英伟达26年一季度财报分析：平淡数字背后，算力霸主开始讲新故事

来源：市场资讯

（来源：芝能汽车）

引领Ai的英伟达发财报了。

2027财年第一季度（2026年Q1的自然季度）英伟达收入达到 816亿美元，同比增长 85.23%。毛利率 74.9%，营业利润率约 65.9%。

大概可能没有概念，按照人民币就有概念了。

◎总营收5581.44 亿元，同比 + 85%

◎GAAP 净利润3989.16 亿元，同比 + 211%

◎非 GAAP 净利润3115.48 亿元，同比 + 139%

对任何一个其他行业，这已经强的过分了，但是市场并没有被惊到，市场对英伟达的预期已经被拉得很高。

在AI算力还处于供不应求的阶段，英伟达只要交出一份“好财报”，需要交出的是“比大家想象得还要好很多”的财报。

英伟达想把自己的故事，从“训练时代的GPU垄断”，往“AI基础设施系统公司”上重新推一层。

Part 1

收入很好

本季度英伟达总收入 816亿美元，也比上一季度环比增加 135亿美元，几乎所有增量都来自数据中心业务，背后主要是 Blackwell 量产增加带来的拉动。

◎数据中心业务收入达到 752亿美元左右，环比增量 129亿美元，英伟达还在当前AI资本开支周期中吃到最核心的红利，Blackwell 已经成为覆盖所有客户类别的主导产品，B300 / GB300 的交付上量把公司收入继续往上推。

◎计算业务（AI GPU）收入 600.4亿美元，低于预期，过去两年，市场对英伟达GPU的默认判断是：只要能生产出来，就能卖出去。

◎网络业务收入 148亿美元，大幅超预期，AI数据中心不是只有GPU。当集群规模越来越大，算力芯片之间如何连接、如何调度、如何减少瓶颈，开始变得越来越关键。

训练大模型时，GPU是主角。但当模型进入更复杂的推理和Agentic工作流之后，网络、CPU、内存、系统级调度的重要性都会上升，所以网络业务超预期，英伟达的竞争边界正在从“芯片”往“系统”扩展。

Part 2

披露口径变了，

英伟达想让市场看见客户结构的变化

这次财报里，是英伟达调整了披露口径。

过去，数据中心业务更多按照“计算业务”和“网络业务”拆分，从客户角度拆分为“超大规模客户”和“其他云客户”。

具体看，本季度超大规模客户收入 379亿美元，环比增加 40亿美元，其他云客户收入 374亿美元，环比增加 89亿美元。

本季度收入增长的最大增量，来自其他云客户，过去市场最担心是它过度依赖大科技公司的资本开支。

亚马逊、微软、谷歌这些云服务大厂持续投入，英伟达就继续高增长，这些大厂资本开支放缓，或者自研芯片替代比例提高，英伟达的增长弹性就会被质疑。

英伟达这次主动把客户拆开披露是在回答这个疑问，需求不只来自Hyperscaler，其他云、工业云、政企云也在贡献增量。

从积极角度理解，这是客户结构分散化。AI基础设施的需求正在从少数大客户，向更广泛的云和行业客户扩散。

大科技客户确实在推进自研ASIC。在推理阶段，云厂商更在意 token 吞吐量、延迟和成本。如果任务足够标准化，自研芯片就有机会在部分场景里替代通用GPU。

所以英伟达披露“其他云客户”的增长，一方面是展示新增长来源，另一方面也是提前改变市场焦点。

英伟达的下一阶段增长，要看更宽的客户层、更多的系统部件，以及更复杂的AI基础设施场景。

Part 3

CPU、网络和Rubin

黄仁勋在电话会上提到，英伟达CPU本年度会看到 200亿美元 收入，是纯CPU业务，英伟达的CPU已经从配套角色，开始变成可以单独计量的业务。

如果放在AI基础设施的语境里，这并不意外，推理阶段的瓶颈，已经不只是算力。

AI应用从Chatbot走向Agentic工作流，系统需要处理更长上下文、更复杂任务调度和更频繁的数据访问。

CPU、内存、网络连接和整体系统效率，都会影响最终成本，英伟达当然仍然有GPU优势。在训练阶段，它的优势依然明显，但推理阶段的竞争逻辑更复杂。

客户会问“每个token成本是多少”“延迟能不能降下来”“系统能不能稳定扩展”，云厂商自研ASIC能够找到切入口的原因，未必全面替代GPU，但可以在特定场景里分走一部分价值。

英伟达需要用CPU、网络和系统级方案，把自己的护城河重新加宽。

Rubin 是另一个验证点，Rubin 将在三季度正常出货，四季度大规模出货。下季度业绩中 Rubin 的贡献不会特别大，但后续几个季度会逐步成为市场观察重点。

对英伟达来说，最舒服的时代，是市场只问“GPU还缺不缺”。现在市场要问的问题变多了。

◎GPU还缺不缺？

◎其他云客户能不能持续增长？

◎大科技自研ASIC会替代多少？

◎CPU和网络能不能成为新增长点？

◎Rubin能不能顺利接上Blackwell？

小结

英伟达变成必须证明系统级强，AI训练需要GPU，而最好的GPU在英伟达。现在AI基础设施需要GPU、CPU、网络、内存和系统级方案，而最完整的方案也在英伟达。汽车什么，已经完全看不到了。