营收暴涨106%，却先跌3%：英伟达的超预期，为什么不及格？

英伟达2027FY 第二季财报如约而至，情况一如既往大好。营收962亿美元，同比增长106%、环比增长18%；数据中心890亿，同比增长117%。

营收比华尔街一致预期高出约4.5%，EPS 高出约6%。

不愧是英伟达，连续暴涨了一年多还是停不下来。

财报公布瞬间盘后一度跌约3%，当天常规交易英伟达收跌1.59%，报209.66美元，总市值5.07万亿美元。

虽然随后电话会中股价反弹至约217.5美元，盘后最高冲到约219美元，较常规收盘价涨幅一度超过4.5%，最高接近5%。

但是财报前英伟达已连跌7个交易日，累计跌7.47%，8月24日单日市值蒸发约1510亿美元，7天一共蒸发4100亿美元。

不禁要问了，这是什么情况？明明收入超过预期，Q3指引中值约1080亿，也超过市场预期的约1037亿，英伟达凭啥还在跌？

01

这962亿是怎么来的

如今的英伟达已经从多点开花，变成了一家“单引擎”公司。数据中心890亿，占全部营收的92.5%；其余所有业务，包括游戏、专业可视化、汽车、OEM，加起来只有大约72亿。

而且从本财季起，英伟达干脆不再单独披露这些板块的营收，把它们统一在一起汇报，称之为“边缘计算”。

数据中心的890亿，同比+117%，看起来吓人，但同比基数本身偏低，只有391亿。

另一方面，环比增速逐渐放缓，391亿、411亿、512亿、623亿、752亿、890亿，环比增速分别是5%、25%、22%、21%、18%。

再把890亿拆成两块：超大规模客户（头部云厂商）487亿，比市场预期的435亿高出约52亿；AI 云、工业与企业客户（ACIE）403亿，反而比预期的419.6亿少了约17亿。也就是说，这个季度营收的超预期，几乎全部由那五六家头部AI和云厂商贡献。

结构里还有一个容易漏掉的高光，数据中心网络业务同比增长138%。

AI集群规模越大，每块GPU周围要配套的网络、光互联、存储就越多，卖一台“算力整机”就顺带多卖一堆周边。

英伟达CFO科莱特·克雷斯表示，数据中心890亿的创纪录收入的核心原因在于“Blackwell Ultra基础设施的爬坡放量”，本季这款旗舰产品正式完成从爬坡到放量的切换，成为英伟达的主力产品，也是英伟达历史上爬坡最快的产品线。

黄仁勋6月1日在GTC曾表示，Vera Rubin即将全面量产，而科莱特在财报中确认，“Vera Rubin已全面量产，正是为这一刻而造”，7月起首批系统已开始向谷歌云、微软 Azure、甲骨文以及亚马逊、Meta 交付。

和以往的英伟达GPU产品不同，Vera Rubin是一整台机架的“AI超级计算机”，一个NVL72机架集成72颗Rubin GPU和36颗Vera CPU，配上新一代互联与光模块。

根据英伟达官方给出的数据，Vera Rubin每兆瓦token吞吐是上一代的10倍。

对英伟达来说，毫无疑问，多挣一份钱，可是对于客户来说就有点头疼了。不换Vera Rubin吧，它的单位算力成本就比别人高一个量级。

英伟达在8月24日放出的实测数据显示，跑SemiAnalysis AgentX真实编码会话，Vera Rubin每兆瓦吞吐比GB300高到30倍、每百万token成本低35倍。

虽然后来SemiAnalysis进行了独立复测，表示实际数据并不是很均匀，但并没有否认英伟达官方实测的数据。

SemiAnalysis表示，在每秒每用户约150 token的交互点上正好10倍，低速段只差3倍，交互要求越陡、差距越大。

电是硬约束，每兆瓦token决定了一家云厂商的利润天花板，同样一座机房，换Rubin以后成本必然大幅降低。

黄仁勋此前更是放话，说“每一家前沿模型公司都会第一时间上Vera Rubin，这一点连Blackwell当年都没做到”。

可如果客户要想换上Vera Rubin，正如前面提到的，它是一台完整的电脑，换上它就意味着过去的数据中心设计全都要推翻，得给它腾位置。

摩根士丹利预计Vera Rubin在FY27第三财季就贡献约90亿美元收入，在GPU收入中的占比从当季的12%增长到第四财季的40%以上，杰富瑞则预计年底前出货超1.3万个Vera Rubin。

英伟达预计FY27仅Vera CPU一项就有约200亿美元收入，目前亚马逊AWS已经下单，一部分与Vera Rubin集成、一部分Vera CPU独立部署。

单价方面，由于这是一个纯粹的卖方市场，完全由黄仁勋说了算，因此英伟达把服务器整机价格上调超15%（2027年初生效）。

黄仁勋在电话会上说“AI到了拐点，算力就是收入，需求在加速”。

“一年前还是一个实验室在单独撑基建，今天多家前沿实验室并行、创业公司扎堆、开源生态生长、物理AI开始上线。”

黄仁勋认为，训练是一次性资本开支，推理是永续运营消耗，Agent每跑一个任务都在烧token，GPU就从“买一次用几年”变成“越用越离不开”。

02

再说坏话：用报表内部矛盾挑毛病

华尔街对英伟达的判断，浓缩成一句话：“beat is a fail，blowout is base case”。（仅仅做到超预期，已经算失败，交出炸裂爆单财报，才是市场的基准预期。）

2026年2月发布2026FY Q4财报时，科莱特当时就表示：“从2027FY Q1起，我们将把股权激励费用计入非GAAP财务指标。”

结果就是本季非GAAP EPS是2.22美元，反而低于GAAP EPS的2.46美元。

GAAP是“报表利润”，按会计规则算、上市公司必须披露；非GAAP是“调整后利润”，公司自己按自己的规则，稍微给财务数字化化妆、美美容，历来是科技公司让数字显得更好看的工具。

按会计规则，股权激励也是成本，必须从利润里扣。以往英伟达算“调整后利润”时，会把股权激励剔除掉，理由是“没掏真金白银”。所以它的非GAAP数字，历来比GAAP好看。

但这里有个问题，Q1的时候，英伟达的非GAAP EPS为1.87美元，GAAP EPS为2.39美元。虽然同样是非GAAP比GAAP低，但是两者相差非常大。

这其中的原因在于，Q1的股权投资净收益高达159亿美元，把GAAP顶上去一大截，GAAP与非GAAP的EPS差了约28%；Q2这笔收益缩到约78亿美元，差距就收窄到约11%。

换句话说，GAAP数字里混着“股票市值波动”，跟GPU主业没关系，大多是账面浮盈。

另外一点，在毛利率方面，本季为75%，下季指引掉到了73.5%–74.5%，同时英伟达预计，毛利率在2027FY Q4掉到71%–72%。

结合前面的涨价15%就会发现，黄仁勋这回是真的心累了。

毛利率指引下降的核心原因是内存涨价，说明这轮AI的利润大头，正在流向三星、SK海力士、美光这些内存厂。

2026年上半年，DRAM合约价累计涨超340%、NAND涨超320%，光Q1一个季度DRAM合约价就环比暴涨90%。三星、SK 海力士、美光三家Q2的毛利率普遍将近80%，比英伟达的75%高出一截。

三星和SK 海力士把2026年交付的内存颗粒抬价约20%，事实上现在正值内存颗粒新品上市，上一代不降反增，只能说行业现在产能完全跟不上需求。

前文提到的Vera Rubin所使用的正是新内存，单颗成本据估算接近上一代内存产品的两倍，机构已预判2027年相关内存的合约价还要再涨50%以上。

然后就是现金流，这是现在纳斯达克的老大难。谷歌2026年Q2自由现金流首次转负，这是2004年上市以来的头一遭；亚马逊也是如此，TTM自由现金流约-76亿，光Q2资本开支就飙到540亿；还有Meta，自由现金流同比下降90%。

即便是英伟达也在劫难逃。本季自由现金流213亿美元，只占营收的22%。而上一季度为485亿，近乎腰斩。

原因也没什么新鲜的。供应链承诺从1190亿增加到了2790亿，新增的1600亿几乎全是买内存的长约；下游又要给客户垫账期，本季应收账款一口气增加223亿，先发货、再收钱，等于变相替客户融资；中间再压上自家库存、预付款，资本开支还上调到了380亿—420亿美元。

也难怪资本市场不看好英伟达。

03

如何保值5万亿？

不过这个季度黄仁勋的身份发生了转变，以前他是卖货的，现在他是发债的。

8月10日，黄仁勋官宣，拉来阿波罗、贝莱德、黑石、博枫、高盛、KKR六大全球资管，成立一批AI算力基建融资平台，要撬动超过5000亿美元的第三方资本，“安利”大规模云厂商、前沿AI实验室和企业建数据中心，来买英伟达的硬件设备。

六家机构各自独立承销、各管各的平台，英伟达的角色是把客户介绍进门。借款方是一个专门的壳公司（SPV），把数据中心、设备连同客户合同一起装进去，和母公司的资产负债表隔离，客户要先把未来几年的算力包销合同签给贷款人，再按工程进度分批提款。

这就跟美团骑手租电摩送外卖、滴滴司机租车跑滴滴是同一个逻辑。

今年3月底，CoreWeave就拿到了这么一单合同作为整个“token贷”的范例，也就让它成为史上第一笔拿到投资级的GPU抵押融资。

这笔合同是85亿美元的“延迟提取定期贷款”（DDTL 4.0），借款主体是专门设立的子公司，把GPU服务器、合同，连同数据中心租约一起押进去。

这笔合同看似“荒诞”，然而穆迪给出的评级是A3、DBRS则给出 A（low）。不过结构上是“无权追索”，母公司不兜底，只对恶意违约这类“坏事”负责，风险被关在SPV里。

提款按资本开支进度分批走，可一直提到2027年6月，2032年3月到期，浮动档利率SOFR+2.25%、固定档约5.9%。

这笔合同的核心目的是让客户能用更少的钱买到GPU，因此英伟达能卖出更多的GPU。

英伟达自己也下场托底，为单个项目提供最高约25%的残值支持，硬件折旧比融资假设更快时，差额由英伟达来补，而且CoreWeave卖不掉的剩余算力也由英伟达买走。

这是历史上第一次，token被华尔街当成“可投资的基础设施资产”，也就是说，算力也可以被像是商业地产、公路那样，拿去做抵押借钱。贝莱德掌门芬克表示，这是“金融工程的下一个未来”，像1970年代催生抵押贷款证券化一样。

除了放贷，财报前几天的8月22日，英伟达以60亿美元的价格，收购了AI编程公司Poolside。

具体情况是，英伟达按120亿美元投前估值投了10亿，付60亿买下其模型开发系统Model Factory的非独占授权，再把109名核心工程师收编进自己的Nemotron大模型项目。

这已是英伟达第三次用这招了，之前对Groq、Enfabrica也都是如此，不收购、不触发反垄断，但是技术和人才都在英伟达这里。

有喜，自然就有忧。就在财报前一天，OpenAI在Hot Chips大会首秀自研推理芯片Jalapeño（墨西哥辣椒），奥特曼当天就在X 发帖：“我们造了块芯片，而且它很快”。

SemiAnalysis的InferenceX基准显示，它每千瓦电力的吞吐、每位用户每秒的token量都超过了英伟达的Blackwell。OpenAI硬件负责人理查德说“同样的电，能接更多活，回话还更快”。

OpenAI表示，Jalapeño今年底将小批量部署、2027年才放量，训练和推理暂时还会继续用英伟达。

面对这样的拆台黄仁勋也不无办法。

英伟达研究团队拿出了AVO（Agentic Variation Operators，智能体变异算子），这是英伟达研发的通用型长周期自主Agent架构，说白了，这就是一套围绕大模型构建的Agent Harness执行框架。

持久记忆、监督器、工具调用，让AI能连续数天自主干活。

它集成持久化记忆、分层监督机制与全链路工具调用能力，核心解决长周期多步骤任务中智能体易跑偏、陷入死循环的问题，可自主迭代试错、根据反馈持续优化。

AVO最早应用于GPU内核优化，能连续7天无人干预完成搜索迭代，生成的注意力内核性能超过cuDNN约3.5%。

2026年8月在史上最难为Agent的ARC-AGI-3基准公共集上拿下100% RHAE满分，通关全部183个关卡，而同款基础模型Claude Opus 5单独测试仅得约 30%。

英伟达这么做其实还有个目的。既然纯靠硬件到不了5万亿的市值，那就把宝押在软件上，在芯片之外，又造出一条“软件”的河。