Nvidia没有在制造泡沫：它正在为新数字劳动定价
关于人工智能支出"泡沫"的争论，往往源于一个古老的直觉：如果太多企业同时追逐同一个承诺，调整来得就会很快。但Nvidia 2026财年第四季度的财务业绩迫使我们重新审视这一直觉——不是出于对技术的热情，而是基于数学计算。
Nvidia报告了创纪录的季度营收681亿美元（截至2026年1月25日的季度），环比增长20%，同比增长73%，超出市场普遍预期的662.1亿美元。更为重要的是，公司对2027财年第一季度的业绩指引为780亿美元（±2%），同样高于市场预期的726亿美元。在同一场业绩发布后的沟通中，CEO 黄仁勋表示，市场"误判"了人工智能取代ServiceNow等老牌软件企业的风险，并将AI智能体定位为优化企业工作流程的一层工具，而非将其彻底消除。
这一细节并非语义上的差别，而是一张权力地图：当生产力不再单纯依赖人力，转而依赖算力、数据和代理执行工作的工具时，谁将捕获这一价值。
一个不符合降温叙事的季度
如果人工智能支出正在进入饱和阶段，人们通常会看到以下典型信号：核心业务增速放缓、利润率受压，或是给出谨慎指引以平息预期。然而，Nvidia的表现恰恰相反。
增长的核心动力是数据中心业务，单季营收高达623亿美元，同比增长75%。与此同时，公司报告GAAP毛利率为75.0%，环比提升1.6个百分点，同比提升2.0个百分点。这一细节对"快速商品化"的叙事构成最强力的挑战：在一个走向商品化的市场中，利润率理应收窄，而非扩张。
在GAAP口径下，Nvidia报告摊薄每股收益1.76美元，GAAP净利润约为430亿美元，环比增长35%，同比增长94%。在整个2026财年，公司营收达到2159.38亿美元，较2025财年增长65%。数据中心业务全年营收达到1973亿美元，而上一财年为1152亿美元。
当一家公司在达到如此体量之后仍能保持加速增长，问题的关键就不只是"需求旺盛"了，而在于需求的性质：这不是为了试点项目的探索性采购，而是为了生产运营而购置的产能。市场当然可以对估值进行修正，但有一个结构性事实已然清晰：人工智能基础设施正从实验阶段迈向生产线。
还值得关注"次要"业务板块的表现，因为它们揭示了技术扩散的广度：游戏业务营收37亿美元（同比增长47%，但环比下降13%），全年创下160亿美元的历史记录；专业可视化业务营收增至13亿美元，同比增长159%。这说明需求并不局限于超大规模云服务商的模型训练；推理、可视化和工作流程层面的需求也开始吸收大量预算。
"AI不会取代ServiceNow"：价值转移在于工作流程，而非芯片
黄仁勋接受CNBC采访时的表态（由InvestingLive引用）是一次战略性表达："市场误判了"人工智能摧毁ServiceNow等企业软件老牌厂商的风险。他的论点是，AI智能体"完成工作"时会使用各种工具，然后以"我们能理解的方式"返回信息。这个"以我们能理解的方式返回"，实际上正是企业价值的核心所在。
一个企业不会为了"生成文本"而付费购买人工智能，它付费是为了缩短业务周期：工单得到解决、审批流程得以推进、事故得到处理、报告得以整合、合规得到核实。在这一框架下，ServiceNow这类软件并非恐龙，而是神经中枢——工作在此被记录、审计和管理。而人工智能，若被明智地采用，便成为肌肉。
许多人低估的权力转移恰恰在此：人工智能不会自动淘汰各类平台，而是重新定义平台内部数字工作的价格。如果一个智能体能够执行一系列任务（查询、分类、起草、登记、上报），那么"工作"就变成了一个可计算的单元。当工作可被计算，预算层面的讨论就从"按用户许可收费"转向"按结果产能收费"，并配以绩效指标和可追溯性要求。
Nvidia在其所处的角色中，捕获了这一转变的价值，因为当前的瓶颈正是基础设施：GPU、内存、互联网络，以及能够承接这一需求的完整技术栈。因此，市场或许正在讨论"泡沫"，但Nvidia的运作方式，更像是一个在新开通高速公路上收费的人。
对企业而言，真正的风险不是AI会取代它们的软件，而是它们试图将智能体作为自动化残缺流程的捷径。没有判断力的效率，只会加速错误的发生。当一个错误以算力的速度传播，其声誉和运营代价将成倍放大。
"75%的利润率"是功能性垄断的信号，但并非永久
GAAP毛利率75%，出现在这一体量的硬件公司身上，表明其具备定价权，且需求方尚未找到可用的即时替代品。这就是功能性垄断：未必在法律层面或永久存在，但在日常采购的实践中，这是真实存在的。
然而，Nvidia自身的业绩简报也承认了竞争压力的持续上升：AWS、谷歌云和微软Azure等超大规模云服务商正在推进定制芯片。这一压力不一定会明天就击垮Nvidia，但它可能带来更为微妙的影响：推动市场走向分层。一端是用于关键工作负载和前沿模型的"高端"基础设施，另一端是用于低关键性推理和智能体部署的"够用即可"基础设施，购买者在这一端会更注重总体拥有成本的优化。
780亿美元的下季度指引表明，就目前而言，溢价依然坚实。但对管理层团队而言，有用的信息并非押注这一溢价会永久持续，而是设计一套不依赖单一供应商、不依赖单一价格曲线的财务与运营架构。
还有一个值得关注的信号：Nvidia在2026财年向股东返还了411亿美元。这一数字在市场资本支出扩张周期中，体现出对公司现金生成能力的高度自信，同时也展示了资本纪律。对CFO而言，这是一个信号：这场"繁荣"并没有迫使Nvidia以牺牲回报来换取增长。当这种情况发生时，供应商在价值链中的影响力只会进一步加深。
与此同时，所提及的产品线（DLSS 4.5、RTX PRO 5000 72GB Blackwell、DGX Spark的扩展）印证了公司正在将AI推向更多使用场景。这不仅仅是销售更多单元，而是在拓宽对技术栈的依赖边界。
C级高管的机遇：从盲目自动化走向可运营的增强型智能
如果一位高管看完这些业绩后，得出的结论只是"我们需要购买更多AI"，那他读取的是新闻本身，而非背后的商业基础设施逻辑。战略层面的解读应是另一回事：AI正在重新定义价值的创造方式，而这要求建立治理机制。
首先，有必要区分许多公司混为一谈的两类采购："能力"采购与"结果"采购。能力是算力、模型和集成。结果是周期时间的缩短、质量的提升、事故的减少、合规性的提高。Nvidia捕获的是能力；工作流程平台捕获的是结果；而使用方企业只有将两者转化为实际运营，才能真正捕获价值。
其次，智能体的出现使可追溯性的讨论变得不可回避。如果一个智能体"完成了工作"，它同样也可能将工作完成得很糟糕。因此，真正的价值不在于智能体采取了行动，而在于留下了痕迹：它使用了什么工具、接触了哪些数据、应用了何种策略、进行了何种上报。这一可追溯性，是生产力与风险之间的桥梁。
第三，这一市场正在进入一个阶段，数字工作的边际成本趋于下降，但这一过程并不均匀。在一段时间内，那些能够支付高端基础设施费用的人将享有资源的丰裕，而那些无力支付的人则面临稀缺。领导层的工作，是防止这一差距演变为内部不平等：那些被"增强"的团队不断向前推进，而那些"模拟化"的团队则陷于运营债务之中无法自拔。
最后，黄仁勋关于ServiceNow的表述对投资组合有一个重要含义：那些能够访问工作流程和交易性数据的老牌软件厂商，在"包裹"智能体并加以管控方面具有天然优势。这降低了被彻底去中介化的风险，但也加大了重新设计商业模式的压力。定价将不再按席位计算，而将按执行结果计算。
市场方向已在数字中清晰呈现
Nvidia的业绩并不否认人工智能领域存在非理性繁荣。它们否认的，是我们面对的是表层化的技术采纳。当数据中心单季营收达到623亿美元，公司对下一季度给出780亿美元的指引，这一现象就不太像投机性的峰值，而更像是一场可与云计算标准化相提并论的基础设施变革。
从指数级动态的角度来看，这一市场已经越过了技术"看起来像玩具"的阶段，正在进入工业化部署时期：每单位数字工作的成本开始收缩，硬件成为生产力杠杆，而工作流程软件则成为治理这一力量的场所。
当前主导的阶段是颠覆正走向重复性劳动的去货币化，并伴随着一个不可避免的副效应——当智能体和算力的获取扩展至大型买家之外，民主化将随之而来。技术必须以赋能人类判断力、扩大生产能力获取渠道为目的进行架构设计，而非在规模上自动化错误。
