专题：英伟达第三财季营收570亿美元 净利润同比增长65%
英伟达今日公布了该公司的2026财年第三财季财报：营收为570.06亿美元，同比增长62%，环比增长22%；净利润为319.10亿美元，同比增长65%，环比增长21%；不按照美国通用会计准则的调整后净利润为317.67亿美元，同比增长59%，环比增长23%。（注：英伟达财年与自然年不同步，2025年1月底至2026年1月底为2026财年）
财报发布后，英伟达创始人、总裁兼首席执行官黄仁勋和执行副总裁兼首席财务官科莱特·克雷斯等高管出席随后召开的财报电话会议，解读财报要点并回答分析师提问。
以下是分析是问答环节主要内容：
摩根士丹利分析师Joseph Moore：管理层此前提到公司 Blackwell 与Rubin 架构在2025至2026年与高性能计算数据中心的相关营收规模将达5000亿美元，当时称已有1500亿美元的相关产品交付完成。如今多个季度已经过去，按规划未来14个月左右需完成剩余3500亿美元的目标。考虑到这段时间里市场需求或许仍未完全释放，后续这些营收数据是否有可能进一步增长？
科莱特·克雷斯：情况确实如你所说，我们正朝着5000亿美元的预期目标推进，目前进度符合规划，经过多个季度的推进，后续仍有充足时间推进目标达成。到2026年底，这一数字必将增长，我确信到2026财年，我们还能满足更多可交付的算力需求。我们本季度已交付价值500亿美元的产品，此外还有更多潜在订单。比如，今天我们与沙特阿拉伯达成协议，未来三年内将额外供应40万至60万块图形处理器（GPU）。同时，我们还新增了埃瑟尔（分布式 GPU 云计算提供商）这一合作方。因此，除了已公布的5000亿美元目标，我们的营收绝对有进一步增长的空间。
Cantor Fitzgerald分析师C.J. Muse：目前市场对人工智能（AI）基础设施建设的规模、相关计划的资金保障及投资回报率均深感担忧。但与此同时，你们却表示图形处理器产品供不应求、订单全满。而且目前业界尚未充分享受到 B300 带来的巨大效益，更不必说刚发布的鲁宾平台和双子座 3 号模型了，格罗克 5 号也即将推出。基于这样的行业背景，你认为未来 12 至 18 个月内，算力供应有望追上市场需求吗？还是说供需缺口的持续时间会更长？
黄仁勋：众所周知，我们在供应链规划方面做得十分到位。英伟达的供应链几乎涵盖了全球所有相关科技企业，包括台积电的封装业务、存储设备供应商、各类原始设计制造商（ODM）等合作伙伴，都与我们配合默契，共同推进规划落地，为关键的一年做好万全准备。
一段时间以来，行业正经历三大重要转型，这一点我此前也提及过。其一就是从通用计算向加速计算的转型，值得注意的是，人工智能不仅包括智能体人工智能，生成式人工智能也在改变超大规模企业以往依赖中央处理器（CPU）开展工作的模式。借助生成式人工智能，超大规模企业得以将搜索、推荐系统等业务从CPU迁移过来，目前这一转型仍在进行中。无论是用于数据处理、推荐系统的生成式人工智能开发，还是用于智能聊天机器人研发的GPU，均可通过英伟达的产品提升运行效率。这些应用场景虽各有不同但均在快速发展，且得益于人工智能模型质量的持续提升，它们都能依托英伟达GPU顺畅运行。
生成式人工智能的应用场景还在不断拓展。以代码辅助领域为例，英伟达自身便大量应用这类技术，其实行业内众多企业亦是如此。像Cursor编程助手、云代码工具、开放式人工智能的代码生成模型以及代码托管平台的编程助手等组合应用，是当前发展速度最快的应用类型之一。如今这类工具已不仅限于软件工程师使用，借助可视化编程技术，企业内部的工程师、营销人员以及供应链规划人员等都能运用。类似的应用案例还有很多，比如医疗领域的OpenEvidence公司、数字视频剪辑领域的Runway公司等。众多新兴初创企业都在积极运用生成式人工智能与智能体技术，而且人工智能的日常使用率也在持续攀升。
人工智能模型的训练工作也在稳步推进，我今天收到了德米斯（Demis Hassabis，Google 人工智能公司 DeepMind CEO），他表示人工智能模型的预训练与后续优化工作均进展顺利，谷歌 Gemini 3 人工智能模型就充分运用了规模法则，其性能与质量均实现了大幅飞跃，行业正同时迎来多重增长爆发点。我们不妨回归核心逻辑，观察这几大行业变革趋势，那就是通用计算向加速计算转型、生成式人工智能崛起、人工智能逐步替代传统机器学习，再加上智能体人工智能这一全新领域的出现。种种变革叠加之下，算力供需平衡的实现还需要一定时间。
美银美林分析师Vivek Arya：我想了解，在公司5000亿美元的目标规模中，你们提出的每吉瓦数据中心所做的资本支出是基于什么假设？我们听到的行业数据差异较大，最低每吉瓦对应250亿美元相关产品价值，最高则达到300亿至400亿美元。想明确你们在制定5000亿美元目标时，对每吉瓦的电力消耗及对应美元价值是如何假设的？另外，黄仁勋之前提到2030年数据中心市场规模将达到3万亿至4万亿美元。你认为其中多少需要供应商融资支持，又有多少来自大型客户、政府或企业的现金流？
黄仁勋：公司的各个芯片架构，从Ampere到Hopper，到Blackwell、再到Rubin，每一代产品都在推动数据中心相关价值增长。Hopper系列每吉瓦对应的产品价值约为200多亿至250亿美元；Blackwell系列，尤其是Grace Blackwell，大约在300亿美元左右上下浮动；Rubin系列则可能更高。每一代产品的性能都实现了数倍提升，因此客户的总拥有成本（TCO）也随之数倍优化。关键在于，数据中心的电力上限通常为1吉瓦，所以每瓦性能，也就是架构的能效至关重要，这一点无法靠蛮力实现。1吉瓦的电力限制下，每瓦性能直接决定了最终的营收，这也是选择合适架构的核心意义所在。如今，全球没有任何资源可供浪费。因此我们在整个技术栈中推行“协同设计”理念，这一理念覆盖框架与模型、数据中心整体，甚至对供应链和生态系统中的电力与冷却系统进行全面优化。所以每一代产品的经济贡献和交付价值都会提升，最重要的是，每一代产品的能效都将实现质的飞跃。
关于客户新增的资金来源，这取决于他们自身。我们认为未来增长空间广阔，且当前市场焦点多集中在超大规模数据中心提供商上，投资英伟达GPU不仅能提升其通用计算的规模、速度并降低成本，这一点至关重要，因为摩尔定律的演进已大幅放缓。摩尔定律的核心是降低成本，实现计算成本的长期通缩，但如今这一趋势减弱，因此超大规模企业需要新的方式来持续控制成本，而英伟达GPU计算正是最佳选择。
其次，英伟达还能提升他们现有业务模式的营收。推荐系统是全球超大规模企业的核心驱动力，无论是短视频推送、图书推荐、购物车商品推荐，还是广告、新闻推荐，本质上都依赖推荐系统。互联网上有万亿级别的内容，若没有精密的推荐系统，企业根本无法在小小的屏幕上为用户精准推送内容，而现在，推荐系统已全面转向生成式人工智能。我刚才提到的数千亿美元资本支出，完全可以通过客户的现金流覆盖。在此基础上，智能体人工智能将带来全新的收入和消费需求，同时催生众多、史上增长最快的全新应用。一旦人们深入了解资本支出背后的深层逻辑，就能看清这三大核心驱动力。
最后需要强调的是，我们之前讨论过美国的云服务提供商，但实际上每个国家都会为自身的基础设施提供资金支持。全球有众多国家和行业，其中大多数行业尚未涉足智能体人工智能，但即将入局，比如我们合作的自动驾驶企业、为工厂打造实体人工智能数字孪生体的企业，全球范围内新建的工厂和仓库，以及众多获得融资、旨在加速药物研发的数字生物学初创公司。不同行业都已开始参与其中，并将自行筹集资金。因此，不能只盯着超大规模数据中心提供商来展望未来的基础设施建设，而应放眼全球、覆盖所有行业，企业级计算领域将自行承担本行业的相关资金需求。
（持续更新中。。。）
发布评论