NVIDIA 在 2026 年 5 月 20 日公布 2027 財年第一季財報：單季營收 816 億美元，年增 85％；其中 Data Center 營收 752 億美元，年增 92％。
這已經不是「顯卡公司靠 AI 多賣一些 GPU」的故事。NVIDIA 現在更像 AI 時代的基礎設施稅收站：雲端、模型公司、主權 AI、企業 AI 工廠、工業應用，都在往它的供應鏈排隊。
但這份財報也帶來另一個問題：AI 基礎設施到底是新工業革命，還是一場資本支出先行的泡沫？
發生了什麼？
NVIDIA 官方財報顯示，2027 財年第一季，也就是截至 2026 年 4 月 26 日的季度，NVIDIA 創下新高：
| 指標 | 數字 | 解讀 |
|---|---|---|
| 總營收 | 816 億美元 | 年增 85％，季增 20％ |
| Data Center 營收 | 752 億美元 | 年增 92％，公司核心幾乎完全 AI 化 |
| 毛利率 | 約 75％ | AI 晶片與平台需求仍支撐高利潤 |
| 營運現金流與回購 | 持續強勁 | 董事會也核准額外 800 億美元股票回購 |
更值得注意的是，NVIDIA 正在重新描述自己的業務。外部報導指出，公司不再把遊戲 GPU 當成獨立敘事中心，而是把收入重新放進更大的 AI infrastructure 分類，包括 hyperscale、AI cloud、industrial、enterprise、sovereign AI 與 edge computing。
這不是財報格式小調整，而是公司定位改變：NVIDIA 不再只是賣 GPU，而是在賣 AI 工業化的底層平台。
為什麼重要？
1. AI 算力需求沒有冷卻
2025 年以來，市場一直問 AI 基礎設施是不是蓋太多了。答案從這份財報看起來是：至少目前還沒有。
需求來自多個方向：
- OpenAI、Anthropic、xAI 等 frontier labs 繼續擴大訓練與推理
- hyperscalers 持續建資料中心
- 企業開始把 AI agent 放進真實流程
- 主權 AI 專案要求本地算力
- 工業、醫療、金融、能源等領域開始建立專用 AI infrastructure
Data Center 營收 752 億美元這個數字，代表 AI 已經不是雲端公司少數部門的實驗預算，而是全球資本支出的主線之一。
2. 但 GPU 成本會往下游傳導
NVIDIA 賺錢，不等於所有 AI 公司都賺錢。
GPU 採購、資料中心折舊、電力、冷卻、網路、維運、模型訓練、推理成本，最後都要被某個商業模式吸收。
買 GPU 的公司大致分成三類：
| 公司類型 | 支出理由 | 風險 |
|---|---|---|
| Frontier labs | 訓練更強模型、支撐推理流量 | 收入是否追得上算力成本 |
| 雲端與 neocloud | 出租算力、綁定 AI 客戶 | 長約是否能覆蓋折舊與供電成本 |
| 企業與主權 AI | 建立自有 AI 能力與資料主權 | 專案是否真的產生 ROI |
所以市場接下來要看的不是 NVIDIA，而是 NVIDIA 的客戶。誰能把這些 GPU 轉成高毛利產品，誰只是把錢燒成資料中心折舊？
3. NVIDIA 的成功也會推動替代方案
當 NVIDIA 毛利率維持高位，客戶自然會想降低依賴。
這也是為什麼 Google TPU、AWS Trainium、Microsoft Maia、AMD、Cerebras、Groq、各種 inference chip 都會被持續討論。不是因為它們已經全面取代 NVIDIA，而是因為 NVIDIA 太重要、太貴，也太容易成為供應鏈瓶頸。
Anthropic 同時和 Google、AWS、SpaceX、Microsoft 晶片傳聞牽動，就是同一個趨勢：frontier AI 公司不想把命運完全交給單一供應商。
這也延續了 Google TPU 與 NVIDIA 競爭 的核心問題：AI 算力不是只有效能，還有供應、成本、能源、平台鎖定與政治風險。
搜尋意圖：讀者真正想知道什麼？
搜尋「NVIDIA 816 億營收」「NVIDIA AI data center revenue」「AI infrastructure bubble」的讀者，大多想知道：
- NVIDIA 到底賺多少？
- AI 需求是不是真的還在成長？
- 這是不是泡沫？
- 對台積電、雲端、AI 新創有什麼影響？
- 企業現在還該不該投 AI infrastructure？
最合理的答案是：NVIDIA 財報證明需求仍強，但不能證明所有 AI 投資都會回本。
Mason 的判斷
NVIDIA 這份財報最重要的訊號是：AI 產業的瓶頸已經從模型能力，轉向基礎設施能不能支撐商業化。
當 Data Center 一季就做到 752 億美元，AI 已經不是軟體產業的邊角料，而是能源、晶片、雲端、電網、土地、供應鏈與金融市場共同支撐的重資本產業。
這會改變 AI 公司估值方式。
以前市場問的是：模型強不強？使用者多不多？產品酷不酷？
接下來會問：
- 推理成本能不能下降？
- 每個企業客戶能不能貢獻足夠毛利？
- 資料中心折舊會不會吃掉模型收入？
- 如果 NVIDIA 供應緊，業務會不會停擺？
- 如果替代晶片成熟，NVIDIA 毛利會不會被壓縮？
所以這不是單純看多或看空 NVIDIA。真正的重點是：AI 已經進入「誰能控制算力成本」的階段。
不同角色的建議
投資人
- 不要只看 NVIDIA 營收成長，也要看下游客戶是否能把算力轉成收入
- 觀察 Data Center revenue 的組成：hyperscale、AI cloud、enterprise、sovereign AI 是否均衡
- 注意替代晶片不是短期威脅，但會逐漸影響議價與客戶策略
企業主管
- 不要因為 AI 熱就自建基礎設施，先算清楚使用量、資料敏感度與長期維運能力
- 多數企業更適合先用雲端與託管模型，只有高資料敏感或超大規模需求才需要自建
- AI 專案要同時看模型費用、推理成本、資料工程、人員訓練與流程改造
開發者／AI 團隊
- 學會 cost-aware AI engineering：快取、模型路由、批次處理、壓縮、蒸餾、評估都會變重要
- 不要預設最強模型永遠是最佳選擇，很多場景需要的是可控成本與穩定延遲
- 熟悉 GPU、TPU、inference chip 與雲端定價，會變成 AI 工程基本功
FAQ
NVIDIA 這季營收是多少？
NVIDIA 於 2026 年 5 月 20 日公布 2027 財年第一季財報，季度總營收為 816 億美元，年增 85％。其中 Data Center 營收達 752 億美元，年增 92％。
這代表 AI 泡沫不存在嗎？
不能這樣下結論。NVIDIA 財報證明 AI 基礎設施需求仍然很強，但不代表所有購買 GPU 的公司都能把成本轉成可持續收入。泡沫與否要看下游商業模式能否回本。
NVIDIA 會被 TPU 或其他 AI 晶片取代嗎？
短期內不太可能全面取代，因為 NVIDIA 擁有硬體、CUDA、生態系、供應鏈與客戶慣性的優勢。但高成本與供應瓶頸會促使 Google TPU、AWS Trainium、Microsoft Maia、AMD 等替代方案持續成長。
Sources: