核心观点 - 研究发现监督微调（SFT）在多模态推理中可能阻碍学习，导致伪推理路径，而强化学习（RL）则促进真正的多模态推理 [3][9] - 传统两阶段训练范式（SFT+RL）在视觉语言模型（LVLM）中可能导致性能下降，7B模型相对性能下降47% [11][13] - 纯RL训练方案更具优势，VLAA-Thinker-Qwen2.5VL-3B模型在Open LMM推理榜单4B量级模型中位列第一，以1.8%优势刷新纪录 [15] 数据集构建 - 研究者构建了首个支持SFT与RL的全方位高质量图文推理数据集VLAA-Thinking，包含203,182条原始数据和144,895条处理后的数据 [4][5] - 数据集包含基于R1模型"先思考后回答"范式生成的完整推理链条，SFT分支包含多模态思维链样本，RL分支筛选更具挑战性的样本 [5] - 数据处理流程分为六阶段：元数据收集→图像描述生成→基于R1的知识蒸馏→答案重写→人工验证→数据划分 [6] SFT与RL对比研究 - SFT提高了模型在标准任务中的性能，但在增强复杂推理方面能力欠缺，可能诱发"伪推理路径"和"伪aha moment" [9] - 对已对齐模型使用SFT+GRPO会导致平均12.7%的性能下降，且模型规模差异影响甚微 [13] - SFT虽可帮助未对齐模型遵循指令，但其模仿式推理会限制RL阶段的探索空间 [15] GRPO训练优势 - 强化学习在增强推理能力方面表现出色，GRPO在文本数学推理任务中比其他方法更有效、更高效 [17] - 研究者提出了混合奖励框架，包含五种可验证的奖励类型，涵盖视觉感知和视觉推理任务 [19] - 直接使用GRPO训练的模型在视觉语言推理任务中显著优于其基础模型 [31] SFT对GRPO的影响 - SFT与多模态推理中的GRPO不兼容，在GRPO训练前进行SFT的模型性能比仅使用GRPO训练的模型更差，平均下降8.9% [21] - SFT对指令模型的性能损害比对没有指令跟随能力的基础模型更大，Qwen2VL-Inst性能比Qwen2VL-Base下降7.7% [21] - 较小的SFT数据集仍然会影响GRPO的性能 [23] 模型性能分析 - 响应长度、奖励分数与性能表现无显著相关性，SFT模型虽能获得更高初始奖励和更长响应，但实际表现逊于纯RL训练模型 [15][24] - SFT仅提供了RL训练的一个更高的"下限"，但可能会降低"上限"，限制了模型的探索路径 [26] - 经过更好指令调优的模型在GRPO训练后表现更佳，说明高质量的指令调优能够增强模型在强化学习后的推理能力 [31]

报告公司投资评级 未提及 报告的核心观点 2025年5月29日英伟达发布FY2026Q1报告并召开业绩说明会，该季度营收显著高于市场预期和公司指引，主要受益于数据中心业务爆发，虽H20产生费用且预计二季度有收入损失，但各业务表现良好，公司预计FY26Q2营收及毛利率可观，且AI处于发展早期阶段，多领域有广阔应用前景 [2][3][5] 根据相关目录分别进行总结 NVIDIA FY2026Q1业绩概况 - FY26Q1营收441亿美元，同比增长69%，环比增长12%，高于市场预期和公司指引，主要因数据中心业务爆发，Blackwell贡献数据中心计算收入7成，H20一季度产生45亿美元费用，预计二季度损失80亿美元收入 [3][7] - FY26Q1，GAAP和非GAAP毛利率分别为60.5%和61.0%，不计45亿美元费用，第一季度非GAAP毛利率达71.3%；GAAP和非GAAP稀释每股收益分别为0.76美元和0.81美元，不计相关费用及税费影响，第一季度非GAAP稀释每股收益为0.96美元 [3][7] - 供应链管理优化，存货周转天数59天，环比下降27天，待交付金额298亿美元，环比下降3%，预付采购41亿美元，环比下降17.6% [7] - 公司预计FY26Q2营业收入为450亿美元，上下浮动2%，考虑H20收入损失约80亿美元；预计GAAP和非GAAP毛利率分别为71.8%和72.0%，上下浮动50个基点，力争下半年将毛利率提高到70%左右 [5][8] 细分业务情况 - 数据中心：FY26Q1营收创历史新高，达391亿美元，环比增长10%，同比增长73%，其中计算营收342亿美元，同比增长76%，环比增长5%，网络营收49.57亿美元，同比增长56%，环比增长64%，Blackwell GPU产能爬坡快，贡献近70%的数据中心计算营收，从Hopper的转型接近完成 [4] - 游戏：FY26Q1收入为37.63亿美元，环比增长48%，同比增长42%，Blackwell架构显卡产能爬坡快 [4] - 专业可视化：FY26Q1收入为5.09亿美元，环比几乎持平，同比增长19%，关税影响一季度系统和需求，AI工作站需求强劲，预计二季度营收环比增长 [4] - 汽车和机器人：FY26Q1收入为5.67亿美元，环比下降1%，同比增长72%，由自动驾驶产能爬坡和新能源汽车终端需求推动 [4] 会议内容（问答环节） - 关于推理需求，Grace Blackwell NVL72是推理AI理想引擎，与Hopper相比，速度和吞吐量高出约40倍，可降低成本、提高响应质量和服务质量 [9] - H20第一季度确认46亿美元营收，未出货25亿美元，二季度中国数据中心营收将大幅下降，预计损失80亿美元，未来还有其他订单无法履行，估计未来该市场规模接近500亿美元 [10][11] - AI处于起步阶段，将改变各行业，推理成为计算工作负载重要组成部分，除云端，AI将进入企业、电信、工厂等领域 [12][13] - 目前订单增多，供应链正在建设，欧洲有大量AI工厂正在规划和建设 [14][15] - H20二季度损失80亿美元，非中国业务表现好于预期，因Blackwell增长和供应链供应增加 [16] - 推理AI需求增长、AI扩散、企业AI和工业AI发展带来积极影响，推理AI突破障碍，AI扩散创造机会，企业AI准备腾飞，工业AI与新工厂建设契合 [17][18] - 出口管制对Hopper限制大，目前无适合中国市场的产品，正在思考解决方案 [20] - 网络业务有NVLink、Spectrum - X、Bluefield等平台，增强以太网功能，提高集群利用率，上个季度增加两家重要CSP采用SpectrumX [21]

报告行业投资评级 未提及 报告的核心观点 报告对英伟达 FY26Q1 业绩进行点评，指出营收显著高于预期，主要受益于数据中心业务爆发，各细分业务有不同表现，公司对 FY26Q2 给出业绩指引，同时会议问答中探讨了推理需求、中国市场影响、AI 发展阶段等多方面问题 [2][3][5] 根据相关目录分别进行总结 NVIDIA FY26Q1 业绩概况 - FY26Q1 营收 441 亿美元，高于市场预期和公司指引，主要因数据中心业务爆发，Blackwell 贡献数据中心计算收入 7 成，H20 一季度产生 45 亿美元费用，预计二季度损失 80 亿美元收入，GAAP 和非 GAAP 毛利率分别为 60.5%和 61.0%，GAAP 和非 GAAP 稀释每股收益分别为 0.76 美元和 0.81 美元，供应链管理优化存货周转天数等指标 [7] - 公司预计 FY26Q2 营业收入为 450 亿美元，上下浮动 2%，考虑 H20 收入损失约 80 亿美元，预计 GAAP 和非 GAAP 毛利率分别为 71.8%和 72.0%，上下浮动 50 个基点，力争下半年将毛利率提高到 70%左右 [8] 会议内容 问答环节 - 对于推理需求，Grace Blackwell NVL72 是推理 AI 理想引擎，与 Hopper 相比速度和吞吐量高出约 40 倍，可降低成本、提高响应质量和服务质量 [9] - H20 第一季度确认 46 亿美元营收，未出货 25 亿美元，第二季度中国数据中心营收将大幅下降，预计损失 80 亿美元，未来还有其他无法履行订单，估计未来中国市场 TAM 接近 500 亿美元 [10][11] - AI 处于起步阶段，将成为新基础设施，除在云端建设外，还将进入企业、电信、工厂等领域，企业 AI 正在腾飞，6G 将建立在 AI 之上，每个工厂都将伴随 AI 工厂 [12][13] - 目前订单比之前更多，正在增加供应链建设，未来几年供应链将忙碌，欧洲有大量未公布的 AI 工厂建设规划 [14][15] - H20 损失 80 亿美元，为达 450 亿美元营收目标，非中国业务需表现更好，主要驱动因素是 Blackwell 增长和供应链供应增加 [16] - 与年初相比有四个积极惊喜，包括推理 AI 需求增长、AI 扩散、企业 AI 腾飞、工业 AI 发展 [17][18] - 出口管制使 Hopper 受限，目前无适合中国市场产品，正在思考解决方案 [20] - 网络业务有 NVLink、Spectrum - X、Bluefield 等平台，增强以太网功能提高集群利用率，上个季度增加两家重要 CSP 采用 SpectrumX [21][22]

核心观点 - RM-R1框架将奖励建模重新定义为推理任务，提出推理奖励模型（ReasRMs），通过生成结构化评估标准和推理过程提升模型可解释性和性能[1][5] - 实验验证推理能力是奖励模型关键要素，两阶段训练范式（推理蒸馏+强化学习）展现出高效性，链式评估准则（CoR）机制带来深度可解释性与卓越性能[33][34][35] - RM-R1在多个基准测试中超越更大规模的开源和闭源模型，性能提升高达8.7%，证明推理能力比模型规模更重要[25][26] 技术架构 - 引入链式评估准则（CoR）机制，将任务动态分类为推理型或对话型，分别采用内部专家解决方案或定制化评估准则进行多维度判断[9][10][11][12] - 推理型任务要求模型先自行生成解决方案作为基准，对话型任务则生成带权重的评估准则和理由，实现类似人类的复杂偏好判断[11][12] - CoR机制通过预定义逻辑序列、任务特定评估和透明推理痕迹，实现深度元推理能力[13] 训练方法 - 采用两阶段训练流程：推理蒸馏阶段从高质量推理链提取知识，强化学习阶段用可验证奖励信号优化推理能力[17][18][19] - 消融研究表明推理蒸馏是关键因素，单独的强化学习无法弥补性能差距，CoR提示工程显著优化推理过程[30] - 仅需8.7K蒸馏示例即可达到与800K示例训练模型相当的性能，展现卓越数据效率[31] 性能表现 - RM-R1-DeepSeek-Distilled-Qwen-32B在数学和代码任务中准确率分别达91.8%和74.1%，远超此前最佳表现（数学73%，代码63%）[26] - 模型规模与性能呈线性关系，32B版本在多个基准平均表现达81.5%，超越INF-ORM-Llama3.1-70B和GPT-4o等大模型[25][26] - 在RM-Bench推理密集型基准上，14B版本性能达79.6%，32B版本提升至81.5%，显示计算预算增加对推理能力的积极影响[26][29] 行业意义 - 开创基于推理的可解释奖励范式，为大模型对齐研究提供新方向，强调认知能力提升比规模扩张更重要[32][34] - 结构化推理方法使模型能处理复杂场景判断，在安全、数学等专业领域展现突破性进展[8][26] - 小模型高效训练路径为资源有限团队提供实际部署方案，具有显著经济优势[31][35]

阿里通义实验室新研究框架MaskSearch - 公司推出全新通用预训练框架MaskSearch，旨在提升大模型"推理+搜索"能力，在开放域问答任务上较基线方法取得显著性能提升 [1][2] - 框架创新性地引入检索增强型掩码预测任务(RAMP)，使模型在预训练阶段即学习通用任务分解、推理策略及搜索引擎使用方法 [5][11] - 兼容监督微调(SFT)和强化学习(RL)两种训练方法，其中RL在HotpotQA等领域内任务中展现出更高性能上限 [6][19][20] 核心技术架构 - 预训练阶段对命名实体、日期、数值等关键信息进行掩码处理，模型需调用外部知识库预测被遮蔽内容，提升多领域适应能力 [11][13] - 监督微调采用Agent合成与蒸馏方法生成思维链数据：多智能体协同生成推理链，LLM筛选正确答案；教师模型迭代提升数据质量 [12][14] - 强化学习采用动态采样策略优化(DAPO)算法，构建混合奖励系统评估输出格式与答案一致性，Qwen2.5-72B作为评判模型 [15] 实验性能表现 - 基于Qwen和LLaMA模型的实验显示，两阶段训练显著提升搜索推理能力：小模型(1B)性能提升显著，7B大模型召回率持续增长 [18][22] - 课程学习策略验证有效：按掩码数量分层训练时，Qwen2.5-7B在验证集得分明显高于混合训练，下游任务表现同步提升 [16][24][26] - 基于困惑度的难度导向掩码策略在特定数据集提升召回率，但需与模型当前能力匹配；基于模型的奖励函数综合表现最优 [27][30][33] 行业技术突破 - 突破传统任务特定训练局限，通过通用预训练框架实现跨领域检索推理能力，小模型可媲美大模型表现 [3][4][18] - 首次将检索行为融入预训练目标，使模型自主掌握多步搜索与推理流程，为LLM智能体开发提供新范式 [5][20][33] - 实验证明RAMP作为可扩展学习信号的有效性，尤其在Bamboogle等领域外数据集性能提升显著 [18][22]

核心观点 - 香港中文大学与新加坡国立大学Show Lab联合提出TON框架，使视觉语言模型(VLM)能自主判断是否需要显式推理，显著提升效率[2] - TON框架灵感来自人类决策过程，对简单问题直接作答，对复杂问题生成详尽推理[3][4] - 实验显示TON在不牺牲准确率前提下，平均推理输出长度最多减少90%，部分任务准确率提升17个百分点[10][11][12] 框架设计 - 核心创新在于引入"是否思考"的决策模块，将推理与否作为独立技能学习[4] - 采用两阶段训练机制： - 第一阶段通过"思想丢弃"技术随机清空50%训练数据的推理步骤，教会模型直接回答格式[6] - 第二阶段用GRPO强化学习优化，模型自主探索何时跳过推理以最大化奖励[6] - 训练中采用"反向思考"策略构造高质量思考数据辅助学习[6] 实验结果 效率提升 - CLEVR数据集推理文本长度减少87%（从306降至28）[13] - GeoQA数据集推理长度减少65%（从924降至96）[13] - AITZ任务输出长度从3k缩减至900，节省60%token消耗[14][26] 准确率表现 - CLEVR准确率提升5个百分点至98.5%[13] - GeoQA准确率提升14个百分点至51%[13] - Qwen-2.5-VL-7B模型在AITZ任务准确率提升22个百分点[14] 应用价值 - 推理效率提升带来更快响应速度和更低算力消耗，适用于实时互动场景[19] - GUI导航任务中自适应跳过不必要步骤，解码效率提升60%[26] - 更接近人类"按需思考"模式，提升模型通用性和可靠性[19][21]

近日，NVIDIA 联合香港大学、MIT 等机构重磅推出 Fast-dLLM，以无需训练的即插即用加速方案 ，实现了推理速度的突破！ 在大语言模型（LLM）领域，推理效率是制约其实际应用的关键因素之一。谷歌 DeepMind 的 Gemini diffusion 曾以 1400 tokens / 秒 的生成速度震惊 学界，展现了扩散模型在并行生成上的潜力。然而，开源扩散 LLM 却因 缺乏 KV 缓存机制和并行解码质量衰退 ，实际推理速度长期被自回归模型压制. 通过创新的技术组合，在不依赖重新训练模型的前提下，该工作为扩散模型的推理加速带来了突破性进展。本文将结合具体技术细节与实验数据，解析其核 心优势。 一、 核心技术 分块 KV 缓存与置信度感知并行解码 论文：Fast-dLLM: Training-free Acceleration of Diffusion LLM by Enabling KV Cache and Parallel Decoding 项目地址：https://nvlabs.github.io/Fast-dLLM 论文链接：http://arxiv.org/abs/2505.22618 ...

财务表现与指引 - 公司Q1收入超预期 但业绩及指引受出口管制影响 [1] - Q1面向中国数据中心确认收入46亿美元 但无法出货25亿美元 原本总额应为71亿美元 [4] - Q2面向中国数据中心收入将显著下降 受影响订单量达80亿美元 [4] - 评估未来无法服务的中国市场规模接近500亿美元 因缺乏合规产品 [4] - 公司指引中Blackwell增长、客户增长和供应增长是基础 非中国业务表现可能高于预期 [6] 产品与技术进展 - Grace Blackwell架构在推理AI场景性能显著提升 某些情况下比Hopper快40倍 [3] - 公司重新设计超级计算机构建方式 Grace Blackwell已进入全面生产阶段 [3] - 推出RTX Pro企业级AI服务器 整合计算、存储和网络三大支柱 [6] - 网络业务取得突破 Spectrum-X新增两家重要云服务提供商采用 [7][8] - 以太网利用率从50%提升至85%-90% 在100亿美元集群中相当于创造40亿美元价值 [7] 市场需求与行业趋势 - AI建设处于开端阶段 全球约100座AI工厂正在建设中 [5] - 企业级AI刚起步 本地部署需求强烈因数据访问控制要求 [5] - 工业AI加速发展 每个实体工厂都将配套AI工厂训练海量数据 [6] - 未来6G基础设施将构建在AI之上 智能生产需求类似能源基础设施 [5] - 推理AI需求巨大增长 智能体AI有效性得到市场认可 [6] 地缘政治影响 - 出口管制新规严格限制Hopper架构产品 公司目前无合规产品可向中国出货 [7] - AI扩散规定被取消 推动美国技术栈全球推广 [6] - 各国加速主权AI基础设施建设 欧洲等多国需求旺盛 [5] 供应链与订单情况 - 当前订单量比GTC时更多 正在美国本土扩建供应链 [5] - 工业格局重组推动区域化制造 带动电子和芯片制造需求 [6] - 大量未公开的AI工厂项目正在规划中 将持续拉动需求 [5]

报告公司投资评级 - 交银国际对英伟达评级为买入，目标价上调至175美元，潜在涨幅29.8% [1][5][11] 报告的核心观点 - 出口限制短期财务影响小于预期，Blackwell占比近七成，公司下修出口限制造成的资产减值，预计大部分收入限制在FY2Q26之前发生，Blackwell贡献近七成数据中心计算收入 [5] - 推理需求或推动算力资源需求长期处于高位，推理应用占比显著上升，从单次运算推理向迭代推理、智能体推理演进，利于算力长期稳定需求，公司发布新产品且目标一年内完成全系统美国本土生产 [5] - 股价或有进一步上升空间，因Blackwell新产品进展、“AI扩散规则”未施行、中国市场超预期可能性大、产品硬件包容度上升等因素，上调收入和Non - GAAP EPS预测 [5] 根据相关目录分别进行总结 股份资料 - 英伟达52周高位149.43美元，低位94.31美元，市值3,287,692.36百万美元，日均成交量283.27百万，年初至今变化0.39%，200天平均价126.71美元 [3] 财务数据一览 |年份|收入（百万美元）|同比增长（%）|净利润（百万美元）|每股盈利（美元）|同比增长（%）|前EPS预测值（美元）|调整幅度（%）|市盈率（倍）|每股账面净值（美元）|市账率（倍）|股息率（%）| | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | |2024|60,922|125.9|32,312|1.30|288.2|/|/|104.1|1.72|78.23|0.0| |2025|130,497|114.2|74,265|2.99|131.1|/|/|45.0|3.20|42.15|0.0| |2026E|210,221|61.1|115,401|4.65|55.4|4.34|7.3|29.0|5.34|25.24|0.0| |2027E|267,431|27.2|155,154|6.31|35.6|5.78|9.1|21.4|9.12|14.79|0.1| |2028E|285,823|6.9|162,364|6.60|4.6|6.36|3.8|20.4|13.13|10.26|0.1| [4] 业绩及指引 - FY1Q26实际收入44,062百万美元，指引43,000百万美元，差异2%，预测38,845百万美元，差异13%，同比增长69%；Non - GAAP毛利率实际61.0%，指引71.0%，差异 - 10ppts，预测64.7%，差异 - 3.7ppts，同比 - 18ppts；Non - GAAP EPS实际0.81美元，预测0.70美元，差异15%，同比增长32% [6] - FY2Q26E收入指引最低44,100百万美元，最高45,900百万美元，中位数45,000百万美元，预测46,951百万美元，差异 - 6%，同比增长50%；Non - GAAP毛利率指引最低71.5%，最高72.5%，中位数72.0%，预测72.8%，差异 - 0.8ppt，同比 - 3.7ppts [6] 盈利预测调整 |项目|FY2026E（新预测/旧预测/差异）|FY2027E（新预测/旧预测/差异）|FY2028E（新预测/旧预测/差异）| | ---- | ---- | ---- | ---- | |营业收入（百万美元）|210,221/200,093/5%|267,431/256,466/4%|285,823/280,831/2%| |毛利润（百万美元）|149,960/145,307/3%|199,825/188,981/6%|213,524/210,706/1%| |营业利润（百万美元）|133,586/130,820/2%|179,777/171,703/5%|188,639/189,187/(0%)| |净利润（百万美元）|115,401/107,598/7%|155,154/142,178/9%|162,364/156,387/4%| |摊薄EPS（美元）|4.65/4.34/7%|6.31/5.78/9%|6.60/6.36/4%| |毛利率（%）|71.3/72.6/ - 1.3ppt|74.7/73.7/1ppt|74.7/75.0/ - 0.3ppt| |营业利润率（%）|63.5/65.4/ - 1.8ppt|67.2/66.9/0.3ppt|66.0/67.4/ - 1.4ppt| |净利率（%）|54.9/53.8/1.1ppt|58.0/55.4/2.6ppts|56.8/55.7/1.1ppt| [8] 财务报表 损益表（百万元美元） |年结1月31日|2024|2025|2026E|2027E|2028E| | ---- | ---- | ---- | ---- | ---- | ---- | |收入|60,922|130,497|210,221|267,431|285,823| |主营业务成本|(16,621)|(32,639)|(60,931)|(68,246)|(72,949)| |毛利|44,301|97,858|149,290|199,185|212,874| |销售及管理费用|(2,654)|(3,491)|(4,291)|(5,000)|(6,077)| |研发费用|(8,675)|(12,914)|(16,441)|(19,158)|(23,286)| |经营利润|32,972|81,453|128,558|175,028|183,511| |财务成本净额|609|1,539|1,943|2,240|2,240| |税前利润|33,818|84,026|130,321|177,268|185,751| |税费|(4,058)|(11,146)|(19,397)|(26,590)|(27,863)| |净利润|29,760|72,880|110,925|150,678|157,888| |Non - GAAP标准的净利润|32,312|74,265|115,401|155,154|162,364| [12] 资产负债简表（百万元美元） |截至1月31日|2024|2025|2026E|2027E|2028E| | ---- | ---- | ---- | ---- | ---- | ---- | |现金及现金等价物|7,280|8,589|12,919|35,937|67,280| |有价证券|18,704|34,621|66,454|116,228|170,169| |总流动资产|44,345|80,126|130,872|213,565|303,498| |总长期资产|21,383|31,475|41,442|49,427|57,309| |总资产|65,728|111,601|172,313|262,992|360,807| |总流动负债|10,631|18,047|26,162|26,513|26,540| |总长期负债|12,119|14,227|13,662|12,316|11,219| |总负债|22,750|32,274|39,824|38,829|37,760| |股东权益|42,978|79,327|132,490|224,163|323,048| [13] 现金流量表（百万元美元） |年结1月31日|2024|2025|2026E|2027E|2028E| | ---- | ---- | ---- | ---- | ---- | ---- | |经营活动现金流|28,090|64,089|108,129|146,339|157,924| |投资活动现金流|(10,566)|(20,421)|(38,714)|(55,920)|(59,197)| |融资活动现金流|(13,633)|(42,359)|(64,685)|(66,246)|(65,996)| |年末现金|7,280|8,589|12,919|35,937|67,280| [14] 财务比率 |年结1月29日|2024|2025|2026E|2027E|2028E| | ---- | ---- | ---- | ---- | ---- | ---- | |核心每股收益（美元）|1.193|2.938|4.478|6.127|6.419| |全面摊薄每股收益（美元）|1.193|2.938|4.478|6.127|6.419| |Non - GAAP标准下的每股收益（美元）|1.296|2.994|4.652|6.309|6.601| |每股股息（美元）|0.016|0.034|0.040|0.081|0.081| |每股账面值（美元）|1.723|3.198|5.341|9.115|13.134| |毛利率（%）|72.7|75.0|71.0|74.5|74.5| |净利率（%）|48.8|55.8|52.8|56.3|55.2| |净利率（%） - Non - GAAP标准|53.0|56.9|54.9|58.0|56.8| |ROA（%）|45.3|65.3|64.4|57.3|43.8| |ROE（%）|69.2|91.9|83.7|67.2|48.9| |ROIC（%）|54.0|77.9|75.9|63.7|47.2| |净负债权益比（%）|5.7|/|净现金|净现金|净现金| |流动比率|4.2|4.4|5.0|8.1|11.4| |存货周转天数|114.6|85.9|68.0|72.3|75.9| [14]

智通财经APP获悉，聚焦于PC与高性能服务器产品组装与制造的美国科技公司戴尔(DELL.US)周四美股 盘后发布的业绩报告显示，其全财年的利润展望超出华尔街分析师普遍预期，并称用于运行人工智能训 练/推理体系的AI服务器订单显著增加。戴尔截至5月2日的季度的AI服务器订单价值甚至超越整个2025 财年AI服务器出货量带来的整体价值，戴尔预计其计算机、服务器和存储业务的盈利能力将持续大举 扩张，并加快了股票回购，共同推进每股利润增长。 戴尔周四在业绩声明中指出，预计截至2026年1月结束的下一财年，不包括某些项目的每股收益将约为 9.40美元，高于今年2月给出的业绩预测。该公司重申其大约1030亿美元的全年销售额预期中值(戴尔给 出的销售额区间为1010亿美元至1050亿美元)。根据机构汇编的分析师平均预期，华尔街分析师们平均 预期在1030亿美元销售额基础上，每股收益约为9.21美元，意味着戴尔给出的财年利润预期显著超越华 尔街预期。 在截至5月2日的2026财年第一财季中，戴尔的整体销售额同比增长5%至234亿美元，高于华尔街分析师 们平均估计的231亿美元。不包括某些项目的调整后每股利润为1.55美元，同 ...