按照英伟达过去十个季度的历史规律，实际营收平均超出管理层指引7%至8%。管理层此前给出的 F1Q27营收指引为780亿美元，据此推算，实际营收大概率落在830亿至840亿美元区间，而当前市场一 致预期仅为787亿美元。 英伟达财报季，最重要的已经不再是数字本身。 5月18日，美银证券分析师Vivek Arya团队发布英伟达Q1财报前瞻报告，财报将于美东时间5月20日周三 收盘后公布。 换句话说，"超预期"几乎是板上钉钉。但分析师认为，财报发布后真正牵动市场神经的，是以下五个问 题。 现金回报：英伟达的"吝啬"能改吗？ 这是报告着墨最多的一个议题，也是他们认为英伟达估值长期折价的核心原因。 英伟达目前是标普500指数中市值最大的公司，占指数权重高达8.3%，超过苹果（峰值7.9%）和微软 （峰值7.2%）各自的历史最高点。但问题在于，英伟达的股东回报力度，与其体量严重不匹配。 数据很直白：2022-2025年，英伟达自由现金流回报率（分红+回购）平均只有47%，同期行业同类公司 平均是80%，就连英伟达自己在更早十年的平均水平也是80%。 与此同时，英伟达当前股息收益率仅为0.02%，而同行平均为0.89%。在 ...

文章核心观点 - 英伟达新一代专为代理式AI设计的Vera CPU已完成首批交付，标志着其“下一个数十亿美元级业务”从概念验证进入商业化落地阶段[2] - Vera CPU通过提升系统性能与效率，旨在满足代理式AI执行复杂任务对高性能CPU协同能力的极高要求[4] - 首批客户甲骨文计划从2026年起部署数十万颗Vera CPU，表明代理式AI的CPU需求是能转化为实际商业订单的真实市场需求[5] - Vera是英伟达下一代AI基础设施（AI工厂）的核心组成部分，其交付意味着公司AI硬件产品的落地兑现已从GPU扩展至CPU[5][6] 产品技术与性能 - Vera CPU专为强化学习和代理式AI设计，支持模型之外的代码、工具和数据工作流[4] - 作为加速系统中的主机CPU，Vera与英伟达GPU无缝协作，负责指导数据搬运、管理内存和编排系统控制[4] - Vera搭载88个英伟达自研Olympus核心，拥有1.2 TB/s的内存带宽，单核性能提升50%[4] - 该CPU使软件环境运行速度提升高达50%，效率是传统架构CPU的两倍[4] - 在Vera Rubin NVL72系统中，Vera通过第二代NVLink-C2C与Rubin GPU相连，形成统一内存架构，大幅改善GPU数据供给效率与整体计算效能[5] 市场与客户进展 - 首批交付客户包括Anthropic、OpenAI、SpaceX AI及甲骨文云[2] - 甲骨文云基础设施计划从2026年起部署数十万颗英伟达Vera CPU，以满足其下一代企业级AI发展对效率、密度和空间占用的需求[5] - 甲骨文的承诺表明，代理式AI对CPU的需求是可直接兑现为商业订单、拉动业绩增长的真实市场需求[5] 战略与行业影响 - Vera是英伟达AI工厂中的重要组成部分，将与Rubin GPU、BlueField 4 DPU、Spectrum-X以太网平台及MGX机架共同构成下一代人工智能基础设施核心[5] - Vera的交付意味着英伟达新一代AI硬件产品的落地兑现已从GPU扩展到CPU，未来可能进一步扩展至网络和机架系统[6] - 伴随行业资本开支维持高增长态势，英伟达作为生成式AI与代理式AI最大受益者的市场地位或将被进一步巩固[6]

公司动态 - 英伟达已开始向Anthropic、OpenAI、SpaceXAI和甲骨文等北美主要云端服务供应商（CSP）出货其最新AI平台Vera Rubin的首批Vera CPU [1] - 英伟达超大规模和高效能运算副总裁Ian Buck亲自向首批客户交付Vera CPU，并在OpenAI办公室现场展示服务器内部结构，凸显公司对此次出货的重视 [1] - 鸿海、广达、纬创等代工厂预期将迎来新一波AI服务器拉货潮 [1] - 为应对新平台商机，广达在美国加州弗里蒙特承租新厂房，合约总金额上看6,171万美元（约新台币19.74亿元），用于AI服务器扩产 [1] 产品与技术 - Vera CPU是英伟达继2021年推出Grace CPU后，时隔五年再度更新的CPU设计架构 [2] - Vera CPU采用Arm架构设计，具备88颗运算核心，支援每秒1.8TB的NVLink高速传输通道和1.5TB的系统存储器 [2] - 该CPU最高可支援每秒1.2TB的SOCAMM LPDDR5X，旨在全力支援全新设计的Rubin架构GPU，以满足AI代理时代的庞大运算需求 [2] - Vera CPU采用台积电3纳米制程打造，封装模式采用2.5D/3D先进封装，生产时间较Rubin GPU更短，这是其能优先交付的主要原因 [2]

AI 编程与模型进展 - Cursor 发布 Composer 2.5 编程模型，性能逼近 Claude 4.7 Opus 和 GPT-5.5，运行效率提升 10 倍，百万输出 Token 成本为 2.5 美元 [1] - Cursor 采用定向文本反馈强化学习技术，合成任务数量较前代暴增 25 倍 [1] - Cursor 通过分片 Muon 优化器实现 1T 参数模型单步耗时在 0.2 秒以内，并与 SpaceXAI 合作调用 100 万张 H100 等效算力训练下一代模型 [1] - 摩尔线程发布全栈国产化具身智能仿真平台 MT Lambda，机器狗“小飞”在仿真世界训练后可无损迁移至物理世界 [4] - MT Lambda 平台基于 MUSA 架构，仿真吞吐效率提升约 30 倍，光线追踪渲染性能提升 2.7 倍 [5] - 摩尔线程夸娥智算集群训练 RoboBrain 2.5 与 H100 集群的 Loss 差异仅 0.62%，其 1024 卡线性扩展效率超 90% [5] AI 行业人才与法律动态 - AI 专家 Andrej Karpathy 宣布加入 Anthropic，其履历包括 OpenAI 创始研究员和 Tesla AI 总监 [2] - Andrej Karpathy 创立的 AI 教育公司 Eureka Labs 的 YouTube 课程观看量超 2000 万次，其创建的 CLAUDE.md 配置文件在 GitHub 累计获得超 22 万 star [2] - 加州联邦法院陪审团认定马斯克起诉 OpenAI 超时效，驳回其 1800 亿美元索赔 [3] - 庭审披露 OpenAI 部分股权情况：布罗克曼约 300 亿美元、苏茨克维尔约 70 亿美元、微软持股市值 1350 亿美元 [3] - 五名证人指认 OpenAI 首席执行官奥特曼撒谎，前董事会曾接触 Anthropic 讨论合并事宜 [3] AI 基础设施与能源需求 - NextEra Energy 以 670 亿美元收购 Dominion Energy，创美国公用事业最大并购纪录，核心驱动力是 AI 数据中心对电力的需求 [2] - Dominion Energy 握有 51GW 数据中心电力合同，其所在的弗吉尼亚“数据中心走廊”承载全球 70% 互联网流量 [2] - PJM 电力市场电价已“不可逆转”地上涨 76% [2] - 据 PowerLines 测算，住宅消费者将通过电费上涨承担约 7000 亿美元 AI 基础设施成本 [2] - 黄仁勋指出 AI 基础设施将建设十年甚至更久，AI 正从“生成内容”走向“完成工作” [8] - HBM 内存与先进制程是产业链最大瓶颈，AI 基础设施需 CoWoS 封装、HBM、硅光网络协同扩张 [8] AI 应用与平台发展 - 腾讯云发布大数据智能体工作台 DataBuddy，用户可通过自然语言对话完成数据全链路任务，数仓建设从原本 1-2 周压缩至小时级交付 [6] - 微信读书 Skill 激活个人阅读数据，提供查阅书架、书籍搜索、阅读统计等六大类功能 [7] - AMD 首席执行官苏姿丰表示 AMD 正深度融入中国 AI 生态，其 ROCm 已支持超 300 万模型，并对多家中国主流模型做到 Day0 支持 [9] - AMD 推出免费 AMD AI 开发者云，阶跃星辰 1960 亿参数模型在 AMD Ryzen AI Max+ 395 笔记本上解码速度接近每秒 100 Token [10] - 企业 AI 部署呈现从云端转向本地化趋势，戴尔季度新增 1000 家 AI 服务器客户，礼来公司已部署 1000 块 GPU [8]