英伟达 NVIDIA (NVDA)

所在层：第 5 层 芯片与硬件（GPU/加速计算 + AI 网络） 当季：Q2 FY2027（截至 2026-07-26） 最近更新：2026-10-06 在册判断：「英伟达：市场怕过头了」（55%）、「CUDA：先塌的是价，不是量」（35%）

核心判断：英伟达卖的不是单颗芯片，而是"GPU + 机柜级互联 + CUDA 软件"的整套 AI 算力平台，是整条产业链资本开支最大的单一受益者。它的锁定深度在训练侧仍强，但适用边界在推理侧被云厂商自研芯片收窄；本库押的分歧是利润率能守多久，而不是收入会不会丢。2026 年起它开始用资产负债表为客户担保、垫账期、买股权，这是读懂这家公司的新变量。

当季快照 · Q2 FY2027（截至 2026-07-26）

来源：公司提交证监会的季报原文（10-Q，8 月 26 日）与同日业绩公告（8-K）。

业绩

• 营收 $962.21 亿，同比 +106%、环比 +18%；数据中心 $890.23 亿（同比 +117%、环比 +18%），占公司营收 92.5%
• 数据中心内部两块：超大厂 $487.10 亿（同比 +102%）／AI 云·工业·企业 $403.13 亿（同比 +138%）——增长更快的是超大厂以外那一半
• 毛利率 75.0%（去年同期 72.4%）；公司口径营业利润率 66.2%（去年同期 60.8%，上一季 65.6%）
• 分部（公司只有两个报告分部）：Compute & Networking 营收 $882.99 亿、营业利润 $626.96 亿＝利润率 71.0%；Graphics 营收 $79.22 亿、利润率 49.2%
• 账面净利 $596.88 亿、摊薄每股 $2.46——含大额持股重估收益，见下方会计提示
• 下季指引：营收 $1,080 亿 ±2%；毛利率 74.0% ±50 个基点（比本季的 75.0% 低一个百分点）；账面营业费用约 $92 亿。公司明说：指引里不含任何来自中国的数据中心算力收入

两条在册判断共用的读数

• Compute & Networking 分部营业利润率：上一季 71.5% → 本季 71.0%（降 0.5 个百分点，下行第 1 季）
• 公司口径营业利润率：上一季 65.6% → 本季 66.2%（升 0.6 个百分点）
• 两个口径这一季方向相反。 认错条件要求「连续两季下行」——分部这条只走到第 1 季，公司口径反向，两条判断都没有触发
• 按公司下季指引推算（毛利率 74.0%、账面营业费用 $92 亿、营收 $1,080 亿）：下季公司口径营业利润率约 65.5%。这是本库在公司指引上做的算术，不是公司给出的数字，但它意味着下一季会贴着「CUDA：先塌的是价，不是量」那条 65% 的门槛线
• 份额仍无法从公司原文观测，只能看收入结构：数据中心占比 92.5%，且超大厂以外那半边增长更快

会计提示：三处，两处把利润做高、一处把现金做低

1. 账面净利含持股重估。 上半年税前利润 $1,414.10 亿里，$241.40 亿是「其他收入」，其中权益类投资收益 $237.07 亿是不落地的账面数（现金流量表把它作为非现金项目整笔扣回）。估值一律用营业利润，不用净利。
2. 经营现金流跟不上利润。 上半年账面净利 $1,180.10 亿，经营现金流只有 $744.21 亿（约六成）——差额在应收账款（半年 +$245.90 亿）和存货（+$102.04 亿）里。应收账款余额已达 $630.59 亿 ≈ 本季营收的 65%（年初 $384.66 亿）。季报原文写明原因之一：「对投资级客户，我们已经并可能继续提供 90 天至一年的付款账期，以协助客户完成大型数据中心建设」。
3. 原材料存货翻了三倍（$38.07 亿 → $113.41 亿），总存货 $315.75 亿。

资产负债表上的新变化

• 对 OpenAI 关联方的租约担保，上限 $1,050 亿（2026 年 8 月签，SB Energy 的俄亥俄 PORTS 园区、约 4.25GW）；另有给 AI 云厂的租约担保 $35 亿。担保总敞口 $1,085 亿
• 未来承诺合计约 $3,660 亿，其中供应与产能承诺 $2,790 亿（上一季是 $1,190 亿，一个季度翻了一倍多）
• 上半年买别人股权花了 $424.04 亿，比同期回购自家股票的 $390.44 亿还多；同期首次大额发债 $248.96 亿
• 客户集中度：本季单一直接客户占 16%（去年同期是两家占 23% 和 16%）。按上半年看，有三家直接客户分别占 16%、15%、13%（去年上半年是两家占 20% 和 15%），单季与半年口径给出的方向不同

上一季对照：营收 $816.16 亿、数据中心 $752.46 亿、公司口径营业利润率 65.6%、分部 71.5% → 本季最大变化：不是业绩，是资产负债表的性质。 这家公司这一季同时做了四件以前不做的事——给客户的租约做上千亿担保、给客户垫账期、大额发债、买股权比回购还多。

商业模式

英伟达卖硬件——芯片、服务器系统和整机柜，一次性销售、不是订阅；但它用 CUDA 软件生态制造转换成本，把硬件生意做成接近平台的生意。

一条腿说了算：数据中心占营收九成以上，其余（游戏、汽车、专业可视化）合起来是零头，几乎是纯 AI 算力标的。任何关于英伟达的判断，本质都是关于数据中心的判断；它是 AI 资本开支"真受益"的标杆，也意味着 AI 周期一旦回落，它的弹性最大。

读数字前要知道的两条口径：

• 公司在本财年起改了收入拆法，现在按"市场平台"拆成数据中心（超大厂／AI 云·工业·企业）与边缘计算，原来的游戏／专业可视化／汽车／OEM 四行不再单列，历史期已重述；引用旧口径的数字要先对表。
• 营业利润只按 Compute & Networking 与 Graphics 两个报告分部披露；"数据中心"是收入行，没有对应的营业利润，两条轴不嵌套（数据中心含网络，Compute & Networking 含汽车）。分部利润率在未分摊股票薪酬与公司费用之前，系统性高于公司口径约 5–6 个百分点，两者不能混用。

地区上，直接客户总部所在地约六成在美国、其次台湾；中国那块公司已明确不放进指引。

2026 年起多了第四条腿，而它不是卖东西：拿自己的资产负债表给买方兜底——投股权、担保租约、垫付款账期。这条腿不在利润表上，只在财报附注里（规模见当季快照）。

技术与护城河

英伟达的优势分四层，强度不同：机柜级系统与网络最难追；CUDA 软件生态在训练侧极黏、在推理侧正被编译器和云厂商自研芯片侵蚀；台积电先进封装与 HBM 的优先供给是规模换来的条件，不是技术本身；为客户融资担保则是 2026 年新出现的绑定方式，不能算作技术护城河。

产品解决的瓶颈：把几十颗 GPU 连成一台机器

GPU 靠数万个并行计算核心做 AI 所需的海量矩阵运算，CPU 只有几十个核，做不了这类工作。但大模型训练和推理的瓶颈早已不在单卡算力，而在芯片之间的数据交换和内存带宽：模型被切到几十上百颗 GPU 上，任何一处通信等待都会让昂贵的芯片空转。

英伟达的答案是机柜级系统。GB200 NVL72 在一个液冷机柜里放 72 颗 Blackwell GPU 和 36 颗 Grace CPU，用 NVLink（芯片间高速互联）连成一个 72 颗 GPU 的互联域，总带宽 130 TB/s，对软件而言像一颗巨型 GPU；第五代 NVLink 每颗 GPU 的带宽为 1.8 TB/s（GB200 NVL72、NVLink）。机柜之间再用 InfiniBand 和以太网连接——这部分来自 2020 年收购的 Mellanox。这就是超大厂买"整柜"而非"单卡"的原因。

官方宣称 NVL72 的实时推理速度是 H100 的 30 倍、训练快 4 倍，但这是在特定条件下（1.8 万亿参数混合专家模型、固定延迟目标）与自家上一代的对比，不是与竞争对手的可比测试，不能直接当作竞争优势的证据。

年报把这种做法称为"极致协同设计"——芯片、网络、系统、软件和算法一起设计；超过一半的工程师做软件；数据中心产品按一年一代的节奏推出，Blackwell 之后是 Vera Rubin（2026 年 8 月的季报 10-Q 写明它已开始量产出货，并称公司目前面临一定的供应限制；公司称每 token 成本最多比 Blackwell 降低 10 倍，属厂商宣传）。每一代的主升级是更高的内存带宽（HBM3 → HBM3E → HBM4）、更宽的 NVLink 和更好的每瓦性能（FY2026 年报 10-K、10-Q）。年度节奏本身就是一道门槛：对手要追的是一个每年移动的目标；到目前为止这一节奏兑现多于跳票，Rubin 的放量节奏是下一个执行考验。

难以替代的原因：四层分开判断

软件生态（CUDA）。 CUDA 是开发者编程英伟达 GPU 的软件层，2006 年推出；年报称全球有超过 750 万开发者使用 CUDA 及其他英伟达软件工具，CUDA-X 加速库覆盖 AI、数据分析、科学计算等领域（10-K）。锁定分几层：最表层是编程语言，换掉不算难；真正的深度在 cuDNN、cuBLAS、NCCL（多卡通信）、TensorRT 这类被反复调优十几年的算子库；再往上是 PyTorch 等框架默认优先为 CUDA 优化，以及开发者技能和招聘市场的网络效应。

但这层锁定在被稀释，证据来自替代方的官方文档：PyTorch 的 AMD ROCm（HIP）版本有意沿用现有的 torch.cuda 接口，官方文档称移植现有 PyTorch 代码和模型"只需很少改动，甚至不用改"（PyTorch HIP (ROCm) semantics）；开源编译器 Triton 让开发者用 Python 编写高性能 GPU 算子，削弱"必须手写 CUDA"这一层（Triton 文档）；Google TPU 通过 XLA 编译器支持 JAX 和 PyTorch，是已成规模、绕开 CUDA 的平行生态（Google Cloud TPU 文档）。由此判断：训练侧用最新特性、依赖大规模多卡通信、常写自定义算子，几乎全压在 CUDA 上，短期撬不动；推理负载稳定、可以编译和服务化，对底层平台不敏感，替代路径已经成形。2026 年 DeepSeek 被转述称"用英伟达的卡、不用它的软件生态"，准确含义正是攻击定价权而非出货量（核查见《CUDA 被点名瓦解，核到哪一步》，分层拆解见《CUDA 锁死了什么》）。

系统与网络。 这是目前最难追的一层，但不再没有可比对手。AMD 的 Helios 机柜方案集成 72 颗 MI455X GPU，用开放标准 UALink 做机柜内互联，官方标称机柜内总带宽 260 TB/s，预计 2026 年下半年批量部署（AMD Helios）；Google 第七代 TPU Ironwood 通过自研芯片间互联最多可连 9,216 颗芯片（Google 官方介绍）。这些是规格，尚无同负载下的独立对比测试；它们说明"机柜级系统"本身已不是英伟达独有的形态，竞争会转向交付能力、软件成熟度和总拥有成本。英伟达同时推出 NVLink Fusion，官方介绍是让超大厂把半定制 ASIC 或 CPU 与英伟达的 NVLink 和机柜架构组合（NVLink）——既是对冲，也说明客户自研已成气候。

供给与规模条件。 英伟达不自己制造：晶圆由台积电和三星代工，HBM 内存来自 SK 海力士、美光和三星，封装采用台积电 CoWoS 先进封装。年报承认部分供应的交期超过 12 个月，公司为锁定产能支付了溢价和预付款，并签了长期供应与产能承诺（10-K）。优先拿到 CoWoS 与 HBM 产能是规模换来的优势，在供给紧张时就是出货量的天花板；但它属于采购条件，不是技术壁垒，且承诺规模本身是风险（一季翻倍，见当季快照）。研发规模同理：公司自成立以来累计研发投入超过 767 亿美元，摊薄到巨大出货量上，是对手难以复制的效率。

资本绑定。 2026 年它开始用担保和股权把客户绑住，两种读法都要记。看多的读法是护城河从技术延伸到资本：$1,050 亿担保的对价原文写明"该园区独家部署英伟达的 AI 基础设施"，谁给园区兜底，园区就只装谁的机器。看空的读法是：真有那么强的锁定，就不需要花钱买。这一层与技术竞争力要分开观察。

优势如何转化为利润，边界在哪里

定价权体现在毛利率上：公司口径毛利率约四分之三（见当季快照）。护城河的深度——训练侧 CUDA 与整机柜交付——仍强；但适用边界在收窄，超大厂自研 ASIC（专用芯片）跑自家推理不需要 CUDA，正从推理端蚕食。年报列出的竞争者包括 AMD、华为、英特尔，以及拥有内部芯片团队的阿里、Alphabet、亚马逊、百度、华为和微软；网络产品的竞争者包括博通、Arista、Marvell 等（10-K）。

所以主战场风险在推理、不在训练，而且更可能先表现为价格而不是出货量：客户手里多了可信的替代方案，即使最后还是买英伟达，谈价时也有了筹码。只要先进封装和 HBM 仍供不应求，价格很难被压下来；能压价的时候，往往也是需求降温的时候——这是「CUDA：先塌的是价，不是量」最强的反方，至今没有被反驳。

管理层与资本配置

创始人 Jensen Huang 自 1993 年起担任 CEO，在 CUDA、深度学习和网络上都比行业早押 3–5 年；连续多季营收超预期、指引偏保守，年度节奏基本按期交付。瑕疵是过度依赖创始人个人：他约 62 岁，没有明确的接班计划。

资本配置上，$69 亿收购 Mellanox 事后证明是"卖 AI 工厂"的关键拼图；此前以分红加大额回购为主。2026 年起重心变了：投向生态（OpenAI、Anthropic、CoreWeave、Marvell 等）的钱已超过回购自家股票的钱，并开始为客户的长期租约背书——"循环融资"的质疑已经变成附注里的数字（规模见当季快照）。创始人持股约 3.5–3.8%，薪酬高度挂钩业绩，按 10b5-1 计划小幅减持，未见异常。人物、治理与持股信息来自公开资料与媒体，不是公司财报数字。

估值：价格隐含了什么

按 FY2029（约 2028 日历年）分部盈利估算，现价落在熊市与基准之间、略低于基准下沿：扣除每股约 $3 的股权投资后，相当于基准 FY2029 每股收益 $15.95 的约 17 倍，与 2023 年初的低点相当；按市场平均预期，现价约为 FY2028 每股收益的 15 倍。基准假设市场对 FY2028 营收约 6,870 亿美元（+67%）的预期兑现、FY2029 只再增长约 5%、分部利润率从 71% 降到 65%，所以现价已为"盈利在 FY2028 前后见顶"打了折。最大的不确定性是 FY2028 那一年本身，以及越来越多由英伟达自己担保和账期支撑的客户需求；1,085 亿美元担保与 3,660 亿美元承诺未计入三档。 熊市 $98–118 ｜ 基准 $256–313 ｜ 牛市 $479–562（FY2029 每股收益 × 14–17／18–22／23–27 倍，折回 2026-10-06，加每股股权投资价值）。 完整估值推算（2026-10-06）

看多与看空的理由

看多：超大厂资本开支仍在扩张、订单能见度高；卖整套系统而非单芯片，网络那条腿增速最快；盈利增速仍在加速，而前瞻倍数是 AI 芯片里最低的一档，增长与倍数方向相反（倍数随价格天天变，当日数值见报价快照）；CUDA 生态短期无可替代。

看空：大客户正自研 ASIC（博通帮 Google、Meta、OpenAI、Anthropic 做），从内部挖墙脚——不过本季单一直接客户占比下降，这条共识利空在单季数据上没有得到支持，半年口径则不同（见当季快照）；整条链的"投资回报缺口"若破裂，它是最大的回撤来源；订单簿里含它自己出的钱——它给客户投股权、担保租约、垫账期，剔掉这部分之后的"外生需求"有多大，公司不披露。

与市场预期的分歧：本库押的不是它会丢收入，而是 2027–28 年更难维持六成以上的营业利润率，同时出货量继续增长——空利润率、不空收入。这一观点在两个方向上都有记录：「英伟达：市场怕过头了」（55%）认为市场高估了 ASIC 威胁，训练侧锁定比空头想的更黏；「CUDA：先塌的是价，不是量」（35%）认为市场低估了推理向 ASIC 迁移的速度，利润率会早于共识承压。两条判断方向相反、锚在同一个读数上，每季财报同时给两条打分。"订单簿含自有资金"是「市场怕过头了」最强的反方。

什么会改变判断

关键指标：Compute & Networking 分部营业利润率，配公司口径营业利润率对照——连续两季下行且出货量仍在增长，才算数。按公司指引推算，下一季公司口径营业利润率约 65.5%，贴着 65% 的门槛。其次是担保、应收账款和供应承诺的走向，以及下半年资本配置是否转回回购。

技术验证条件：

1. Rubin 量产出货后能否按计划放量——放量受阻或下一代断档，意味着执行力这层护城河松动；看实物出货与供应限制的表述，不看发布会。
2. 推理战场能否守住——看它是否铺开针对推理性价比的产品线，以及大客户推理负载里 GPU 与自研 ASIC 的占比走向；跨后端编译器若在美国超大厂生产环境被公开采用，削弱软件锁定的判断。
3. HBM4 与下一代封装供应是否到位——这是物理产能瓶颈，缺货直接限制出货。
4. 非英伟达硬件上是否出现可独立查证的前沿级预训练（不是后训练、不是推理）——一旦出现，训练侧"极黏"的判断需要下调。

时间：下一份季报预计 11 月中下旬发布，同时检验利润率读数、担保与应收，以及回购与股权投资的相对规模。

关键关系

• 供应（产能天花板）：台积电（先进制程 + CoWoS）、SK 海力士／美光／三星（HBM）。
• 客户：微软、亚马逊、谷歌、Meta（超大厂），CoreWeave 等新云厂，OpenAI 关联方。
• 竞争：AMD（Instinct 系列与 Helios 机柜）、博通 + 谷歌／Meta（自研 ASIC 路线）、华为；网络侧有博通、Arista、Marvell。
• 资本绑定（本季规模最大的一条）：替 OpenAI 关联方的数据中心租约做上限 $1,050 亿的担保（SB Energy 俄亥俄园区）；给 AI 云厂租约担保 $35 亿；持有 Marvell $20 亿可转换优先股；投资 CoreWeave 等。"投客户、客户买它的卡"已经是附注里的数字。

来源与延伸阅读

• 公司提交证监会的 10-Q（2026-08-26，编号 0001045810-26-000075）与同日 8-K 业绩公告；FY2026 年报 10-K（业务描述、供应链、竞争者名单）
• 产品与替代方官方资料：GB200 NVL72、NVLink、AMD Helios、Google Ironwood、Google Cloud TPU 架构、Triton、PyTorch HIP (ROCm) semantics
• 估值：英伟达估值（2026-10-06）；早期版本 2026-08-30
• 技术背景：《CUDA 锁死了什么》、《CUDA 被点名瓦解，核到哪一步》、《CUDA 先塌的是价还是量》正反论证、《ASIC 对 GPU 推理的真实账》、自研 ASIC 技术卡、互联与网络技术卡、先进封装 CoWoS 技术卡、HBM 技术卡
• 资本结构：循环融资与资本结构专题