70% 的年增速预期摆在面前，华尔街第一反应是 AI 周期见顶了

70% 的年增速预期摆在面前，华尔街第一反应是 AI 周期见顶了。 真实情况恰恰相反。 70% 只是工厂交货的物理极限，买家开出的真实订单其实早就翻倍了。 为什么订单多到接不完，营收指引却只能停在七成？ 算力这门狂飙突进的生意，到底在哪道关卡被死死卡住了？ 这台机器叫物理供给约束。 过去二十年，软件和互联网的扩张规律是零边际成本。 只要用户点击下载，机房加点带宽，服务就能无限复制。 但实体硬件世界从来不吃这套虚拟法则。 一套顶尖的算力集群，不仅需要晶圆制造，还需要高带宽内存堆叠、微米级先进封装、液冷机柜，以及以十万千瓦计的电网配电。 当大模型对参数和训练算力的需求每年翻倍暴涨，下游的物理供应链根本变不出凭空落地的产线。 Nvidia 首席财务官 Colette Kress 在财报电话里挑明了底牌：客户的实际需求增速冲到了 100%，但受限于高带宽内存等产能瓶颈，公司只能给出约 70% 的交付预期。 市场的核心矛盾变了。 增长的上限与买家的钱包无关，死死受制于物理世界一年究竟能交付多少计算设备。 但这还只是整台机器的表层。 真正凶狠的飞轮藏在资产负债表里。 很多人看不懂，为什么一家芯片巨头要掏出几百亿美元，直接砸向前沿 AI 实验室？ 投资机构 Wealth Enhancement Group 的投资主管 Doug Huber 指出了底层的青训农场逻辑。 顶尖的 AI 实验室在诞生第一天，最稀缺的资源就是极致的算力。 巨头把资本注入这些初创团队，换来的从来不只是一纸股权凭证。 真正的杀招，是把自己的通信协议、网络互连架构和底层软件环境，在实验室写第一行代码时就焊死在模型架构里。 前沿实验室就是整套算力帝国的青训营。 一旦其中某家实验室跑通了前沿模型、迎来商业化爆发，它后续数以百亿计的算力扩张需求，没有任何改换门庭的余地，全都会原路流回给投资它的硬件母体。 左手把资金投出去变成初创公司的股权，右手把订单收回来变成源源不断的高毛利硬件销售。 这是一台自我造血、自我制造需求的确定性闭环。 超大规模云厂商想靠自研芯片摆脱掌控？ 战场的维度早就变了。 当其他人还在比拼单颗芯片的跑分高低，新的竞争已经升级为整座算力工厂的系统级交付。 从处理器、通信网络到机柜级液冷与软件调度，全都打包成了不可拆分的整体。 换掉一颗芯片代价很小。 但要拆掉整座已经深度适配了底层协议的算力工厂，成本高到没人承担得起。 决定这场科技竞逐上限的，根本不是资本市场的短期情绪。 真正的天花板，是物理世界的工程交付速度与底层的生态锁定。 当一家公司不仅锁死了下一代硬件的交付产能，还顺手包揽了未来所有核心买家的孵化底座。 这场竞争，到底是在比谁的算法更聪明，还是在比谁能把物理现实更快地焊进自己的商业闭环里？