线上最大的配资平台英伟达高管解读Q1财报：未来每个制造业工厂都会有匹配的“AI工厂”

专题：英伟达财报：英伟达Q1业绩整体超预期 Q2料H20收入减少80亿线上最大的配资平台

　　北京时间5月29日凌晨，英伟达公布2026财年第一财季财报：营收为440.62亿美元，同比增长69%；调整后净利润为198.94亿美元，同比增长31%（注：英伟达财年与自然年不同步，2025年1月底至2026年1月底为2026财年）。

　　详见：英伟达第一财季营收440.62亿美元同比增长69%

　　财报发布后，英伟达创始人、总裁兼首席执行官黄仁勋和执行副总裁兼首席财务官科莱特·克雷斯等高管出席随后召开的财报电话会议，解读财报要点并回答分析师提问。

　　以下是分析是问答环节主要内容：

　　摩根大通分析师Joseph Moore：我们注意到，在过去至少一年时间里，管理层都讨论逻辑推导模型在推理方面的需求扩展。也正如你们所谈到的，已经看到这些努力所取得的一些成果，从你们的客户那里也听到了相关反馈。能否展开谈一下，公司目前能够多大程度上满足这些需求？推理业务对英伟达而言，目前规模有多大？另外，未来的逻辑推导和推理是否需要完全基于NBL72机架规模的解决方案？

　　黄仁勋：我们希望满足所有需求，并且我认为我们正在逐步实现满足大部分需求的目标。目前， Grace Blackwell NVLink 72超级计算平台是推理人工智能（AI）的理想引擎，或者可以说是理想的“计算思维机器”。原因有几点：首先，推理过程中生成的词元（token）数量，也就是推理处理的token量，比单样本（one-shot）聊天机器人多100到1000倍。推理本质上是机器通过自我思考逐步拆解问题，可能需要规划多条解决路径，使用工具包括如阅读PDF、网页、观看视频等工具，最终生成结果或答案。思考时间越长，答案质量越高、其表现就越为智能。

　　因此，我们设计Grace Blackwell的核心目的是大幅提升推理性能，使机器在完成所有这些复杂任务的同时，仍能尽可能快速地给出响应。与Hopper相比，Grace Blackwell的速度和吞吐量提高了约40倍。这不仅能显著降低成本，还能在保证优质服务的同时提升回答质量——这正是Grace Blackwell NVLink 72的设计初衷。当然，为了实现这一点，我们几乎完全重新设计了超级计算机的构建方式，但目前我们已全面投入生产。这非常令人振奋，未来也将实现难以置信的发展。

　　美银美林分析师Vivek Arya：黄仁勋曾在人工智能技术大会（GTC）上勾勒出未来几年AI支出接近万亿美元的路线图，目前我们在这一进程中处于什么阶段？这些支出会呈现均匀分布吗？无论是电信公司、主权国家、企业或是其他类型的支出方线上最大的配资平台，我们是否应该预期他们在此过程中会经历一定时间的消化期？客户如何看待明年的增长趋势？

　　黄仁勋：事实上，思考这个问题的最佳方式可能是，人工智能包含多个方面。当然，我们知道人工智能是一项令人难以置信的技术，它会改变每个行业，从我们开发软件的方式，到医疗保健和金融服务，到零售行业，再包括交通、制造业等在内的每个行业都将受到影响，而我们正处于这一进程的起步阶段。另一种思考方式或许是，哪里需要数字智能，答案是每个国家、每个行业都需要，人工智能也是一种基础设施，是一种开发技术、交付技术的方式。人工智能需要“工厂”，这些“工厂”生成token，token对每个行业和每个国家都至关重要，这项技术的应用实际上还处于非常早期的阶段。

　　我们已经在具有推理能力、会“思考”的人工智能方面达到了一个非凡的里程碑，人们称之为推理时间扩展。这开创了一个全新的时代，推理将成为计算工作负载的重要组成部分，我们正在云端构建这样一种新的基础设施。美国确实是早期的启动者，云端有可用的相关资源，这是我们最大的市场和设备安装基地，这种情况将持续。除此之外，我们会看到人工智能进入企业领域，即企业进行本地部署。由于大量的数据仍留在本地，访问控制变得非常重要。将每个公司的所有数据都迁移到云端确实很困难，因此，我们将把人工智能引入企业，你已经看到我们发布了几款非常令人兴奋的新产品：我们的RTX PRO企业级AI服务器可以运行所有企业和AI相关的任务，我们的DGX Spark和DGX Station是为希望在本地工作的开发人员设计的，因此，我们说企业级AI刚刚起步。

　　许多电信基础设施未来将由基于人工智能构建的软件所控制，比如6G将基于人工智能，而目前它还处于非常非常早期的阶段。当然，每个制造业的工厂，很快都会有一个与之配套的AI工厂，这些AI工厂将推动创建人工智能，并为工厂本身运行人工智能，同时也为工厂生产的产品和物品提供动力。很明显，每家汽车公司都将拥有AI工厂，很快，打造人工智能驱动机器人的公司也将出现。因此，我们说所有这一切都处于开端。

　　Cantor Fitzgerald分析师C.J. Muse：过去一个月里，有许多关于大型图像处理器（GPU）集群投资的公告，管理层之前也提到了一些，比如沙特阿拉伯、阿联酋，以及投资者所关注的甲骨文公司和xAI（埃隆·马斯克领导的人工智能初创公司）等。我的问题是，是否还有其他同等规模和量级的项目尚未公布？目前来看，这些订单对Blackwell架构的交付周期有何影响？

　　黄仁勋：我们目前的订单量相比上次在GTC大会上所谈到数量有所增加，不过，我们也在同步扩展供应链，公司供应链团队的工作非常出色，我们正在美国本土建设供应链。未来许多年里，我们的供应链都会保持高负荷运转。关于更多未公布的项目，我下周将前往欧洲，几乎每个国家都在计划建设AI基础设施和所谓的“AI工厂”。我记得之前提到过，目前约有800到1000个AI工厂正在建设中，其中很多尚未对外公布。这里有个重要的概念或许能帮助大家理解：正如电力和互联网等技术最终成为基础设施一样，AI也将如此。电力曾是影响所有行业的基础设施，互联网，或者说信息基础设施，如今也渗透到每个行业、国家和社会。而“智能”显然属于这类核心基础设施，没有任何企业、行业或国家会认为智能是可有可无的，它是必不可少的基础设施，而英伟达如今已将“智能”数字化。

　　我们显然正处于AI基础设施建设的开端，每个国家，每个行业都将拥有和使用AI基础设施，这一点我深信不疑。而这种基础设施的独特之处在于它需要“工厂”，有点像能源基础设施，比如电力，需要发电厂，我们需要“AI工厂”来生产智能。此外，智能正变得越来越复杂：过去几年，我们在推理AI领域取得了重大突破，现在有会推理的智能体、使用多种工具的超级智能体，甚至还有多个智能体协作解决问题的集群。相比单样本聊天机器人，这些基于大型语言模型的智能体对算力的需求呈指数级增长。因此，我们仍处于建设的初期，未来还会有更多类似的投资项目对外宣布。

　　Melius Research分析师Ben Reitzes：对于公司的业绩指引，投资者可能科莱特需要做一点澄清，比如换一种方式来理解关于H20芯片80亿美元订单的情况，这似乎比大多数人所预期的二季度损失多出约30亿美元。这意味着，为了达到450亿美元的业绩指引，其余业务营收需要比预期高20亿至30亿美元左右。我想知道这个计算是否合理？第二个问题问给黄仁勋，我知道你们通常只展望下一个季度的业绩，不过最近美国商务部宣布撤销“AI扩散规则”，我们还看到的主权国家层面的发展势头，再加上公司过去财报电话会议中所谈到的对全年连续增长更有信心的表述，以及供应链的提升，投资者想了解当前环境是否让公司对全年连续增长更有信心？

　　科莱特·克雷斯：当我们审视第二季度的指引和之前提供的信息时，确实，、公司本应在第二季度获得约80亿美元的H20订单，这也是我们原本对二季度展望的一种可能。我们还谈到许多客户对于Blackwell需求的增长，以及我们需要为客户保证持续的供货能力。综合这些因素，我们得出了当前的业绩指引。

　　黄仁勋：与GTC大会期间相比，目前出现了四个积极的、令人惊讶的动态变化。第一个是推理AI需求的增长。很明显，现阶段AI正经历指数级增长，而推理AI实现了突破。此前人们还对AI幻觉问题和解决实际问题的能力存在担忧，但现在很多人正在跨越这一障碍，意识到代理型人工智能（agentic AI）和推理AI的有效性令人难以置信，所以第一点就是推理和推理AI的需求呈指数级增长。第二是刚才您所提到的，AI扩散规则的取消。这是一个特大的好消息，AI扩散规则的取消几乎恰逢全球各国意识到AI作为基础设施的重要性，AI不仅是一项极具吸引力和重要性的技术，更是所有行业、初创企业和社会的基础设施。就像他们必须建设电力和互联网基础设施一样，现在必须建设AI基础设施。我认为这种意识的觉醒创造了大量机会。

　　第三是企业级AI的发展。智能体（Agents）的应用非常成功，相比生成式AI，代理型人工智能带来了颠覆性的改变。智能体能够理解模糊和隐含的指令，能够解决问题、使用工具并具备记忆能力等。因此，我认为企业级AI领域即将迎来大发展，我们花了几年时间构建了一个能够集成和运行企业AI栈、企业IT栈并添加AI功能的计算系统，这就是我们上周在COMPUTEX大会上宣布的RTX Pro企业级服务器，世界上几乎所有主要的IT公司都已经加入了我们的行列，对此我们感到非常振奋。计算是其中的一部分，但请大家记住，企业IT实际上有三大支柱：计算、存储和网络，我们终于将这三者整合在一起，并推向市场。

　　最后一个是工业AI。如果说世界秩序正在重新调整，那么其中的一个影响便是各地区正在推动制造业回流并在各地建厂。除了AI工厂，当然还有新的电子制造和芯片制造正在全球范围内建设，所有这些新工厂和设施正好为Omniverse、AI以及我们在机器人领域的工作创造了合适的时机，这非常重要，每个工厂都将配套一个AI工厂。为了创建这些物理AI系统，你必须训练大量的数据。因此，这又回到了需要更多数据、更多训练、更多AI模型和更多计算机的问题。综上所述，这四个驱动因素加速驱动了英伟达的业务发展。

　　（持续更新中。。。）