
业绩大幅超预期:AI 基础设施如何驱动创纪录的季度表现
HPE 于 2026 年 6 月 1 日公布了 2026 财年第二季度财报,营收达到 107 亿美元,同比增长 40%,远超华尔街分析师一致预期的 98 亿美元。非 GAAP 每股收益为 0.79 美元,同比增长 108%,同样大幅超出市场预期的 0.53 美元。从利润端来看,GAAP 口径下毛利率从上年同期的 28.4% 提升至 36.5%,调整后毛利率达到 36.9%,同比扩张 750 个基点。

业绩超预期——HPE Q2 FY2026 核心财务数据一览
营收结构中,网络业务贡献了最为亮眼的增长。在整合 Juniper Networks 后,网络业务收入达到 27 亿美元,同比增长 148.2%,其中园区与分支机构收入增长 50.2%,数据中心网络收入增长 233.3%,安全业务增长 155.1%。云与 AI 业务板块收入为 77 亿美元,同比增长 22.9%,其中服务器收入达到 55 亿美元,同比增长 32.7%。
一个值得关注的结构性变化在于,传统服务器业务在本季度实现了三位数的订单同比增长。这与市场的普遍认知形成对比——当外界将注意力集中在 GPU 加速计算和云服务商的算力采购时,传统 CPU 服务器正在受益于 AI 推理负载向企业本地环境的迁移,成为业绩增长的核心驱动力之一。
业绩指引大幅上修:两年的财务目标为何被提前兑现
财报发布后,HPE 同步大幅上调了 2026 财年全年业绩指引,将营收增长预期从此前的 17% 至 22% 上修至 29% 至 33%,全年调整后每股收益从 2.30 至 2.50 美元上修至 3.35 至 3.45 美元。公司预计第三季度营收将在 115 亿至 121 亿美元之间,调整后每股收益在 0.88 至 0.93 美元之间。

提前两年兑现——业绩指引上调幅度对比
更为关键的是,HPE 表示经修订后的 2026 财年调整后每股收益与自由现金流目标,已经超出公司原先预期到 2028 财年才能实现的水准。这意味着 HPE 将原定的长期财务目标提前了两年兑现。公司同时首次发布了 2027 财年增长框架,预计营收增长 8% 至 12%,调整后每股收益增长 12% 至 16%,自由现金流不低于 45 亿美元。
这种上修的幅度和节奏在传统 IT 硬件巨头中极为罕见,反映出 HPE 所获得的 AI 相关订单在可见度和确定性上远超市场此前的认知。
订单积压创历史新高:AI 需求的结构性特征是什么
订单数据是理解 HPE 本轮业绩爆发最核心的视角之一。公司表示总订单规模较上年同期增长超过一倍,未交货订单(Backlog)创下历史新高。在 AI 业务板块,第二季度新增 AI 系统订单 18 亿美元,累计 AI 系统订单达到 164 亿美元,AI 相关未交货订单达 59 亿美元。整合网络业务后,AI 网络累计订单目标由原先规划提高至至少 20 亿美元。

积压订单创历史新高——HPE AI 订单规模与客户结构
值得注意的是订单结构。HPE 表示 AI 积压订单总额已超过 63 亿美元,其中 61% 来自政府和大型企业客户。这表明 AI 基础设施的需求并不仅仅来自大型云服务商,政府机构和传统企业同样是重要的采购方。执行长 Antonio Neri 在财报电话会议中表示,高度重视安全性的行业正快速在本地端部署 AI,而非完全依赖云端。
企业客户对 AI 基础设施的支出意愿也值得关注。HPE 表示,目前 AI 数据中心建置热潮并未出现降温迹象,企业客户也未因价格上涨而缩减预算。相反,许多企业担心在 AI 竞赛中落后,持续加速采购相关设备。Neri 更直言:“没有人想在部署 AI 这件事上掉队”。
战略转型加速推进:从资产重组到技术前沿的全面布局
在过去两个月内,HPE 完成了一系列重要的战略调整。2026 年 5 月,公司完成了出售新华三(H3C Technologies)剩余 19% 股权的交易,其中 13.8% 的股权出售获得约 9.868 亿美元收益。这笔交易的完成标志着 HPE 对中国市场业务布局的结构性重塑,也为公司回笼了可观的现金流。
在同一时期,HPE 宣布选定英迈(Ingram Micro)和 TD SYNNEX 作为全球分销合作伙伴,整合了去年完成的对 Juniper Networks 收购后的渠道体系,构建统一化的全球分销模式。
在技术前沿方面,HPE 持续深化与 NVIDIA 的战略合作。2026 年 3 月,HPE 发布了 HPE AI Grid 端到端解决方案,基于 NVIDIA 推理架构,旨在将区域及远端边缘的 AI 工厂与分布式推理集群安全连接,将零散的 AI 设施转化为统一智能系统。6 月 1 日,HPE 在 COMPUTEX 上宣布推出搭载 NVIDIA Vera CPU 的 HPE ProLiant Compute DL394 Gen12 服务器,专为代理式 AI 和强化学习工作负载设计,预计于 2026 年秋季可用。
算力市场环境的变化:企业级推理需求为何成为新增长极
HPE 本轮业绩爆发的宏观背景是 2026 年全球算力市场的结构性变化。一场覆盖芯片、云、服务器、数据中心零部件的全产业链算力短缺正在席卷全球。需求端,Agent 智能体技术的商业化进入加速期,AI 从聊天走向工作并大规模进入真实生产环境。国际市场调研机构 IDC 预测,全球活跃 Agent 数量将从 2025 年的 2,860 万增长至 2030 年的 22.16 亿。
从供给端看,算力短缺并非传统意义上的周期性供需波动,而是由需求侧与供给侧同时发生结构性强化驱动的全链条锁定式短缺。在这一背景下,算力架构正在进入重构周期,GPU 中心化体系逐步被多架构异构体系替代,推理侧对延迟、吞吐与单位 Token 成本提出更高要求。CPU 在推理链路中的重要性持续提升,在调度、内存访问与系统协同层面承担更关键的作用——这正是 HPE 传统服务器业务在本季度实现三位数订单增长的核心逻辑。
企业客户对本地推理系统的需求正在放大。HPE 管理层指出,企业对本地 AI 系统的需求强劲,公司使用基于 CPU 的服务器在本地安全运行推理工作负载,而不完全依赖云服务商的算力。这一需求结构的转变,使得能够为企业和政府客户提供安全本地基础设施的传统硬件供应商获得了新的增长空间。
机构评估与市场争议:价值重估的边界在哪里
财报发布后,多家华尔街投行大幅上调了对 HPE 的目标价。摩根士丹利将目标价从 33 美元上调至 71 美元,美银证券从 38 美元上调至 80 美元,瑞银从 25 美元上调至 65 美元,Barclays 从 28 美元上调至 67 美元,Raymond James 从 29 美元上调至 74 美元。
但分歧同样存在。摩根士丹利在报告中明确指出,2027 财年之后企业需求的持续性仍存在不确定性,在股价经历大幅重估之后,能否证明这是一个真正意义上的多年景气周期,将是市场争议的核心焦点。瑞银将目标价上调至 65 美元的同时维持中性评级,指出股价近期相对历史水平已出现显著重估,且 HPE 当前股价被列入被高估候选名单。
HPE 自身对风险的应对也在推进。针对 DRAM 和 NAND 内存价格上涨带来的成本压力,公司通过签订持续到 2027 年的长期合约来锁定供应,并自去年底开始进行价格调整以将成本转嫁客户。财务长 Marie Myers 表示,公司对未来几个季度 AI 业务的交货量和转换率持乐观预期,预计在第四季度达到峰值。
总结
HPE 近一个月上涨约 95% 并创下历史新高的表现,本质上是企业级 AI 算力需求从云服务商向更广泛基础设施层扩散的行业信号。公司第二季度营收 107 亿美元、同比增长 40% 的业绩数据,以及累计 AI 系统订单 164 亿美元的结构性储备,共同印证了企业客户在 AI 推理、代理式 AI 和本地部署方向上的持续投入。算力市场的全域性短缺正在重塑 IT 硬件供应商的估值逻辑,而 HPE 能否在供给端瓶颈和估值回归压力下将订单储备持续转化为营收与利润,将决定这一轮价值重估的纵深。
FAQ
HPE 近一个月上涨约 95% 的核心驱动因素是什么?
直接驱动力是 2026 年 6 月 1 日发布的 Q2 财报数据——营收 107 亿美元、同比增长 40%,以及全年业绩指引的大幅上修。更深层的驱动因素是 AI 推理负载向企业本地环境迁移的趋势,传统服务器业务的订单倍数增长是这一趋势的最直接体现。
HPE 当前在 AI 基础设施领域的主要竞争优势是什么?
HPE 的差异化优势在于能够提供 AI 服务器、网络、存储和本地系统的完整产品组合,尤其在企业级和政府级客户中具有较强的安全可信属性。其整合 Juniper Networks 后构建的 AI 网络能力,以及与 NVIDIA 在 AI Grid 等前沿方案上的深度合作,进一步强化了这一优势。
HPE 面临的主要风险有哪些?
主要风险包括:内存等关键元件的供应瓶颈与成本上涨压力;股价大幅上涨后估值回归的可能性;2027 财年之后企业级 AI 需求增速是否能够维持的不确定性。
HPE 的 AI 相关订单规模有多大?
截至 Q2 财报,HPE 累计 AI 系统订单已达 164 亿美元,AI 相关未交货订单达 59 亿美元,整合网络业务后 AI 网络累计订单目标提高至至少 20 亿美元。其中超过 60% 的 AI 积压订单来自政府和大型企业客户。
传统服务器业务在 AI 浪潮中扮演什么角色?
传统 CPU 服务器正在承担越来越多 AI 推理工作负载。推理场景对延迟、吞吐和成本有更高要求,企业倾向于在本地安全运行推理任务而非完全依赖云端。这一趋势使传统服务器成为与 GPU 加速计算并行的 AI 基础设施新增长极。




