需求已经抛物线式爆发：智能体AI到来，英伟达单季营收820亿美元

接线员下午好。我叫 Sarah，今天由我担任会议接线员。欢迎各位参加英伟达第一财季财报电话会。所有线路已设为静音以避免背景噪音。发言人陈述结束后将进入问答环节。[接线员指引] 谢谢。

Toshiya Hari，请开始您的会议。

Toshiya Hari · 投资者关系副总裁谢谢，大家下午好。欢迎参加英伟达 2027 财年第一季度业绩电话会议。今天与我一起出席的英伟达高管有：总裁兼首席执行官黄仁勋，以及执行副总裁兼首席财务官 Colette Kress。

我们的电话会在英伟达投资者关系网站进行网络直播。回放将持续开放至 2027 财年第二季度业绩电话会之前。今天电话会的内容为英伟达财产，未经我方事先书面同意，不得复制或转录。

在本次电话会中，我们可能会发表基于当前预期的前瞻性声明。这些声明受重大风险和不确定性影响，实际结果可能与之存在重大差异。有关可能影响我们未来财务业绩和经营的风险因素讨论，请参阅今天的业绩新闻稿中的披露、我们最近提交的 10-K 和 10-Q 表格，以及我们可能向美国证券交易委员会提交的 8-K 表格报告。我们的所有声明均基于截至 2026 年 5 月 20 日可获取的信息。除法律要求外，我们不承担更新此类声明的义务。

在本次电话会中，我们将讨论非 GAAP 财务指标。您可以在我们发布于网站上的 CFO 评论中找到这些非 GAAP 指标与 GAAP 指标的调节表。

现在让我把话筒交给 Colette。

Colette Kress · CFO谢谢你，Toshiya。我们交出了一个卓越的季度，营收、营业利润和自由现金流均超越了我们此前的纪录。总营收 820 亿美元，同比增长 85%，环比增长 20%。这标志着我们连续第三个季度实现同比加速增长，以及连续第十四个季度环比增长——考虑到我们制造运营的庞大规模和复杂度，这是一项了不起的成就。

环比 135 亿美元的营收增量同样创下了纪录。我们抓住了推理需求拐点的机遇，将 Blackwell 系统加速铺量到我们多样化的终端客户群——从超大规模客户到模型厂商，再到 AI 云服务商和主权客户。

在第一季度，我们还有效配置了资本——涵盖研发、生态系统投资和股份回购。我们向股东回馈了创纪录的 200 亿美元，同时在上游供应链和下游渠道生态中执行了战略投资。这对市场的发展和我们的长期地位至关重要。

Colette Kress · CFO数据中心营收 750 亿美元，同比增长 92%，环比增长 21%，受 Blackwell 架构持续强劲需求驱动。GB300 NVL72 的需求尤其旺盛——前沿模型厂商和超大规模客户各自已累计部署了数百乃至数千颗 Blackwell GPU，标志着我们公司历史上最快的产品爬坡。

Grace Blackwell 是最快的训练系统，也是推理时 token 生成成本最低的系统。Spectrum-X，我们专为 AI 打造的端到端以太网平台，现在的规模已超过所有以太网网络同行的总和。InfiniBand 也表现非常强劲，同比增长超过 4 倍，受我们下一代 XDR 技术部署驱动。

对于各位的模型参考：数据中心计算收入 600 亿美元，同比增长 77%；数据中心网络收入 150 亿美元，同比增长近两倍。在我们深入数据中心业绩之前，我想先向各位介绍一个新的报告框架，以更好地反映我们当前和未来的增长驱动力。

我们现在有两大市场平台：数据中心和边缘计算。在数据中心内部，我们将报告两个子市场：超大规模（Hyperscale）和 ACIE——后者涵盖 AI 云、工业和企业。超大规模将包含来自公有云和全球最大消费互联网公司的收入；ACIE 则针对我们在多样化的 AI 专用数据中心和 AI 工厂中面向各行各业各国的增长机遇。边缘计算突出了面向智能体 AI 和物理 AI 的设备，包括 PC、游戏主机、工作站、AI-RAN 基站、机器人和汽车。作为参考，我们已在网站上发布了按新平台口径回溯的过去九个季度收入。

Colette Kress · CFO回到数据中心业绩。超大规模营收 380 亿美元，约占数据中心的 50%，环比增长 12%。ACIE 营收 370 亿美元，环比增长 31%，其中 AI 云收入同比增长超过两倍。

我们的客户正在快速扩建 AI 算力。超过 10 兆瓦的合作伙伴数据中心数量在仅仅一年内几乎翻了一番，现在已超过 80 个站点。主权收入同比增长超过 80%。英伟达 AI 基础设施现已部署在近 40 个国家，覆盖 50 万亿美元的 GDP。

从 Q1 业绩可以看出，我们的客户基础是多样化且不断增长的。凭借我们庞大的生态系统和装机基数、CUDA 加速应用的广度、以及作为成本最低的 token 提供商，我们完全有能力去应对一个远超任何其他 AI 计算平台的市场机遇。

Colette Kress · CFOAI 基础设施需求继续以前所未有的速度扩张。AI 工厂的建设正在加速。英伟达 AI 基础设施的价值正在升值。租用一块 H100 的价格较发布日上涨了 20%，而 A100 的云租赁价格上涨了近 15%。得益于我们平台的多功能性和软件栈持续带来的性能提升，客户正在 GPU 的折旧周期结束后继续产生盈利收入。英伟达计算的庞大而可信赖的市场，是 AI 基础设施数十亿美元支出背后的关键支撑——而这些支出正在被生态系统自身所消化。

AI 基础设施建设加速背后有两大核心驱动力。第一，从搜索和广告到推荐系统和内容理解，最大的超大规模工作负载正在持续从 CPU 向 GPU 加速计算迁移。

第二，AI 原生产品和服务的采用正在拐点式增长。自 ChatGPT 面世以来，我们见证了主流 AI 从一次性推理到推理、再到现在的智能体 AI 的转型。AI 不再是锦上添花的东西——AI 现在是提升所有行业和岗位生产力的必需品。这正在驱动 AI 蛋糕的所有层面——能源、芯片、基础设施、模型和应用——的收入全面加速。模型层的增长尤其惊人，特别是 Anthropic 和 OpenAI，势头持续加速，包括 GPT-5.5 发布后 OpenAI Codex 的爆发式增长。

分析师们现在预测超大规模资本开支将在 2027 年超过 1 万亿美元，智能体 AI 将从 2027 年开始向全行业渗透——AI 基础设施支出有望在本十年末达到每年 3 万亿至 4 万亿美元。

Colette Kress · CFO我们的 Blackwell 架构无处不在——被每一个主要超大规模客户、每一个主要云服务商、每一个主要模型厂商所采用和部署。上个月，我们与 OpenAI 共同庆祝了 GPT-5.5 的发布——它在 Blackwell 上联合设计、训练和服务，目前高居 Artificial Analysis 排行榜榜首。

微软的 Fairwater——全球最强大的 AI 数据中心——现已提前投入运行，由数十万颗 Blackwell GPU 驱动。从今年开始，AWS 将新增超过 100 万颗 Blackwell 和 Rubin GPU，双方还在 Spectrum 网络上展开合作。在谷歌，Blackwell 将以云服务形式向客户提供，包括机密计算能力——为安全、高性能 AI 提供新的基础。

我们在前沿 AI 计算领域的份额正在扩大。我们与 Anthropic 深化了合作关系，很高兴成为其战略合作伙伴以扩展计算容量。我们将通过 AWS、Azure、CoreWeave、SpaceXAI 等平台支持该公司的增长轨迹。如今，加上 Anthropic 与 OpenAI、Gemini、SpaceX xAI、Meta、MSL、Microsoft AI、TML、Reflection、Perplexity、Cursor 以及其他主要前沿实验室，我们在前沿 AI 模型中的份额将显著增长。

Colette Kress · CFO今天的数据中心是产生收入的 AI 工厂。受电力和资本约束，AI 工厂运营者必须选择正确的架构。通过我们极致的协同设计方法，我们提供了业界最低的 token 成本、最高的 token 吞吐量和最高的投资回报率。

MLPerf 推理基准测试结果已出，Blackwell Ultra 再次横扫了所有基准测试，在广泛的模型和部署场景中交出了最高吞吐量。全栈创新推动了吞吐量 2.7 倍的提升和 GB300 上每 token 成本 60% 的下降——对比仅仅六个月前。

英伟达计算不仅是最高性能的 AI 基础设施，它还是最经济、最可融资的。客户买的不是 GPU——他们建的是 AI 工厂。而正确的经济衡量指标不是 GPU 的采购价格，而是一座 AI 工厂产出智能的终身成本——每瓦 token 数、每美元 token 数、正常运行时间、投产时间、软件耐久性和资产寿命。英伟达在所有这些指标上都表现卓越。

智能体 AI 和强化学习为 CPU 带来了新的增长机遇。在 Grace CPU 成功的基础上，Vera 应运而生。Vera 基于定制 Arm 核心，与 Rubin GPU 和 NVLink 进行端到端协同设计，将提供比 x86 替代方案高 1.5 倍的单核性能、2 倍的每瓦性能和 4 倍的每机架密度。

Vera CPU 为英伟达打开了一个全新的 2000 亿美元 TAM——一个我们此前从未涉足的市场。每一个主要的超大规模客户和系统厂商都在与我们合作部署。我们今年的 CPU 总收入可见度接近 200 亿美元，这将使我们跻身全球领先 CPU 供应商之列。

Colette Kress · CFO我们无与伦比的年度产品节奏仍然是支撑市场地位的关键支柱。我们按计划将在今年下半年开始 Vera Rubin 的量产出货，从第三季度开始。Vera Rubin 将七颗专用芯片集成到五个加速机架中，推理吞吐量较 Blackwell 提升 35 倍，AI 工厂收入潜力提升 10 倍。

作为早期采用者，谷歌的 A5X 裸金属实例可以在多个站点支持多达 96 万颗 Rubin GPU，使客户能够在英伟达优化的基础设施上运行最大规模的 AI 工作负载。

虽然美国政府已批准向中国客户出口 H200 的许可证，但我们尚未产生任何收入，且不确定是否会允许任何进口。因此，与上一季度一致，我们没有在展望中包含任何中国数据中心计算收入。

让我转向边缘计算。我们的边缘计算市场平台产生了 64 亿美元收入，环比增长 10%，同比增长 29%。Blackwell 工作站需求强劲，是增长的主要贡献者，而消费者需求因更高的内存和系统价格有所温和下降。

我们的物理 AI 持续发力，过去 12 个月收入超过 90 亿美元。我们与 Uber 的合作将在 2028 年前为近 30 个城市、4 大洲的自动驾驶出租车车队提供动力。在机器人领域，各行业的领先公司正在使用英伟达技术开发和大规模部署工业、手术和人形机器人。

Colette Kress · CFO在确保充足供应以支撑客户增长方面，我们始终走在前面。在第一季度，我们将包含库存、采购承诺和预付款在内的供应总规模增加到了 1450 亿美元。虽然我们并不能完全免受供应链挑战的影响，但凭借我们的高度专注、规模优势，以及与关键供应商的长期合作关系，我们对支撑未来增长的能力充满信心。

让我转向损益表的其他部分。GAAP 毛利率为 74.9%，非 GAAP 毛利率为 75%，基本持平于上季度，因为 Blackwell 系统继续占据我们出货量的大部分。GAAP 和非 GAAP 运营费用环比增长 12%，主要由薪酬增加和算力及基础设施成本上升驱动。

我们的非 GAAP 有效税率为 16%，略低于此前的展望，得益于有利的地域结构。在资产负债表上，应收账款天数为 45 天。由于有利的收款时机，我们预计 Q2 回到 55 天左右。我们创下了 490 亿美元的自由现金流纪录，较 Q4 的 350 亿美元大幅增长。

Colette Kress · CFO我现在想向各位更新我们的资本配置计划。首先要重申，我们的优先方向是研发和战略投资。作为 AI 的关键赋能者，我们将持续投资以交付业界最低的每 token 成本和最高的 token 吞吐量，帮助客户和合作伙伴扩展 AI 前沿。

股东回报是我们资本配置策略的另一关键组成部分。基于我们对长期自由现金流前景的信心和与股东分享成功的承诺，我们将季度股息从每股 0.01 美元提高到 0.20 美元（更正：0.25 美元）。我们计划定期审视股息水平。我们同时宣布了 800 亿美元的新股份回购授权，这是在当前计划剩余的 390 亿美元之外的新增。如我们在 GTC 上所述，我们计划今年向股东返还约 50% 的自由现金流。

让我转向第二季度展望。总营收预计为 910 亿美元，上下浮动 2%。我们预计环比增长将主要由数据中心驱动。我们正在继续全力推进供应链生态系统以应对我们面前的巨大需求，这让我们对 Blackwell 和 Rubin 在 2025 年到 2027 日历年期间累计 1 万亿美元收入的可见度充满信心。

GAAP 和非 GAAP 毛利率预计分别为 74.9% 和 75%，上下浮动 50 个基点。全年仍预计处于 70% 中段。

GAAP 和非 GAAP 运营费用预计分别约为 85 亿美元和 83 亿美元。全年运营费用预计同比增长 40% 出头，受更高的研发支出和 AI 工具加速使用驱动。

2027 财年全年，我们预计 GAAP 和非 GAAP 税率在 16% 至 18% 之间（不含任何来自税务环境重大变化的离散项目），低于此前 17% 至 19% 的预期，原因是地域结构变化。

以上是我准备发言的内容，现在转交给 Toshiya 进入问答环节。

Joseph Moore · 摩根士丹利非常感谢让我提问。我想问的是，是什么驱动了业务分层的变化？为什么以这种方式给出数据？然后，你能谈谈两个分部之间的竞争差异，以及你提到的这个有些令人惊讶的 CPU 数字——你怎么看这在两个分部中的分布？谢谢。

黄仁勋好的，谢谢 Joe。首先，Colette 要表达的意思是我们将季度股息从每股 0.01 美元提高到了 0.25 美元。我想那额外的 0.05 美元对大股东来说意义重大。

那么，Joe，关于业务分层和对公司的描述——我们希望帮助你更好地理解我们的业务。AI 非常多样化，计算也非常多样化。它们在多个维度上是多样的。首先，AI 涵盖不同的「语言」和不同的行业——它可以是制造和工业机器人的 3D 图形，可以是生命科学的蛋白质，可以是生命科学或材料科学的小分子化学，可以是能源或物理科学的物理学模拟，当然还有科研实验室、高等教育等等。所以，AI 是多样的。

第二，应用场景是多样的。它可以在企业中，可以在制造业中。它运行的地方也是多样的：可以在超大规模云中，可以是 AI 原生云——全世界涌现了一整个 AI 原生网络。企业本地部署、工厂内部署、从超级计算中心一路到边缘。边缘设备包括——当然是大家最常看到的自动驾驶汽车、机器人，但也包括制造工厂内大量增长的计算机网络——无论是芯片工厂、封装工厂还是电脑工厂，各种制造工厂内的不同类型的计算机。未来，每一个基站、每一个无线网络都将成为 AI 驱动的无线网络。所以运行的地方也是多样的。

最后，治理方式也是多样的。它可以由公有云运营，但也可能因为工业监管原因而不能在公有云上运行，需要在监管合规云中运行。可能因为机密计算的需要。可能因为国家安全的原因。不同的数据中心需要以不同的方式构建。

黄仁勋英伟达相当独特，因为我们是唯一一家构建所有技术组件的公司。我们以极致协同设计的方式构建，端到端，全栈式。但同时，我们开放平台，使其能够集成到所有不同的环境中。有些环境——比如一家企业——需要一家拥有所有技术协同运作的公司，这样他们就不必自己构建和运营。所以数据中心市场有很多不同的分层——英伟达的全套解决方案、全集成、全栈但仍然开放的产品交付方式非常重要。

如果你看我们的不同分层，我们将其拆分为三个大类。第一类是超大规模云。在这个分层内有三种不同的运营方式：一是帮助超大规模云加速其数据处理和机器学习工作负载；二是我们给公有云带来大量英伟达生态系统业务。这是一个分层。

第二个分层是 AI 原生、企业本地、工业本地和主权 AI。这个分层增长极快，因为每个人都需要 AI，每个行业、每个国家、每个公司都在采用。我们提供完整解决方案的事实让人们更容易构建这些东西。

然后当然是机器人边缘。今天，昨天的计算主要是个人计算。未来将是个人 AI。个人 AI 的一个例子是自动驾驶汽车——汽车就是你的个人 AI，是一个机器人系统。当然还有各种不同类型的机器人系统，包括基站无线网络——正如我提到的——本质上也是机器人系统。

这就是我们将其拆开的原因。这是理解我们业务最简洁的方式。它们各自有不同的技术栈，不同的操作系统，以不同的方式运营。我们进入市场的方式在每一个类别中都非常不同。超大规模当然是最容易的进入市场方式，因为只有五六家公司。但其余的——占行业剩余部分的约 25 万家公司——进入市场方式非常复杂、非常多样。

而且如各位所知，英伟达拥有全球最大的加速计算库套件——从计算光刻到流体力学到粒子物理到分子动力学，这个清单还在继续。所有这些库对于我们进入第二和第三类所代表的垂直行业至关重要。好吗？

总之，这实际上是因为我们的业务已经发展和增长到如此庞大的规模，拆分开来有助于你们更好地理解我们的业务运作方式。

Ben Reitzes · Melius Research嗨，大家好，非常感谢。我想问 Jensen，你对增长的哲学。你的数据中心业务（剔除中国后）本季度增长了大约 120%。然后你的指引大约是 100%。超大规模的资本开支被很多人（包括我）预测今年增长 90% 到 100%。

你曾说数据中心支出有望在本十年末达到 3 万亿到 4 万亿美元。我想问的是，公司增长快于超大规模资本开支——你对这个目标舒服吗？你认同这个观点吗？你是否仍然认为超大规模资本开支在今年之后还会以很快的速度增长？非常感谢。

黄仁勋是的，谢谢 Ben。首先，我们确实应该增长得比超大规模资本开支更快。原因就是我刚才描述的分层所揭示的。我们的数据中心业务有两大块——实际上不止两块，但为了简化我合并为两块。好吗？

如果你看第一块——超大规模。这是你刚才说的超大规模资本开支。他们今年的资本开支达到 1 万亿美元。我完全有理由相信它将从这里继续增长。这是未来计算的方式。如果他们没有算力，他们就不会有收入。算力就是收入，算力就是利润，这一点非常清楚。世界在变——SaaS 过去不需要这么多算力，但 AI 需要巨大的算力。

但你也能看到——难以置信的增长——这就是为什么我们听到前沿 AI 公司（Anthropic 和 OpenAI）以令人难以置信的速度增长。他们能在一个月内增长的幅度，一些 SaaS 公司要花十年才能达到。这说明了一些问题。所以第一类是超大规模，资本开支 1 万亿美元，正在向 3 万亿至 4 万亿美元增长。

黄仁勋第二类是所有的 AI 原生云。它们是区域性的，遍布各地。有初创公司遍布全球在支持这些公司。有企业客户——全球 25 万家企业，其中很多需要自建或委托建设 AI 工厂来运营。很多工业公司别无选择——你必须把计算机放在上下文所在的地方、行动所在的地方。你不可能把那些东西放在云端。它必须实时可靠地响应，每一次都是。你无法想象一家芯片工厂、一个芯片制造车间连接到云服务商——毫无道理。

所以第二类，以及主权 AI 云——有一整类数据中心，半定制芯片根本不适用，因为这些数据中心想要购买系统。他们想要运营，而不想自己设计和构建。第二类是极为多样的。与第一类的五到七家公司不同——第二类代表的是数百家、数千家公司。未来将是数百家数千家公司，每家都有更小的装机规模。这个类别将以令人难以置信的速度持续增长。

第二类——当我谈到物理 AI，谈到 IT 在过去 30 年未能触及的 100 万亿美元产业——那就是我所说的分层，就是将被 AI 影响的分层。第二类增长极快。我们的份额非常非常大。我们在服务这个产业方面相当独特。我们的平台就像是垂直整合的——一切都能工作。但当需要时，我们也能拆开它，让人们按自己想要的方式构建和组装。

所以这个第二类目前还不太被理解，因为有太多的小公司，每家的装机规模相对于超大规模来说都很小。但如果你看分层数据和各自的规模，你就会发现，实际上我们在超大规模中的份额正在增长，因为 Anthropic 成为了新的合作伙伴——我们正在帮助他们在未来几年大幅扩张产能。而在第二类中，很少有公司拥有我们那样的平台解决方案。

C.J. Muse · Cantor Fitzgerald下午好。谢谢您回答问题。Vera Rubin 即将到来，而且您显然对前沿模型的更新和优化各种 AI 工作负载的新技术有深入了解。随着投资者高度关注您在推理领域的市场份额，您如何看待 Vera Rubin 和您的极致协同工程对 2026 年底和 2027 年推理市场份额的影响？

黄仁勋我们确实在推理领域增长份额，而且增长得非常非常快。原因是今年前沿模型公司的数量增加了。所以有了 Cursor 和 Perplexity，还有一些新的模型公司——TML 和 Reflection，名单还在继续。

我们把 Anthropic 加入了今年的合作伙伴名单。他们正在以极快的速度扩张。我们与他们合作，帮助他们在 Azure、AWS、CoreWeave 上获取计算容量。我忘了我们已经宣布了哪些其他的合作方，但我们有一长串正在为他们上线的合作方。我们为 Anthropic 在今年和明年上线的产能规模将相当可观、非常显著。而我们对 Anthropic 的覆盖直到最近才从几乎为零开始。

所以我们在推理领域正在快速获取份额。Vera Rubin 将比目前的 Grace Blackwell 更加成功。每一个——我想不出有哪个前沿模型公司不会从一开始就使用 Vera Rubin，而这在 Blackwell 上并非如此。所以 Vera Rubin 从一开始就起步强劲，它肯定会比 Grace Blackwell 更加成功。所以我认为 C.J. 你的答案是——我们在推理中的份额正在增长。

让我回到 Ben 的问题。记住，到目前为止我解释的所有关于推理的内容，都聚焦在超大规模。记住还有一整个第二类 AI 数据中心是我们几乎独家服务的。这个分层非常碎片化，需要非常完善的平台解决方案和非常庞大的渠道能力，而在这个分层，所有的推理——100%——绝大多数来自英伟达。

然后当然是物理 AI。英伟达实际上是今天唯一服务物理 AI 的公司，我们在物理 AI 上已经深耕很长时间了。所以这也在增长。因此，我们在推理中的份额正在非常快速地增长。

Timothy Arcuri · UBS非常感谢，Jensen。我想问一下你们在这些定制商用芯片方面的进展。你们在做 CPX 和 LPX 这样的产品。我只是想了解一下——你们之前提过 SaaS LPX 大约占市场的 20%。所以我认为你们在 LPX 上应该获得了不错的牵引力。你能谈谈这个以及它如何融入你们更广泛的平台策略吗？谢谢。

黄仁勋LPX 被设计为低延迟和高 token 速率，但它的吞吐量较低。它的模型容量较低。它吸收大量上下文的能力——比如在软件编程、智能体工作负载方面——也较低。所以挑战很简单——我之前也解释过——LPX 的适用场景并不广泛。它适用于拥有多种 token 服务组合的人。对于高 token 速率的服务，这些服务可能相当高端，客户数量不多，但 token 速率非常高。所以这与我之前说过的完全一致。我仍然预期 LPX 和其他基于 SRAM 的、面向解码的高 token 速率加速器将在相当长时间内仍然是一个小众产品。

你知道，Grace Blackwell 和 Vera Rubin 覆盖了 AI 的整个生命周期——从数据处理到训练准备、预训练、后训练、强化学习，一直到推理。Grace Blackwell 是完成所有这些工作的最佳平台。如果我们在某些特定情况下——客户已经拥有高 token 速率服务——那么我们可以在上面加一个 LPX，让它把服务做得更好。这就是我看待这个市场的方式。

我认为今天它占 20% 还是 10%，取决于我们处在 AI 发展的哪个阶段。我认为今天不到 20%。未来某天这些高端 token 可能达到 20%。我们已经准备好与服务提供商合作来赋能这一能力。我对此很兴奋。

Vivek Arya · 美银证券感谢提问。Jensen，关于 CPU 在智能体应用方面有很多热情，CPU 数量实际上超过 GPU 的说法也有不少讨论。我希望你能给一个视角——首先，这是增量工作负载吗？还是某种程度上蚕食了 GPU 本来会做的事？

然后，你给出的 200 亿美元数字——那是独立的 Vera CPU，还是已经包含在 Vera Rubin 中了？如果你能帮我们理解 CPU 与 GPU 的角色，以及 200 亿美元如何与你通常卖的 GPU 部分联系起来。谢谢。

黄仁勋这 200 亿美元是独立 CPU。记住，我们有三种——四种方式使用 Vera——作为独立产品有四种。让我从你已经知道的开始。第一种是 Vera Rubin。我们会卖出数百万颗 Rubin，每两颗连接一个 Vera。当然我们也会给它们定价。这是第一种用例。

第二种用例是 Vera 独立 CPU。第三种是 Vera 搭配 CX9 和存储软件栈。然后 Vera 搭配 CX9 再加上用于安全和机密计算的软件栈。好的？所以每一种用例都基于 Vera 构建。而我的感觉是，在 Vera Rubin 的整个生命周期中，我们都将处于供不应求的状态。它有四种不同的用例。而回答你的问题——200 亿美元是独立 CPU。

关于 CPU——智能体本质上就是人们所说的「框架」（harness）。而这个框架的实现可以是 OpenClaw，可以是 Hermes。Claude Code 本质上就是围绕 Claude、围绕 Opus 模型的一个框架。OpenAI 的 Codex 是围绕 GPT-5.5 模型的一个框架。所以这些框架负责 IO、编排、内存管理、工具使用——连接到浏览器、C 编译器、Python 编译器等工具。框架运行在 CPU 上，工具使用也运行在 CPU 上。比如，如果 AI 要做搜索或操作浏览器，那将运行在 CPU 上。

黄仁勋世界有 10 亿人类用户。我的感觉是世界将拥有数十亿个智能体。不是今天——我的意思是，我们正在进入那个阶段。但它最终将有数十亿个智能体，而这些数十亿智能体都将使用工具。这些工具将像 PC 一样。就像我们人类今天用 PC，未来你会有一个使用 PC 的智能体。

如果你沿着这个思路想——你选一个你喜欢的智能体数量，目前可能几十万个，未来几百万个，最终几十亿个——想象它们都在使用 PC。每一个智能体都会派生出子智能体。每次它们派生子智能体时，你就需要做推理。这就是思考发生的地方。所有的思考都在 GPU 上发生。所有的编排本质上运行在 CPU 上，子智能体被派生出来后，当它们在思考时，使用 GPU。

每当智能体使用模拟器时，那些可以在 CPU 或 GPU 上运行——这就是为什么我们与 Cadence、Synopsys 如此紧密合作，加速全世界的工具。我们正在加速全世界的工具、数据处理引擎和数据库引擎，因为智能体使用这些工具，而且它们的耐心比人类低得多——容忍度更低——它们希望事情快速完成。

所以我们正在把全世界的工具加速到 CUDA 上运行。你们也能看到——当我提到与 Cadence、Synopsys、Siemens、Adobe 合作时——那是因为我们在让所有工具都在 GPU 上运行，因为它们已经有了 GPU，而且速度快得多。

所以我们将需要大量 CPU。而 Vera 被设计为一颗智能体 CPU。过去的 CPU 被设计为拥有许多核心，方便出租——人们租用核心嘛。智能体不租核心。它们只是想快速完成工作。过去云计算的经济学是每核心多少美元。AI 的未来经济学是每美元多少 token、每 token 多少美元。所以我们需要做的是生成 token、尽可能快地处理 token。而这正是 Vera 出色的地方。

所以我们预计 Vera 将非常成功。但归根结底，我们正在做的是为 AI 构建基础设施。它需要极好的存储——这就是为什么我们建了 STX。它需要极好的网络——这就是为什么我们有 Spectrum-X。它需要极好的 GPU，当然还有推理能力。它需要极好的安全和机密计算——这就是为什么 NVLink 72 如此重要。这就是为什么 Vera Rubin 是全球第一个拥有端到端机密计算的平台。而且它需要出色的 CPU。我们全都有了。

Stacy Rasgon · Bernstein嗨，大家好，谢谢回答我的问题。我想回到分层话题。首先我很好奇，新型云（neo clouds）你们放在哪两个分层里？是在超大规模还是在 AI 云？我的一部分假设是后者，但我不太确定。然后看数据......

黄仁勋没错。

Stacy Rasgon · Bernstein......它们的量级——两者现在差不多一样大了。听起来你似乎在暗示 AI 云未来可能增长得比超大规模更快。你是这个意思吗？还是说两个分部会有类似的增长？

黄仁勋首先你说得对——AI 原生云不构建芯片，不设计自己的芯片，也不能把不相关的零件拼凑成 AI 工厂。它们的耐心——对首 token 延迟的容忍度极低。它们需要一个拥有大量出货量的架构，能够让来自各处的所有客户模型都能运行。这就是为什么英伟达的架构对它们如此完美。

我们提供每一个组件，而我们没有的，我们的合作伙伴生态系统也有。全部无缝协作。能从 AI 原生平台租用算力的客户数量极其庞大——基本上是每一个 AI 原生创业公司、每一个 AI 构建者、每一个 SaaS 公司、企业公司、工业公司。

所以我们的计算——我们的架构是所有计算平台中最可租赁的。它性能最强、最容易组装、最可租赁、TCO 最优、最容易融资。所有这些特性对 AI 原生的需求非常独特。它属于第二类。所以我们把它放在了第二类。

如果你看这个分层，它是在超大规模生态系统发展起来之后才开始增长的。超大规模先发展了 AI——它们有出色的计算机科学团队、优秀的数据中心能力。它们也主要聚焦于消费者应用——即使不完美也不是世界末日，只要能提升服务就好。

而对于很多其他应用——工业应用、企业应用——只有当 AI 非常可靠、能安全地完成真正有价值的工作，才会被采用。所以你会预期第二类比超大规模发展得慢一些。但长期来看，如果你看工业和企业市场——那代表着 5000 万亿到 8000 万亿美元的全球经济。由于 AI 的存在，我预期第二类在未来一段时间内将超过第一类——无论是近期还是长期。我认为这是确定的。我预期第二类仍然会增长得更快，但两者都将以令人难以置信的速度增长。然后，我希望在未来五年内，物理 AI 和机器人分层也将以令人难以置信的速度增长。

James Edward Schneider · 高盛下午好。谢谢回答我的问题。我记得在 GTC 上你讨论了 Rubin 和 Blackwell 平台合计 1 万亿美元的收入可见度。但我认为那不包括 LPX、Rubin CPX 和 Vera CPU 机架等。你能否给我们一个感觉——Vera CPU 是否将成为这 1 万亿之上的最大增量来源？你是否在考虑其他组合产品，包括 CPU，以帮助你们在整体 TAM 中获得更大份额？谢谢。

黄仁勋在 1 万亿美元之上的增量方面，我会说——第一，前沿 AI 模型市场份额的持续增长。我预期将获得更多份额。所以我也预期这一部分会增长。第二，我们在那个数字中没有包含任何 Vera CPU、独立 CPU。我预期这将是第二大增量。TAM 非常大，当然在智能体系统中尤其大，而我们所有客户都对 Vera 非常兴奋，我们将卖出大量 Vera。

然后第三是 LPX——因为正如我之前解释的，LPX 由于其 SRAM 架构被设计为一种——它有超低延迟和超高交互性的好处，但它的吞吐量和上下文处理能力也相当有限。这就是 SRAM 类系统的本质。但两者结合起来——我们将能够通过 Vera Rubin 和 LPX 的组合覆盖从预训练到后训练到推理再到智能体系统的 AI 全谱。

Joshua Buchalter · TD Cowen嗨大家好，谢谢回答我的问题，也恭喜出色的业绩。Colette，我记得你在准备发言中提到 GB300 是公司历史上最快的产品爬坡。我们应该如何对标 Vera Rubin 的爬坡？它显然是一个全新的硅架构，但机架形态类似。我们应该期待 Vera Rubin 有和 GB300 类似的爬坡斜率，还是因为新硅片会稍微平缓一些？谢谢。

Colette Kress · CFO是的。我们已经表示过将在下半年推出 Vera Rubin。初始批次将在 Q3 开始。然后到了 Q4，我们可能会开始看到产能爬坡加速。但目前这么早阶段很难说最终的爬坡速度会是什么样。话虽如此，我们已经有了需求，已经有了已经规划好的订单。我们几乎所有主要客户都已准备就绪。而且这些都是非常复杂的系统，需要我们去组装。所以我认为这只是我们把产品推向市场的时间问题。

除了把我们准备好的各种系统从生产推向订单之外，没有其他阻碍。所以说，是的，我们将在 Q3 开始，持续爬坡到 Q4，进入明年 Q1 的爬坡规模当然也会非常大。

Toshiya Hari · 投资者关系副总裁谢谢。在交给 Jensen 之前，请注意 Jensen 将于 6 月 1 日在台北 COMPUTEX 做 GTC 主题演讲。我们还将参加 5 月 28 日的 TD Cowen TMT 大会和美国银行全球科技大会（6 月 4 日）。我们 2027 财年第二季度业绩电话会定于 8 月 26 日。

现在请 Jensen 来做闭场。

黄仁勋这是一个非凡的季度。需求已经抛物线式爆发。原因很简单——智能体 AI 已经到来。AI 现在能做有价值的生产性工作。Token 现在能盈利了。所以模型厂商正在进入一场产能竞赛。在 AI 时代，算力就是收入和利润。英伟达是这个时代的平台。在全世界所有的平台中，英伟达计算支持最丰富的需求多样性。让我列出五大要点：

第一，英伟达是唯一一个运行每一个前沿 AI 模型的平台。加上 Anthropic 成为我们现有合作伙伴（OpenAI、xAI、Meta MSL、Gemini 等众多其他）的新成员，我们在前沿 AI 中的份额正在增长。

第二，我们深入每一个超大规模云，支持其核心数据处理和机器学习工作负载、内部 AI 服务，以及为其公有云中的英伟达用户提供支持。

第三，我们的全栈 AI 工厂解决方案和庞大的全球生态系统让我们能够独特地服务新的数据中心细分市场——新型 AI 原生云、主权 AI 云以及本地部署的企业和工业基础设施。这就是我之前说的第二类。

第四，英伟达 CUDA 一路延伸到边缘。机器人、自动驾驶、嵌入式医疗器械、AI-RAN、电信基站。下一波浪潮是物理 AI——数十亿自主和机器人系统在物理世界中运行。这是我们之前谈到的第三类。

第五，也是最后一点——我们有一个重大的新增长驱动力：Vera，全球第一颗为智能体 AI 专门打造的 CPU。Vera 为英伟达打开了一个全新的 2000 亿美元 TAM——一个我们此前从未涉足的市场。每一个主要的超大规模客户和系统厂商都在与我们合作部署。

世界正在为智能体 AI 和机器人物理 AI 重建计算。英伟达坐在这些转型的中心。我们用三十年时间构建了英伟达计算平台——芯片、系统、网络和软件的极致协同设计，一个架构、庞大的生态系统。我们提前为这一刻而建。智能体 AI 到来了。英伟达已经准备好了。它已经到来。

期待下次与大家交流。

接线员本次电话会议到此结束。各位可以断开连接。