決方案，推理正式成為AI行業最穩定、最可觀的盈利賽道。

2026年被全球資本市場公認為“AI智能體商業化元年”。歷經數年的技術迭代與概念驗證，AI智能體徹底擺脫了玩具化、碎片化的標簽，從實驗室概念、資本市場熱點，轉變為能夠自主完成復雜工作、替代人工流程的“數字員工”，成為AI產業下半場最核心的落地載體，也是華爾街新敘事的終極落腳點。

高盛行業分析顯示，未來兩年內，美國企業的智能體滲透率將突破半數，AI智能體將成為企業辦公、生產、運營的標配工具。

技術的持續突破，加速了智能體的規模化落地。行業已經從早期的單智能體單點作業，進化為多智能體協同工作體系。標準化交互協議的普及，打通了不同平臺、不同功能智能體的通信壁壘，實現了智能體之間的角色分工、自主協作、任務聯動。

同時，具身智能技術持續成熟，搭載多維度傳感器的物理智能體，能夠適配工業復雜場景，自主完成巡檢、操作、運維等高危復雜工作，讓AI智能體徹底從虛擬數字場景，走進真實的物理產業場景，賦能工業數字化轉型。

從算力平臺到Token工廠

受益于智能體AI時代的爆發，英偉達瞄準2000億美元全新市場的CPU戰略，試圖向華爾街證明其高增長的持續性與廣闊的想象空間。

當前，AI已經不再是“錦上添花”，而是提高各行業和崗位生產力的必需品。這正在推動能源、芯片、基礎設施、模型和應用等AI資本支出持續投入。公司預計，到2030年，AI基礎設施支出有望達到每年3萬億至4萬億美元。

公司管理層在電話會上表示，AI基礎設施需求正以前所未有的速度擴張，AI工廠建設正在加速。推動這一輪建設的因素主要有兩個：一是從搜索、廣告到推薦系統和內容理解，超大規模云廠商的核心工作負載正在從CPU轉向GPU加速計算；二是AI原生產品和服務的采用正在迎來拐點，主流AI已經從一次性推理，走向邏輯推理能力，再到智能體階段。

投資者下一個聚焦點，是代號“Vera Rubin”的下一代AI架構能否在2026年下半年如期進入量產爬坡階段。高盛在財報前的一份報告中維持英偉達“買入”評級，并明確將Vera Rubin量產時程列為推動估值重估的核心催化劑之一。市場對現有Blackwell架構的增長天花板已有了充分定價，真正的增量故事需要下一代產品來接棒。

作為英偉達推出的AI超級芯片平臺，Vera Rubin以暗物質研究先驅天文學家薇拉·魯賓命名。平臺定位高性能計算（HPC）與大規模AI訓練場景，意在填補現有H100系列與未來超大規模模型需求之間的算力缺口，進一步鞏固英偉達在數據中心AI芯片領域的主導地位，首批客戶鎖定亞馬遜AWS、微軟Azure等北美頭部云服務廠商。

當前，全球AI正加速邁入“千萬億Token時代”。今年3月，中國日均Token調用量已突破140萬億，全球年化推理用量超1千萬億Token，標志著AI從“交互工具”轉向“持續運行的智能基礎設施”。‌‌Vera Rubin平臺的定位并非傳統意義上的通用計算平臺，而是要成為智能體AI時代的Token生產基礎設施。

Vera Rubin平臺由七款芯片組成，包括Vera CPU（英偉達已進軍服務器CPU）、Rubin GPU（GPU王牌產品）、NVLink 6（第六代NVLink交換機芯片，芯片內部互聯）、ConnectX-9 SuperNIC（超級網卡）、BlueField-4 DPU（存儲芯片）、Spectrum-6（以太網交換機芯片，支持CPO技術）以及Groq 3 LPU（收編Groq后的首款芯片），成為Blackwell的跨代接力者。

值得一提的是，Rubin GPU提供的推理算力達到前一代Blackwell的5倍，而訓練大型MoE模型所需GPU數量減少3/4，每token推理成本降至十分之一，這讓token能夠成為像水電一樣的普惠基礎設施。

在技術層面，Vera Rubin采用臺積電的先進封裝工藝（推測為CoWoS-Lite或更高版本），把8個計算核心和4組HBM3e內存集成在單一封裝內，內存總容量達到192GB，帶寬突破2TB/s，比H100的1.6TB/s提升了25%。它的定制化架構針對Transformer模型的注意力機制做了優化，支持FP8、FP16及BF16混合精度計算，單芯片FP8峰值算力可達512 TFLOPS，較H100的395 TFLOPS提升30%。同時，該芯片通過動態電壓調節技術，將典型功耗控制在380W以內，能效比提升20%，符合數據中心綠色節能的趨勢。

對客戶而言，Vera Rubin能把大模型訓練時間縮短30%以上，降低訓練成本約25%，助力云廠商快速部署下一代AI服務。同時，它延續了英偉達的CUDA生態，現有AI框架如TensorFlow、PyTorch無需大幅修改就能適配，降低了客戶的遷移成本。

解鎖物理AI萬億級市場

相比AI算力基礎設施，更具想象力的是物理AI市場——數十億個自主機器人系統將在物理世界中運行，包括工業機器人、服務機器人、自動駕駛汽車、無人機等。

在本季度的財報中，英偉達不僅強調了“AI工廠”正在以驚人的速度擴張，更通過全新的財報框架，正式將“物理AI”（Physical AI）推向了產業舞臺的中間。隨著財報中“邊緣計算”板塊的獨立披露，以及一系列針對自動駕駛與具身智能的重磅技術發布，英偉達正全力打通AI進入物理世界的“最后一公里”。

英偉達在財報中明確提到，發布了NVIDIA Alpamayo 1.5開放模型和NVIDIA Omniverse NuRec技術，以支持大規模自動駕駛系統的開發。這一動作直擊自動駕駛行業真實路測數據“不可交互、難以復用”的痛點。通過神經渲染技術，英偉達正在將“死數據”轉化為可交互的“活場景”，為L4級自動駕駛的量產落地提供了強大的仿真與數據閉環能力。

而在自動駕駛的賽道上，全球科技企業和車企正在加速突圍，與英偉達的底層算力形成了緊密的產業共振。在GTC 2026大會上，英偉達宣布攜手比亞迪、吉利、日產、五十鈴等海內外頭部車企，基于NVIDIA DRIVE Hyperion平臺共同打造L4級自動駕駛汽車，并推出了面向AI驅動型車輛的統一安全架構NVIDIA Halos OS。

同時，英偉達擴大與Uber的合作，推出搭載全棧NVIDIA DRIVE AV軟件的自動駕駛車隊。小馬智行、文遠知行、蘑菇車聯等自動駕駛企業圍繞自動駕駛出租車（Robotaxi）、自動駕駛巴士（Robobus）持續全球落地。

針對具身智能，英偉達本季度推出了NVIDIA Isaac GR00T N模型及新的Isaac仿真框架，旨在為具身智能提供強大的物理AI算力底座。GR00T N采用類人類認知的“快思考+慢思考”雙系統架構，將高級推理與低級運動控制分離。慢思考推理層基于視覺-語言模型 (VLM)，如 ‌Cosmos-Reason-2B‌，負責處理圖像和語言指令，進行場景理解、任務分解和多步驟規劃（例如將“組裝零件”拆解為“抓取”、“對準”、“拼接”）。快思考動作層基于‌擴散 Transformer（DiT）‌或Flow Matching架構。接收推理層的高級令牌和機器人本體狀態，通過去噪過程生成平滑、精確的連續動作向量，直接控制機器人關節。

隨著NVIDIA IGX Thor平臺的全面上市，英偉達正在加速讓機器人具備更強的環境感知與交互能力，推動具身智能從實驗室走向真實的工業與商業場景。NVIDIA IGX Thor是專為將實時物理AI直接部署于邊緣端而打造，該平臺將高速傳感器處理、企業級可靠性和功能安全性整合到桌面級緊湊模組中，能夠幫助開發者構建感知、推理和行動快速、安全、智能的智能系統。

值得關注的是，英偉達首次將“邊緣計算”作為獨立板塊進行披露。財報明確指出，該板塊涵蓋了用于代理式AI和物理AI的數據處理設備，具體包括PC、游戲主機、工作站、AI-RAN基站、機器人以及汽車，直接印證了AI技術正在從虛擬的數字世界加速走向真實的物理世界。

對于投資者和行業從業者而言，固守舊的GPU敘事，已經無法適配當下的產業節奏。與其糾結于英偉達當前的高估值，不如關注它在CPU、推理、智能體等領域的最新進展。畢竟，當一個最確定、最廣闊的萬億級市場大門緩緩打開時，日賺6.5億美元的業績看似驚人，但在AI革命的大背景下，這只是一個開始。

原文標題 : 日賺6.5億美元還不夠，英偉達下一個引爆點在哪兒？