2026年8月26日，Nvidia将发布Q2 FY2027财报。两天前的今天，市场情绪极为复杂：股价在过去5个交易日下跌，同时有路透社报道Nvidia正在洽谈以60亿美元合作开发开源AI大模型（Poolside），还有正在讨论投资AI搜索公司Perplexity的消息。

美国银行（BofA）的分析师在上周的研究报告中给出了”买入”评级，认为当前的股价下跌”创造了极具吸引力的投资机会”，分析师预期Nvidia Q2营收在930亿至950亿美元区间，约同比增长96%。（注：以上为分析师预期数字，非官方确认数据，以Nvidia实际发布财报为准。）

在这个财报倒计时的时间节点，有一个来自AMD的Q2财报数字，值得Nvidia投资者认真思考：AMD Q2数据中心营收同比增长了107%，数字漂亮得令人印象深刻。

然后你看到Nvidia Q2数据中心营收：750亿美元，同比增长92%。

两家公司的数据中心营收之比约为1:11。AMD的数据中心业务翻倍增长，但Nvidia的绝对领先优势实际上并没有缩小——因为它的基数本身就高出了太多。

一、AMD Q2财报的真实含义：107%增长背后的结构性差距

在深入讨论Nvidia财报前，值得先分析AMD Q2的表现，因为它提供了理解Nvidia相对地位的关键参照系。

根据AMD官方发布的Q2 2026财报数据（IR.AMD.com），AMD Q2总营收达到115.4亿美元，创历史新高，其中数据中心业务营收67.2亿美元，同比增长107%，占总营收的58%。AMD CEO Lisa Su在财报电话会议上特别提到了新发布的Helios机架（结合了EPYC Venice处理器、MI450 GPU和Pensando网络），称客户拉动”非常强劲，进度领先于初始预测”。

Anthropic是AMD Helios的重要客户之一，承诺采购最多2吉瓦的MI450系列GPU，首批1吉瓦将于2027年开始部署。这是企业客户明确承诺的重大订单，对AMD数据中心业务的未来增长提供了有力支撑。

但Nvidia同期的数据形成了鲜明对比：数据中心营收750亿美元（约Nvidia总营收的91%），同比增长92%；公司总营收约820亿美元。非GAAP毛利率75%，远高于AMD的56%。

Nvidia CEO Jensen Huang在财报中告诉投资者，公司预计从2025年到2027年，Blackwell和Rubin产品线将产生约1万亿美元的累计营收，同时推进了800亿美元的股票回购计划，股息提升至每股25美分。

从纯数字来看，AMD是一个增长速度很快的强劲竞争者；但Nvidia是一个在同样强劲增长的同时，每季度仍然在绝对规模上拉大领先差距的市场主导者。

二、Blackwell的战略意义：不只是更快的GPU

Nvidia Q2财报的核心叙事，是Blackwell系列GPU的市场落地情况。Blackwell是Nvidia目前最新一代的数据中心GPU产品，命名来自数学家David Harold Blackwell。

Blackwell的重要性不只在于其较前代产品（Hopper/H100系列）有多大的性能提升，而在于它所代表的Nvidia对AI计算架构演进方向的判断：从单一GPU到多GPU互连，从推理加速到训练-推理一体化，从标准服务器到定制化AI工厂。

Nvidia向Jensen Huang所说的”所有主要超大规模数据中心”出货Blackwell，意味着AWS、Google Cloud、Azure、Oracle Cloud等主要云服务商在2026年的新建AI基础设施中，都在以Blackwell为核心构建。这种客户覆盖度，形成了自我强化的生态锁定：AI开发者习惯于在主要云服务商上使用Nvidia GPU的CUDA生态，切换到其他架构的转换成本极高。

三、护城河分析：CUDA的粘性有多强

讨论Nvidia的竞争优势，无法回避CUDA——这个Nvidia在2006年推出的并行计算平台和编程模型。

CUDA不只是一个技术工具，它是Nvidia在AI时代最深的护城河：

生态广度：20年的CUDA历史积累，意味着几乎所有主要的AI框架（PyTorch、TensorFlow、JAX）、研究代码库、企业级AI工具链都对CUDA进行了深度优化。切换到非CUDA的替代GPU，意味着需要重新测试、优化和验证整个AI工程栈。

人才惯性：全球大多数AI工程师在学习GPU编程时，接触的是CUDA。CUDA熟练度是AI系统工程师的重要技能之一，这种人才供应的结构，在短期内不会改变。

性能基准：Nvidia的GPU在几乎所有主流AI基准测试上都处于最优水平，这使得”最高性能”的标签在技术采购决策中为Nvidia提供了持续的优势。

AMD的对应策略是ROCm（开放计算语言）和MI系列GPU，加上Instinct软件栈。根据AMD的财报数据，Instinct数据中心GPU业务在Q2翻倍，说明企业客户对AMD的AI GPU兴趣真实存在。但从市场份额来看，AMD目前的AI GPU渗透率仍然处于个位数百分比，距离可以真正挑战CUDA生态粘性的门槛还有相当距离。

四、Nvidia面临的真实风险：不是AMD，而是三个潜在颠覆力量

如果不是来自AMD的传统竞争，Nvidia的护城河实际上面临哪些更值得关注的威胁？

第一个威胁：垂直集成巨头的自研芯片。Google TPU、Amazon Trainium/Inferentia、Meta的MTIA，以及正在加速自研的微软（Athena）——这些科技巨头的AI芯片自研，每一个的目标都是减少对Nvidia GPU的依赖。它们不直接与Nvidia竞争通用市场，而是在自己的内部工作负载上逐步替换Nvidia芯片。据估计，Google TPU在Google内部AI推理工作负载上的占比已经超过40%。

第二个威胁：推理芯片的垂直竞争者。随着AI推理（而非训练）成为2026年最大的算力支出类别，专注于推理优化的芯片公司（如Groq、Cerebras、Etched等）在特定场景下开始提供更高的性价比。Etched近期以210亿美元估值完成融资，其专用推理芯片在Transformer模型推理速度上宣称比Nvidia H100快10倍以上。这些专用芯片不可能替代Nvidia在训练市场的地位，但可能在高频推理场景（搜索、实时API）中占据一席之地。

第三个威胁：出口管制的地缘政治变量。Nvidia目前无法向中国出口其最先进的AI芯片（H100/H200/Blackwell），中国市场由此成为了一个被迫放弃的重大收入机会。正在讨论中的面向中国市场的合规专用芯片计划（如A800/H800的后续产品），如果能够成功推进，可能在合规框架下重新进入中国市场；但如果地缘政治局势进一步恶化，这个市场窗口可能彻底关闭。

五、财报季的市场博弈：期望与现实之间的空间

Nvidia Q2财报的市场意义，不只在于营收数字本身，而在于它与市场已有预期之间的关系。

当市场普遍预期930-950亿美元营收时（来自多家主要投行分析师的一致预估），Nvidia需要做什么才能让市场”惊喜”？

历史数据提供了一个参考：在过去6个季度中，Nvidia的实际营收平均超过分析师一致预期约8%。如果这个模式在Q2 FY2027延续，实际营收可能接近或超过1000亿美元。

但”超预期”的门槛也在不断提高：Q1 FY2027 Nvidia的营收约为782亿美元，Q2预期约930-950亿美元，意味着环比增长约19-21%。对于一家季度营收接近1000亿美元的公司，这种增速本身就是非同寻常的——任何低于这个门槛的结果都可能被市场解读为”增速放缓”，尽管绝对数字仍然非常可观。

Jensen Huang在此前的财报中曾多次提到2025-2027年”Blackwell和Rubin产品线将产生约1万亿美元累计营收”，这个预测如果兑现，意味着Nvidia在未来两年内的年均营收将维持在3000-4000亿美元的水平。Q2财报将是验证这条增长轨迹是否在按计划推进的重要数据点。

六、第三层洞察：为什么市场对Nvidia的担忧同时是对的和错的

当前围绕Nvidia的投资者争论，存在两个相互对立但都有道理的叙事：

看多叙事：Blackwell超级周期才刚刚开始；超大规模数据中心和主权AI基础设施的资本支出在未来3年仍将保持高速增长；CUDA护城河不可在短期内被攻破；Nvidia正在向模型层和生态层扩张，价值链覆盖在加宽。

看空叙事：930亿美元的季度营收预期已经包含了大量乐观预期，任何未达标都会引发剧烈回调；垂直芯片自研正在侵蚀大客户的独家依赖；出口管制在继续缩减市场空间；Nvidia的毛利率（75%）在竞争压力加大的情况下可能面临长期下行压力。

这两个叙事的共同之处，是它们都在讨论Nvidia相对于预期的表现，而不是Nvidia的绝对业务质量。

真正被大多数讨论忽略的第三层洞察是：Nvidia的最大竞争优势不是Blackwell本身，而是它正在构建的垂直整合能力——从芯片到软件栈（CUDA）到模型（Poolside合作）到应用生态（Perplexity等战略投资）的全栈覆盖，这种整合才是Nvidia在AI时代最难被复制的护城河。

AMD可以复制Nvidia的芯片性能，但无法快速复制CUDA生态20年的积累。垂直集成巨头可以自研芯片，但它们的芯片只为自己的工作负载优化，无法服务通用市场。推理芯片创业公司可以在特定场景超越Nvidia，但缺乏全栈生态整合能力。

Nvidia正在把自己从”AI时代最好的GPU供应商”变成”AI时代的垂直整合基础设施提供商”，这个身份的转变才是理解Nvidia长期价值的关键。

七、供应链现实：CoWoS封装是Blackwell的隐性制约

在所有讨论Nvidia财报的分析中，有一个供应链层面的细节值得特别关注：CoWoS（Chip-on-Wafer-on-Substrate）封装技术是目前Blackwell规模放量的关键制约因素之一。

Blackwell GPU使用HBM3e高带宽内存，需要通过先进封装技术（CoWoS）将GPU芯片和内存芯片集成在同一封装基底上。台积电是这种先进封装的主要供应商，其CoWoS产能直接决定了Nvidia能多快将Blackwell出货给客户。

根据供应链追踪报告，台积电在2025年大幅扩产CoWoS，2026年产能相比2025年增长约50-60%，主要为应对Nvidia Blackwell的出货需求。但即使如此，需求端的增速（主要超大规模数据中心的资本支出计划在加速）仍然超过了供应端的扩产速度，这使得Blackwell的实际出货能力在某些季度仍然处于供不应求的状态。

这个供应链限制对Nvidia Q2财报的含义是双面的：

  • 正面：即使有需求，Nvidia的出货量受制于CoWoS产能，这意味着当前的”供给约束”在某种程度上证明了需求的真实性——客户不是在观望，而是在等货。
  • 潜在风险：如果台积电CoWoS扩产遇到技术或产能问题，Nvidia的出货时间表可能面临压力，进而影响到Q3或Q4的营收节奏。

根据TSMC 7月公布的营收数据（同比增长45%），先进封装需求的增势仍然强劲，目前没有明确信号显示扩产计划遇到障碍。

八、主权AI基础设施：Nvidia的第三个增长极

除了超大规模数据中心（AWS/Google/Azure/Meta）和企业私有AI部署，Nvidia正在从一个新的市场方向获得越来越多的增量订单：主权AI基础设施。

2026年，多个国家政府（包括沙特阿拉伯、阿联酋、法国、印度、日本、新加坡等）宣布了大规模的国家级AI基础设施建设计划，目标是在本国领土内建立主权AI计算资源，不依赖于美国科技巨头控制的公有云。

这些主权AI基础设施建设计划，很大一部分以Nvidia GPU（特别是H100/H200和Blackwell）作为核心算力组件。沙特阿拉伯的NEOM和Aramco AI基础设施项目，据报道包含了数亿美元的Nvidia GPU采购；阿联酋的Falcon系列大模型背后的算力基础，同样以Nvidia GPU为主。

主权AI市场对Nvidia的战略意义在于： 市场分散化：传统上，Nvidia营收高度集中在5-6个超大规模数据中心客户（AWS、Google、Azure、Meta、Oracle等），这种高集中度意味着任何一个大客户转向自研芯片都会对Nvidia营收产生显著影响。主权AI客户分布在全球数十个国家，天然分散化，任何单一客户的变化影响有限。

出口政策的利好：不同于对中国出口受限，对大多数友好国家政府的Blackwell出货没有限制，甚至在某些情况下获得政府层面的出口协助（比如部分中东国家的GPU采购有美国政府的审查和批准，但不是禁止）。

定制化合同的高溢价：政府级采购通常以多年期合同、大批量订单为主，同时对运维支持、培训和基础设施集成有更高要求，Nvidia可以在这类合同中获得比标准数据中心客户更高的综合溢价。

Jensen Huang在此前的多个公开场合将主权AI基础设施定义为Nvidia增长的新叙事维度之一，称”每个国家都需要自己的AI基础设施”。Q2财报的分析师问答，可能会对主权AI合同的实际规模和增长轨迹提供更多细节。

九、推理市场的争夺：Nvidia的下一个十年战场

历史上，Nvidia的主要营收来自AI训练：超大规模数据中心购买数千甚至数万颗GPU，用于训练GPT、Gemini、Claude这类基础模型。训练是计算密集型的单次任务，需要极高的绝对算力，Nvidia的H100/Blackwell在这个场景下几乎无可替代。

但随着大模型训练进入”成熟期”——越来越多的基础模型已经训练完毕，现在重点是部署和推理——AI算力支出的重心开始向推理侧迁移。Jensen Huang在Q1财报电话会议中提到”我们正在推理市场快速增长份额”，并把推理定义为Nvidia长期增长的核心驱动之一。

这个判断的背后是一个算力经济逻辑：

训练是一次性高峰需求：一个GPT规模的大模型，训练可能需要10,000-50,000颗GPU运行数月，但训练一旦完成，就不需要再重复这些算力。

推理是持续性高频需求：每当用户调用ChatGPT、Claude或Gemini回答一个问题，背后都需要实时的GPU算力支持。随着AI应用的用户量从数百万增长到数十亿，推理算力的总需求将以指数级增速持续增长，没有”一次性完成”的终点。

这意味着：在AI应用大规模普及的阶段，全球推理算力的总需求规模，可能远超训练阶段的历史峰值。

但推理市场也是竞争最激烈的：

  • Google的TPU v5在自家推理工作负载上效率极高，Amazon的Inferentia芯片在简单推理任务上有明显的成本优势；
  • Etched的专用Transformer推理芯片宣称在Transformer架构推理上比Nvidia H100快10倍以上，以210亿估值完成了近期融资；
  • Meta最新发布的推理优化框架（GGML/llama.cpp生态）让端侧推理（在用户设备上直接运行而非云端）成为可能，进一步分散了对中心化GPU集群的依赖。

Nvidia对推理市场的应对策略是：通过NIM（Nvidia Inference Microservices）微服务套件，提供针对主流开源模型（LLaMA、Mistral、Falcon等）的预优化推理包，让客户可以用”一键部署”的方式在Nvidia GPU上运行生产级AI推理服务。NIM的战略意义在于：它把原本需要专业MLOps团队才能优化的推理工作负载，打包成了可被任何企业直接使用的标准化服务，大幅降低了使用Nvidia推理服务的门槛。

Q2财报中，NIM的商业化进展（采用NIM的客户数量、营收贡献）将是投资者关注的新数据点之一。

结语：8月26日之后，真正的问题是指引

Q2财报的营收数字固然重要，但对于Nvidia的长期投资者来说，更重要的信号来自Q3指引（即2026年10月前后的预期营收和毛利率指引）。

如果Q3指引持续超越市场预期，意味着Blackwell超级周期的持续性得到确认；如果Q3指引低于市场预期，无论Q2实际数字多好，市场都会把它解读为增速拐点的信号。

从供应链数据和芯片行业追踪报告来看，目前没有明确的信号显示Blackwell的需求出现了系统性下降。美银的”极具吸引力”评级，反映的正是对”需求持续性已经得到验证、当前估值提供了足够安全边际”的基本判断。

结论：Q2财报将是一个数字验证时刻，而不是叙事改变时刻——除非有来自Nvidia管理层关于未来需求或毛利率的重大预期调整，否则市场的基本判断不会因为这一份财报而根本改变。

参考资料

  1. AMD官方财报 - AMD Reports Second Quarter 2026 Financial Results（2026-08）：https://ir.amd.com/news-events/press-releases/detail/1295/amd-reports-second-quarter-2026-financial-results

  2. 247 Wall St - AMD vs. Nvidia: Is AMD Finally Closing the AI Gap?（2026-08-21）：https://247wallst.com/investing/2026/08/21/amd-vs-nvidia-is-amd-finally-closing-the-ai-gap/

  3. Yahoo Finance/BofA - Nvidia Stocks Deep Discount Creates a Compelling Opportunity（2026-08-19）：https://finance.yahoo.com/markets/stocks/article/nvidia-stocks-deep-discount-creates-a-compelling-opportunity-bofa-says-114927735.html

  4. Reuters - Nvidia discusses Perplexity investment at $30 billion-plus valuation（2026-08-24）：https://www.reuters.com/technology/nvidia-discusses-perplexity-investment-30-billion-plus-valuation-information-2026-08-24/

  5. MSN/Reuters - Nvidia is coming for OpenAI and DeepSeek with $6 billion poolside deal（2026-08-23）：https://www.msn.com/en-us/money/news/nvidia-is-coming-for-openai-and-deepseek-with-6-billion-poolside-deal-to-build-a-powerful-open-weight-ai-model-report/ar-AA2aN4Fr