英伟达Q1营收816亿美元,数据中心占比九成,黄仁勋宣布新战略瞄准全球25万家企业
英伟达2027财年Q1营收816.2亿美元创新高,数据中心收入752亿美元占比超九成。市场对常规业绩利好反应平淡,股价盘后震荡。黄仁勋宣布将业务重新划分为数据中心和边缘计算两大平台,其中ACIE子市场面向全球约25万家企业、工业和主权AI客户。同时发布专为智能体AI设计的Vera CPU,称其打开2000亿美元新市场。
事件概述
英伟达于当地时间5月20日发布2027财年第一季度财报,营收816.2亿美元创历史新高,同比增长85%;净利润583亿美元,同比增长211%,远超分析师预期。数据中心收入752亿美元,同比增长92%,占公司总营收的92%以上。公司对下一季度(截至7月)营收预测为910亿美元,高于分析师平均预期的870亿美元,但未触及最高预测960亿美元。财报发布后,英伟达股价收涨1.3%,但盘后震荡转跌,截至发稿下跌1.28%。市场已连续多次对英伟达超预期业绩反应冷淡——过去6份财报公布后5次出现股价下跌。
核心信息
业务重组:数据中心与边缘计算两大平台
英伟达宣布过渡到新的财务披露框架,将业务划分为两大市场平台:
- 数据中心:进一步分为Hyperscale(超大规模云)和ACIE(AI云、工业和企业市场)。Q1 Hyperscale收入380亿美元(占数据中心50%),环比增长12%;ACIE收入370亿美元,环比增长31%,其中AI云收入同比增长超两倍。主权AI收入同比增长超80%。
- 边缘计算:覆盖PC、游戏主机、工作站、AI-RAN基站、机器人、汽车等面向智能体AI和物理AI的数据处理设备。
黄仁勋在电话会上解释,AI已变得非常多元,运行位置从超大规模云扩展到企业本地、工业现场、工厂、超算中心和边缘端。未来每个基站、无线网络都可能成为AI驱动网络。
Blackwell与Vera Rubin进展
- Blackwell架构需求强劲,GB300和NVL72尤其突出,前沿模型开发商和超大规模云厂商已累计部署数十万块Blackwell GPU,为英伟达史上最快产品爬坡速度。OpenAI GPT-5.5与Blackwell共同设计并部署;微软Fairwater AI数据中心提前上线,由数十万块Blackwell驱动;AWS今年将增加超100万块Blackwell和Rubin GPU;Google Cloud向客户提供Blackwell能力。
- Vera Rubin计划今年下半年开始量产出货,第三季度启动。黄仁勋称几乎每一家前沿模型公司都会从一开始就采用Vera Rubin。
Vera CPU:智能体AI时代的增长新线
黄仁勋表示,Vera CPU基于定制Arm核心打造,与Rubin GPU和NVLink端到端协同设计。与x86替代方案相比,每核心性能最高提升1.5倍,每瓦性能提升2倍,每机架密度提升4倍。英伟达称该CPU为公司打开2000亿美元潜在市场,今年对CPU总收入可见性接近200亿美元。黄仁勋强调,Vera CPU对应新增工作负载,而非替代GPU:在智能体系统中,GPU负责“思考”,CPU负责I/O编排、内存管理、工具调用等任务。未来AI经济学将从“每核心多少美元”变为“每美元多少Token”或“每Token多少美元”。
黄仁勋解读增长方向与市场空间
- 英伟达增长不只依赖超大规模云(全球仅少数几家),第二类市场(AI原生云、企业、工业、主权AI)对应全球约25万家公司,进入方式更复杂但增长空间更大。黄仁勋认为超大规模云资本开支今年约1万亿美元,未来将向3万亿至4万亿美元增长,但英伟达增长应快于此,因为第二类市场增速可能更快。
- 推理市场份额快速提升:Anthropic今年加入合作伙伴体系后扩张迅速,英伟达通过Azure、AWS、CoreWeave等渠道为其保障算力。此前英伟达对Anthropic覆盖基本为零,推理领域份额正极快提升。
- 针对LPX等低延迟高Token速率加速器,黄仁勋认为这类产品吞吐量、模型规模容量和上下文处理能力较低,在相当一段时间内仍为小众市场(低于20%),不会替代Grace Blackwell或Vera Rubin等全生命周期AI平台。
中国市场与股东回报
- 英伟达首席财务官克雷斯表示,与中国上一季度一致,业绩展望中未纳入任何中国数据中心计算收入。
- 英伟达宣布800亿美元股票回购计划,并将季度现金股息从每股1美分提高至0.25美元,今年计划向股东返还约50%的自由现金流。
值得关注
黄仁勋将本季度业绩与智能体AI拐点直接挂钩,认为AI已从“锦上添花”变为提高各行业生产力的必需品。AI基础设施支出预计到2030年达到每年3万亿至4万亿美元。下一波浪潮将是物理AI,数十亿自主系统和机器人将在物理世界中运行。英伟达作为全栈AI工厂平台,通过Vera CPU、Blackwell/Rubin GPU以及CUDA向机器人、自动驾驶、嵌入式医疗、AI-RAN电信基站等边缘场景延伸,处于这些转型的中心。
