英伟达在 2 月 25 日美股盘后交出的这份财报,数字上没什么可挑:单季营收 681.27 亿美元,上年同期 393.31 亿美元,增长 73%;净利润 429.6 亿美元,增长 94%。全年营收 2159.38 亿美元,净利润 1200.67 亿美元。
按全年净利折算,大约每天赚 3.28 亿美元。这个换算没有分析价值,但能让人对量级有点直观感受。
结构比增速更值得看
数据中心业务全年营收 1934.8 亿美元,同比增长 68%,是利润的绝对支柱。单看该季度,数据中心收入 623 亿美元,同比增长 75%,环比增长 22%,占公司总营收 91% 以上。
再往下拆:计算业务(主要是 GPU)513 亿美元,同比增长 58%;网络业务 110 亿美元,同比增长 263%。
网络业务的增速是计算业务的四倍多,这是整份财报里信息量最大的地方。集群规模越铺越大,卡与卡之间的互联、集群与集群之间的以太网和 InfiniBand 就成了瓶颈,配套价值随之抬升。英伟达卖的不再只是芯片,而是一整套机架级的系统。
对下一财季,公司给出 780 亿美元的营收指引,仍高于分析师预期。至少在英伟达自己的订单簿上,还没看到需求拐点。
泡沫论的正面回答
华尔街的担心很具体。按已披露数据,市场分析人士估算,2026 年谷歌、微软、Meta 和亚马逊四家合计将投入近 7000 亿美元用于 AI 扩张,比 2025 年高出六成以上。美国银行 2 月的基金经理调查里,23% 的受访者把 AI 泡沫列为最担心的风险,去年 12 月这个比例是 9%。
逻辑链条很短:云厂商的资本开支撑着英伟达的订单,一旦开支见顶,芯片需求就会跟着掉。投行 Cantor Fitzgerald 的分析师把这层担忧说得很直白——需求看起来无穷无尽,但投资者最怕的就是超大规模数据中心的资本支出在今年见顶。
黄仁勋在电话会上的回应是“算力即收入”:过去软件跑在计算机上,每年三四千亿美元的资本支出买的是中等数量的机器;现在为了生成 Token 需要海量算力,投入直接转化为增长和收入,代理式 AI(Agentic AI)的拐点已经到来。他同时重申了对 2030 年全球数据中心资本支出达到 3 万亿至 4 万亿美元的预期。
这是公司管理层的判断,不是已验证的事实。它成立的前提是 AI 应用真能收上钱,而这一环目前仍在早期。
一个被忽略的空白
财报里有一句容易划过去的话:截至目前,英伟达还没有在 H200 许可项目下产生任何收入。对一家单季营收 681 亿美元的公司来说,这个空白在数字上不致命,但它提示中国市场的收入预期仍然悬着,任何把它计入模型的预测都带着前提。
挑战者不在财报里
真正的长期变量是定制芯片。Google 的 TPU、亚马逊的 Inferentia 这类 ASIC 正在数据中心内部争夺通用 GPU 的位置。集邦咨询的判断是,2026 年 ASIC AI 服务器的出货占比将升到 27.8%,为 2023 年以来最高,出货增速也会超过 GPU 服务器。
英伟达自己在补课:去年末以约 200 亿美元收购 AI 推理芯片初创企业 Groq 的技术授权并把核心团队招进来;与 OpenAI 的合作接近达成,此前勾勒的是一千亿美元级的 AI 基础设施项目。GTC 2026 定在 3 月 15 日圣何塞开幕,黄仁勋预告“几款世界上前所未见的全新芯片”。
一家公司连续几个季度交出这种数字,最容易被简化成叙事。但把数据中心占比 91%、网络业务增速 263%、H200 零收入、ASIC 份额 27.8% 这几个点摆在一起,会得到一幅更复杂的图:需求是真的,集中度也是真的,而集中度本身就是风险的一种形式。