當(dāng)“超預(yù)期”已經(jīng)習(xí)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(dá)發(fā)布2027財年第一季度財報。在AI基礎(chǔ)設(shè)施和Blackwell系統(tǒng)需求持續(xù)強勁的推動下，英偉達(dá)再次交出一份“超預(yù)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(xù)穩(wěn)定在74%到75%之間。折算下來，英偉達(dá)日均凈賺約6.5億美元，相當(dāng)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(shè)正在以驚人的速度加速，這是人類歷史上最大規(guī)模的基礎(chǔ)設(shè)施擴張。”

但市場反應(yīng)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(rèn)為，雖然此次業(yè)績本身較為強勁，但由于市場此前對英偉達(dá)的預(yù)期已被推至極高水平，投資者更關(guān)注的是其增長幅度是否足夠“超預(yù)期”，以支撐當(dāng)前的高估值和前期巨大漲幅。

市場也開始追問：英偉達(dá)的增長天花板到底在哪兒？這個已經(jīng)占據(jù)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(xùn)練、高端GPU算力軍備競賽展開。

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

英偉達(dá)也憑借絕對的生態(tài)和硬件優(yōu)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(xùn)練紅利已經(jīng)見頂，AI產(chǎn)業(yè)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(yè)化爆發(fā)、智能體AI規(guī)模化落地三大核心方向。

從瘋狂燒錢、堆疊算力的模型訓(xùn)練時代，轉(zhuǎn)向降本增效、落地變現(xiàn)的推理與智能體時代，AI的算力架構(gòu)、價值分配、商業(yè)模型正在全面重構(gòu)。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(xiàn)的全新格局，而這也是當(dāng)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(jīng)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(lǐng)域，包括內(nèi)存、網(wǎng)絡(luò)和服務(wù)器CPU。

英偉達(dá)試圖給出新的增長路徑。隨著AI從訓(xùn)練轉(zhuǎn)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(xiàn)數(shù)十億個AI智能體，推理硬件需求將隨之增加。他稱，“思考”發(fā)生在GPU上，而編排基本運行在CPU上。

英偉達(dá)CFO科萊特·克雷斯表示，Vera CPU為英偉達(dá)打開了一個全新的2000億美元可服務(wù)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(dá)成為全球領(lǐng)先CPU供應(yīng)商奠定基礎(chǔ)。

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

首先是復(fù)雜邏輯處理能力，智能體的核心價值是自主執(zhí)行復(fù)雜任務(wù)，海量的條件判斷、循環(huán)調(diào)度、分支流程，都是CPU的傳統(tǒng)優(yōu)勢領(lǐng)域，GPU并行計算的架構(gòu)特性，使其在這類場景中效率極低、難以適配。

其次是系統(tǒng)級調(diào)度能力，智能體的工作流程涵蓋多模型協(xié)作、外部工具調(diào)用、海量數(shù)據(jù)讀寫、跨平臺系統(tǒng)聯(lián)動，需要一個穩(wěn)定高效的核心統(tǒng)籌全局，而CPU正是這套復(fù)雜體系的核心調(diào)度樞紐。

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

底層技術(shù)優(yōu)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(fā)，AI基礎(chǔ)設(shè)施正從以GPU為主，轉(zhuǎn)向“CPU+內(nèi)存+系統(tǒng)協(xié)同”架構(gòu)。預(yù)計到2030年，全球服務(wù)器CPU整體市場規(guī)模將突破千億級別，相較于2025年實現(xiàn)翻倍增長，年均復(fù)合增長率將保持在35%以上，成為AI算力賽道增速最快的細(xì)分領(lǐng)域。

如果說CPU重構(gòu)了AI算力的底層架構(gòu)，那么AI推理的規(guī)模化爆發(fā)，就是支撐這一輪產(chǎn)業(yè)敘事切換的核心商業(yè)基礎(chǔ)。隨著大模型技術(shù)趨于成熟，落地場景持續(xù)豐富，推理需求迎來指數(shù)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(fā)式增長。IDC預(yù)測，到2030年，全球活躍AI智能體將達(dá)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(yuǎn)未到來。

需求爆發(fā)的背后，是AI應(yīng)用的全面滲透，企業(yè)級智能體應(yīng)用大規(guī)模落地，超四成的企業(yè)數(shù)字化系統(tǒng)嵌入了任務(wù)型自主智能體。手機、汽車、智能家居等終端設(shè)備全面搭載輕量級推理模型，端側(cè)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(yè)標(biāo)配，全方位拉動推理算力需求井噴。

過往AI企業(yè)的成本核心集中在模型訓(xùn)練、高端GPU采購，而如今，推理環(huán)節(jié)的成本占比已經(jīng)攀升至7成以上，成為企業(yè)AI商業(yè)化落地的核心成本支出。這意味著，AI行業(yè)的競爭邏輯已經(jīng)改變，不再是“誰能訓(xùn)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(yè)實現(xiàn)AI盈利的核心關(guān)鍵。

商業(yè)模式的成熟，更是讓推理市場徹底打開商業(yè)化空間。傳統(tǒng)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(zhǔn)匹配推理復(fù)雜度，成為AI服務(wù)商的主流選擇；辦公智能體、企業(yè)數(shù)字化智能體的訂閱制服務(wù)持續(xù)普及，帶來穩(wěn)定的持續(xù)性收入；云端推理專屬服務(wù)快速落地，為企業(yè)提供算力、優(yōu)化、運維一體化的推理解決方案，推理正式成為AI行業(yè)最穩(wěn)定、最可觀的盈利賽道。

2026年被全球資本市場公認(rèn)為“AI智能體商業(yè)化元年”。歷經(jīng)數(shù)年的技術(shù)迭代與概念驗證，AI智能體徹底擺脫了玩具化、碎片化的標(biāo)簽，從實驗室概念、資本市場熱點，轉(zhuǎn)變?yōu)槟軌蜃灾魍瓿蓮?fù)雜工作、替代人工流程的“數(shù)字員工”，成為AI產(chǎn)業(yè)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(yè)分析顯示，未來兩年內(nèi)，美國企業(yè)的智能體滲透率將突破半數(shù)，AI智能體將成為企業(yè)辦公、生產(chǎn)、運營的標(biāo)配工具。

技術(shù)的持續(xù)突破，加速了智能體的規(guī)模化落地。行業(yè)已經(jīng)從早期的單智能體單點作業(yè)，進化為多智能體協(xié)同工作體系。標(biāo)準(zhǔn)化交互協(xié)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(xiàn)了智能體之間的角色分工、自主協(xié)作、任務(wù)聯(lián)動。

同時，具身智能技術(shù)持續(xù)成熟，搭載多維度傳感器的物理智能體，能夠適配工業(yè)復(fù)雜場景，自主完成巡檢、操作、運維等高危復(fù)雜工作，讓AI智能體徹底從虛擬數(shù)字場景，走進真實的物理產(chǎn)業(yè)場景，賦能工業(yè)數(shù)字化轉(zhuǎn)型。

從算力平臺到Token工廠

受益于智能體AI時代的爆發(fā)，英偉達(dá)瞄準(zhǔn)2000億美元全新市場的CPU戰(zhàn)略，試圖向華爾街證明其高增長的持續(xù)性與廣闊的想象空間。

當(dāng)前，AI已經(jīng)不再是“錦上添花”，而是提高各行業(yè)和崗位生產(chǎn)力的必需品。這正在推動能源、芯片、基礎(chǔ)設(shè)施、模型和應(yīng)用等AI資本支出持續(xù)投入。公司預(yù)計，到2030年，AI基礎(chǔ)設(shè)施支出有望達(dá)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(chǔ)設(shè)施需求正以前所未有的速度擴張，AI工廠建設(shè)正在加速。推動這一輪建設(shè)的因素主要有兩個：一是從搜索、廣告到推薦系統(tǒng)和內(nèi)容理解，超大規(guī)模云廠商的核心工作負(fù)載正在從CPU轉(zhuǎn)向GPU加速計算；二是AI原生產(chǎn)品和服務(wù)的采用正在迎來拐點，主流AI已經(jīng)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(gòu)能否在2026年下半年如期進入量產(chǎn)爬坡階段。高盛在財報前的一份報告中維持英偉達(dá)“買入”評級，并明確將Vera Rubin量產(chǎn)時程列為推動估值重估的核心催化劑之一。市場對現(xiàn)有Blackwell架構(gòu)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(chǎn)品來接棒。

作為英偉達(dá)推出的AI超級芯片平臺，Vera Rubin以暗物質(zhì)研究先驅(qū)天文學(xué)家薇拉·魯賓命名。平臺定位高性能計算（HPC）與大規(guī)模AI訓(xùn)練場景，意在填補現(xiàn)有H100系列與未來超大規(guī)模模型需求之間的算力缺口，進一步鞏固英偉達(dá)在數(shù)據(jù)中心AI芯片領(lǐng)域的主導(dǎo)地位，首批客戶鎖定亞馬遜AWS、微軟Azure等北美頭部云服務(wù)廠商。

當(dāng)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(diào)用量已突破140萬億，全球年化推理用量超1千萬億Token，標(biāo)志著AI從“交互工具”轉(zhuǎn)向“持續(xù)運行的智能基礎(chǔ)設(shè)施”。??Vera Rubin平臺的定位并非傳統(tǒng)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(chǎn)基礎(chǔ)設(shè)施。

Vera Rubin平臺由七款芯片組成，包括Vera CPU（英偉達(dá)已進軍服務(wù)器CPU）、Rubin GPU（GPU王牌產(chǎn)品）、NVLink 6（第六代NVLink交換機芯片，芯片內(nèi)部互聯(lián)）、ConnectX-9 SuperNIC（超級網(wǎng)卡）、BlueField-4 DPU（存儲芯片）、Spectrum-6（以太網(wǎng)交換機芯片，支持CPO技術(shù)）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(dá)到前一代Blackwell的5倍，而訓(xùn)練大型MoE模型所需GPU數(shù)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(chǔ)設(shè)施。

在技術(shù)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(nèi)存集成在單一封裝內(nèi)，內(nèi)存總?cè)萘窟_(dá)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(gòu)針對Transformer模型的注意力機制做了優(yōu)化，支持FP8、FP16及BF16混合精度計算，單芯片F(xiàn)P8峰值算力可達(dá)512 TFLOPS，較H100的395 TFLOPS提升30%。同時，該芯片通過動態(tài)電壓調(diào)節(jié)技術(shù)，將典型功耗控制在380W以內(nèi)，能效比提升20%，符合數(shù)據(jù)中心綠色節(jié)能的趨勢。

對客戶而言，Vera Rubin能把大模型訓(xùn)練時間縮短30%以上，降低訓(xùn)練成本約25%，助力云廠商快速部署下一代AI服務(wù)。同時，它延續(xù)了英偉達(dá)的CUDA生態(tài)，現(xiàn)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(chǔ)設(shè)施，更具想象力的是物理AI市場——數(shù)十億個自主機器人系統(tǒng)將在物理世界中運行，包括工業(yè)機器人、服務(wù)機器人、自動駕駛汽車、無人機等。

在本季度的財報中，英偉達(dá)不僅強調(diào)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(chǎn)業(yè)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(shù)發(fā)布，英偉達(dá)正全力打通AI進入物理世界的“最后一公里”。

英偉達(dá)在財報中明確提到，發(fā)布了NVIDIA Alpamayo 1.5開放模型和NVIDIA Omniverse NuRec技術(shù)，以支持大規(guī)模自動駕駛系統(tǒng)的開發(fā)。這一動作直擊自動駕駛行業(yè)真實路測數(shù)據(jù)“不可交互、難以復(fù)用”的痛點。通過神經(jīng)渲染技術(shù)，英偉達(dá)正在將“死數(shù)據(jù)”轉(zhuǎn)化為可交互的“活場景”，為L4級自動駕駛的量產(chǎn)落地提供了強大的仿真與數(shù)據(jù)閉環(huán)能力。

而在自動駕駛的賽道上，全球科技企業(yè)和車企正在加速突圍，與英偉達(dá)的底層算力形成了緊密的產(chǎn)業(yè)共振。在GTC 2026大會上，英偉達(dá)宣布攜手比亞迪、吉利、日產(chǎn)、五十鈴等海內(nèi)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(qū)動型車輛的統(tǒng)一安全架構(gòu)NVIDIA Halos OS。

同時，英偉達(dá)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(yuǎn)知行、蘑菇車聯(lián)等自動駕駛企業(yè)圍繞自動駕駛出租車（Robotaxi）、自動駕駛巴士（Robobus）持續(xù)全球落地。

針對具身智能，英偉達(dá)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(rèn)知的“快思考+慢思考”雙系統(tǒng)架構(gòu)，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(fù)責(zé)處理圖像和語言指令，進行場景理解、任務(wù)分解和多步驟規(guī)劃（例如將“組裝零件”拆解為“抓取”、“對準(zhǔn)”、“拼接”）。快思考動作層基于?擴散 Transformer（DiT）?或Flow Matching架構(gòu)。接收推理層的高級令牌和機器人本體狀態(tài)，通過去噪過程生成平滑、精確的連續(xù)動作向量，直接控制機器人關(guān)節(jié)。

隨著NVIDIA IGX Thor平臺的全面上市，英偉達(dá)正在加速讓機器人具備更強的環(huán)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(yè)與商業(yè)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(yè)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(fā)者構(gòu)建感知、推理和行動快速、安全、智能的智能系統(tǒng)。

值得關(guān)注的是，英偉達(dá)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(shù)據(jù)處理設(shè)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(shù)正在從虛擬的數(shù)字世界加速走向真實的物理世界。

對于投資者和行業(yè)從業(yè)者而言，固守舊的GPU敘事，已經(jīng)無法適配當(dāng)下的產(chǎn)業(yè)節(jié)奏。與其糾結(jié)于英偉達(dá)當(dāng)前的高估值，不如關(guān)注它在CPU、推理、智能體等領(lǐng)域的最新進展。畢竟，當(dāng)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(yè)績看似驚人，但在AI革命的大背景下，這只是一個開始。