关于英伟达 Q2的财报，已经有很多公众号做了分享。对于这么重要的事情，我们这篇文章也再来讨论一下。这次财报最令市场惊讶的，是英伟达给出了70%的 FY28收入增长指引，这说明了基础设施需求是没有问题的。
以下分享一下电话会 Q&A 的内容，按主题整理如下。
一、为什么敢提前一年给出70%的指引
第一个问题来自摩根士丹利的 Joseph Moore，他问出了市场最关心的事：英伟达此前从不对一整年做指引，这次为什么敢给出 FY28增长70%的目标？需求增速与70%之间的缺口究竟在哪里，这个缺口未来能否弥合？
黄仁勋的回答大致可以拆成三层。
一是需求端是真实且巨大的。他认为 AI 已经“变得有用”，而被广泛采用的 AI Agent 消耗的算力远超想象：大模型变得更大更聪明，Agent 还要经历推理、规划与多轮工具调用。视任务类型不同，一个 Agent 所需的算力，大约是直接使用 AI 的个人的15到100倍。
二是市场只看到了一半的图景。黄仁勋特别指出，外界往往只盯着超大规模云厂商（hyperscaler），但那是“一半的图景”。另一半是 ACI（即 ACIE）——主权 AI、区域 Neocloud、AI 初创企业和企业客户。这部分约占英伟达业务的一半，正以每年100%的速度增长，长期看体量甚至可能超过云厂商。它们不买零散的芯片，而是需要一整套“AI 工厂”平台，这正是英伟达的差异化所在。
三是真正的约束在供给端。如今建设 AI 基础设施已不再是单纯采购设备，还要提前两三年锁定土地、电力和建筑，并协调整条供应链、冷却系统和劳动力。黄仁勋表示，英伟达比以往更早地介入产业链上下游——向上游延伸到存储与电力设备，向下游延伸到土地、电力与数据中心外壳，因此拥有了更高的可见度。他直言：“我们的需求远高于70%，但供给能让我们有信心交付70%。”
Bernstein 的 Stacy Rasgon 随后追问：如果不设上限，增长能做到多少？黄仁勋的回答很直接——“不受约束的数字会高得多”，今年英伟达的收入已经是同比翻倍。他估算，相比此前三年合计约1万亿美元的预期，这次指引相当于又上调了约2000亿美元。他再次强调，hyperscaler 只是图景的一半，而企业、Neocloud、主权 AI 这些对市场来说近乎“隐形”的另一半，同样增长强劲。
关于约束的排序，高盛的 Jim Schneider 专门问到电力与机房、DRAM、晶圆产能哪个环节最紧张。黄仁勋没有点名某一个环节，而是表示“整个供应链都承压，大家都在满负荷运转”，新产能会陆续上线、良率也在持续改善。他重申：“目前我们的供给足以支撑70%的增长，甚至略高于70%，但需求远不止于此。”至于为何提前一年给出指引，他的解释是：客户、股东和供应链都在投入大量资源，英伟达希望让各方看到“同一份乐谱”，保持信息一致。
二、单 GW 收入持续上移：能跑完整个 AI 生命周期的算力
Cantor Fitzgerald 的 C.J. Muse 的问题聚焦于推理市场。他问，随着 Agentic AI 的演化，英伟达的推理市场份额会如何变化，每一代全栈平台的单 GW 价值如何提升，以及如何看待 Groq 3 LPX。
黄仁勋把 AI 的算力需求拆成四个阶段：数据准备（合成数据、真实数据、人工标注）、预训练、后训练，以及极其复杂的 Agentic 推理。他认为英伟达的核心优势在于，从 NVLink72机架级架构（现已发展到第三代）开始，公司就把这四个阶段“打通”成一套可复用的通用系统——无论什么模型、什么阶段都能跑。这意味着客户在英伟达平台上的投资生命周期更长、更保值。
由此带来的直接结果，是单 GW 收入机会的持续上移：Hopper 时代约180亿美元/GW，Grace Blackwell 约250亿美元/GW，到 Vera Rubin 时代约400亿美元/GW——因为每一代平台除了 GPU，还叠加了 CPU、多种网络乃至 Groq LPU。黄仁勋表示，正是这种“越新一代、单 GW 价值越高”的节奏，让客户愿意尽快切换到下一代。
Wells Fargo 的 Aaron Rakers 顺着这个思路追问：这个数字在 Vera Rubin 之后还会继续上移吗（400亿→600亿→800亿美元/GW）？黄仁勋的回答是方向如此——公司的目标就是“在每 GW 的土地上放进尽可能多的算力”，理想状态是无限大。他给出的历史参照是：通用计算时代每 GW 约30亿到50亿美元，Hopper 到180亿，Grace Blackwell 到250亿，Vera Rubin 到400亿，之后还会更高。只要每一代的生产力、耐用性和可迁移性在提升，客户就愿意为这些能产生收入、能快速回收的资产买单。他甚至提到，有消息称当前数据中心（即便是高达500亿美元投入的项目）的投资回报周期已缩短到一年以内——这本身就说明了问题。
关于 Groq，黄仁勋表示对 Groq 3很兴奋，它实现了创纪录的 token 交互速度和极低延迟。在他看来，Groq LPU 适合那些追求超高交互、超高吞吐、高 ASP 的服务场景，可以作为“外挂”加速器使用；但全球绝大多数数据中心仍会运行 Vera Rubin + NVLink72。
三、开源模型崛起：对英伟达是利好还是威胁？
UBS 的 Timothy Arcuri 代表了一部分投资者的疑虑：开源模型正在崛起，很多人把开源模型的壮大等同于对前沿模型公司（进而对英伟达增长）的利空。他问黄仁勋如何看待。
黄仁勋的立场很明确：世界需要闭源模型，也需要开源模型，而且两者都在爆发式增长。关键在于，几乎所有的开源模型都跑在英伟达平台上——英伟达的全球装机量最大、架构最具通用性，覆盖 PC、边缘设备（如 DGX Spark）、机器人、工作站和企业本地数据中心。闭源模型同样如此：前沿实验室的收入在飙升、利润率很好、正在产生“盈利的 token”，它们只受限于算力。
更重要的是，开源模型达到前沿水平，让全球 AI 初创企业和企业客户得以构建自己的、领域专属的专有模型——这是企业级 AI 需求的重要来源。黄仁勋举了网络安全领域的例子：那些依赖前沿模型、需要大规模分布式、持续运行的自主防御系统公司，没有开源模型是做不起来的。他的结论是：英伟达很可能是唯一一个能运行所有前沿模型（无论开源还是闭源）的平台，“任何模型成功我们都欢迎，只要模型在成功”。在他看来，开源与闭源会同时推动英伟达的销售。
四、重金投入前沿实验室：生态卡位与“循环融资”之辩
美国银行的 Vivek Arya 的提问分为两部分。一是关于生态投入：把 CFO commentary 里的各项承诺加总，大约是未来数年5000亿美元的量级，这个体量是否准确，是否还有更多股权或投资在路上？二是一个略显尖锐的问题：英伟达重金投入 OpenAI、Anthropic 等前沿实验室，而这两家都在自研芯片（OpenAI 最近还发布了号称超越 Blackwell 的 Alpine），英伟达如何平衡“投资生态”与“生态内出现竞争者”的关系？
黄仁勋的回应，核心是“我们做的是完全不同的东西”。许多 XPU 是面向单一云或单一服务的推理专用芯片，而英伟达是覆盖整个 AI 生命周期的全栈平台，跑在每一朵云上、可以部署在任何地方。AI 服务未来要走向全球，那些数据中心不可能都由它们自己建造，最终很大一部分会运行在英伟达平台上。他对自家技术的竞争力有“100%的信心”，相信这些实验室会长期成为英伟达的客户与伙伴。
至于投资本身，黄仁勋的措辞很重：“投资这些公司是千载难逢的机会，我唯一的遗憾是没有更早、更多地投资。”他提到，两家公司很可能很快上市，还会有更多跟进，它们将成长为历史上最具分量的科技公司之一。Colette Kress 则补充了承诺的构成：其中占比最大的是供给承诺（supply commitments），集中在前三年，用来支撑 Vera Rubin 的产能爬坡——这也是公司对后续收入增长有信心的基础。
五、Agent 与 AGI：需求还会继续上移
Melius Research 的 Ben Reitzes 的提问涉及一个更长期的问题：Anthropic 和 OpenAI 的递归自我改进（RSI）进展顺利，OpenAI 甚至说今年年内可能达到 AGI。如果真的出现 RSI 和 AGI，行业需求会如何变化？这对英伟达意味着什么？
黄仁勋的判断是：需求只会进一步上移。他给出一个观察：过去大部分 AI 由人发起提示，而就在上个月，多数 AI 已经转为 Agent 形态。未来每家公司都会运行大量持续工作的 Agent——他举例，英伟达现有约4万名员工，未来可能会有40万个、400万个 Agent 在后台24小时运转。这些 Agent 还会自我改进：每次运行后，它会复盘如何做得更好并更新自己的“技能文件”，下一次就更好——这是一种粗粒度的自我提升。
在他看来，围绕 AGI 的里程碑讨论已经意义不大，“在很多任务上，可以说我们已经实现了 AGI”。真正重要的是三件事：第一，AI 正在做生产性的、有用的事情；第二，AI 正在产生盈利的 token；第三，只要有更多算力，就能产生更多盈利的 token，为所有 AI 服务创造更多利润。“这正是所有人都在加码的原因。”