“萬億”收入，英偉達的底氣和挑戰

這一周，沒有任何一個數字比“1萬億美元”更令市場感到震驚。

黃仁勛在英偉達年度開發者大會GTC的主題演講中表示，預計到2027年底，英偉達新一代AI加速芯片架構Blackwell與下一代Rubin產品累計將創造至少1萬億美元收入，并明確表示該數字并不包含獨立Vera CPU及LPX機架方案的銷售額。

從5000億到1萬億，英偉達的芯片收入預期在半年內翻倍。

在這個“AI泡沫”博弈的市場中，黃仁勛為何能給出一個遠超市場預期的判斷？這個目標又是否能實現？

底氣從何而來

黃仁勛的“萬億收入”預期背后有三大支撐。

1、訂單可見性極高。在GTC 2026期間接受媒體采訪時，黃仁勛強調，他本周一公布的1萬億美元以上收入預期具有強烈的"能見度"。英偉達預計將達成、入賬并交付價值超過1萬億美元的業務，對于實現"超過1萬億美元"的目標抱有"堅定信心"。

這種"強能見度"的判斷并非空穴來風。黃仁勛指出，目前客戶最核心的訴求是"確保獲得足夠供應"，而非價格。這反映出AI算力市場仍處于典型的供給瓶頸階段——需求遠大于供給，客戶更擔心的是拿不到貨，而不是價格高低。

Omdia指出，先進封裝領域正面臨危機。微軟、谷歌、亞馬遜等在內的科技巨頭正持續加碼AI數據中心建設，推動算力需求呈指數級增長。

摩根大通就指出，1萬億美元意味著相對于華爾街當前對2026至2027年數據中心收入的一致預期，存在至少500至700億美元的上行空間。

2、AI進入"推理時代"。與過去兩年以"模型訓練"為核心不同，黃仁勛在GTC 2026大會上反復強調，AI行業已進入"推理拐點"。

所謂推理（Inference），是指AI模型在實際應用中的實時計算需求。當用戶向ChatGPT提問、使用Midjourney生成圖片、或讓自動駕駛汽車做出決策時，背后都是推理計算在支撐。與訓練階段的一次性大規模計算不同，推理是持續性的、隨用戶規模擴張而線性甚至指數級增長的計算需求。

黃仁勛在主題演講中指出："訓練讓模型變得聰明，但推理讓AI真正走進千家萬戶。每一次用戶交互都需要算力，而隨著AI Agent（智能體）的普及，推理需求將遠超訓練需求。"

市場規模測算：

- 訓練市場：相對集中，主要由少數科技巨頭主導，需求呈項目制、階段性爆發

- 推理市場：極為分散，從云端API到邊緣設備，從消費級應用到企業級解決方案，需求呈持續性、規模化增長

3、產品迭代+平臺化戰略。黃仁勛在GTC 2026上透露的1萬億美元預期，僅覆蓋Blackwell與下一代Rubin架構芯片的收入，還不包括即將發布的新品，也不包括新增的地區和市場。這意味著，英偉達潛在的整體AI業務規模可能進一步超出當前測算范圍。

產品路線圖：

- Blackwell架構（2024-2025）：已大規模量產，B200芯片在訓練性能上是H100的4倍，推理性能提升高達30倍

- Rubin架構（2026-2027）：預計將在2026年開始大規模部署，性能將進一步躍升

- Feynman架構（2028及以后）：更遠期的下一代架構已在研發中

更重要的是，英偉達正在從"賣芯片"轉向"賣AI工廠"。黃仁勛在大會上發布了NVIDIA Dynamo開源推理操作系統、物理AI數據工廠藍圖、以及與全球工業軟件巨頭的合作，試圖構建完整的AI基礎設施生態。

分析人士指出，這種平臺化戰略意味著英偉達未來收入不再局限于單一GPU，而是擴展至完整數據中心系統。Wedbush資深科技分析師Dan Ives就表示，英偉達不僅在乘著人工智能的巨大浪潮前進，而且現在正在擴大其對支撐人工智能的基礎設施的控制。

這將顯著放大收入天花板。黃仁勛明確表示："1萬億美元這個目標將繼續膨脹。"

萬億之路面臨的多重挑戰

盡管黃仁勛的表態信心滿滿，但實現1萬億美元累計收入（到2027年底）仍面臨多重挑戰。

首先，時間窗口的緊迫性。從2026年3月到2027年底，留給英偉達實現1萬億美元累計收入的時間不足兩年。考慮到芯片從下單到交付的周期（通常6-12個月），以及大規模部署的時間，實際可確認收入的時間窗口更為緊張。

- 英偉達2025財年（截至2025年1月）營收為1305億美元

- 英偉達2026財年（對應2025年2月至2026年1月）營收為2159億美元，2027財年營收達到約3000-4000億美元

- 2025-2027三年累計收入約為6000-7000億美元

- 要達到1萬億美元，意味著2027年單年營收可能需要突破5000億美元

這意味著英偉達需要在2027年實現接近翻倍的同比增長，這對任何一家硬件公司來說都是前所未有的挑戰。

其次，市場競爭加劇。

AMD在2025年推出的MI400系列被業界視為對英偉達Blackwell的直接挑戰。AMD CEO蘇姿豐在近期的采訪中表示："我們在AI市場的份額正在穩步提升。MI400在特定工作負載上的性價比優于Blackwell，這對價格敏感的客戶非常有吸引力。"

更大的威脅來自于英偉達的大客戶們正在加速自研AI芯片的部署：

- 谷歌TPU v6：已用于Gemini 2.0的訓練和推理，性能接近Blackwell

- 亞馬遜Trainium3/Inferentia3：在AWS上大規模部署，成本比英偉達方案低30-40%

- 微軟Maia 200：2025年底開始在Azure上全面部署

- Meta MTIA：計劃2027年底前推出四代自研AI芯片

一位前谷歌芯片工程師表示："TPU在Transformer模型訓練上的效率已經超越GPU。雖然通用性不如CUDA，但對于有明確工作負載的大公司來說，自研芯片的經濟性非常有吸引力。云廠商的目標是到2027年，自研芯片占其AI算力采購的30-40%。"

Seaport Research分析師指出，“英偉達現在比以往任何時候都更需要努力爭取收入。”

此外，供應鏈也可能遭遇瓶頸。目前，臺積電的CoWoS先進封裝產能是當前的主要瓶頸。盡管臺積電正在加速擴產，但高端AI芯片的供需缺口預計將持續到2026年底。如果擴產進度不及預期，英偉達可能面臨"有訂單但交不了貨"的尷尬局面。

中東局勢的動蕩正波及擁有存儲制造能力的韓國。據韓國國際貿易協會2025年統計，韓國氦氣進口對卡塔爾的依賴度高達64.7%。半導體制造過程高度依賴氦氣來冷卻硅晶圓，目前被認為沒有可行的替代方案。韓國政府也表示，如果供應中斷持續較長時間，可能會導致氦氣短缺和價格上漲。

值得注意的是，霍爾木茲海峽封鎖導致全球油價維持在100美元/桶的高位，這對高能耗的算力數據中心而言是沉重的打擊。如果能源成本抵消了芯片帶來的效率提升，全球AI投資計劃可能會被迫縮減。