英伟达Q2营收同比增长106% 汽车业务持续“隐身” 辅助驾驶淡出叙事

美东时间8月26日盘后，英伟达公布了2027财年第二季度财报。这份财报中，汽车业务近乎销声匿迹，就连此前倍受关注的辅助驾驶也未见详细阐述。

财报显示，英伟达单季实现总营收 962.21 亿美元，同比增长 97%，环比增长18%，大幅超越LSEG汇总的分析师预期的 921.64 亿美元；归母净利润达 596.88 亿美元，同比增长 126%，净利润达到539.5亿美元，盈利扩张速度与营收高增态势保持同步；毛利率持续攀升至 75.0% 的黄金高位；经营现金流达 240.77 亿美元。总体而言，英伟达交出了一份远超市场预期的答卷。

英伟达首席财务官科莱特·克雷斯在与分析师的电话会议上表示，英伟达预计2027财年第三季度营收1080 亿美元（±2%），2028财年营收增长70%。财报落地之后，英伟达股价在盘后交易中展现出强劲的弹性，最终盘后上涨4.71%。

但是，这份锣鼓喧天的财报总结中，汽车业务与辅助驾驶的叙事显得十分寂静。

自本财年第一季度起，曾经被独立单列的汽车业务已被收编至边缘计算大类中，辅助驾驶的话题也未出现在财报总结中，英伟达汽车相关业务隐身的苗头初现。本季度，这一变化再次延续，汽车业务依然没有单独的财务数据可查，辅助驾驶的话题也继持续淡出，进一步印证了其在财报中独立可见度下降的走向。

在英伟达物理AI落地关口，这种战略升维与财务淡出的现状让人不禁思考：在大盘无限扩张的背后，英伟达的汽车征途究竟走到了哪一步？我们需要跳出单纯的财务数字，去审视这场宏大叙事与产业落地之间的真实博弈。

01 财务表现：汽车业务数据“隐身”

要理解当前英伟达财报中汽车业务的处境，首先需要审视其整体财务基本盘的构成。

从历史数据来看，上一财年英伟达的汽车业务曾保持明确的增长态势——收入达23.5亿美元，同比增长39%，两年接近翻倍。尽管上一财年汽车业务在英伟达整体收入中的占比仅达到约1%，但从整体趋势来看，汽车在英伟达叙事中的重要性正在提升。从收入增长率和战略定位来看，汽车在英伟达业务中存在值得期待的增量空间。

然而，正当市场对此期待拉满时，这条原本清晰、可追踪的增长曲线却在本财年起突然“隐身”。

从财报的业务划分的变化来看，在本财年以前，英伟达主要业务被划分为按照数据中心、游戏和AI PC、专业视觉、汽车与机器人等业务板块，各板块独立呈现数据，汽车业务也因此具有相对明确的可追踪性。而自本财年起，英伟达调整了财报业务划分方式，将汽车与PC、游戏主机、AI-RAN基站及机器人等业务一同纳入边缘计算板块，不再单独呈现，整体营收也转而按照数据中心和边缘计算两大市场平台划分。

简而言之，在英伟达的财务报表中，汽车业务失去了独立的数据坐标。

本季度，数据中心依然是绝对的压舱石与唯一的超级引擎。数据中心业务单季营收达到890亿美元，同比增长117%，占总营收的比重高达92.5%。更为关键的是，英伟达新一代的Vera Rubin平台已全面进入量产提速阶段，搭载该平台的机架及Spectrum-6交换机系统正陆续运抵全球吉瓦（gigascale）级AI工厂。

边缘计算板块单季营收为72亿美元，环比增长13%，同比增长27%。将其与数据中心数值进行对比，其体量权重的悬殊显而易见。

问题也恰恰出现在这里：72亿美元的边缘计算收入中，究竟有多少来自汽车，外界无从知晓。

从客观视角来看，这种归类调整在技术逻辑上合乎情理。这是因为，在英伟达首席执行官黄仁勋的顶层设计中，汽车在本质上已经演变为具备通用能力的物理AI边缘节点，是具身智能的重要载体。但是对于资本市场而言，这种板块合并客观上改变了信息的透明度，也在无形中淡化了汽车单点业务的增速波动风险。

投资者很难直接从财报中清晰剥离出单车芯片交付或特定软件所带来的直接财务贡献，更无法从中窥探出合作落地的真实动态与实际交付情况，一切业务进展在合并报表中变得愈发模糊。这种宏观大盘的高速增长与细分板块财务数据的淡出，构成了当前财报“整体战略叙事升维、部分财务数据隐身”的特征，因此更需要探究此举背后的逻辑变化。

02 商业逻辑： 从“全栈方案计划”走向“开放平台方案”

财报中汽车业务板块的隐身，伴随着英伟达业务模式的实际变化。

起初，英伟达试图通过覆盖计算芯片、软件等环节的全栈方案，强化对汽车智能化开发的参与。在传统形态中，英伟达主要以 DRIVE Orin 等车端计算平台为基础，向车企提供包含计算芯片与配套软件的整套产品。起初，这一套逻辑起初并不难成立：车企需要快速补齐智能化能力，而英伟达可以通过成熟的芯片、软件和开发工具，提供一套相对完整的解决方案。

但是，计划终究赶不上变化。随着汽车智能化进入更深阶段，车企对产品定义权和核心技术自主权的追求增强，都越来越希望将关键能力掌握在自己手中。正如理想汽车的董事长李想所言：“在具身智能时代，电池和芯片是最核心的壁垒，三电技术和优秀的产品力将会是公司的核心竞争力”。部分车企已经展开了核心软硬件的自主研发（如蔚来持续推进自研神玑芯片与 SkyOS，小鹏则布局自研图灵智驾芯片等），加上本土芯片和智驾方案的不断涌入，车企对于底层计算、软件乃至整套智能化能力的选择空间正在扩大。

走“全栈方案”深入汽车智能化的计划碰壁后，英伟达就不得不快速进行策略调整。英伟达的选择，是调整切入市场的方式——从向单一车企提供全栈方案，转向以开放平台组织全栈生态。在 DRIVE Hyperion 平台上，英伟达将车端计算、传感器接口、网络连接、安全系统及自动驾驶软件集成为标准化架构，又允许车企、Tier 1供应商、传感器厂商（如 Bosch、ZF、Magna、Sony、Hesai、Aeva 等）在这一架构上进行开发。

黄仁勋也意识到，英伟达若想进一步扩大覆盖面，就不能只依赖完整的全栈方案，而需要让自身能力进入车企不同的技术体系。于是他提出：“我们不期待你们买我们所有的东西，但是我们不希望的是，你什么东西都不要我们的”。在他的描述中，英伟达提供的是“三个计算机”和“五层蛋糕”的服务，并希望车企能够从这套服务中持续受益。这也意味着，英伟达并不执着于包揽整套汽车技术栈，而是希望成为其中不可缺少的一个节点。

英伟达正在从“卖一套东西”的计划，转向“让更多东西在自己的平台上运行”的计划，也就是从“全栈方案计划”走向“开放平台方案”。

在这种开放架构确立的同时，英伟达的变现方式与业务边界也随之发生调整。

一方面，商业触点从车端向云端延伸。随着端到端大模型对训练和仿真算力的需求增加，车企和智驾公司在采购车端芯片的同时，需配套采购数据中心级别的超算算力以支持模型训练与仿真；同时，英伟达通过 CUDA-X、PhysicsNeMo 等工具链及 Alpamayo 2 Super、Cosmos、Halos 等模型支撑开发者生态。

Alpamayo 2 Super模型示意图 来源：NVIDIA官网

另一方面，量产智驾与 L4 方案在底层架构上进行了打通。今年 3 月，现代、起亚等车企在推进 L2+ 合作的同时将业务延伸至 L4 领域；比亚迪、吉利、日产等车企公告显示其正基于 DRIVE Hyperion 开发 L4-ready 车型（其中日产明确采用 Wayve 的自动驾驶软件）。7 月 15 日，丰田则进一步深化合作，在其新一代车型中采用搭载 DriveOS 的 DRIVE AGX 落地 L2++ 级辅助驾驶，并同步将合作扩展至软件工程、工厂仿真及城市交通智能领域。

从上述动作可以看出，尽管辅助驾驶从2027财年开始在财报中淡出，但是它从未消失，而是内化为更具体的落地动作和庞大自动驾驶平台中的应用层。英伟达的汽车相关业务正在从单一的车端芯片与软件销售，扩展至涵盖云端训练、仿真、车端推理计算以及 Robotaxi 运营支撑在内的基础设施网络。而Robotaxi ，正在成为英伟达寻找平台规模效应的重要破局点。

03 战略选择：Robotaxi的规模化破局

当现实问题摆在眼前时，英伟达的态度是：这次风口未能如愿赶上，那就干脆换个姿势，在下一个风口把牌局重新做大。

如果说 L2+是英伟达切入汽车产业的入口，那么 Robotaxi 正在成为其战略破局的重要场景。

在传统乘用车市场，车企作为产品定义者，在智能化研发中也许会保留部分各自的技术路线与自主权，这使得平台落地需要适应差异化的适配需求。

相比之下，Robotaxi及L4级应用对软硬件协同提出了更高要求。其核心不再是为一款量产车型增加某项辅助驾驶功能，而是实现 L4 级自动驾驶车辆的持续运营和规模化部署。从模型训练、仿真验证，到车端计算、自动驾驶软件和安全体系，各环节都需要形成更紧密的协同。

顺应这一趋势，英伟达与 Uber 合作推进 L4 自动驾驶车队，并计划到 2028 年扩展至 28 个城市。本季度财报中，英伟达还宣布Wayve、Momenta、Nuro、Pony.ai、文远知行等自动驾驶企业加入生态。

通过上述布局，英伟达正在将车企、自动驾驶公司、Tier 1、传感器企业与出行平台纳入同一套技术架构。如果底层能力能够随着车辆、城市和合作伙伴的增加实现复用，汽车业务的价值将从单一车载芯片向自动驾驶基础设施延伸。

但与此同时，28座城市的部署目标并不等于规模化运营已经实现，L4-ready车型也不意味着商业化已经成熟。英伟达这套平台究竟能否从合作伙伴和技术架构的扩张，进一步转化为真实的车辆规模与商业收入，仍需在未来的车辆规模化落地与商业化运营中进行验证。

从财报中的业务分类，到 DRIVE Hyperion 的平台化布局，再到 Robotaxi 的持续加码，英伟达正在不断扩大汽车业务的叙事边界。但回到真实的汽车市场，一个更现实的问题仍然存在：这套庞大的技术体系，究竟有多少已经真正进入量产和规模化运营？至于这场从芯片到物理AI的长线博弈最终能走多远，市场的答案，仍留待后续的产业周期去揭晓。