75% 毛利背后：英伟达其实是一家软件公司

75%在半导体行业中是个异类。但需要诚实面对一个问题：这个高毛利有多少归因于CUDA生态锁定，又有多少归因于产能供不应求带来的短期定价权？

毛利率的韧性提供了额外信息。过去一年间，AMD MI300X在纸面参数上已具备竞争力，Google TPU在内部大规模部署，Groq、Cerebras等专用芯片方案持续分流推理负载。供给端的竞争者在增多，但75%的毛利率纹丝不动。如果高毛利仅仅来自产能稀缺，竞争加剧应当逐步侵蚀这一优势。事实没有发生。这说明供需关系之外，还存在一层超越硬件参数的定价权——客户愿意为CUDA生态带来的效率溢价买单。

从成本结构看，这个判断也获得间接支撑。HBM4内存和先进封装的采购成本在持续攀升，但英伟达转嫁成本的能力并未减弱。将75%与同行对比，差异更直观：台积电作为代工龙头，Q1毛利率66.2%；英特尔Non-GAAP毛利率41%。英伟达作为芯片设计公司，在毛利率上大幅超越同行，这在半导体行业中极为罕见。

图：半导体头部企业Non-GAAP毛利率对比（最新季度） 数据来源：各公司2026年Q1财报

当然，定价权并非无上限。Kress给出的Q2指引为GAAP 74.9%、Non-GAAP 75.0%，上下浮动50个基点，仍维持高位。HBM4成本上升和3nm工艺爬坡是长期压力，但当前尚未实质侵蚀毛利率，说明软件溢价足以对冲硬件成本上涨。

客户在买什么：从“采购芯片”到“采购平台”

图：英伟达FY27 Q1分业务营收及同比增速 数据来源：英伟达FY27 Q1财报

数据中心GPU算力营收604亿美元，同比增长77%。但网络营收148亿美元，同比增长199%，增速是GPU的2.6倍，占数据中心总营收比例从去年同期的约12%升至约20%。

客户采购的不只是GPU，而是NVLink（芯片间高速互联技术）、InfiniBand和Spectrum-X构成的全栈系统。据多家媒体报道，主要超大规模客户正在以极快的速度部署GB200 NVL72机架——将72颗GPU、NVLink交换机和液冷封装为一体。一旦采用，其数据中心的计算、存储、网络全部纳入英伟达技术体系。据CFO Kress在电话会中披露，Spectrum-X以太网平台“规模已超过所有以太网同类竞争对手的总和”——在开放标准的以太网领域，英伟达凭借CUDA对网络通信的加速优化取得了超越硬件参数的市场地位。CUDA在网络层面也在发挥作用，而不仅限于GPU计算。

另一个有价值的观察是采购的承诺周期在拉长。据电话会披露，截至Q1末供应保障总额（含库存、采购承诺和预付款）增至约1450亿美元。GTC 2026上，管理层将Blackwell和Rubin平台累计需求展望上修至2027年底约1万亿美元。客户押注的不只是某一代芯片，而是一个由CUDA统一的全栈平台。

图：英伟达需求可见性与供应保障（亿美元） 数据来源：英伟达FY27 Q1财报、GTC 2026

旧硬件升值：纯硬件逻辑无法解释的现象

电话会中一组数据值得细读：H100租用价格年初至今上涨20%，A100云端定价涨15%。

H100基于2022年Hopper架构，Blackwell已贡献数据中心计算收入约七成，下一代Blackwell Ultra架构样片已开始向客户交付。正常硬件迭代中，新一代上市意味着旧代价格暴跌。英伟达出现了相反趋势。

Kress将此归因于“平台的多样性”和“软件栈带来的持续性能提升”。据MLPerf v6.0官方基准测试结果，Blackwell Ultra在Server场景下DeepSeek-R1推理速度较上一代提升2.77倍。这一性能飞跃来自英伟达所强调的“极致协同设计”——硬件架构、CUDA软件栈与模型的联合优化。

需要考虑的反面解释是：旧硬件升值是否仅仅因为AI算力总需求爆发？这个因素存在，但同一时期其他厂商的旧代GPU并未出现类似升值。H100涨价的特殊性在于，CUDA生态在过去四年中持续为这块硬件扩展新的应用场景和性能空间，使其在折旧期满后仍然具备经济价值。

不妨类比iPhone的旧机型保值逻辑——原因不是硬件折旧更慢，而是iOS生态为旧设备持续提供系统更新，延长了经济生命周期。英伟达正在GPU领域复现同样逻辑。在纯硬件框架中，折旧期满的资产趋于残值；在CUDA框架中，软件迭代持续为旧硬件注入新价值。这是支持“软件定义”论点的最具说服力的单项证据。

对CUDA锁定效应的一个常见质疑是：它是否主要局限于训练阶段？

本季度信号偏积极但不绝对。推理已成为增长主引擎，Blackwell被定义为“推理环节单位token成本最低的平台”。Dynamo 1.0作为英伟达面向大规模分布式推理的生产级系统，与TensorRT-LLM（推理加速库）等优化工具协同，将Blackwell推理效率大幅提升。Blackwell Ultra在MLPerf推理测评中横扫全部基准。

更重要的是，推理场景对软件优化的敏感度远高于训练：涉及长尾模型部署、延迟敏感型应用和成本效率优化，恰恰是CUDA推理工具链最擅长的领域。TensorRT-LLM对大模型推理的优化深度，以及Triton编译器对自定义算子的支持，构成了短期内难以复制的工程壁垒。

但目前的证据尚不足以得出“客户在推理端无法离开CUDA”的确定性结论。Google TPU在内部推理中运行良好，Groq的SRAM架构在特定场景具备竞争力，自研ASIC（专用芯片）在超大规模厂商中持续扩大部署。CUDA在推理端的优势更像是“当前最优解”而非“唯一解”。不过，本季度边缘计算动态几乎全部围绕CUDA展开：自动驾驶平台DRIVE Hyperion（比亚迪、吉利、日产等已采用）、机器人框架Isaac GR00T N等。从云端到物理世界，CUDA正在将推理依赖从单一场景扩展到全场景。

Vera CPU：生态边界的实质测试

本季度英伟达发布了Vera CPU——“全球首款专为智能体AI设计的CPU”。据CFO Kress在电话会中披露，管理层预计今年CPU相关营收可达约200亿美元，而Vera CPU所开辟的整体潜在市场（TAM）规模高达2000亿美元。

图：英伟达全栈软件生态的五层架构

如果英伟达仅靠GPU硬件取胜，没有理由进入被x86和Arm统治数十年的CPU市场。Vera的核心优势不在硬件参数——虽相比x86可实现最高1.5倍单核性能和2倍每瓦性能提升——而在于它与CUDA的端到端协同设计。OpenAI、Anthropic、SpaceX AI、甲骨文云等首批客户选择Vera，因为它能无缝融入已有的CUDA基础设施。

从财务逻辑看，Vera的战略意义甚至大于营收贡献。以CPU行业25%-35%的常规毛利率计算，这笔业务对英伟达整体利润率的净效应可能是负面的。管理层仍大力投入，说明Vera的价值不在利润表，而在生态防御——让客户从GPU到CPU全部留在CUDA体系内。

但需保持审慎。Vera尚处首批交付阶段，200亿美元营收是指引而非已实现业绩。CPU市场竞争格局远比GPU复杂——x86有Intel数十年积累和AMD的强势复苏，Arm服务器芯片（如Ampere）也在持续发力。英伟达历史上跨界产品（Shield游戏机、Tegra移动芯片）的失败记录也提醒我们，生态优势并不自动保证新市场成功。尽管如此，战略信号是明确的：管理层对CUDA的信心已足够强，敢于将其作为进入新市场的唯一筹码。

论证到这里，有必要做反向检验。

第一，软件收入仍不可见。英伟达未将软件收入单独列报，Dynamo 1.0、NemoClaw等产品全部归入“数据中心”大类。外界无法准确知道软件收入占比，当前变现方式仍是硬件销售而非独立软件授权。一旦硬件需求放缓，软件的独立变现能力尚未得到检验。

第二，现金流仍有硬件周期特征。本季经营现金流503亿美元，主要来源于大客户预付款和硬件出货节奏，而非可预测的月度经常性收入。真正的软件平台拥有高度可预测的现金流曲线。

第三，竞争格局存在不确定性。AMD ROCm持续缩小与CUDA的差距；Google TPU若对外开放软件栈将形成直接挑战；Modular团队（由LLVM和Swift创始人Chris Lattner领导）正从编程语言层面尝试打破CUDA对底层的垄断。这些挑战目前均未成功，但“目前未成功”不等于“永远无法成功”。

综合以上分析，更审慎的结论是：英伟达的核心竞争力正在从“硬件性能领先”向“软件定义的硬件平台”迁移，已取得实质性进展，但尚未完成。

CUDA生态已在定价权（毛利率韧性）、客户行为（系统级采购和长期锁定）、资产价值（旧硬件升值）和战略扩张（Vera CPU）等多个层面提供了可观测证据。但同时，变现模式仍以硬件销售为主，现金流仍有周期特征，竞争格局存在长期不确定性。

一个更好的类比是2010年前后的苹果——iPhone的硬件优势和iOS的生态潜力都已显现，但App Store的商业模式仍在进化。英伟达目前类似：CUDA的护城河已经挖好，但城里的商业生态还在建设中。

市场对英伟达的定价逻辑正在经历一场静默重构。传统PE框架将其视为半导体周期股，但越来越多的证据表明，应开始用平台型公司的框架审视它。这场重构的节点，可能在英伟达首次单独披露软件收入的那个季度到来。在那之前，每一份财报都是验证或修正这一判断的窗口。