2026 年 5 月 20 日，NVIDIA 公布截至 2026 年 4 月 26 日的 Q1 FY2027 财报。总收入 816.15 亿美元，同比增长 85%，环比增长 20%；Data Center 收入 752 亿美元，同比增长 92%，环比增长 21%；Edge Computing 收入 64 亿美元，同比增长 29%，环比增长 10%。GAAP 毛利率 74.9%，Non-GAAP 毛利率 75.0%；GAAP EPS 2.39 美元，Non-GAAP EPS 1.87 美元。
放在任何公司身上，这都是一份强劲财报。放在已经站到全球市值前列的英伟达身上，85% 的收入增长仍然显示 AI 基础设施投资还在高位运行。公司给出的 Q2 FY2027 收入指引为 910 亿美元，上下浮动 2%，并明确没有假设来自中国的 Data Center compute 收入。与此同时，英伟达新增 800 亿美元股票回购授权，并把季度现金股息从每股 0.01 美元提高到 0.25 美元。
市场对英伟达的要求早已抬高。过去两年，投资者讨论这家公司时，业绩超预期已经很难构成完整答案。更具体的问题集中在几条线上：云厂商是否还会维持高强度 GPU 采购，Blackwell 的供应和交付能否跟上需求，推理能否接住训练之后的增长，大客户自研芯片会在多大程度上影响远期空间，中国市场的不确定性又会怎样反映到收入结构里。
所以，816.15 亿美元收入本身给出的信息反而有限。真正值得看的是，英伟达在这份财报里调整了讲述自己的方式。
新的报告口径
从本季度开始，英伟达采用新的报告框架，把业务归入两个市场平台：Data Center 和 Edge Computing。Data Center 进一步分为 Hyperscale 和 ACIE。Hyperscale 对应公有云和最大型互联网公司，ACIE 包括 AI Clouds、Industrial 和 Enterprise。Edge Computing 覆盖 PCs、game consoles、workstations、AI-RAN base stations、robotics、automotive 等设备和场景。
分部口径变化通常带有管理层意图。公司怎么拆收入、怎么命名市场、怎么把未来增长放进资本市场熟悉的框架里，都会影响外界对它的估值方式。过去英伟达最清晰的故事是数据中心 GPU：大模型训练和推理需要算力，算力需要 GPU，GPU 背后有 CUDA 生态、网络互联和系统方案，英伟达处在定价权最强的位置。这个故事足够直接，也足够强大，但它容易被压缩成几家云厂商的资本开支周期。一旦市场担心 Amazon、Microsoft、Google、Meta 的 capex 放缓，英伟达就会被重新拉回硬件周期的讨论里。
新的口径试图把这个框架放大。Hyperscale 仍然承认云厂商和大型互联网公司是核心客户，ACIE 则把 AI Clouds、工业和企业单独放入 Data Center 体系。英伟达想让市场看到，AI factory 可以出现在超大规模云之外，也会进入企业、国家、行业和专用云。主权 AI、企业私有模型、工业仿真、自动化生产线、行业代理系统，都被放进同一套增长叙事里。
这也是 Agentic AI 走向财务报表语言的过程。Agentic AI 指向能够执行任务、调用工具、处理流程的 AI 系统，它带来的算力需求来自持续运行的推理、检索、规划和多步骤执行。假如企业把 AI 接入客服、研发、制造、设计、IT 运维和供应链流程，数据中心就会从训练模型的场所，变成持续生产智能服务的基础设施。
英伟达的技术叙事也在配合这个方向。Blackwell 继续承担当前数据中心放量的主线，Vera CPU 和 Vera Rubin 被放进下一代 agentic AI 基础设施框架里。CUDA 仍是生态底座，决定开发者和企业软件栈能否持续围绕英伟达优化。这里看重的已经超出单颗芯片性能，而是硬件、网络、系统软件、开发工具和模型运行环境能否被绑定成一个平台。
第二条曲线
Edge Computing 被单列出来，信号更耐看。它现在收入 64 亿美元，和 752 亿美元的 Data Center 相比占比有限，但英伟达把它提升为第二个平台，显然希望投资者提前看到另一条曲线：AI 从云端进入现实世界。
现实世界 AI 覆盖范围很宽，既包括 PC 上运行本地模型，也包括机器人、汽车、工业设备、AI-RAN 基站和工作站。Physical AI 的目标，是让 AI 可以感知环境、理解空间、规划动作，并与机器系统连接。这个过程需要仿真、训练、推理、传感器融合和实时控制，Omniverse、robotics、automotive 因此被放到更重要的位置。
在汽车里，AI 对应自动驾驶、座舱智能和车端计算平台；在工厂里，它对应工业设计、数字孪生、质量检测和机器人协作；在通信网络里，AI-RAN 试图把无线接入网变成可以运行 AI 工作负载的基础设施；在 PC 和工作站上，本地模型会承担低延迟、隐私敏感和离线可用的任务。这些场景短期未必都能贡献同等规模的收入，但它们共同指向一个变化：AI 的部署位置会更分散，算力会进入设备、现场系统和网络边缘。
这对英伟达很重要。只要 AI 主要发生在云端，市场就会反复追问云厂商采购 GPU 的持续性。一旦 AI 进入企业、工业、汽车、机器人和网络设备，英伟达的故事就会从面向云厂商销售加速卡，延展为现实世界 AI 基础设施供应商。估值叙事的边界也会随之变宽。
叙事变宽之后
风险同样清楚。英伟达现在的收入基数已经很高，任何增长降速都会被市场放大。云厂商 capex 如果出现节奏变化，会直接影响 Hyperscale 预期；大型客户自研芯片会持续存在，短期难以完全替代 CUDA 和英伟达系统方案，却会压制部分远期想象；中国 Data Center compute 收入的不确定性，已经被公司排除在下一季度指引之外；估值本身也已经计入大量乐观预期。
更长期的问题在 Edge Computing。机器人、自动驾驶、工业 AI 和 AI-RAN 都是复杂市场，采购决策分散，落地周期更长，生态更碎，监管和安全要求更重。英伟达可以提供平台，但现实世界 AI 部署还需要行业软件、系统集成、数据闭环和客户流程改造共同推进，芯片性能无法单独解决所有问题。
这份财报的核心信号，是英伟达正在主动调整自己被理解的方式。它仍然是数据中心巨头，也希望市场看到 Data Center 内部的 Hyperscale 和 ACIE 两条路径；它仍然受益于云厂商建设 AI factory，同时把企业、工业、主权 AI、机器人、汽车、PC 和网络设备纳入同一张版图。
接下来跟踪英伟达，不能只看下一季度卖了多少 GPU。更值得观察的是，它能否把 AI 从数据中心带到机器、工厂、汽车和网络里。这个过程如果推进顺利，英伟达讲述的将是一套更长、更分散、验证周期也更久的产业基础设施故事。
资料来源：NVIDIA 官方 2026 年 5 月 20 日 Q1 FY2027 earnings press release
https://nvidianews.nvidia.com/news/nvidia-announces-financial-results-for-first-quarter-fiscal-2027