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%

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%。 这个数字直接击穿了标普全球（S&P Global）预期的 44%。 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。 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。 但这里藏着一个巨大的直觉错位。 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？ 难道东西越便宜，买家不应该花得越少吗？ 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。 这台机器叫杰文斯悖论。 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。 结果恰恰相反。 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。 现在的算力正在发生完全一样的事。 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。 需求不仅没有见顶，反而被成百上千个新场景瞬间激活。 这也是为什么数据中心的算账逻辑被彻底改写。 过去华尔街看芯片单价，现在行业看的是吉瓦经济学。 NVIDIA 在财报会上披露了一组极具杀伤力的数据： 2022 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。 2024 年的 Blackwell，把这个数字推到了 250 亿美元。 到了 2026 年的 Vera Rubin，每吉瓦产出直接飙升至 400 亿美元。 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。 而在用同一个变电站容量榨出两倍以上的产值。 算力的单位效益越高，抢电、抢卡、抢机房的动力就越狂热。 买家版图也早已脱离了传统的科技巨头。 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。 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。 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。 真正制约这场算力狂飙的，从来无关下游软件的盈利叙事。 卡在喉咙里的，是物理世界制造高带宽内存的产能极限。 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。 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）。 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。 这就是为什么黄仁勋敢在指引里砍掉三成预期。 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。 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。 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。 决定整个产业天花板的，从来不是买家的资本开支预算。 是这颗星球把沙子堆叠成高带宽内存的物理极限。