英伟达财报再创新高，但黄仁勋正押注GPU之外

英伟达不断向外扩张的商业边界。

作者 /Oriana

英伟达又交出了一份超预期的财报。

8月26日，英伟达公布2027财年第二季度业绩：营收962.2亿美元，同比增长106%；数据中心业务营收890亿美元，同比增长117%。公司预计下一季度营收将达到1080亿美元，远高于华尔街此前约1050亿美元的预期。更重要的是，英伟达预计2028财年营收增长约70%，远高于华尔街此前约45%的预期。

这一次，市场给出了截然不同的反应。

过去几个季度，英伟达已经多次出现“财报超预期、股价反而下跌”的情况。去年8月的财报就是典型案例：营收和利润超过预期，但数据中心收入略低于市场预期，加上中国业务的不确定性，股价盘后一度下跌。2026年2月，英伟达同样交出超预期业绩，但投资者开始担心巨额AI资本开支究竟能产生多少回报，股价一度下跌超过4%。

而这一次，英伟达股价盘中一度上涨8.7%，单日市值增加约4420亿美元，重新站上全球市值最高公司的位置。市场重新获得信心，很大程度上来自英伟达给出的长期收入预期：AI基础设施投资周期可能比此前想象得更长。

几乎与此同时，另一条新闻把英伟达的野心指向了GPU之外。

据The Information报道，英伟达已经同意以129亿美元收购开源AI平台Hugging Face。这笔交易如果最终完成，将成为英伟达历史上规模最大的收购之一。Hugging Face目前拥有超过200万个模型条目，是全球开发者使用开源模型的重要入口。路透社随后跟进报道称，Hugging Face目前年化收入约1.5亿美元，2023年上一轮融资时估值约45亿美元。

两件事放在一起看，英伟达的野心也更清楚了：它仍在享受GPU需求爆发带来的高速增长，同时开始向模型、软件和开发者生态扩张。

英伟达下一阶段想赚的，可能已不只是“卖多少颗GPU”的钱。

01.

AI算力还没见顶，英伟达真正的瓶颈甚至不是需求

这份财报最值得注意的地方，是英伟达把市场的视线拉到了更远的地方：AI基础设施的投资周期到底能持续多久？

英伟达给出的答案相当激进。

公司预计2028财年收入增长约70%，意味着全年收入可能接近7000亿美元，而FactSet此前的市场预期仅约为5700亿美元。Morningstar直接把这一数字称为这份财报最大的“showstopper”，并因此将英伟达的合理价值估值提高至310美元。路透社则指出，70%的增长预期不仅远高于华尔街此前约44%的预测，也意味着AI基础设施的投资热潮可能还有数年时间。

更有意思的是，黄仁勋给出的解释是“客户需求比英伟达能够供应的还要高”。在财报电话会上，黄仁勋表示，如果没有现有的供应限制，英伟达明年的收入增长可能还会更高；公司目前面临的主要问题，是内存等关键零部件供应无法完全满足需求。

这让AI产业呈现出一个少见的状态：需求不是由供给创造出来的，反而是供给限制了收入能够增长多快。

英伟达自己给出的数据也印证了这一点。据《华尔街日报》，截至7月26日，公司对供应和产能的承诺已经达到2790亿美元，上一季度还是1190亿美元，短短一个季度增加了超过一倍，而且大部分增长来自对内存的采购。

Blackwell ，来源：THINKAUTOMATED

这也意味着，英伟达正在提前为未来几年锁定产能。

JPMorgan分析师Harlan Sur此前强调，英伟达真正的竞争优势并不只是GPU性能，而是计算、网络、软件和开发工具组成的完整平台。面对Google TPU、AWS Trainium等定制芯片，英伟达需要证明的也不再是一颗芯片能跑多快，而是整套系统完成同一项AI任务需要多少钱。

比“GPU还不够卖”更值得注意的是，买GPU的人正在变多。

AI算力需求主要由“Hyperscaler”们驱动：微软、Google、Amazon、Meta等巨头投入巨额资本建设自己的数据中心。如今，主权AI、AI原生公司、企业客户，以及CoreWeave、Nebius等GPU云服务商也开始进入这条链条。

AWS就是一个很直接的例子。8月26日，英伟达与Amazon宣布扩大合作，计划在AWS全球基础设施中新增部署200万颗英伟达处理器，同时把合作范围从GPU扩展到Vera CPU、网络、Nemotron开放模型、数据处理和机器人。

SpaceX也成为新的大客户。MarketWatch援引相关信息称，SpaceX计划到明年部署最高10GW的计算能力，英伟达预计从SpaceX获得的收入已经占到本季度营收约5%。不过，分析人士提醒，不能把英伟达70%的增长简单归因于单一客户，Hyperscaler、主权AI和企业客户仍是更广泛的需求来源。

这也是为什么部分分析师开始给出非常激进的预测。Raymond James分析师Simon Leopold在财报后把英伟达目标价从352美元提高至515美元，并认为英伟达到2029财年实现1万亿美元年收入并非不可能。TD Cowen的Joshua Buchalter、Goldman Sachs的James Schneider等分析师也认为，Rubin产品周期将继续成为未来增长的重要驱动力。

1万亿美元显然不是市场共识，但这个预测至少说明，华尔街正在重新评估AI基础设施的长期市场空间。

黄仁勋自己的判断更加激进。在最新财报中，他再次强调“Compute is revenue（算力就是收入）”。他的解释是，AI已经从实验室里的技术变成能够创造收入的生产工具。只要AI产生更多有价值的Token，企业就有动力继续购买更多算力；算力也因此从一种成本，变成收入生产的一部分。

如果AI只是一个昂贵的软件实验，数据中心资本开支迟早会遇到天花板。但如果AI本身能够持续产生收入，更多算力就可以继续被解释为生产资料。

英伟达押注的，就是后一个故事。

02.

从GPU到AI工厂，英伟达下一场比拼的是效率

如果AI算力需求还会持续增长，那么下一个问题就是：英伟达准备卖什么样的算力？

答案已经开始从单颗GPU转向整套系统。

8月26日，英伟达确认Vera Rubin平台正在进入全面量产。这个平台除了Rubin GPU，还包括Vera CPU、Groq 3 LPX推理加速器、BlueField-4存储系统和Spectrum-6网络。英伟达把这些组件组合成面向Agentic AI的“AI factory”，此前给出的目标是，Rubin在大规模Agent工作负载下，相比上一代Grace Blackwell实现最高10倍的Agent吞吐。

GTC 2026上展示的Vera Rubin架构，来源：Cherif Jazra

英伟达真正想卖的，正在从一颗芯片变成一整套“AI工厂”。

进入推理和Agent时代，一次任务会涉及推理、检索、工具调用和数据处理，CPU、内存、网络和存储都会影响最终效率。

Groq 3 LPX就是一个很直接的例子。8月24日，英伟达宣布这款面向交互式AI推理的加速器进入全面量产，专门提高Agent生成Token的速度。它并不是用来替代Rubin GPU，而是与GPU配合，承担低延迟的推理任务。英伟达将其称为面向实时推理的“token accelerator”。

Vera CPU解决的则是另一部分问题。Agent运行过程中，不仅需要GPU进行模型计算，还需要执行代码、处理数据、调用工具和协调不同任务。把这些工作交给专门设计的CPU，可以减少GPU被非核心任务占用的情况。近期SpaceX AI也宣布将采用Vera CPU，用于Agent工作负载。

因此，英伟达正在优化的指标也开始变化，从简单的“每秒能跑多少计算”，进一步转向“每瓦电能产生多少Token”以及“每一美元成本能够完成多少AI工作”。

英伟达已经开始用Token吞吐、每瓦Token产出、每Token成本以及利用率等指标描述AI工厂的效率。客户最终买到的，是一套能够以更低成本持续产生Token的系统。

这也是推理时代最关键的变化。

训练一个模型时，客户可能愿意为了性能多花一些钱；但如果一个AI Agent每天运行数百万次，每一次推理的成本都会进入产品的商业模型。当AI从“训练出来”变成“持续工作”，计算效率就会直接影响AI能不能赚钱。

英伟达援引OpenRouter数据称，Agent工作负载消耗的Token可以达到简单聊天请求的15倍。一个Agent可能需要经过几十甚至上百步推理、检索和工具调用，计算量因此不再只取决于模型有多大，也取决于AI到底完成了多少工作。

这也让Rubin的意义发生了变化。它不只是Blackwell之后“更快的一代GPU”，而是英伟达针对训练、推理、Agent和大规模数据中心重新设计的一套系统。英伟达已经把Rubin平台定义为下一代AI工厂的基础，并强调通过软硬件协同设计降低推理成本。

所以，英伟达下一阶段真正要竞争的是：谁能用同样的电力、芯片和数据中心，让AI完成更多有效工作？

竞争也因此从芯片性能进一步推向系统效率。

03.

129亿美元买Hugging Face，英伟达向GPU上游走

如果Rubin解决的是“AI需要什么样的计算”，那么Hugging Face对应的，则是另一个问题：这些计算最终要服务什么样的模型和开发者？

129亿美元，英伟达买的显然不只是一家公司。

这笔交易由The Information首先报道，路透社随后跟进。按照目前公开信息，英伟达已同意以129亿美元收购Hugging Face，但交易仍需最终完成。如果按129亿美元计算，对应Hugging Face约1.5亿美元的年化收入，这意味着英伟达支付的价格超过80倍收入；而Hugging Face 2023年上一轮融资时的估值约为45亿美元。

从财务角度看，这是一笔很难用收入解释的交易。

真正值钱的是Hugging Face背后的开发者网络。成立于2016年的Hugging Face，如今已经从最初的NLP社区变成全球最大的开放AI开发平台之一。平台上聚集了近300万个模型、数据集和开发工具，大量开发者会在这里寻找模型、测试模型，再将它们部署到自己的应用中。

公开模型仓库数量从 243万个增长到296万个；数据集数量从 71.1万个增长到100万个；Spaces（应用与演示空间）数量则从 100万个增长到144万个。来源：Hugging Face

这恰好补上了英伟达相对薄弱的一环。

英伟达已经拥有GPU、CUDA、网络、服务器和完整的数据中心解决方案，但模型开发和分发长期由OpenAI、Anthropic、Meta以及开源社区主导。Hugging Face如果加入英伟达体系，后者就能进一步触达模型开发和开发者的最前端。

更重要的是，这笔交易发生在一个新的竞争环境里。

Google有TPU，Amazon有Trainium，微软也在开发自研芯片；OpenAI、Anthropic等头部模型公司也在越来越多地向底层基础设施延伸。路透社认为，这也是英伟达收购Hugging Face的重要背景之一。

如果未来模型公司自己定义模型架构、自己设计芯片，再自己部署基础设施，英伟达原本的商业模式就可能被从上下两端同时挤压。

所以，英伟达需要的不只是更快的GPU，也需要继续影响开发者为什么使用英伟达，以及AI开发从哪里开始。

Hugging Face连接的是模型、数据集、工具和开发者。对于英伟达来说，这意味着它可以进一步触达AI应用真正开始发生的地方，而不只是等客户最终来到数据中心采购GPU。

这也解释了为什么英伟达愿意为这笔交易支付一个看起来很高的价格。如果CUDA解决的是“模型在哪里运行”，那么Hugging Face解决的更接近于“开发者从哪里开始做模型”。

而Hugging Face也不是英伟达近期唯一一次向AI产业链周边扩张。

Business Insider统计，今年以来英伟达已经计划投入约180亿美元进行股权投资。截至7月底，英伟达持有的私人公司资产达到约479亿美元，而年初这一数字约为223亿美元。投资对象覆盖AI模型、基础设施和AI硬件等多个方向。

这意味着，Hugging Face并不是一笔孤立的收购。英伟达正在通过投资、合作和收购，把自己与AI产业链更多环节连接起来：GPU提供计算，CUDA和软件栈承接开发，Rubin等系统承载训练和推理，而Hugging Face则可能进一步连接模型和开发者。

英伟达的商业边界正在不断向外扩张。GPU依然是它最重要的收入来源，但黄仁勋押注的已经不只是下一代GPU能卖多少，而是AI会不会最终变成一套长期存在的基础设施，以及英伟达能否成为这套基础设施最核心的组织者。

参考资料：

• NVIDIA FY2027 Q2 Financial Results

• Reuters｜Nvidia ignites chip stock rally as forecast shows AI boom is intact

• WSJ｜Nvidia Breaks Its Post-Earnings Curse With $442 Billion Day

• WSJ｜Nvidia’s $279 Billion Supply-Chain Gamble

• Business Insider｜Nvidia has been in talks to acquire Hugging Face for more than $13 billion

• Business Insider｜Jensen Huang went on an AI deal spree in August

• NVIDIA｜How NVIDIA Groq 3 LPX Unlocks Ultrafast Interactivity

• HPCwire｜SpaceXAI Adopts NVIDIA Vera CPU

- End -

超四千亿市值敲钟宇树走通了波士顿动力没走通的路

AI for Science下半场：谁在付钱，谁在犹豫｜AI4S Future Skills黑客松圆桌实录