来源：美股研究社 英伟达财报发布后，先是上涨了中个位数，但在 11 月 20 日触及高点后下跌近 8%，抹去了所有涨幅。 毋庸置疑，分析师认为此次回调毫无根据，反而提供了良机。2026 财年第三季度财报证实 AI 需求势头 强劲 —— 事实上，该季度营收环比激增 100 亿美元，创下历史纪录，显示 AI 竞赛正全面升温。若这 都不算明确信号。 从增长角度看，Q3 表现堪称卓越：营收总额达 570 亿美元，同比增长 62%，大幅超出华尔街预期及公 司此前指引。考虑到英伟达已是全球市值最高的公司，这样的增长数据令人瞩目 —— 其同比增速与 Palantir Q3 持平，而后者市值仅为英伟达的约十分之一。Blackwell Ultra 产能正全速释放，公司并重申 Rubin GPU 将于 2026 年下半年推出。 当前英伟达前瞻市盈率约为 38 倍，结合 Q4 营收指引 650 亿美元（意味着环比增长 80 亿美元），分析 师认为股价估值具备吸引力。 2026 财年第三季度概况 英伟达交出了亮眼的业绩答卷：营收同比增长 62%，达 570 亿美元。具体来看，该季度营收环比增加 约 100 亿美元，是超威半导体（AM ...

英伟达财报发布后，先是上涨了中个位数，但在 11 月 20 日触及高点后下跌近 8%，抹去了 所有涨幅。 毋庸置疑，分析师认为此次回调毫无根据，反而提供了良机。2026 财年第三季度财报证实 AI 需求势头强劲 —— 事实上，该季度营收环比激增 100 亿美元，创下历史纪录，显示 AI 竞赛 正全面升温。若这都不算明确信号。 从增长角度看，Q3 表现堪称卓越：营收总额达 570 亿美元，同比增长 62%，大幅超出华尔 街预期及公司此前指引。 考虑到英伟达已是全球市值最高的公司，这样的增长数据令人瞩目 —— 其同比增速与 Palantir Q3 持平，而后者市值仅为英伟达的约十分之一。Blackwell Ultra 产能正全速释放，公司并重申 Rubin GPU 将于 2026 年下半年推出。 当前英伟达前瞻市盈率约为 38 倍，结合 Q4 营收指引 650 亿美元（意味着环比增长 80 亿 美元），分析师认为股价估值具备吸引力。 2 0 2 6 财 年 第 三 季 度 概 况 英伟达交出了亮眼的业绩答卷：营收同比增长 62%，达 570 亿美元。具体来看，该季度营收 环比增加约 100 亿美元，是超威半导体（ ...

文章核心观点 - 关于美国可能放开对华H200芯片出口的传闻目前仅处于初步讨论阶段，存在不确定性[2][3] - 分析认为，若H200出口限制真的放开，中国方面很可能会接受并放行该产品[20] H200芯片性能分析 - H200采用Hopper架构，配备141 GB HBM3e显存，带宽达4.8 TB/s，热设计功率最高1000 W[9] - 在FP64 Tensor Core算力方面，H200达到67 teraFLOPS，高于B200的37 teraFLOPS，在高精度计算场景更具优势[17][18] - H200的单卡性能，特别是在算力和显存带宽方面，被认为高于国内现有的AI芯片[12] H系列芯片的市场应用现状 - 美国主要云服务商的服务器折旧年限多为5-6年，因此H100和H200目前均处于正常使用阶段[13] - 在Coreweave平台上，H200的租赁价格为每小时3.50美元，略低于B200的5.50美元[14] - 在AWS和GCP云服务上，H200的定价甚至高于B200，反映出其在特定场景的适配性和资源稀缺性[15] - 由于大量遗留负载迁移成本高，海外及国内云服务提供商中H系列和A系列芯片的使用率仍然最高[19]

财报预期 - 公司将于11月19日盘后公布2026财年第三季度财报，预计调整后每股收益为1.26美元 [1] - 预计公司本季度营收为552.8亿美元，较去年同期增长超过55% [1] 各业务部门表现 - 数据中心业务是核心增长引擎，第三季度预计营收为480.4亿美元，同比增长56.1% [2] - 游戏终端市场预计营收为47.1亿美元，同比增长43.7%，反映出渠道库存恢复正常和强劲需求 [2] - 专业可视化部门预计营收为6.789亿美元，同比增长39.7%，连续八个季度增长 [3] - 汽车部门预计营收为6.248亿美元，同比增长39.1%，受益于对自动驾驶和AI智能座舱解决方案的投资增加 [3] 生成式AI市场机遇 - 公司是生成式AI芯片市场的主导者，其芯片广泛应用于营销、广告、客户服务、教育等多个行业 [4] - 全球生成式AI市场规模预计到2032年将达到9676.5亿美元，2024年至2032年期间的复合年增长率为39.6% [4] - 生成式AI的复杂性需要巨大的计算能力，公司A100、H100、B系列等先进芯片是构建和运行这些应用的首选 [5] 华尔街观点 - 杰富瑞和韦德布什的分析师预计公司将“超预期并上调指引”，韦德布什维持目标价210美元 [6] - 美国银行分析师保持目标价275美元，预计公司将向投资者保证其满足需求的能力 [7] - 奥本海默分析师上调公司目标价，称其为AI领域“最有可能获胜的单一公司” [9] - 来自微软、Alphabet和亚马逊等超大规模企业的支出增长，大部分似乎最终都流向公司 [6]

英伟达业绩预期与行业地位 - 英伟达是人工智能市场中遥遥领先的最大供应商，其业绩是衡量当前AI支出的良好指标 [1][2] - 来自台湾供应链和美国销售渠道的调研均显示需求持续向上，超微电脑预计季度销售额将因英伟达AI机柜出货改善而大致翻倍 [2][3] - 市场预期英伟达将对第三和第四季度发表非常积极的看法 [3] 财务表现与估值 - 英伟达股票基于盈利的估值并不昂贵，约28倍的市盈率与其同行相比并非不合理 [4][5] - 预计每股收益为1.25美元，同比增长54%，预计营收为551亿美元，同比增长57% [17] - 营收增长呈现逐步减速态势，本季度57%的增速高于上一季度的55.6%，但低于2026财年第一季度的69%和2025财年第四季度的77% [17][18] 市场需求与资金可持续性 - 近期的担忧在于数据中心建设的巨额资金需求来源，但此担忧在基础设施能产生收入时会减弱 [6] - 市场开始看到能产生收入和利润的推理工作负载正在增长，这有望为数据中心建设所依赖的债务提供资金 [7] 产品路线图与竞争格局 - 本次财报将更多聚焦于Blackwell架构，其下一代迭代B300预计进展良好，而Rubin架构则是2026年下半年以后的故事，大规模收入预计在2027年产生 [8][9] - 英伟达目前估计占据AI数据中心市场90%的份额，即使份额降至75%仍将是主导者 [25] - 竞争正在加剧，超微半导体将推出与甲骨文合作的机架级解决方案，大型云服务提供商也在开发自研芯片，但尚未对英伟达的营收产生实质影响 [23][24][25] 中国市场与地缘政治 - 市场已从预期中剔除中国区收入，若未来中国市场重新开放，对英伟达将是额外利好 [10] - 有迹象表明中国在AI发展方面遇到瓶颈，这缓解了关于中国可能在其他地区构成收入竞争或为其他国家提供替代路径的担忧 [11] - 英伟达已连续几个季度表示未将任何中国区收入纳入规划，Blackwell产品似乎也未进入该市场 [20][21] 行业背景与市场影响 - 英伟达财报是AI领域的风向标，无论业绩超预期还是不及预期，都会对各类AI股票产生连锁反应 [14] - 软银为资助自身AI项目（如与OpenAI合作的Stargate）出售了所持英伟达5.8%的股份，价值80亿美元 [14][15] - 超微半导体首席执行官预计，到2030年AI数据中心的总可寻址市场将达到1万亿美元 [15] - 英伟达约50%的收入来自大型云服务提供商，Meta在数据中心建设上投入巨大，亚马逊、谷歌和微软也在大力投资 [22]

财报预期与预测 - 公司预计第三财季营收为540亿美元（±2%），Zacks一致预期为545.9亿美元，较去年同期大幅增长55.6% [1] - 季度每股收益的Zacks一致预期在过去60天维持在1.23美元，意味着较去年同期81美分的收益同比增长51.9% [2] - 盈利预测模型显示公司本季度可能超预期，因盈利ESP为+2.08%（最准确估计1.26美元 vs 一致预期1.23美元），且Zacks评级为第2级 [4][5] 各业务板块表现驱动因素 - 数据中心业务是第三季度营收主要驱动力，得益于云解决方案采用增加、超大规模需求增长以及推理市场应用扩大 [6] - 数据中心业务预计受益于生成式AI和大语言模型对基于Blackwell架构GPU的需求，模型预计该板块季度营收为480.4亿美元，同比增长56.1% [7][8] - 游戏和专业可视化终端市场呈现复苏趋势，游戏业务因渠道合作伙伴库存恢复正常，模型预计其季度营收为47.1亿美元，同比增长43.7% [9] - 专业可视化板块营收已连续八个季度增长，模型预计其季度营收为6.789亿美元，同比增长39.7% [10] - 汽车板块趋势改善，因对自动驾驶和AI座舱解决方案的投资增加，模型预计其季度营收为6.248亿美元，同比增长39.1% [11] 股价表现与估值 - 公司股价年内上涨39.1%，表现优于Zacks计算机与技术行业26.3%的涨幅，但表现落后于AMD（104.9%）、英特尔（79.2%）和博通（46.2%）等主要半导体股 [12] - 公司当前远期12个月市盈率为31.88倍，高于行业平均的29.08倍，估值相对较高 [15] - 与其他芯片巨头相比，公司估值高于AMD（43.44倍）和博通（38.88倍），但低于英特尔（65.66倍） [17] 行业前景与公司定位 - 公司营收增长由开发生成式AI模型所需的芯片强劲需求驱动，公司在生成式AI芯片市场占据主导地位 [18] - 全球生成式AI市场规模预计到2032年将达到9676.5亿美元，2024年至2032年期间的复合年增长率预计为39.6% [19] - 生成式AI的复杂性需要大量知识和巨大计算能力，企业的网络基础设施需升级，公司的AI芯片是构建和运行这些应用的首选，使其在该领域处于领先地位 [20]

**涉及的公司与行业** * 公司：NVIDIA Corp (NVDA O) [1] 以及作为对比的 Advanced Micro Devices (AMD O) [38] 和 Broadcom Inc (AVGO O) [43] * 行业：人工智能 (AI) 加速器、数据中心半导体、GPU 市场 [3][4][17][23][24] **核心观点与论据** **财务预测与估值** * 预测公司10月季度营收为570亿美元，高于市场共识约550亿美元，并预期1月季度指引为620亿美元，高于市场共识约610亿美元 [1][11] * 将2026财年、2027财年、2028财年每股收益(EPS)预测分别上调2%、7%、8% [1] * 基于30倍市盈率(P/E)乘以修正后的2026日历年EPS 7.24美元，将目标价从210美元上调至220美元 [1][36] * 公司当前市盈率为28倍，相比AI同行AVGO的38倍和AMD的37倍更具吸引力 [28] * 预计10月季度数据中心销售额将环比增长24%，1月季度环比增长12% [11] **AI需求与供应瓶颈** * 核心观点是AI需求超过供应，瓶颈在于CoWoS封装产能限制，此状况预计将持续至2026年，可能在2027年得到缓解 [3] * 公司在GTC华盛顿会议上提到，除了已宣布的600万颗GPU外，Blackwell和Rubin GPU在2025/2026日历年的总需求将达到2000万颗，其中已发货的600万颗GPU预示着10月季度和1月季度的业绩可能超预期 [1][17] * 基于台积电约120万CoWoS产能的假设，维持2026日历年约900万颗Blackwell和Rubin GPU的隐含需求预测 [1] **市场趋势与整体市场规模(TAM)** * 预计2028年数据中心半导体总市场规模(TAM)将达到6540亿美元，较此前预期的5630亿美元高出16% [4][26] * GPU/定制ASIC市场规模增长4%，主要受OpenAI等关键AI参与者高于预期的需求推动 [4][26] * 预计超大规模云厂商的总体云收入将在2025年出现拐点，并在2026年因企业AI应用而加速增长 [3] * 预计AI加速器总销售额将以29%的复合年增长率(CAGR)增长，到2028日历年达到4640亿美元 [24][26] * 预计AI商用GPU在整个预测期内将占据AI加速器销售的大部分，到2028日历年占比为78%，主要原因是其ASP显著高于ASIC（高出3至8倍） [24] **产品与单位预测** * 将2026财年GPU单位预测上调27%至710万颗，2027财年上调11%至870万颗 [17] * 将2026财年Blackwell GPU单位预测大幅上调52%至610万颗，基于管理层对Blackwell量产进度的评论和供应链信息 [17] * 预计2026财年AI GPU销售额将达到约1640亿美元（同比增长59%），2027财年达到2250亿美元（同比增长37%） [18] * AI GPU销售额预计将占公司数据中心总销售额的80%至90%，其余部分主要为网络、独立CPU和软件/服务 [18] **其他重要内容** **投资者关注点与风险** * 投资者关注焦点包括：OpenAI 1000亿美元投资的细节、TPU竞争加剧的影响、以及组件成本上升对毛利率（中期70%以上）的影响 [2] * 下行风险包括：游戏领域的竞争、新平台采用速度慢于预期、汽车和数据中心市场的波动性、以及加密货币挖矿对游戏销售的影响 [37] **短期观点** * 基于对业绩"超预期并上调指引"的预期，对公司股票开启为期30天的正面短期观点 [1][28] **财务数据摘要** * 2025财年（截至2025年1月31日）营收为1305亿美元，毛利率为75 0% [10] * 2026财年营收预测为2101亿美元，2027财年为3005亿美元，2028财年为3714亿美元 [10] * 2026财年核心EPS预测为4 59美元，2027财年为7 24美元，2028财年为8 47美元 [5][10]

AI行业电力瓶颈 - 微软CEO指出AI发展面临的核心瓶颈是电力短缺而非算力不足，大量芯片因缺电无法投入使用[7][8] - 美国数据中心2023年总耗电量达176太瓦时，占全国总发电量4.4%，相当于马来西亚全国年耗电量，预计2028年该数字将翻倍[11] - 美国电力系统老旧导致供电不足，2021-2022年电费飙升，居民用电受到挤压[12] 数据中心能效问题 - 2024年全球数据中心平均电能利用效率PUE为1.56，意味着仅三分之二电力用于GPU计算，其余消耗在制冷、供电等辅助系统[15] - 电能利用率极低造成严重浪费，特朗普政策取消可再生能源税务优惠，转向核电并放松环境管制[16] 芯片迭代与资产风险 - AI芯片快速迭代，H100/A100等2022年前产品将被H200(2023)、B200(2024)、B300(2025)替代[20] - TrendForce预估2025年Blackwell系列将占英伟达高端GPU产量80%以上，库存芯片面临过期风险[20] - 闲置芯片直接影响AI公司估值，因股价与GPU数量及使用率高度相关[22] 企业应对策略 - 科技公司通过自建发电厂缓解电力危机，OpenAI与甲骨文在德州合建天然气电厂，xAI在田纳西基建导致发动机订单排至2029年后[25] - 将数据中心转移至墨西哥、智利等发展中国家，爱尔兰数据中心消耗全国20%电力，对当地民生造成影响[27] - 英伟达和谷歌探索太空数据中心方案，利用太阳能供电和真空散热，但存在器件老化、数据传输等技术挑战[27][28][31] 中美电力基础设施对比 - 2024年中国数据中心耗电量166太瓦时，仅占社会总用电量约2%，电力供应充足且注重绿电发展[33] - 中国在保障民生的前提下推进碳减排，电力基础设施优势明显[34]

AI行业算力投资与供应链动态 - OpenAI计划与甲骨文共同投资3000亿美元建设数据中心[1] - OpenAI从英伟达采购价值1000亿美元的芯片并寻求从AMD获取芯片资源[1] - 行业存在芯片快速迭代风险例如H100和A100等2022年前发布的芯片可能被2023年H200、2024年B200及2025年B300替代[12] - 据TrendForce预估2025年Blackwell系列将占英伟达高阶GPU总产量80%以上[12] 美国电力危机对AI发展的制约 - 美国能源部报告显示2023年数据中心耗电量达176太瓦时占全国总发电量4.4%相当于马来西亚全国年耗电量且预计2028年可能翻倍[3][5] - 全球数据中心平均电能利用效率PUE为1.56意味着仅约三分之二电力直接用于计算其余消耗于制冷等辅助系统[7] - 美国电价在2021至2022年间飙升居民用电受数据中心需求挤压[8] - 电力基础设施老旧且政策转向核电发展取消可再生能源税收优惠加剧供给压力[10] 科技公司应对电力短缺的策略 - 部分公司通过自建发电厂缓解电力危机如OpenAI与甲骨文在德州合建天然气发电厂xAI在田纳西基建导致发动机订单排至2029年后[16] - 另一种方案是将数据中心转移至墨西哥智利南非等电力供给本就不发达的地区例如爱尔兰数据中心已消耗全国20%电力对当地生态造成影响[18][19] - 英伟达与谷歌探索太空数据中心利用太阳能供电并通过真空散热但面临器件老化数据回传及成本控制等技术挑战[21] 中国电力基础设施与AI发展环境 - 2024年中国数据中心总耗电量为166太瓦时约占社会总用电量2%[22] - 电力供应在保障民生基础上充足且注重绿色电力与碳排放控制形成与美国电力困境的鲜明对比[22][24] 行业估值逻辑与潜在风险 - AI公司估值高度依赖GPU数量与需求规模模型性能与GPU规模正相关因此芯片采购消息会直接推动股价[14] - 若大量芯片因缺电闲置将导致资源浪费并可能引发行业泡沫破裂风险[14][16]

文章核心观点 - 文章围绕NVIDIA专为中国市场设计的“降级版”AI芯片B30A展开分析，探讨其性能、成本以及对中美AI算力竞赛的潜在影响 [3][5] - 核心观点认为，尽管B30A性能仅为旗舰产品B300的一半，但其高性价比和低功耗特性可能使中国能够以可控的成本快速提升AI算力，从而显著缩小与美国的差距 [5][7][16] - 美国政府是否放行B30A出口是一个复杂的战略抉择，涉及技术、经济与地缘政治的平衡，其结果可能改变全球AI算力格局 [5][14][16] AI算力竞赛与出口管制 - 美国通过限制先进AI计算资源以保持其领先地位，目前其在AI超级计算能力上领先中国约5倍 [7] - NVIDIA B300芯片是AI实验室的核心驱动力，单卡价格约4.5万美元，但对中国的出口受到严格限制 [7] 硬件配置与性能 - B30A单卡的峰值算力（FLOP/s）和内存带宽是B300的50%，B300基于两个AI处理器芯片和八个HBM3e内存栈，而B30A仅有一个芯片和四个内存栈 [8] - 由8个B30A GPU组成的服务器功耗是B300服务器的40%，B30A的8卡服务器估算成本为29.3万美元，B300服务器为53万美元，主要因单卡价格从4.5万降至2.25万美元 [8] 集群成本分析 - 为达到与B300集群相同的总计算力和内存带宽，B30A集群需要两倍的芯片数量 [11] - 假设集群需达到1000张B300的等效算力，B30A需2000张卡，初始投资成本比B300高24%，但中国政府对AI基础设施的补贴可抵消此差价，且B30A集群能源成本占比低，长期运营有优势 [11] 放行B30A的影响 - B30A集群的服务器成本是B300的1.1倍，网络硬件成本因集群规模扩大翻倍至B300的2倍，能源成本因低功耗仅为B300的0.8倍 [13] - B30A集群的总体摊销成本（按5年折旧计算）是B300的1.24倍，即贵20%左右 [13] - 若2026年禁售B30A，美国AI算力优势能保持在31倍以上；若放开出口，中国算力可能迅速追赶，差距缩小到4倍以下，极端情况下美国可能处于1.1倍劣势 [14] - B30A性能远超中国本土AI芯片且价格更低，可能导致中国企业减少对本土芯片投资，加剧对进口芯片的依赖 [14] - NVIDIA产能有限，大量出口B30A至中国可能挤占全球其他市场的芯片供应，影响全球AI生态 [15]