文章核心观点 - 英伟达正在超越其作为AI芯片供应商的传统角色，悄然构建一个物理AI生态系统，通过其机器人平台（如GR00T和Jetson Thor）和软件能力，将自己定位为即将到来的物理AI与机器人革命的关键推动者和平台提供商 [1] - 尽管市场对AI芯片的增长预期可能已部分反映在股价中，但公司在物理AI领域的布局构成了尚未被充分定价的长期增长动力，结合其获准向中国市场销售芯片以及美国企业庞大的资本支出计划，公司股票在当前估值下仍具吸引力 [1] 行业资本支出与AI基础设施投资 - 美国企业正投入超过6500亿美元（$650 billion）的资本支出用于AI基础设施计划，其中大部分资金瞄准AI倡议，且尚未制定年度预算的公司的潜在支出尚未完全计入 [1] - 庞大的资本支出为英伟达及其竞争对手提供了强劲的行业顺风，预计将推动其增长至少持续至2026年 [1] 公司战略转型与业务扩展 - 公司已从单纯的AI硬件公司，转变为一个强大的软件和平台公司，其业务范围正扩展到物理AI和机器人领域 [1] - 公司正在通过GR00T（未来人形机器人的“大脑”）、数字孪生（用于在实际机器人部署前训练物理AI）以及Jetson Thor物理形态本身等平台，积极布局物理AI生态系统 [1] - 公司已获得批准，开始向中国市场销售部分紧俏的AI芯片，这为其销售增长提供了额外的长期潜力，尽管短期预期有限 [1] - 公司与“科技七巨头”（Mag Seven peers）达成了最近的AI芯片交易，这进一步巩固了其增长前景 [1] 市场估值与前景 - 公司股价近期表现平稳，并非因为芯片销售停滞，而是因为市场预期已与现实情况趋同，AI芯片的上行空间可能已在当前股价中部分体现 [1] - 以约45.0倍的追踪市盈率（P/E）计算，公司的股票估值显得具有吸引力，可能是当前市场上最便宜的超大型机器人概念股 [1] - 物理AI生态系统的发展有望在未来三到五年内将机器人革命从科幻变为现实，而英伟达是这一趋势的核心受益者，其价值可能被仅关注短期季报的分析师和投资者低估 [1]

卡特彼勒与英伟达的战略合作 - 卡特彼勒正通过与半导体巨头英伟达的合作，更深入地在其建筑机械车队中整合人工智能与自动化技术 [1] - 合作内容包括在卡特彼勒中型Cat 306 CR微型挖掘机上试点名为“Cat AI”的AI辅助系统，该系统基于英伟达的Jetson Thor物理AI平台构建，并在CES上进行演示 [1] Cat AI系统的功能与价值主张 - Cat AI系统由一系列AI智能体构建，能帮助机械操作员解答问题、获取资源、提供安全提示以及安排设备服务 [2] - 该技术的主要优势之一是系统能够收集并回传数据，为客户提供实时洞察，使其能在工作中直接采取行动，这对不常使用笔记本电脑、身处施工现场的客户至关重要 [2][3] - 卡特彼勒的机械每秒向公司回传约2,000条消息，这些数据将用于构建数字孪生和仿真 [3] 数字孪生与仿真技术的应用 - 卡特彼勒正利用英伟达Omniverse仿真资源库，试点建筑工地的数字孪生模型，以测试施工调度方案并更精确地计算项目所需建材量 [3] - 公司已在矿业领域拥有完全自动驾驶车辆，当前的试点项目是其在产品组合中推广更多自动化的重要下一步 [4] 合作背景与战略契合 - 卡特彼勒选择从该领域切入，是因为这是客户当前面临的实际挑战，且公司在此已有一定发展势头，能够较快推向市场，同时该技术也为公司奠定了可扩展的技术基础 [6] - 与卡特彼勒这类传统工业品牌合作，符合英伟达的物理AI战略，英伟达首席科学家在2025年表示，公司将物理AI视为其强大GPU的下一个前沿领域 [6][7] 英伟达的物理AI战略布局 - 在CES主题演讲中，英伟达阐述了其物理AI全栈生态系统计划，包括其Cosmos模型系列等开源AI模型、仿真工具和开发者套件 [8] - 英伟达对物理AI的定义广泛，认为当今所有公司都在构建机器人技术，物理AI是AI的下一波浪潮，英伟达正通过提供训练模型、仿真测试及将模型部署至机器人（无论是自动驾驶汽车还是卡特彼勒机械）的计算机来引领该领域 [8][9]

公司与技术合作 - 卡特彼勒正通过与半导体巨头英伟达的合作，在其建筑机械车队中深化整合人工智能与自动化技术 [1] - 合作的核心是卡特彼勒在其Cat 306 CR中型迷你挖掘机上试点名为“Cat AI”的辅助系统，该系统基于英伟达的Jetson Thor物理AI平台构建，并在CES上进行演示 [1] Cat AI系统的功能与价值 - Cat AI系统由一系列AI智能体构建，能够帮助机械操作员解答问题、获取资源、提供安全提示以及安排服务 [2] - 该技术带来的最大好处之一是系统能够收集并回传数据 [2] - 对于客户而言，能够在工作中实时获取洞察并采取行动至关重要，因为他们并非终日面对笔记本电脑，而是在现场作业 [3] 数据应用与数字孪生 - 卡特彼勒正在利用英伟达Omniverse仿真资源库试点建筑工地的数字孪生，以测试调度方案并更精确计算项目所需建筑材料量 [3] - 公司的机械设备每秒向公司回传约2,000条消息，这些数据将用于构建上述仿真模型 [3] 自动化战略与市场定位 - 卡特彼勒已在矿业领域拥有完全自动驾驶车辆，当前的试点项目是公司为其产品组合引入更多自动化的下一步 [4] - 选择从此处着手是因为这是客户当前面临的实际挑战，且公司在此领域已具备一定发展势头，能够较快推向市场 [5] - 该技术也为公司提供了可进一步构建的技术基础 [5] 英伟达的战略布局 - 与卡特彼勒这类传统工业品牌合作，符合英伟达的物理AI战略 [5] - 英伟达首席科学家在2025年表示，公司将物理AI视为其及其强大GPU的下一个前沿领域 [6] - 在CES主题演讲中，英伟达阐述了其物理AI全栈生态系统的计划，包括其Cosmos模型系列等开放AI模型、仿真工具和开发者套件 [6] - 英伟达对物理AI的定义非常广泛，认为如今每个人都在构建机器人技术，而不仅限于机器人公司 [7]

行业核心转变 - 人工智能驱动的机器人行业正经历两大关键转变：一是应用场景从工厂车间向家庭、城市、太空等非结构化环境“逃逸”，二是训练重点从传统的认知能力（“大脑”）转向物理操控能力（“身体”）[1] - 这一转变将驱动边缘算力需求爆发，并可能重塑全球算力基础设施格局[1] 机器人应用场景演变 - 传统工业机器人被局限于工厂的“结构化牢笼”，任务单一、环境可控且无需感知与学习能力[3] - AI赋能的新一代机器人开始进入家庭、农场、城市街道、深海及太空等复杂现实世界，执行如自动驾驶导航、家庭服务、复杂地形巡检等任务[3] 物理操控的技术挑战与瓶颈 - 当前行业瓶颈已从优化“大脑”（如通用模型）转向训练“身体”（物理动作执行），核心矛盾在于人类本能的基础技能（如行走、抓取）对AI而言极其复杂（Moravec悖论）[8] - 机器人执行如“抓取冰箱中的瓶子”等简单人类动作，涉及手指位置、身体平衡、握力控制及环境变量（如湿度）等多重挑战，需要实时感知、动态决策与精细动作控制能力[6][7] - 与大语言模型不同，机器人模型需要大量真实世界的物理操作数据进行训练，这使得数据收集和模型训练变得更加复杂且昂贵[9] 训练数据收集方式 - 特斯拉、英伟达、谷歌等科技巨头正通过三种主要方式收集训练数据[11] - **远程操作**：人类通过动作捕捉控制机器人模仿行为，但该方法耗时且扩展性差[13] - **模拟训练**：通过数字孪生在虚拟环境中无限复现复杂场景（如极端天气），结合强化学习优化动作，游戏引擎公司（如Unreal Engine、Unity）及英伟达Omniverse平台深度参与[15] - **视频学习**：从人类行为视频（如YouTube）中提取动作模式训练模型，无需物理交互，谷歌DeepMind的Genie 3、Meta的V-JEPA 2等“世界模型”采用此思路[15] 边缘算力需求与趋势 - 机器人进入非结构化环境后，云端中心化计算的延迟问题凸显，边缘算力成为刚需[18] - **专用边缘芯片普及**：以英伟达Jetson Thor为代表，作为边缘实时推理设备，每套件价格约3500美元，其核心优势在于低功耗下实现高算力，满足机器人对实时性的要求[19] - **分布式推理网络**：特斯拉提出“机器人即算力节点”构想，若全球部署1亿台具备2500 TFLOPS算力的机器人，在50%利用率下可提供125000 ExaFLOPS算力，相当于700万颗英伟达B200 GPU（单颗18 PetaFLOPS）[22] 市场规模与算力需求预测 - 到2050年，全球将售出14亿台机器人[2] - 到2030年，全球机器人边缘计算需求将大幅增长，各类机器人形态都将贡献显著算力需求[25] - 到2050年，机器人将推动边缘AI算力需求达到数百万个B200芯片当量[2][25]

特斯拉Optimus机器人生产计划 - 公司正扩大其德克萨斯州超级工厂，以建设专门设施用于大规模生产Optimus人形机器人[2] - 目前试点生产已在加州弗里蒙特工厂进行，早期Optimus V3原型机正在组装[2] - 公司计划到2026年底将弗里蒙特工厂年产量提升至约100万台，随后德克萨斯州生产线计划于2027年启动，年产能高达1000万台[2] 特斯拉Optimus产品定位与目标 - 首席执行官认为Optimus有潜力成为公司最大的产品[1] - 该机器人旨在处理日常重复性任务，以改变人们的工作方式，原型机已在公司设施内进行测试，协助搬运零件、分拣材料和支持生产线操作[3] - 公司目标是在全面生产开始后，将每台机器人的制造成本控制在约2万美元[3] - 公司计划在2026年初发布Optimus V3设计，其外观将高度逼真[3] - 此举标志着公司业务从汽车向机器人领域的扩张，可能开辟新的长期增长机会[3] 行业竞争格局与技术发展 - 行业内其他公司如波士顿动力和Figure AI也在快速进步，公司仍需努力追赶以实现其愿景[3] - 英伟达正在通过突破性进展巩固其在变革性机器人革命中的地位，包括推出全球首个开放人形机器人基础模型Isaac GR00T N1.5，以及全面上市Jetson Thor，其在130瓦功耗下提供前所未有的2070 FP4 teraflops AI计算能力用于实时机器人推理[4] - 超微公司也凭借其Kria系统模块和KR260机器人入门套件进军机器人领域，其与黑莓QNX的合作在实现低延迟实时机器人方面具有优势[5] 特斯拉财务与市场表现 - 公司股价年初至今上涨6%，同期行业增长为12%[6] - 公司远期市销率为13.47，高于行业及其自身五年平均水平，价值评分为D[9] - 公司当前Zacks排名为第3级（持有）[11] - 过去90天内，公司当前季度（2025年12月）每股收益共识预期从0.47美元下调至0.44美元，下一财年（2026年12月）预期从2.49美元微调至2.45美元[11]

事件概述 - 英伟达首席执行官黄仁勋于2024年11月在首尔APEC会议期间，与三星和现代高管在Kkanbu Chicken进行私人晚宴，事件经社交媒体传播后引发韩国股市相关公司股价异动 [3] - 该事件与英伟达随后公布的同三星、现代的合作计划相结合，被市场解读为积极信号，形成所谓的“黄仁勋效应” [6][14] 市场反应 - 事件曝光后次日，韩国炸鸡连锁、家禽加工及炸鸡机器人相关公司交易量在几小时内放大数倍 [3] - 具体公司如桥村食品股价盘中跳升，Cherrybro成交量猛增，创业板公司Neuromeka等与炸鸡服务自动化相关的公司受到市场热捧 [5] - 韩国创业板热钱偏好明显，散户和投机资金追逐热点，将私人晚宴联想为消费增长或技术合作信号，推动资金流入相关标的 [10] 商业合作实质内容 - 英伟达与三星宣布合作计划，目标在三星工厂部署数万块英伟达GPU，用于数字孪生和制造流程优化，项目包含Omniverse平台应用和HBM4内存联合研发 [8][12] - 英伟达与现代汽车合作推进智能出行和机器人平台，技术路线涉及RTX PRO与Jetson Thor等硬件，用于软件定义车辆和工业级机器人试验场景 [8] - 合作公告旨在全球多地复制AI工厂概念，首期计划在三星主要晶圆厂进行部署 [12] 事件影响机制 - 社交媒体上的私人晚宴成为市场催化剂，市场参与者将私人互动与后续商务细节关联，形成短期资金驱动 [10][14] - 媒体头条、财经博主直播和散户群讨论将私宴转为公共事件，导致相关餐饮及概念股出现涨停、放量和强劲买盘 [12] - 事件表明，在信息传播链中，个人随意举动可被迅速放大，信息与注意力能直接转化为资本市场的价格波动 [16]

投资评级 - 报告对硬蛋创新（00400 HK）维持“买入”评级 [5][9] 核心观点 - 公司是稀缺的AI算力芯片供应商，通过深化“芯、端、云”全产业链布局，把握AI驱动的算力需求爆发机遇 [1][2] - 公司作为NVIDIA Jetson系列核心代理商，精准卡位物理AI（具身智能）黄金赛道，有望深度受益 [3][97] - 公司向产业链下游垂直拓展，自研SOM（系统级模块）产品已实现批量出货，有望打造第二成长曲线 [4][9] 业务与财务表现 - 公司业务分为科通技术（AI算力供应链核心供应商）和硬蛋科技（AIoT技术服务平台）两大平台，致力于从产业连结者向科技赋能者升级 [1][17] - 2025年上半年公司实现营收66.76亿元人民币，同比增长54.5%，实现归母净利润1.32亿元人民币，同比增长17.2% [1][20] - 公司2019年至2024年营收复合年增长率为11.6%，归母净利润复合年增长率为11.5% [1] 行业前景与公司定位 - AI大模型驱动算力需求爆发式增长，大模型出现后算力需求增速从每两年约8倍大幅提升至每两年约275倍 [2][42] - 全球算力规模预计将在2029年达到14130 EFlops，2024年至2029年复合年增长率为45%；中国大陆算力规模预计在2029年达到5457 EFlops [2][42] - 全球AI芯片市场有望从2024年的超过570亿美元增至2027年的4000亿美元，2030年全球AI基础设施支出预计达3-4万亿美元 [2][47] - 公司是AI算力供应链核心供应商，代理超过80家核心芯片公司的产品，包括NVIDIA、AMD-Xilinx、Intel等国际知名原厂 [31][62] 物理AI与具身智能机遇 - 物理AI作为新一代智能形态，有望改变价值50万亿美元的产业，但面临环境适应、数据获取和端侧部署等挑战 [3][64][71] - NVIDIA推出新一代机器人计算平台Jetson Thor，提供高达2070 FP4 TFLOPS的计算性能，为面向物理AI的多模态推理计算平台 [3][72][78] - 众多中国机器人企业如优必选、宇树科技、银河通用等已率先采用Jetson Thor，显示其在中国市场的强劲需求 [3][89] - 公司是NVIDIA Jetson核心代理线，以其为基石向端侧AI领域输出解决方案，有望深度受益于核心代理业务增长 [3][97] 自研SOM与第二成长曲线 - SOM（系统级模块）市场规模有望从2025年的超32.2亿美元增长至2035年的超77.6亿美元 [4] - 公司下属开普勒研究院基于对AI算力供应链及下游需求的长期理解，开发了基于NVIDIA Jetson和Xilinx FPGA等核心芯片的SOM级自研产品 [4] - 公司自研SOM产品已实现对海关、银行等客户的批量出货，伴随产品品类拓展及放量，有望开辟第二成长曲线 [4][9] 盈利预测与估值 - 预计公司2025-2027年营收分别为133.6亿元、200.3亿元、270.8亿元人民币 [9][11] - 预计公司2025-2027年归母净利润分别为2.5亿元、3.8亿元、5.0亿元人民币 [9][11] - 对应2025-2027年预测市盈率分别为16.7倍、11.2倍、8.4倍，报告认为公司具备估值优势 [9][11]

仿真与现实鸿沟（Sim2Real Gap）的挑战与重要性 - 机器人学习面临的核心问题是仿真与现实世界之间存在显著差距，具体体现在感知差距（如视觉、触觉信号差异）、物理交互差距（如物体受力反馈、形变偏差）以及场景复杂度差距（如难以复现真实世界的动态变化）[3][4] - 该鸿沟导致在仿真环境中训练的机器人程序难以直接适配并应用于真实场景[4] - 与主要依赖视觉的自动驾驶仿真相比，机器人领域的仿真挑战更大，因其涉及物理接触、操控，并需结合灵巧手和触觉传感器，问题复杂得多[9] 仿真与合成数据作为解决方案 - 现实中手动采集机器人数据成本高、效率低且存在安全风险，而仿真被认为是突破此数据困境的关键路径[7] - 由于机器人数量有限，难以像自动驾驶汽车那样大规模采集现实数据，因此必须使用合成数据，并坚信合成数据将是解决物理AI数据壁垒最重要、最主要的数据来源[9] - 通过仿真可生成上千种模型并设置不同物理参数，使机器人在几天内完成相当于现实几年的训练量，例如训练机器人叠衣服[12] - 生成式AI技术（如3D计算机视觉、视频生成、3D世界生成）有望提升仿真真实感，优化视觉渲染和物体细节，减少感知差距[6] 英伟达的“三台计算机”战略布局 - 公司致力于打造机器人可学习的“虚拟地球”，其技术体系可通过“三台计算机”的逻辑理解，Sim2Real是串联三者的核心纽带[10] - **AI超级计算机**：是让机器学会处理信息的基础，为机器人核心程序提供算力支撑[10] - **仿真计算机**：以Omniverse和Isaac Sim为核心，让机器在虚拟世界中掌握感知与交互能力，其关键难点在于物理交互，例如电缆、电线仿真是亟待突破的“圣杯级”难题[11] - **物理AI计算机**：由GROOT（通用机器人基础程序）、Cosmos（世界模型）和Jetson Thor（机器人端侧芯片）构成，负责让机器人在真实世界中执行任务，其中Cosmos是衔接仿真与现实的关键环节，能像数据放大器一样生成更多样、更贴近真实情况的数据[11][12] 英伟达与光轮智能的合作关系 - 光轮智能与公司的Sim2Real技术路线高度契合，双方已形成技术共生关系，光轮智能是少数能在物理精度、交互逻辑、场景多样性上全面匹配公司物理智能生态需求的合作方[12] - 公司正重点推进物理AI（含机器人、自动驾驶、数字孪生）的技术落地，核心痛点是缺乏海量真实、多样化的物理交互数据，需要能稳定输出高质量数据的“合成数据工厂”以及愿景一致的合作伙伴，而光轮智能成立的时机恰好满足此需求[15] - 双方对SimReady资产有共识，认为其不仅是数字3D模型，还必须具备真实的物理属性（如冰箱铰链的阻尼、微波炉材质的摩擦系数），光轮智能的核心工作是通过专业设备采集真实物理数据并植入SimReady资产，确保物理属性匹配[16] 英伟达物理智能的全链路体系 - 公司正构建物理智能全链路体系，包括OpenUSD（3D数据标准）、SimReady（仿真资产标准）、Newton（物理计算）、Cosmos（世界模型）[16] - Sim2Real的关键不是让虚拟复制现实，而是通过场景随机化、参数调整让虚拟覆盖现实，使机器人在虚拟中接触足够多的意外情况，从而能在现实中应对自如[12] - 与斯坦福合作的“OmniGibson”仿真引擎已能支持刚体物理、可变形物体（布料、流体）交互，以及物体的加热、切割等复杂状态模拟[6]

文章核心观点 - 英伟达在机器人学习大会（CoRL）上发布了多项开源技术，旨在系统性解决机器人研发中的关键难题 [1] - 此次发布覆盖了从物理引擎、基础模型、训练工作流到硬件基础设施的“全栈式”布局，重新定义机器人研发的游戏规则 [1][10] - 行业领先的机器人公司、制造商及顶尖高校已开始采用这些技术，加速机器人从实验室走向日常生活的进程 [3][9][10] Newton物理引擎 - 该引擎旨在解决机器人技能从仿真环境安全可靠迁移至现实世界的核心难题，全球超过25万机器人开发者面临此问题 [4] - 作为开源项目，基于英伟达的Warp和OpenUSD框架构建，采用GPU加速技术，能够仿真复杂动作如雪地行走和操控细腻物体 [4] - 苏黎世联邦理工学院、慕尼黑工业大学、北京大学等顶尖高校以及光轮智能、Style3D等公司已成为其早期用户 [4] Isaac GR00T N1.6基础模型 - 该开源模型通过集成Cosmos Reason视觉语言模型，赋予机器人接近人类的推理能力，能够将模糊指令转化为可执行的逐步计划 [5][6] - 模型使机器人能同时完成移动和物体操控动作，躯干和手臂活动自由度更大，甚至可推开较重的房门 [6] - Cosmos Reason模型在Hugging Face平台下载量已超过100万次，并在物理推理模型排行榜上位居榜首 [6] - AeiROBOT、Franka Robotics、LG Electronics等领先机器人制造商正在评估采用该系列模型 [7] 训练革新与数据生成 - 基于Omniverse的Isaac Lab 2.3开发者预览版新增了灵巧抓取工作流，采用“自动化课程体系”从简单到复杂逐步训练机器人 [8] - Boston Dynamics的Atlas机器人通过此工作流学习抓取技能，操控能力获得显著提升 [8] - 英伟达与光轮智能联合开发了Isaac Lab Arena，作为开源策略评估框架，支持大规模实验和标准化测试，无需从零构建系统 [8] - 公司提供了开源物理AI数据集，包含数千条合成及真实世界轨迹数据，目前下载量已突破480万次 [6] AI硬件基础设施 - GB200 NVL72机架式系统集成36个Grace CPU和72个Blackwell GPU，已被各大云服务提供商采用 [9] - RTX PRO服务器为机器人开发提供统一架构，RAI Institute已率先使用 [9] - 搭载Blackwell GPU的Jetson Thor能够支持机器人运行多个AI工作流，实现实时智能交互，Figure AI、银河通用等合作伙伴已开始采用 [9] - 在CoRL收录的论文中，近半数引用了英伟达的相关技术，卡内基梅隆大学、华盛顿大学等顶尖研究机构均在使用其GPU、仿真框架和CUDA加速库 [9]

公司战略与业务发展 - 英伟达的增长故事由其在人工智能数据中心和游戏领域的优势所定义，但机器人技术正迅速成为另一个有前景的赛道 [1] - 公司管理层在2026财年第二季度强调了对机器人平台的需求不断增长，并指出了自动化、制造、医疗保健和物流领域的机遇 [2] - 公司推动机器人业务与其提供全栈人工智能解决方案的战略相契合，若Jetson Thor获得市场采纳，将有助于公司实现收入来源多元化并占领人工智能应用尚处早期的新行业 [4] - 根据imarc集团的报告，全球机器人市场规模预计到2033年将达到1787亿美元，2025年至2033年期间的复合年增长率为16.35% [4] 核心产品与技术平台 - 新推出的Jetson Thor平台可能是一个转折点，该平台基于英伟达的Blackwell架构构建 [3] - Jetson Thor将先进的图形处理器和人工智能加速与机器人专用软件相结合，使开发者能够实时处理计算机视觉、运动规划和人机交互等复杂任务 [3] - 通过支持更强大的自主机器人，Jetson Thor有潜力将英伟达的业务从云计算扩展到更接近数据产生地的边缘人工智能系统 [3][10] 市场竞争格局 - 竞争对手如高通公司和超微半导体公司也在瞄准人工智能机器人市场 [5] - 高通通过其Snapdragon平台在机器人市场建立影响力，该平台为无人机、服务机器人和工业自动化系统提供动力，其优势在于高能效的人工智能处理和先进的连接性 [6] - 超微半导体通过提供支持自动化和边缘系统中人工智能工作负载的高性能中央处理器和图形处理器与英伟达竞争，其不断增长的人工智能加速器产品线使其成为机器人人工智能基础设施领域的挑战者 [7] 财务表现与市场估值 - 英伟达股价年初至今上涨约32.3%，同期Zacks计算机与技术板块上涨21.7% [8] - 公司远期市盈率为31.82倍，高于行业平均的29.21倍 [11] - Zacks共识预期显示，公司2026财年和2027财年收益将分别实现约48.8%和39.2%的同比增长，且过去30天内这两个财年的收益预期均被上调 [14] - 当前对2025年10月季度、2026年1月季度、2026财年及2027财年的每股收益预期分别为1.23美元、1.37美元、4.45美元和6.19美元，较30天前的预期（分别为1.17美元、1.31美元、4.28美元和5.72美元）有所上调 [15]