大家好，这里是最佳拍档，我是大飞。英伟达最近有两个大消息：一个是公布了最新季报，单季度营收接近一千亿美元，同比增长超过一倍；另一个是在财报公布的几乎同一时间，它又甩出了129亿美元，买下了全球最大的AI开源社区Hugging Face。今天我们就来聊聊这两件事。
我们先看财报本身。美国当地时间8月26日，英伟达公布了2027财年第二财季业绩。当季营收达到962.21亿美元，同比增长106%，环比增长18%；净利润596.88亿美元，同比增长126%；摊薄后每股收益2.46美元，同比增长128%。营收、运营利润和每股收益全部创下历史新高。
要知道上年同期英伟达的单季营收还只有467.43亿美元，一年时间几乎翻倍。在这个体量下做到这个增长，堪称恐怖。运营利润637.34亿美元，同比增长124%；毛利率75%，高于去年同期的72.4%。按非美国通用会计准则（Non-GAAP）计算，净利润539.54亿美元，同比增长118%。
财报公布后，英伟达盘后股价一度下跌约1.3%，随后跳涨超4%。这个走势反映出市场关注点的分歧：过去投资者关心英伟达能不能持续超预期，现在他们更关心AI基础设施建设还能持续多久、下一代芯片和新的商业模式能不能撑住未来增长。
推动这轮增长的核心依然是数据中心业务。第二财季数据中心收入890.23亿美元，同比增长117%，环比增长18%，几乎贡献了公司全部营收增量。英伟达从第一财季开始调整了数据中心业务的披露方式，把客户分成两类：一类是超大规模客户（Hyperscale），主要是大型公有云和互联网公司，贡献了487.1亿美元，同比增长102%，环比增长13%。
另一类是AI云、工业与企业客户，合称ACIE，覆盖AI原生公司、企业客户、主权AI客户以及使用AI云服务的超大规模计算需求。这部分收入403.13亿美元，同比增长138%，环比增长25%。这个分类方式透露出了一个重要的信号：AI算力需求正在从少数云巨头向企业、政府和更多行业场景扩散。
英伟达自己预计，非超大规模云业务未来会占到数据中心业务的一半左右。而且这部分客户往往不会自己设计定制芯片，也缺乏从芯片、网络到机柜完整建设AI集群的能力，反而更依赖英伟达的全栈方案。
中国大陆市场继续被排除在增长展望之外。英伟达表示，第二财季运往中国大陆的Hopper产品收入占数据中心收入比例低于1%，第三财季的业绩展望中也没有计入任何来自中国的数据中心计算收入。
除了数据中心，边缘计算业务第二财季收入71.98亿美元，同比增长27%。其中Blackwell工作站推动了增长，但是消费级PC受到内存和系统价格上涨影响，部分抵消了增幅。
说到产品，Blackwell Ultra是本季度数据中心增长的重要推手。英伟达明确表示，当季数据中心收入增长主要来自Blackwell Ultra基础设施的大规模部署。与此同时，下一代Vera Rubin平台已经全面投产，相关机架系统正在CoreWeave、Google Cloud等合作伙伴的云平台上运行。
Vera Rubin平台覆盖了GPU、CPU、网络、软件和系统级解决方案，其中Vera CPU是英伟达推出的首款针对AI智能体设计的CPU。此外，用于交互式AI推理的Groq 3 LPX也已经全面投产，英伟达希望通过这款产品加强在实时AI推理场景中的竞争力。
软件生态方面，英伟达推出了DSX平台，为基础设施建设者提供设计、建设和运营大规模AI工厂的完整方案。同时持续扩展NVIDIA Agent Toolkit和CUDA-X库，增强开发能力。显然，产品竞争已经不再局限于单颗芯片的性能了，而是围绕从芯片、网络、软件到系统的完整生态展开。
黄仁勋在财报中表示，人工智能已经到达拐点。他说：“AI正在做有用的工作，Token正在创造生产力和盈利能力。”现在计算就是收入。这句话点出了英伟达对当前阶段的核心判断：AI已经从实验走向生产，更多AI实验室和初创企业在快速扩张。
开源模型生态和物理AI等新方向也在发展，整个AI产业正在进入更广泛的建设周期。这个建设周期的规模从英伟达的财务承诺就能看出来：截至7月26日，英伟达的未来承诺金额达到了3600亿美元。
其中包含2790亿美元供应与产能承诺、290亿美元云服务协议、230亿美元资本支出，以及250亿美元股权投资。最受关注的是英伟达参与的SB Energy俄亥俄州项目，英伟达提供信用支持。
该项目初期涉及约4.25吉瓦的土地、电力和厂房建设，用来托管OpenAI的英伟达基础设施。英伟达提供的担保义务最高达到1050亿美元，在数据中心达到可服务状态等条件满足后分阶段生效。
与此同时，英伟达已经与阿波罗（Apollo）、贝莱德（BlackRock）、黑石（Blackstone）、博枫（Brookfield）、高盛（Goldman Sachs）和KKR等机构建立了战略合作伙伴关系，目标是在未来动员超过5000亿美元第三方资本用于AI基础设施建设。
英伟达还在加大股东回报力度，第二财季通过股票回购和现金股息返还约260亿美元。回购授权额度仍然剩余约990亿美元。对于下一季度，英伟达预计第三季度营收达到1080亿美元（上下浮动2%），毛利率约74%，同时强调没有计入任何来自中国的数据中心计算收入。
相比华尔街约921亿美元的第二季度一致预期和约1042亿美元的第三季度预期，英伟达两季都超了。黄仁勋判断客户对英伟达算力的需求明年可能还会增长大约100%，但是受供应限制，公司目前只能有把握实现约70%的营收增长。
至少到2028财年结束，供应仍是主要瓶颈。如今限制英伟达增长的，不是需求不够，而是供给跟不上。建设AI数据中心，土地、电力和机房壳体往往需要提前两到三年锁定，还要同步协调施工、制冷、劳动力、存储器、晶圆制造等整个供应链。
黄仁勋说，目前几乎每个环节都在满负荷运转。这也是英伟达第一次愿意提前一年公开增长预期的原因，他希望让客户、股东和供应链看到同一套需求信息。因为所有参与者都需要提前投入巨额资源。
需求增长的背后，一个核心变量是智能体。黄仁勋解释说，大模型正在变得更大更聪明，而智能体不只是生成一次答案，还会进行推理、规划和多轮工具调用。根据任务不同，一个智能体消耗的计算量可能是人类直接调用AI时的15到100倍。
就在过去一个月，AI使用已经跨过某个临界点，大多数AI工作已开始变成智能体式的。他甚至预计未来英伟达约4万名员工可能对应40万个、甚至400万个持续运行的AI智能体，24小时在后台彼此协作并且持续完成工作。
在被问及递归自我改进和AGI是否会进一步刺激算力需求时，黄仁勋给出了更为激进的判断：需求会进一步出现拐点。他认为今天大多数AI仍然由人类发起提示，但是这个结构已经开始改变：一种粗粒度的递归自我改进其实已经出现。
智能体完成任务后会反思如何改进，更新技能文件，下一次执行时继续提升。他说：“对于很多任务我们甚至可以说已经实现了某种意义上的AGI。”不过他认为继续争论AGI的定义没有太大意义。
真正决定产业投入的是三件事：分别是AI已经能完成有生产力的工作、AI已经能够生成可以盈利的Token，以及如果有更多算力就可以生成更多可盈利的Token。
英伟达现在正在不断扩大自己在每座AI数据中心中的价值占比，他们披露了一组关键数据：Hopper时代每吉瓦数据中心对应的英伟达收入机会大约180亿美元；到了Grace Blackwell提高到大约250亿美元；Vera Rubin则进一步达到约400亿美元。
与Grace Blackwell Ultra相比，Vera Rubin每兆瓦吞吐量提升了30倍，Token成本降低了大约97.1%。黄仁勋说：“如果能在1吉瓦电力、同一块土地和机房里放进价值1万亿美元的计算设备，那当然是理想结果。”
Vera Rubin本月已经开始量产出货。英伟达称已经获得所有主要超大规模云厂商、AI云平台和OEM的采购订单，预计将成为英伟达历史上爬坡速度最快的一代产品。第三季度Vera Rubin预计将贡献约20%的数据中心收入。
CPU也在成为新的增长来源，过去12个月Grace CPU收入已超过50亿美元。下一代Vera CPU已经全面量产，英伟达预计2028财年CPU收入将增长超过一倍，有望成为全球领先的服务器CPU供应商之一。
黄仁勋还提到一个反馈：部分AI基础设施的投入资本回报周期已经短于1年。如果真的如此，那么英伟达的算力出租能力和盈利能力确实非常强。
但是需求强劲的另一面是成本压力开始直接反映到利润率上。英伟达第二季度毛利率75%，但预计第三季度将降至约74%；第四季度进一步触底至71%到72%，之后随着提价生效，2028财年预计稳定在72%到73%。
首席财务官柯瑞丝（Colette Kress）解释说，存储市场处于极端定价环境，涨价幅度超出预期，而且明年还会继续上涨。她认为存储短缺本身也是AI基础设施建设需求过热的结果。
具体来看，根据行业研究机构Silicon Analysts的统计：HBM3E的交付周期已经拉长至20到26周，单价约300美元；而下一代HBM4的12层36GB的单价大约550美元。
8月下旬，英伟达已经通知主要客户Vera Rubin与Grace Blackwell服务器的价格将上调超过15%。柯瑞丝确认提价将于2028财年第一季度生效，但即便如此毛利率仍要经历两个季度的下探。
这意味着在这一轮存储周期中英伟达的成本传导能力存在一定的疑问。说完财报，我们再来看英伟达收购Hugging Face的消息。
Hugging Face是全球最大的AI模型社区，拥有类似GitHub的开源AI模型代码库。截至到2026年春季，平台托管了超过200万个公开模型和50万个数据集，注册用户超过1300万。财富500强中超过30%开设了认证账号。
不过这家公司一开始压根不是干这个的。2016年克莱芒·德朗格（Clément Delangue）、朱利安·肖蒙（Julien Chaumond）和托马斯·沃尔夫（Thomas Wolf）在纽约创立了Hugging Face，最初想做一款面向年轻人的AI聊天机器人。
后来团队发现比聊天机器人本身更受欢迎的是他们为了开发聊天机器人做的自然语言处理工具，尤其在Transformer模型开始爆发后Hugging Face做出的Transformers库迅速在研究者中流行。
公司逐渐放弃聊天机器人，转向服务机器学习开发者。2020年Hub上线又陆续加入数据集、Spaces、模型部署等能力，让所有人没想到的是它慢慢占住了一个非常特殊的位置。
Hugging Face自己未必要需要训练世界上最强的大模型，却可以让世界上大量模型都经过自己的平台。就像GitHub不负责写出全世界最好的软件但是全世界的软件开发者都离不开它一样。
2023年Hugging Face完成了一轮2.35亿美元融资，估值45亿美元。参与者几乎把AI基础设施产业链上的主要玩家凑齐了包括Salesforce、Google、Amazon、英伟达、AMD、Intel等等。
甚至竞争对手们也愿意同时给它钱，因为大家都希望Hugging Face保持一个相对中立的平台角色。有意思的是Hugging Face此前还拒绝过英伟达一笔潜在规模达到5亿美元的投资，顾虑就是不希望某个过于强势的投资者影响公司独立性。
没想到几个月后事情显然走到了另一个方向。按照最近一个月的收入估计Hugging Face的ARR将会超过1.5亿美元，几个月前这个数字还只有大约1亿美元。好在增速还比较快今年上半年付费订阅用户也翻了一倍。
但是这个收入跟129亿美元的收购相比无疑显得太贵了，那英伟达为什么舍得花这笔钱呢？表面看起来英伟达似乎几乎处于AI产业链最舒服的位置。
不管最后是OpenAI赢、Anthropic赢还是哪个新公司杀出来，只要大家继续训练和运行更大的模型就需要买GPU。但是这个商业模式有一个越来越明显的风险那就是英伟达最大的客户们都在想办法少买一点英伟达。
Google、亚马逊、微软都在开发自己的AI芯片，就连模型公司也开始下场。前两天我们介绍过OpenAI发布了第一颗自行设计、与博通合作开发的推理芯片Jalapeño，目的之一就是降低对英伟达GPU的依赖。
在多个模型测试中这款芯片都超过了英伟达GB200、GB300系统的效率表现。Anthropic也在做类似的事，8月已经确认正在组建自己的定制芯片团队希望把模型和芯片进行联合设计。
显然超级模型公司不仅拥有越来越强的议价能力甚至想要最终自己控制硬件，所以英伟达需要另一股力量来制衡它们。这股力量就是开放模型。今年英伟达明显加大了开放模型投入一直在扩张自己的Nemotron模型家族。
不只发布模型权重还公开训练数据、训练方法等资料，甚至明确将Nemotron定义为真正的开源模型。3月成立了Nemotron联盟Black Forest Labs、Cursor、LangChain、Mistral AI、Perplexity等一批AI公司加入一起开发开放前沿模型。
就在几天前英伟达还刚刚和AI编程公司Poolside达成了一笔非常夸张的交易：用60亿美元购买其AI模型开发技术的非独家授权，同时再投资10亿美元并且向超过100名Poolside员工发出工作邀请。
今年夏天它还收购了Kumo AI并且吸收了Essential AI的团队和技术人才，其中联合创始人阿西什·瓦斯瓦尼（Ashish Vaswani）正是2017年Transformer论文的作者之一。这些交易都指向同一件事：英伟达正在给开放模型生态修路。
这套逻辑非常符合英伟达的商业模式：OpenAI最希望大家都使用OpenAI的模型，Anthropic最希望大家都使用Claude。但是英伟达不需要你使用某一个特定模型理论上模型越多越好，因为模型可以免费开放权重。
但是模型下载后总得训练、微调、部署和推理这些都需要计算，换句话说：模型可以免费算力不会免费。只要开放模型生态继续繁荣哪怕出现一百家不同的模型公司英伟达都有机会给它们卖GPU。
黄仁勋公开表示开放模型是创新和全球参与AI革命的重要动力，英伟达已在Hugging Face上发布了超过650个开放模型、250多个开放数据集。从这个角度说收购Hugging Face几乎是顺理成章的下一步：既然决定要押注开放模型何不直接买下最重要的分发入口？
还有一层容易被忽略的意义是云。几年前英伟达曾经非常认真地想过自己做云，推出过DGX Cloud模式想让AWS、Google Cloud等云厂商先购买英伟达GPU。
英伟达再向这些云厂商租下搭载自己GPU的服务器最后把这些服务器重新出租给企业客户，相当于把自己卖出去的GPU又租回来。英伟达曾经为此承诺投入约130亿美元租赁云服务器并且一度认为DGX Cloud最终可能会发展成年收入1500亿美元级别的业务。
但是AWS、Google、微软既是英伟达最大的GPU客户又发现英伟达要直接抢自己的云客户，渠道冲突不可避免。去年开始英伟达逐渐淡化DGX Cloud面向外部企业的业务。
在这种情况下Hugging Face无疑提供了另一条路：它天然处在模型和算力之间，用户先来Hugging Face找模型再决定在哪里运行模型。平台可以提供模型优化、推理服务、存储和计算并且把底层不同基础设施屏蔽掉。
所以收购Hugging Face也可以理解成英伟达换了一种更自然的方式重新靠近云业务。它不一定非得亲自变成第二个AWS，而是可以先控制开发者进入算力世界的入口。
我们可以拿微软收购GitHub来做个参照：当年GitHub有2800万开发者是全球最大的代码托管平台从来没有盈利过年收入大约3亿美元。当时微软出价75亿美元市场都觉得疯了，但是后来证明它买到了整个软件开发生态的唯一入口。
Copilot因此获得了惊人的分发渠道，如今Hugging Face走的其实是同一条路只不过标的物从代码换成了模型。129亿美元对应约80倍年化收入溢价倍数远高于当年的GitHub，但是英伟达算的账是：开发者在哪里找模型生态护城河就在哪里。
英伟达现在的股权投资规模已经达到大约990亿美元还有约250亿美元未来股权投资承诺，钱流向了AI产业链的几乎每一个角落。上面是OpenAI、Perplexity这样的应用和模型公司，中间是CoreWeave等云和算力公司。
再往下是土地、电力、数据中心基础设施，以前大家说英伟达是AI淘金热里卖铲子的人。现在黄仁勋做的事情越来越像是在卖铲子之外把矿场、电网、运输路线甚至一部分淘金公司都投了一遍。
在财报电话会上黄仁勋毫不讳言英伟达对AI产业供应链的统治力，他说：“去年最有意思的一件事就是看我去哪儿吃饭、和谁吃饭。第二天那家公司的股价就翻倍。”
这句话背后体现的是英伟达在AI产业链中的深入程度。当然，在买买买的背后，英伟达也不是没有压力。英伟达虽然营收稳健，但是租赁担保、残值保证以及持有客户股权等财务过度扩张正在引发华尔街的担忧。市场对英伟达的定价逻辑也发生了转向，对营收和每股收益是否超预期越来越难提起兴趣。
华尔街更是直接指出了三大隐患：第一是收入质量与终端需求真实性的疑云。英伟达对前沿AI实验室投资已经接近500亿美元，同时与六家机构合作搭建融资平台，计划撬动超过5000亿美元第三方资本。表面看英伟达好像没有降低芯片价格，保住了漂亮的毛利率；但是实际上已经把降价成本隐藏在了复杂的资本融资结构与潜在负债风险中。
第二是表外的隐形担保。英伟达确认为OpenAI位于俄亥俄州的数据中心提供最高1050亿美元信用支持，连同为AI云伙伴提供的35亿美元担保，最大总敞口达到1085亿美元。在被投资者质疑后，英伟达把这项兜底承诺从此前传闻的2500亿美元压缩到了1200亿美元以下，并且将担保限定在项目一期介入基础设施的信用担保。
这相当于将现金流与低收益、高风险的物理基建绑定，削弱了其作为科技龙头的估值根基。第三是技术并购上的激进态势。英伟达以60亿美元对Poolside的收购已经是九个月内的第三笔同类交易。天价购买技术许可与团队意味着极高的摊销成本，在AI模型技术路径迭代极快的背景下能否转化为等比例的商业化收入存在巨大不确定性。
虽然柯瑞丝在电话会上对这些质疑进行了回应，但是不可否认的是英伟达正在从单纯的芯片卖方变成整条AI产业链的底层金融兜底方。它不只在卖铲子，还在给淘金者提供杠杆、为基建做担保、高价接盘团队。当角色发生这种变化，它的股价就必须开始包含对整个AI产业杠杆水平的风险贴现。
回到Hugging Face这笔交易，它也留下一个非常现实的问题：Hugging Face还能不能继续保持中立？过去它最特殊的一点就是不属于任何一家主要的云厂商、模型公司或芯片公司。而英伟达一旦成为Hugging Face的主人，情况估计就会发生变化。
开放模型生态一直在反对被少数几家公司控制，但是最重要的平台之一现在却要被全球最大的AI芯片公司买走了。总的来看，英伟达正在做的事情已经远超一家芯片公司的范畴了。显然它不只想做AI背后的计算底座，还想控制开发者找模型的路、模型部署的路、算力使用的路。
这到底是生态护城河的构建还是杠杆风险的累积，可能取决于一个最基本的前提：那就是AI的算力需求到底能不能持续保持这样的增长速度。那大家觉得黄仁勋是在下一盘很大的棋，还是在赌一个还没完全验证的未来呢？欢迎在评论区留言，感谢收看我们下期再见。