日赚6.5亿美元还不够，英伟达下一个引爆点在哪儿？

文 | 极智GeeTech 当“超预期”已经习以为常，市场亟需下一个情绪引爆点。 近日，英伟达发布2027财年第一季度财报。在AI基础设施和Blackwell系统需求持续强劲的推动下，英伟达再次交出一份“超预期”答卷。 营收816亿美元，同比增长85%，GAAP净利润583亿美元，同比增长211%，毛利率74.9%，继续稳定在74%到75%之间。折算下来，英伟达日均净赚约6.5亿美元，相当于每小时进账2700万美元。 黄仁勋在财报电话会上说，“AI工厂的建设正在以惊人的速度加速，这是人类历史上最大规模的基础设施扩张。” 但市场反应显示，对全球AI龙头而言，强劲增长已不再自动等于股价上涨。有观点认为，虽然此次业绩本身较为强劲，但由于市场此前对英伟达的预期已被推至极高水平，投资者更关注的是其增长幅度是否足够“超预期”，以支撑当前的高估值和前期巨大涨幅。 市场也开始追问：英伟达的增长天花板到底在哪儿？这个已经占据AI算力90%以上市场份额的巨头，还能找到新的增量空间吗？ 华尔街寻找新叙事：CPU、推理、智能体 过往两年，资本市场的AI核心叙事，始终围绕大模型训练、高端GPU算力军备竞赛展开。 市场形成了根深蒂固的认知：AI等于GPU，算力越强，价值越高。在大模型野蛮生长的训练阶段，行业的核心需求是极致的浮点运算能力，是海量参数的堆叠训练，这恰好是GPU的绝对优势。 英伟达也凭借绝对的生态和硬件优势，成为这场浪潮的唯一核心。但进入2026年，顶级投行的研究报告与资金流向，都在释放一个清晰信号：纯粹的GPU训练红利已经见顶，AI产业正式迈入下半场，全新的增长叙事，已然聚焦CPU算力价值重估、AI推理商业化爆发、智能体AI规模化落地三大核心方向。 从疯狂烧钱、堆叠算力的模型训练时代，转向降本增效、落地变现的推理与智能体时代，AI的算力架构、价值分配、商业模型正在全面重构。过去靠GPU单一算力定义的AI市场，正在迎来算力共舞、场景落地、价值兑现的全新格局，而这也是当下华尔街资金疯狂布局的核心新叙事。 汇丰银行的Frank Lee此前写道，GPU动能已经成为“相对不那么有意义”的投资叙事，因为云公司AI资本开支正流向更多领域，包括内存、网络和服务器CPU。 英伟达试图给出新的增长路径。随着AI从训练转向推理，并进一步进入智能体AI阶段，CPU的重要性上升。黄仁勋在电话会上表示，未来可能会出现数十亿个AI智能体，推理硬件需求将随之增加。他称，“思考”发生在GPU上，而编排基本运行在CPU上。 英伟达CFO科莱特·克雷斯表示，Vera CPU为英伟达打开了一个全新的2000亿美元可服务市场。她称，公司今年对CPU收入已有接近200亿美元的可见度，这将为英伟达成为全球领先CPU供应商奠定基础。 从技术底层来看，CPU拥有GPU无法替代的三大核心优势，牢牢锁定了其在AI下半场的不可替代性。 首先是复杂逻辑处理能力，智能体的核心价值是自主执行复杂任务，海量的条件判断、循环调度、分支流程，都是CPU的传统优势领域，GPU并行计算的架构特性，使其在这类场景中效率极低、难以适配。 其次是系统级调度能力，智能体的工作流程涵盖多模型协作、外部工具调用、海量数据读写、跨平台系统联动，需要一个稳定高效的核心统筹全局，而CPU正是这套复杂体系的核心调度枢纽。 最后是低延迟响应能力，无论是金融交易、自动驾驶，还是企业实时办公场景，都需要毫秒级的响应速度，CPU的缓存架构与指令集优化，能够完美适配实时性要求极高的智能体应用场景。 底层技术优势的落地，直接打开了CPU市场的增量空间。摩根士丹利在最新研报中指出，随着AI智能体的爆发，AI基础设施正从以GPU为主，转向“CPU+内存+系统协同”架构。预计到2030年，全球服务器CPU整体市场规模将突破千亿级别，相较于2025年实现翻倍增长，年均复合增长率将保持在35%以上，成为AI算力赛道增速最快的细分领域。 如果说CPU重构了AI算力的底层架构，那么AI推理的规模化爆发，就是支撑这一轮产业叙事切换的核心商业基础。随着大模型技术趋于成熟，落地场景持续丰富，推理需求迎来指数级增长，彻底完成了从成本中心到盈利引擎的身份蜕变。 最直观的变化来自市场需求的爆发式增长。IDC预测，到2030年，全球活跃AI智能体将达22.16亿，年度Token消耗量将从2025年的0.0005 Peta Tokens飙升至15.2万 Peta Tokens，增长超3亿倍。这意味着，算力需求的“天花板”远未到来。 需求爆发的背后，是AI应用的全面渗透，企业级智能体应用大规模落地，超四成的企业数字化系统嵌入了任务型自主智能体。手机、汽车、智能家居等终端设备全面搭载轻量级推理模型，端侧智能普及提速；AI辅助编程、智能办公、智能决策等场景成为行业标配，全方位拉动推理算力需求井喷。 过往AI企业的成本核心集中在模型训练、高端GPU采购，而如今，推理环节的成本占比已经攀升至7成以上，成为企业AI商业化落地的核心成本支出。这意味着，AI行业的竞争逻辑已经改变，不再是“谁能训练更大的模型”，而是“谁能以更低成本、更高效率完成推理落地”，高效推理能力，成为企业实现AI盈利的核心关键。 商业模式的成熟，更是让推理市场彻底打开商业化空间。传统单一的算力租赁模式逐步升级，形成了多元化的盈利体系。基于Token消耗量的计费模式，精准匹配推理复杂度，成为AI服务商的主流选择；办公智能体、企业数字化智能体的订阅制服务持续普及，带来稳定的持续性收入；云端推理专属服务快速落地，为企业提供算力、优化、运维一体化的推理解决方案，推理正式成为AI行业最稳定、最可观的盈利赛道。 2026年被全球资本市场公认为“AI智能体商业化元年”。历经数年的技术迭代与概念验证，AI智能体彻底摆脱了玩具化、碎片化的标签，从实验室概念、资本市场热点，转变为能够自主完成复杂工作、替代人工流程的“数字员工”，成为AI产业下半场最核心的落地载体，也是华尔街新叙事的终极落脚点。 高盛行业分析显示，未来两年内，美国企业的智能体渗透率将突破半数，AI智能体将成为企业办公、生产、运营的标配工具。 技术的持续突破，加速了智能体的规模化落地。行业已经从早期的单智能体单点作业，进化为多智能体协同工作体系。标准化交互协议的普及，打通了不同平台、不同功能智能体的通信壁垒，实现了智能体之间的角色分工、自主协作、任务联动。 同时，具身智能技术持续成熟，搭载多维度传感器的物理智能体，能够适配工业复杂场景，自主完成巡检、操作、运维等高危复杂工作，让AI智能体彻底从虚拟数字场景，走进真实的物理产业场景，赋能工业数字化转型。 从算力平台到Token工厂 受益于智能体AI时代的爆发，英伟达瞄准2000亿美元全新市场的CPU战略，试图向华尔街证明其高增长的持续性与广阔的想象空间。 当前，AI已经不再是“锦上添花”，而是提高各行业和岗位生产力的必需品。这正在推动能源、芯片、基础设施、模型和应用等AI资本支出持续投入。公司预计，到2030年，AI基础设施支出有望达到每年3万亿至4万亿美元。 公司管理层在电话会上表示，AI基础设施需求正以前所未有的速度扩张，AI工厂建设正在加速。推动这一轮建设的因素主要有两个：一是从