英伟达2027财年第二季度营收达962.2亿美元，AI需求激增
英伟达的人工智能基础设施业务在2027财年第二季度继续加速，推动季度营收达到962.2亿美元，使公司距离单季1000亿美元营收里程碑仅一步之遥。
营收同比增长106%，环比增长18%，GAAP净利润达到596.9亿美元，同比增长126%。数据中心业务继续占据主导地位，贡献约890亿美元，占总季度营收的92%以上。
这些结果反映了多个趋势的交汇：超大规模云厂商资本支出持续、AI推理工作负载快速扩张、向Vera Rubin平台过渡、企业和主权AI客户需求增加，以及每吉瓦部署数据中心容量的收入密度不断提升。
与此同时，英伟达的增长正日益受到物理供应链的制约。内存、晶圆、电力、机架和数据中心容量正成为限制因素，客户需求持续超过公司的交付能力。
📊 创纪录的营收与利润增长 #
英伟达公布2027财年第二季度业绩如下：
| 指标 | 2027财年第二季度 | 同比变化 | 环比变化 |
|---|---|---|---|
| 营收 | 962.2亿美元 | +106% | +18% |
| GAAP净利润 | 596.9亿美元 | +126% | +2% |
| 数据中心营收 | 约890亿美元 | +117% | +18% |
| 边缘计算营收 | 72.0亿美元 | +27% | +13% |
2027财年上半年，英伟达实现营收1778.4亿美元，同比增长96%。净利润达到1180.1亿美元，同比增长161%。
若当前轨迹持续，全年营收有望超过3500亿美元。
英伟达首席执行官黄仁勋将更广泛的AI转型描述为一个拐点，即AI系统正越来越多地执行具有经济价值的工作。这对基础设施供应商的意义重大：AI算力正从实验性成本中心转向直接产生收入的资产。
H200对中国出货仍然有限 #
英伟达首席财务官Colette Kress披露，根据美国政府许可要求，本季度向中国客户出货的Hopper H200产品占数据中心总营收的比例不到1%。
以约890亿美元的数据中心营收计算，这意味着相关出货价值不到约8.9亿美元。
重要的是，英伟达的第三季度营收指引中未包含任何来自中国的数据中心计算营收假设。
第三季度指引指向单季1000亿美元 #
英伟达预计2027财年第三季度营收将达到约1080亿美元。
若实现该指引，英伟达将首次突破单季1000亿美元营收门槛，这不仅对英伟达，对整个半导体行业都是重要里程碑。
英伟达还预计Vera Rubin平台将在该季度贡献数据中心营收的约20%。
🏢 数据中心成为890亿美元业务 #
数据中心营收达到约890亿美元，同比增长117%，环比增长18%。
该业务板块目前约占英伟达季度总营收的92.5%，使AI基础设施成为公司财务表现的绝对主导驱动力。
客户构成包括：
| 客户类别 | 2027财年第二季度营收 |
|---|---|
| 大型云超大规模厂商 | 487.1亿美元 |
| AI云、工业与企业客户 | 403.1亿美元 |
| 数据中心合计 | 约890亿美元 |
这一构成表明，英伟达的增长已不再完全依赖少数超大规模云厂商。AI云服务商、企业、工业客户以及主权AI计划正日益贡献需求。
超大规模厂商资本支出加速 #
英伟达表示，云行业积压订单现已超过2万亿美元。
五大超大规模厂商的资本支出预计在2026年接近约8000亿美元，并有望在2027年达到1.3万亿美元。
这些支出为英伟达的加速计算、网络和机架级基础设施业务提供了重要需求基础。
这种扩张也在改变AI基础设施的经济学。随着每一代产品在单位功耗下提供更多算力和推理能力，客户在AI服务产生足够收入时，可以合理证明越来越大的基础设施投资是正当的。
🚀 Vera Rubin进入全面量产 #
本季度最重要的产品里程碑之一是Vera Rubin平台进入全面量产。
英伟达表示，Vera Rubin机架已在多家基础设施合作伙伴处运行，包括CoreWeave、Google Cloud、Microsoft Azure、Oracle Cloud Infrastructure和Nebius。
这一过渡标志着英伟达加速计算路线图进入新阶段，公司从产品导入转向大规模系统部署。
英伟达的收入机会也越来越与机架级性能挂钩，而非单个GPU规格。
黄仁勋估计，每吉瓦部署基础设施产生的收入约为：
| 平台代际 | 每吉瓦收入 |
|---|---|
| Hopper | 180亿美元 |
| Blackwell | 250亿美元 |
| Vera Rubin | 400亿美元 |
这一增长反映了更高的计算密度、更复杂的网络、更大的系统配置以及单位数据中心功耗价值的提升。
AWS扩大英伟达部署 #
英伟达还宣布与AWS扩大合作伙伴关系。
AWS计划部署额外的200万颗英伟达GPU，并搭配Vera CPU，从本季度开始，持续至2029财年第二季度。
部分系统将把Vera CPU与Rubin平台集成，其他则作为独立产品部署。
双方还计划在开源AI模型和物理AI工作负载方面进行合作。
⚡ Groq 3 LPX瞄准超低延迟推理 #
英伟达的推理战略正通过其Groq技术组合，超越通用GPU加速。
Groq 3 LPX交互式AI推理加速器已进入全面量产，专为token生成延迟和交互性至关重要的工作负载设计。
根据英伟达引用的基准测试结果，Groq 3 LPX运行开源Gemma 4 31B模型（10万token上下文）时，输出吞吐量约达每秒3400个token。
英伟达预计本季度晚些时候向早期客户实现批量出货，Nebius被确定为第一家采用该加速器的AI云服务商。
通用与专用推理的对比 #
黄仁勋将Groq 3 LPX定位为对英伟达更广泛加速计算平台的补充，而非对基于Rubin基础设施的替代。
区别主要取决于工作负载：
| 平台 | 主要定位 |
|---|---|
| Vera Rubin | 广泛的AI训练与推理 |
| NVLink机架级系统 | 大规模、灵活的AI基础设施 |
| Groq 3 LPX | 超低延迟交互式推理 |
专用推理加速器对高价值应用具有吸引力，因为响应延迟会直接影响用户体验或服务经济性。
英伟达的更广泛平台仍专注于覆盖完整AI生命周期的灵活性。
🌐 网络基础设施持续扩展 #
随着模型规模扩大和加速器集群扩展，AI基础设施越来越依赖网络性能。
英伟达报告称，Spectrum-6交换机正在全球部署，同时支持可插拔光学和共封装光学架构。
公司同时在扩展：
- NVLink计算架构
- 以太网网络
- InfiniBand
- 机架级加速计算
- 高带宽数据中心互连
这种垂直整合使英伟达能够覆盖更多基础设施栈，而非仅在GPU层面竞争。
🧠 英伟达Vera CPU扩展平台 #
英伟达还重点介绍了其Vera CPU，估计可寻址服务器CPU市场约为200亿美元。
SpaceX已确认计划部署Vera CPU，用于下一代代理式AI应用。
该CPU具有战略重要性，因为现代AI服务器需要CPU、GPU、内存、网络和软件组件的紧密集成。
通过进入服务器CPU领域，英伟达可以增加其平台捕获的系统级价值，同时优化通用处理与加速AI工作负载之间的交互。
📈 英伟达指引2028财年增长70% #
英伟达罕见地提供了下一财年的增长展望。
基于客户预测，英伟达表示需求可支撑2028财年约70%的增长，但公司认为供应约束将把实际增长限制在该水平。
这一区分很重要：英伟达似乎并未暗示需求减弱。相反，公司正越来越多地以可用的制造、电力、网络和数据中心容量来决定其能实际交付多少营收。
黄仁勋估计，2028财年70%的增长可能代表约2000亿美元的增量营收。
AI代理推高推理需求 #
一个主要需求驱动力是AI代理的出现。
据黄仁勋介绍，代理式工作负载可能需要比传统AI使用模式多约15到100倍的推理算力。
原因在于架构：代理可能执行多次推理、工具使用、检索、规划和验证步骤，而不是在一次推理过程中生成单一响应。
随着代理系统变得更强大和自主，推理成为持续工作负载，而非偶发的API请求。
这为加速推理基础设施创造了潜在更大的长期市场。
🔄 英伟达的AI工厂战略 #
黄仁勋将AI生命周期描述为越来越由四个主要阶段组成：
- 数据准备
- 预训练
- 后训练
- 代理式推理
每个阶段都引入不同的计算特性，但英伟达的战略是提供能够支持所有这些阶段的基础设施。
因此，公司的基于NVLink的机架级系统被定位为通用AI工厂，而非专用推理机器。
这种灵活性是英伟达竞争战略的重要组成部分，因为客户可以在AI工作负载演进时继续使用相同的基础设施。
为什么灵活性对客户很重要 #
AI基础设施代表重大的资本投资。
如果加速器平台只能支持一种模型架构、一种云服务或一种推理工作负载，其利用率会随着工作负载变化而下降。
更灵活的平台有可能支持：
- 训练新基础模型
- 微调现有模型
- 后训练与强化学习
- 高容量推理
- 代理式工作负载
- 企业AI应用
- 科学计算
这种灵活性可以延长基础设施的使用寿命，并提升大规模部署的经济回报。
💰 英伟达对前沿AI实验室的投资 #
英伟达披露，其已在前沿AI公司中投资近500亿美元。
部分投资组合公司（包括OpenAI和Anthropic）同时在开发定制AI加速器，引发了关于定制硅是否最终可能与英伟达GPU竞争的问题。
黄仁勋认为，这些技术在基础设施栈中处于不同位置。
英伟达提供涵盖处理器、网络、软件、系统和AI基础设施的全栈加速计算平台。相比之下，定制XPU通常围绕更窄的工作负载、服务或云环境设计。
从英伟达的角度来看，前沿AI公司的增长仍是积极发展，因为无论部分工作负载最终是否迁移到定制硅，这些公司都需要大量算力。
黄仁勋将投资前沿AI实验室描述为可能百年一遇的机会，并表示他最大的遗憾是没有更早或以更大规模进行投资。
🏭 供应链成为英伟达的主要约束 #
对英伟达增长轨迹的最大风险正日益来自物理层面，而非需求层面。
公司报告称，AI基础设施供应链几乎每一个主要环节都面临压力：
- 先进晶圆
- 内存
- 封装
- 网络组件
- 数据中心土地
- 电力
- 机架
- 系统组装
- 制造产能
英伟达表示，供应链约束预计至少持续到2028财年末。
内存成本上升 #
内存价格已超过英伟达此前预期，并预计明年进一步上涨。
这直接带来毛利率挑战，因为高带宽内存和其他内存组件在先进AI加速器系统成本中占显著比例。
英伟达预计第四季度毛利率将暂时下降至约71%–72%。
库存随Rubin爬坡上升 #
英伟达的库存增至约320亿美元，为公司准备更高容量的Vera Rubin出货。
库存增加应放在重大平台过渡的背景下理解：英伟达需要足够的组件可用性来支持系统级生产，随着Rubin进入批量部署。
公司实际上是在需求到来前抢先锁定供应，而非让组件短缺延误客户部署。
💵 现金流与资本配置 #
第二季度末，英伟达持有约224.4亿美元现金及现金等价物。
本季度：
| 财务活动 | 金额 |
|---|---|
| 现金及现金等价物 | 224.4亿美元 |
| 投资活动 | 274.6亿美元 |
| 股票回购 | 200亿美元 |
| 季度股息 | 60亿美元 |
| 股东回报合计 | 260亿美元 |
资本回报的规模说明了英伟达当前商业模式非凡的现金生成能力，即使公司仍在AI基础设施和战略技术合作伙伴关系中进行大量投资。
🔮 AI算力的经济学 #
英伟达业绩背后最重要的主题是算力经济学的变化。
黄仁勋认为，AI算力正日益与生产性经济活动直接挂钩。随着AI模型执行有用工作，每增加一个推理容量单元都可能产生可衡量的收入。
这改变了云服务商和企业的投资等式。
如果AI基础设施部署能在足够短的时间内产生回报，客户就有强烈的经济动力继续增加资本支出。
英伟达表示，部分当前AI基础设施部署的回本期不到一年，强化了其观点，即AI支出正越来越多地由可衡量的经济回报支撑，而非纯粹投机性投资。
🧭 结论：英伟达的增长现受供应限制 #
英伟达2027财年第二季度业绩展示了自ChatGPT出现以来，公司业务发生了多么巨大的变化。
季度营收达到962.2亿美元，其中数据中心贡献约890亿美元。净利润接近600亿美元，公司距离突破单季1000亿美元营收门槛更近一步。
下一阶段增长将较少取决于客户是否想要更多AI算力，而更多取决于英伟达及其供应商能否物理交付这些算力。
Vera Rubin现已进入量产，Groq 3 LPX正在扩展英伟达的低延迟推理组合，Spectrum-6和NVLink正在扩展网络层，Vera CPU则将公司触角延伸至服务器基础设施。
与此同时，AI代理可能成倍放大推理需求，而超大规模厂商、企业、主权AI和工业支出持续扩大。
因此，核心约束变得清晰：英伟达最大的挑战可能不再是创造需求，而是将巨大需求转化为物理算力容量。
如果英伟达能够以客户所需的速度继续扩展晶圆、内存、封装、网络、电力和机架产能，公司通往单季1000亿美元营收——并最终实现显著更高年营收——的路径仍然稳固。