全球AI產業鏈的“總龍頭”輝達上一財季營收加速增長、繼續創季度新高，本財季預計將史上首次單季收入突破千億美元大關，雖然本季毛利率指引略為遜色，但下一財年的營收增長指引碾壓預期，暫時扭轉了市場情緒。 美東時間26日周三盤後，輝達公佈，截至2026年7月26日的公司2027財年第二財季（“二季度”），營收同比增長106%至962.21億美元，較分析師預期高逾4%，非GAAP口徑下調整後每股收益（EPS）同比增長120%至2.22美元，較分析師預期高將近6%。 AI資料中心仍是絕對主引擎。二季度資料中心收入同比增長117%至890億美元，較分析師預期高將近4%，佔公司總營收超過九成。相比第一財季的同比增速，輝達的總營收和資料中心收入均加速增長，且二季度實際營收較公司此前給出的指引中值高出逾50億美元。 展望第三財季（“三季度”），輝達預計營收中值為1080億美元，同比增長將近90%，高於分析師預期的1051.5億美元。這意味著輝達大機率將正式進入單季千億美元營收時代。公司同時預計三季度非GAAP口徑毛利率中值為74.0%，低於分析師預期的75%，非GAAP營運費用增至約90億美元。

一、“已在生產、按期交付”：這次 NVIDIA 在強調什麼黃仁勳在拉斯維加斯 CES 的台上，把一句話說得很直白：Rubin 平台“在生產中”，而且客戶很快就能開始試用，並把時間窗錨定到 2026 年下半年。這種表述的價值，不在於多了一個新名字，而在於它等於在公開場合給路線圖打了一個“里程碑戳”。原因也不難理解。上一代 Blackwell 曾出現過工程與量產節奏上的波折，市場對“下一代是否會再被拖慢”天然敏感。Wired 提到，“full production”這類表述本身並沒有統一、嚴格的行業定義，但分析師往往會把它當成對投資者的訊號：項目在關鍵節點上沒有掉鏈子。與此同時，外部需求確實在推著 NVIDIA 必須更早、更明確地給出交付預期。Bloomberg 的報導強調了“客戶將很快能夠試用”的說法，背後反映的是雲廠商、AI 資料中心營運商對下一代平台匯入節奏的迫切。二、Rubin 不是一顆晶片：NVIDIA 把“六件套”當作產品在 NVIDIA 的敘事裡，Rubin 不再是“某一顆 GPU”，而是一個極端協同設計的六晶片平台。官方新聞稿與 NVIDIA 博文把這套組合列得很清楚：Vera CPU、Rubin GPU、NVLink 6 Switch、ConnectX-9 SuperNIC、BlueField-4 DPU、Spectrum-6 Ethernet Switch。這一套“六件套”的指向，是把資料中心裡原本分散的計算、互連、網路、安全與加速部件，做成可重複交付、可規模化部署的系統工程。你買到的不是“更快的卡”，而是更接近“可直接拼裝成 AI 工廠”的平台底座。Wired 也把這種轉變描述為：NVIDIA 正在把自己從晶片供應商進一步推向“AI 系統提供商”。對讀者來說，理解這裡的關鍵，是不要被命名繞暈：Vera 是 CPU，Rubin 是 GPU，它們與 NVLink、網路卡、DPU、交換晶片一起，被 NVIDIA 當成一個“從機櫃到機房”的系統方案賣給合作夥伴，再由合作夥伴賣給終端客戶。三、性能與成本口徑：那些是官方宣稱，那些需要謹慎理解CES 的舞台天然需要“高能句”。The Verge 總結了 NVIDIA 在演講中最吸睛的幾組口徑：Rubin GPU 的訓練性能相對 Blackwell 可達 5 倍；在某些 “mixture of experts（MoE）” 模型上，整套 Vera Rubin 架構能用約四分之一的 GPU完成訓練，同時把 token 成本降到約七分之一。Wired 則提到 NVIDIA 的另一種表達方式：AI 運行成本可降到 Blackwell 的十分之一量級，並同樣強調“用更少的晶片訓練更大的模型”。這些話可以引用，但不能照單全收。原因不是懷疑其真假，而是它們幾乎都隱含了前提：比較基線是什麼（Blackwell 的那種配置：單卡、HGX、還是 NVL 機櫃級系統）；工作負載是什麼（訓練、推理、還是特定 MoE 架構/特定精度）；系統瓶頸在那裡（算力、視訊記憶體頻寬、互連、網路、儲存、軟體棧成熟度）。換句話說，這些“倍數級提升”是 NVIDIA 在“整機視角”下給出的系統宣稱，而不是一顆晶片的裸性能。NVIDIA 自己在新聞稿裡也把重點放在“極端協同設計”“降低訓練時間與 token 成本”這種系統指標上。更值得寫清楚的一點是：這些指標的意義，正從“更快”轉向“更便宜”。當大模型應用開始從訓練走向海量推理、從實驗走向規模化部署，客戶最關心的不再只是峰值吞吐，而是每個 token 的成本、每瓦性能、以及在真實資料中心裡“擴起來是否順”。這也是為什麼 NVIDIA 在 CES 上把“成本口徑”放到了和“性能口徑”同等的位置。四、從機櫃到“AI工廠”：NVL72 這類系統化交付意味著什麼如果說“六件套”是概念，那麼 Vera Rubin NVL72 就是把概念變成交付形態的樣板。NVIDIA 的產品頁把 NVL72 定義為機櫃級 AI 超級電腦：72 塊 Rubin GPU + 36 顆 Vera CPU，並配套 ConnectX-9、BlueField-4、NVLink 6，以及面向外部擴展的 InfiniBand 與乙太網路方案。機櫃級方案最大的好處，是把資料中心的複雜度從“現場工程”變成“工廠化裝配”。Barron’s 提到，Rubin 的伺服器系統會更模組化、減少線纜，目標是讓裝配與維護更快。這類變化看似“工程細節”，但對大規模部署來說極其關鍵：裝得更快，意味著新機房上線周期更短；維護更像換模組，意味著停機時間更可控；系統化交付越成熟，越容易複製到更多機房與更多地區。更“硬核”的細節也在浮出水面。CRN 報導中引用了 NVIDIA 對 NVL72 的參數描述：整櫃 HBM4 容量可達 20.7TB，並給出了 LPDDR5x 容量、HBM4 頻寬與互連頻寬等指標，用來強化“系統頻寬”是這一代的核心敘事。Tom’s Hardware 則進一步提到 Rubin GPU 的封裝與 HBM4 配置（如每個封裝的 HBM4 容量與頻寬口徑），同樣指向“為了喂飽算力，視訊記憶體與頻寬在同步升級”。當 NVL72 變成主打形態，NVIDIA 其實在把競爭拉到更高維度：不是你能不能做出一顆晶片，而是你能不能把晶片、互連、網路、安全、軟體一起打包成“可落地、可維運、可擴張”的資料中心機器。五、競爭線：自研晶片、供應鏈與“按期交付”的資本市場含義NVIDIA 當然不是唯一想吃下 AI 資料中心的人。雲廠商在推進自研晶片，晶片創業公司與傳統半導體公司也在尋找突破口。Wired 在報導裡提到，在這種競爭壓力下，NVIDIA 更需要向外界證明兩件事：一是路線圖清晰，二是交付節奏可靠。因此，“已在生產、下半年交付”不僅是工程進度的匯報，也是資本市場溝通的一部分——它把不確定性從“會不會來”收斂到“什麼時候規模化、以什麼形態規模化”。Bloomberg Law 的轉述提到，黃仁勳表示六顆晶片已從製造夥伴處返回，並通過了一些里程碑測試，暗示項目正沿著預定軌道推進。但真正決定 Rubin 能不能延續 NVIDIA 的優勢，仍然取決於更具體、也更難在發佈會上講清的變數：供應鏈與產能爬坡：先進製程、先進封裝與高頻寬記憶體的任何一個環節都可能成為節奏瓶頸；軟體棧與生態遷移：平台化交付意味著客戶不僅換硬體，還要評估相容性與維運體系；Wired 提到 NVIDIA 與 Red Hat 等合作，也可被視為在補齊“平台落地”的軟體側能力。客戶匯入速度：報導提及微軟與 CoreWeave 等潛在早期採用者與資料中心計畫，這類客戶的匯入節奏往往會成為“新平台能否滾起來”的風向標。 (視界的剖析)