重点摘要
- 本季总营收 680 亿美元、年增 73%、季增 20%，GAAP/Non-GAAP 毛利率分别为 75%/75.2%，自由现金流 350 亿美元、FY 2026 自由现金流 970 亿美元且以库藏股与股利返还 410 亿美元。
- 本季资料中心营收达 620 亿美元、年增 75%、季增 22%，全年资料中心营收达 1,940 亿美元、年增 68%，自 FY2023 以来规模已扩大近 13 倍，单季新增约 110 亿资料中心营收系由云端供应商、Hyperscaler、企业、汽车与主权国家等多元客群带动。
- 管理层强调 Blackwell 与 Blackwell Ultra 持续放量、甚至 Hopper 与多数 6 年前 Ampere 产品在云端仍供不应求，推论需求、AI 对既有 Hyperscale 工作负载增加、Blackwell 及 Blackwell Ultra 将共同推动 2026 年呈现逐季成长。
- 有鉴于全球资料中心普遍受限于电力，客户以每瓦效能作为关键决策依据，管理层表示 Blackwell/ NVLink 72 等在短期内可透过软体持续提升效能，强化每瓦推论效能与每瓦 token 成本，驱动客户营收与 ROI。
- 网路业务第四季营收 110 亿美元、年增逾 3.5 倍且 scale-up/scale-out 产品皆呈双位数季增，管理层说明 NVLink、Spectrum-X Ethernet 与 InfiniBand 的导入推升「AI 工厂」机柜级系统所需交换器与互连需求，并揭露全年网路营收逾 310 亿美元、相较 FY 2021（收购 Mellanox 当年）成长逾 10 倍。
- 前五大云端与 hyperscalers（合计贡献资料中心营收略高于 50%）的 2026 年 CapEx 市场预期自年初以来上修近 1,200 亿美元并接近 7,000 亿美元，并强调 agentic AI 带动的 token 需求将支撑算力扩张。
- FY 2026 主权 AI 业务年增逾 3 倍并超过 300 亿美元，主要来自加拿大、法国、荷兰、新加坡与英国等地，并预期长期成长至少与 AI 基础建设市场同步且与各国 GDP 规模相对应。
- 供应与地缘风险方面，管理层表示已透过库存与供应承诺因应未来需求且出货能见度延伸至 CY 2027，同时指出虽有少量 H200 对中国客户获美国政府核准但尚未认列任何营收且不确定后续是否允许进口，并在第一季展望中排除中国的资料中心算力营收。
- Rubin 平台（含 Vera CPU、Rubin GPU、NVLink 6、BlueField、Spectrum 6 等）可在训练端以约四分之一 GPU 规模训练更多模型、并将推论 token 成本相较 Blackwell 降低最高达 10 倍，且已于本周向客户出货首批 Vera Rubin 样品并维持 2026 年下半年量产出货时程，同时预期几乎所有云端与模型建置客户都将导入 Vera Rubin。
- 本次法说会没有针对 Groq 相关内容特别着墨，下个月的 GTC 大会将分享更多关于 Groq 技术整合与 Vera CPU 独立架构的细节 。
- FY 2027 第一季营收指引约 780 亿美元、Non-GAAP 毛利率约 75%、Non-GAAP 营业费用约 75 亿美元并纳入 19 亿美元股权薪酬费用，公司也重申将透过每年交付大幅超越摩尔定律的效能飞跃（每瓦效能提升）来维持定价能力与毛利 。
FY 4Q26 财务概况
简明损益表
| 单位：百万美元 | Q4 FY26 | Q3 FY26 | Q4 FY25 | QoQ | YoY |
|---|---|---|---|---|---|
| 营业收入 | 68,127 | 57,006 | 39,331 | 20% | 73% |
| 毛利率 | 75.2% | 73.6% | 73.5% | 1.6 pts | 1.7 pts |
| 营业费用 | 5,102 | 4,215 | 3,378 | 21% | 51% |
| 营业利益 | 46,107 | 37,752 | 25,516 | 22% | 81% |
| 税后净利 | 39,552 | 31,767 | 22,066 | 25% | 79% |
| EPS(元) | 1.62 | 1.30 | 0.89 | 25% | 82% |
营运部门财务绩效
| 单位：百万美元 | FY 26Q4 | FY 26Q3 | FY 25Q4 | QoQ | YoY |
|---|---|---|---|---|---|
| Graphics | 6,476 | 6,098 | 3,295 | 6.2% | 96.5% |
| Compute & Networking | 61,651 | 50,908 | 36,036 | 21.1% | 71.1% |
| 总计 | 68,127 | 57,006 | 39,331 | 19.5% | 73.2% |
FY 1Q27 财测指引
| 单位：十亿美元 | FY 1Q27 (G) | FY 4Q26 (A) |
|---|---|---|
| 营业收入 | 78 ± 2%* | 68 |
| 毛利率 (Non-GAAP ) | 75.0% ±50 bps | 75.2% |
| 营业费用 (Non-GAAP ) | 7.5 | 5.1 |
核心观点
AI 的资本支出是否继续上调以带动 NVDA 成长
当日前各家 AI 云端巨头都已将资本支出调升到超乎市场预期的高度，甚至牺牲自由现金流以换取算力取得，市场开始担心 hyperscaler 可负担的资本支出是否已到了极限、需求成长是否即将停滞。面对此质疑，CEO Jenson Huang 则表示，虽然目前 hyperscalers 所带来的收入占营收约 50%，但主权 AI 业务年增长超过三倍，规模已达 300 亿美元，并且前五大云端与 hyperscalers 的 2026 年 CapEx 市场预期自年初以来上修近 1,200 亿美元并接近 7,000 亿美元。Jensen Huang 更强调，只要客户产生的 Token 能带来利润，对算力的投资就不会停止，亦即，hyperscaler 以外的客户将会带来更高的投资及需求。聚焦在产品面，Blackwell 需求持续增强，目前已部署近 9GW 的 Blackwell 基础设施，在本季度，Grace Blackwell 系统已占数据中心营收的约 2/3。另外，预计未来所有云端模型建构者都会采用 Vera Rubin，本周已向客户交付首批 Vera Rubin 样品，预计下半年开始量产出货。
H200 对中出口仍具不确定性
本次法说会，投资人期盼获得对中出口的正面消息，但本次管理层针对此部分的回应，显示 NVDA 对中的业务仍未明朗，NVDA 说明美国政府虽已批准少量 H200 产品可供中国客户使用，但截至目前仍尚未产生相关营收，且公司坦言并不知道未来是否会允许更多产品进入中国，可推得 H200 的出口并不具可持续性，公司更决定将近期财务指引排除对中国的出口金额。此外，中国竞争者在近期 IPO 等资本助力下正在取得快速进展，未来有可能对产业造成中期影响，可能加速区域供应链与替代方案的成熟，进而影响 NVDA 对中的市占率。虽在中国以外的市场前景乐观，但在估值与风险管理上，中国出口仍将是投资人评估成长品质与不确定性折价的重要因子，FY26 NVDA 对中总营收占 9%，已较 FY25 的 19% 下降一半，因此预计在政策不确定性下，对中营收占比可能继续下降，这将是一个同时影响短期财务表现、也可能改变中期产业结构的变数。
CUDA 护城河面临质疑
管理层强调 CUDA 真正的护城河并非只有单纯强大的软体功能，而是其软硬体共同设计带来的系统级经济性，CUDA 是支撑所有 NVIDIA GPU 的基础开发平台，并在其上堆叠了数百种面向不同产业与工作负载的软体函式库、框架、演算法、SDK 与 API，对使用者来说，重建整套工作流程将产生庞大的迁移成本，即使外部在商业模式或技术路线上出现替代选项，开发者与企业客户仍往往基于效率、稳定性、可维运性与总持有成本，选择在 CUDA 平台上取得更可预期的效能表现。
更进一步，现实的电力资源也是一项重要的考量，即便拥有强大的软体，用电效率才是目前算力遇到的瓶颈，CUDA 拥有优异的运作效能，在现实层面上更具资源效率，因此在电力资源约束下，CUDA 能为客户带来更好的经济效益。本次法说会 NVIDIA 也宣布对 Anthropic 投资 100 亿美元、与 OpenAI 的合作协议也接近达成 ，CEO Jenson Huang 更指出 OpenAI 的 GPT 5.3 与 Anthropic 本身的 Claude Code 都是在 Grace Blackwell 系统上训练与推论的，因此 CUDA 平台在短期应还是具较大的优势。
Q&A
Q1: 客户的 CapEx 未来是否能持续成长以支撑辉达的营运表现？如果客户 CapEx 未如预期成长，辉达是否有其他应对与成长的方法？
在生成式人工智慧与代理系统广泛应用的趋势下，运算能力就等同于营收 。现今软体运作模式已转变为依赖人工智慧产生 tokens，这需要大量的运算资源 。只要运算能力能持续带来 tokens 产出与实质利润，客户自然会有充足的现金流并持续投入 CapEx。
Q2: 辉达对于近期投资多家合作伙伴与新创公司的策略考量为何，以及如何运用资产负债表来扩张生态系并参与产业成长？
辉达的核心优势在于其庞大的生态系，因此投资策略主要聚焦于深化并扩展该生态系的影响力 。公司期望将各个领域如 LLM、Physical AI、生物学与机器人技术等，全面建立在辉达的基础架构上 。透过投资生态系内的各层面，辉达能确保基础设施被广泛采用并持续推动技术创新 。
Q3: 随着网路产品占资料中心营收比重持续提升，目前网路产品线尤其是乙太网路交换器设备的年化营收表现与未来趋势为何？
公司将网路视为运算基础设施的延伸，并透过专利技术大幅推升了网路业务的成长 。辉达目前已成为全球最大的网路公司，其乙太网路产品结合了人工智慧处理能力，能显著提升资料中心的网路吞吐量与使用效率 。这种效能提升能为资料中心省下庞大成本并带来实质收益，进而带动网路业务的快速成长 。
Q4: 面对未来的工作负载差异，辉达的硬体架构蓝图是否会朝向针对特定客户或工作负载推出客制化晶片？或是采用小晶片封装架构？
辉达倾向尽量避免使用 Die-to-Die Interfaces (晶粒对接介面)，因为跨越介面会无可避免地增加延迟与功耗 。目前的架构大多采用将巨型晶粒直接对接的方式来维持最佳效能 。公司强调维持世代架构相容性的重要，这能让软体投资与优化成果广泛回馈到所有既有产品上，未来也会以类似整合外部技术的方式来扩展既有架构优势 。
Q5: 随着新一代架构将于下半年进入市场，资料中心今年各季的季增长趋势将如何发展？另外在记忆体供应受限的情况下，游戏业务今年是否仍有机会呈现年成长？
公司预期今年将会同时销售现有产品与新一代架构产品，新产品预计于下半年开始放量，且客户端展现了极高的采用意愿 。至于游戏业务方面，未来几个季度的供应状况确实会非常吃紧 。如果年底前供应链状况有所改善，游戏业务才有机会实现年成长，但目前评估仍言之过早 。
Q6: 随着越来越多资金投入推论工作负载，CUDA 在此趋势中扮演着多重要的角色？
CUDA 对于推论工作至关重要，优化系统需要依赖该架构上的全新平行处理演算法来分配工作负载 。透过硬体与架构的结合，公司能提供具有跨世代倍数成长的每瓦效能表现 。由于资料中心受限于电力供应，因此每瓦效能越高的架构能产出越多 tokens，直接决定了客户端能获取的营收多寡 。
Q7: 公司如何确保长期毛利率能维持在目前的优异水准，未来是否会推出改善记忆体消耗的创新技术来支撑利润率？
维持毛利率的最重要关键在于持续为客户提供跨世代的效能飞跃 ，只要公司能提供远超摩尔定律的每瓦效能与性价比，毛利率就能够稳定维持 。为了因应呈现指数级成长的运算需求，公司承诺每年都会推出全新的基础架构与多款晶片，透过极致的协同设计来确保客户能持续获得最高价值 。
Q8: 部分客户正在评估将资料中心建置于太空的构想，公司认为此方案的具体可行性、时间表以及未来的经济效益为何？
虽然目前的经济效益不佳，但未来会逐渐改善 。太空环境拥有丰富的太阳能与低温优势，但缺乏空气流动导致散热必须仰赖大型辐射器，且无法使用液体冷却 。太空运算最理想的应用场景是高解析度影像处理，直接在太空中运用人工智慧过滤并处理影像，远比将海量原始数据传回地球有效率得多 。
Q9: 目前非 Hyperscalers 的客户群是否呈现更快的成长速度，这些客户的应用情境有何不同，未来是否会占据更大的营收比重？
除了 Hyperscalers 外，包含模型开发商、企业、超级电脑与主权国家等多元客户群确实正在快速成长 。辉达的平台优势在于能广泛支援各行各业，从电信网路、机器人到自动驾驶皆有布局 。这种跨领域的支援能力与丰富的开源模型生态系，使得辉达的运算架构具备极高的通用性，进而吸引了全球各地不同领域的客户采用 。
Q10: 公司近期积极推动独立 CPU 产品的发展，这项策略主要是为了因应推论工作负载的异质性需求吗？
公司的 CPU 在架构设计上与传统产品不同，特别专注于极高的资料处理能力与单执行绪效能 。在人工智慧的完整工作流程中，训练前的资料处理与训练后的人工智慧代理工具应用，都需要仰赖极佳的单执行绪运算表现 。因此这款独立 CPU 主要是为了加速整个流程中高度依赖 CPU 的环节而设计 。
Q11: 考量到公司今年将产生庞大的自由现金流且近期股价未有显著突破，为何不考虑将资金大量投入股票回购，而是优先扩大采购承诺？
公司在资本配置上必须经过审慎评估，目前首要之务是全力支援庞大的供应链生态系，确保产能足以应付未来的庞大需求 。虽然策略性投资与产能确保是现阶段的重点，但公司依然会持续执行股票回购与发放股利，并在年度内寻求最合适的时机点来回馈股东 。
Q12: 先前预估资料中心资本支出将在未来几年达到数兆美元规模，主要将由哪些应用领域来驱动这波爆发性成长？
未来的软体运作将从预先录制转变为即时生成，这种基于 tokens 生成的运算模式需要比传统运算高出千倍的资源 。所有的企业都需要建立人工智慧工厂来生成代币以驱动软体与应用，这将带动整体 CapEx 的规模远超目前水准 。目前的成长主要由能解决实际问题并快速带来营收的人工智慧代理系统所驱动，下一个成长爆发点则会落在制造业与机器人等 Physical AI 应用上 。
