{"id":"mb-20260827-e5011d","account":"mubei","brand":"","title":"全市场都在盯着 AI 资本开支何时见顶，NVIDIA 却把明年的收入增速定在了 70%","summary":"全市场都在盯着 AI 资本开支何时见顶，NVIDIA 却把明年的收入增速定在了 70%","body":"全市场都在盯着 AI 资本开支何时见顶，NVIDIA 却把明年的收入增速定在了 70%。\n这个数字直接击穿了标普全球（S&P Global）预期的 44%。\n黄仁勋甚至在财报电话会上补了一刀：真实需求其实逼近 100%，被砍掉的三成，纯粹是因为全球内存工厂供不上货。\n刚刚公布的第二季度，营收再度翻倍冲上 962 亿美元，连续第 13 个季度刷新历史纪录。\n但这里藏着一个巨大的直觉错位。\n如果单次推理的计算成本正在断崖式下跌 35 倍，为什么买芯片的总开销不但没降，反而翻倍狂飙？\n难道东西越便宜，买家不应该花得越少吗？\n答案在 1865 年就被英国经济学家威廉·斯坦利·杰文斯（William Stanley Jevons）写进了书里。\n这台机器叫杰文斯悖论。\n当年瓦特改良蒸汽机、烧一吨煤能做更多功的时候，所有人以为全英国的煤炭消费会减少。\n结果恰恰相反。\n煤炭的单位动力成本暴跌，瞬间引爆了过去根本用不起蒸汽机的无数新行业，煤炭总消耗量直接指数级炸开。\n现在的算力正在发生完全一样的事。\n当生成一个标记（Token）的成本跌到原来的 35 分之一、吞吐量暴涨 30 倍，AI 不再是少数大公司的昂贵实验，而变成了所有软件和业务的底层流水线。\n需求不仅没有见顶，反而被成百上千个新场景瞬间激活。\n这也是为什么数据中心的算账逻辑被彻底改写。\n过去华尔街看芯片单价，现在行业看的是吉瓦经济学。\nNVIDIA 在财报会上披露了一组极具杀伤力的数据：\n2022 年部署的 Hopper 架构，每吉瓦电力规模的数据中心能产生 180 亿美元收入。\n2024 年的 Blackwell，把这个数字推到了 250 亿美元。\n到了 2026 年的 Vera Rubin，每吉瓦产出直接飙升至 400 亿美元。\n对于电力供应受限的数据中心来说，换上新架构的目的从来不在节约成本。\n而在用同一个变电站容量榨出两倍以上的产值。\n算力的单位效益越高，抢电、抢卡、抢机房的动力就越狂热。\n买家版图也早已脱离了传统的科技巨头。\n专门出租算力的新型云服务商和各国的主权 AI 正在疯狂进场，相关业务收入单季激增 138%，增速直接把传统大厂甩在身后。\n甚至连各大厂自研专用推理芯片的尝试，也被这套通用生态压制。\n因为专用芯片只能跑特定模型，而通用算力可以吃下整个云端生态。\n真正制约这场算力狂飙的，从来无关下游软件的盈利叙事。\n卡在喉咙里的，是物理世界制造高带宽内存的产能极限。\n三个月内，NVIDIA 的供应链采购承诺翻了一倍以上，创下历史极值。\n绝大部分资金全部砸向了三星、SK海力士和美光的高带宽内存（HBM）。\n芯片的核心算力跑得飞快，但如果存取通道跟不上，算力就会被活活饿死在等待数据的途中。\n这就是为什么黄仁勋敢在指引里砍掉三成预期。\n需求已经在门外排到了 100%，唯一的刹车片，握在晶圆厂和先进封装的产能产线上。\n把视角从财务模型的折旧表移开，底层的物理与经济规律其实极其冷酷。\n效率提升不会杀死需求，它只会把需求推向更广阔的临界点。\n决定整个产业天花板的，从来不是买家的资本开支预算。\n是这颗星球把沙子堆叠成高带宽内存的物理极限。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-27 11:28:34","created_at":"2026-08-27 11:28:34"}