NVIDIA 已有 1 万亿美元的芯片订单。但这些芯片尚不存在。

在 NVIDIA 的 2026 年 3 月 GTC 大会上，Jensen Huang 走上舞台并将预测翻倍。六个月前，他曾告诉投资者，预计公司 Blackwell 和 Vera Rubin 芯片架构到 2026 年的累计订单为 5000 亿美元。现在这个数字变成了 1 万亿美元，到 2027 年。

履行这些订单的芯片尚未制造。制造它们的工厂——台湾的 TSMC——正在满负荷运转。它们所需的内存芯片 HBM4（每 GPU 288GB）供应短缺。连接它们的先进封装 CoWoS 存在数个季度的积压。但这一切都没有阻止任何人下订单。

NVIDIA 有 1 万亿美元的需求，针对的是尚未实际存在的產品。这要么是史上最惊人的供应链赌注，要么是 AI 基础设施热潮正依赖信念的最清晰信号。

发生了什么

1 万亿美元的数字来自 2026 年在圣何塞举行的 GTC 大会，这是 Huang 的年度主题演讲，NVIDIA 在会上设定未来一年的叙事。该数字代表两个架构的累计订单：Blackwell 目前正在出货且 2026 年已售罄，以及 Vera Rubin 将于 2026 年下半年开始出货且已超额订阅。

Vera Rubin 是重点。它以发现暗物质的天文学家命名，该架构代表 NVIDIA 迄今为止最雄心勃勃的硅设计：单个 Rubin R100 GPU 上有 3360 亿个晶体管，搭配定制的 88 核 Vera CPU，连接 288GB HBM4 内存。公司宣称推理性能是 Blackwell 的 5 倍，每 token 成本仅为其十分之一，这一数字对于每年在 AI 基础设施上花费 500 亿美元的超大规模数据中心来说意义重大。

背景让这个数字有了不同的含义。NVIDIA 报告 2026 年第一季度营收为 441 亿美元，同比增长 69%，毛利率达 71.3%。该公司控制约 85% 的 AI 芯片市场和 95% 的 AI 服务器市场。云服务提供商已承诺 2026 年合计 6700 亿美元的资本支出，根据 TensorVue。其中很大一部分资本支出与 NVIDIA 相关。

1 万亿美元不是年度营收。它是累计订单管道，Blackwell 到 2026 年底加上 Vera Rubin 到 2027 年底。即便如此，年化数字约为每年 5000 亿美元，仍超过整个半导体行业 2023 年的营收 5270 亿美元。一家公司、两个架构、两年，规模大于其所在的行业。

为什么重要

NVIDIA 已不再是一家芯片公司。它是全球 AI 建设项目的中央规划机构。

1 万亿美元的管道不仅仅是一个财务指标。它是一张关于谁何时获得算力的地图。每家主要 AI 实验室——OpenAI、Anthropic、Google DeepMind、xAI、Meta——都在这个队列中的某个位置。交付顺序决定了谁能先训练下一个前沿模型。它决定了当代理式 AI 工作负载成为主流时，谁拥有推理容量。它决定了哪家云服务提供商能以什么价格向哪些企业客户提供 GPU 容量。

NVIDIA 在未来 18 个月的分配决策将塑造整个 AI 行业的竞争动态，其影响力超过任何基准分数或模型架构公告。这是 Huang 在台上没有谈到的部分。1 万亿美元代表需求。NVIDIA 决定供应。当需求是供应的 10 倍时，分配者比买家拥有更多权力。

还有利润率数学。NVIDIA 71.3% 的毛利率对于一家硬件公司来说非同寻常。这属于软件公司的领域，而 NVIDIA 比其硅片所显示的更接近一家软件公司。CUDA——运行在 NVIDIA GPU 上的软件平台——是真正的护城河。开发者针对 CUDA 而非硅片编写代码。只要 CUDA 是标准，NVIDIA 就能在硬件级销量上获得软件级利润率。Blackwell 和 Vera Rubin 是优秀的芯片。CUDA 是它们以每颗 4 万美元售出的原因。

还有地理维度。NVIDIA 的芯片在加州设计，由台湾 TSMC 制造。整个 1 万亿美元管道依赖于一个位于地缘政治争议岛屿上的单一工厂。TSMC 正在亚利桑那州建设晶圆厂，但它们要到本十年末才能达到领先工艺量产。在此之前，每颗 Blackwell 和 Vera Rubin GPU 都要经过台湾。供应链是全球最有价值技术生态系统的单一故障点。

令人不安的问题：1 万亿美元是需求还是信念？

NVIDIA 有 1 万亿美元的订单。但订单可以取消。当供应无法满足需求时，客户会构建替代方案。

看涨观点 straightforward。AI 模型训练正呈指数级增长。代理式 AI——执行多步骤任务的自主代理——需要的推理算力远超聊天机器人文本生成。超大规模数据中心正展开军备竞赛，构建最大的集群。需求是真实的，由采购订单验证，且仍在加速。

看跌观点有三个部分。

首先，1 万亿美元是累计需求，而非年度营收。Huang 的预测修订——从 5000 亿美元增至 1 万亿美元——是通过将窗口从 2026 年底延长至 2027 年底，并将 Vera Rubin 加入管道实现的。翻倍令人印象深刻，但部分是会计变更。潜在的年化运行率讲述了一个更细微的故事。

其次，供应限制制造反常激励。当客户知道他们要等 12 到 18 个月才能拿到 NVIDIA GPU 时，他们会订购超过所需的数量，以对冲未来短缺。1 万亿美元管道中的一部分可能是重复下单。问题是到底有多少。

第三，替代方案真实存在且正在改善。Google 的 TPUv7 在推理工作负载上有效竞争，包括 Google 自身庞大的内部需求。AMD 的 MI450 和 Helios 机架级系统针对超大规模数据中心偏好的开放标准部署，以控制成本。Groq 的 LPU 架构针对特定推理任务提供 10 倍更低延迟。Cerebras 正在出货晶圆级芯片，完全绕过 NVIDIA 的互连瓶颈。而在中國，DeepSeek 使用 Huawei Ascend 芯片训练了其 V4 模型，证明非 NVIDIA 硅片也能产生前沿结果。竞争格局正在转变，即便 NVIDIA 正在扩大领先优势。

目前这些替代方案均未达到 NVIDIA 训练加推理的综合主导地位。但当客户面临 18 个月交货期和 4 万美元价格标签时，构建替代方案的数学就会改变。供应限制的每个月，都是超大规模数据中心将研发预算用于减少对 NVIDIA 依赖的一个月。Motley Fool 分析师已指出越来越多的证据表明，NVIDIA 的主导地位虽然仍很强大，但正同时受到多方挑战。

比较：2000 年的 Cisco

历史类比令人不安。Cisco 是互联网繁荣时期的“镐与铲”，这家公司制造了驱动互联网建设的路由器和交换机。2000 年 3 月，Cisco 短暂成为全球最有价值的公司。论点很简单：互联网流量每 100 天翻一番。每家公司都需要网络设备。Cisco 拥有市场。

当建设达到顶峰时，Cisco 的增长崩溃了。路由器是真实的。需求是真实的。但基础设施相对于实际互联网使用量而言被过度建设了。公司订购的容量超过了所需。股价从峰值下跌 86%。

NVIDIA 看涨观点认为这次不同。AI 基础设施需求不是投机性的，而是由实际消耗每颗可用 GPU 的模型训练和推理工作负载驱动的。超大规模数据中心不是为可能或不可能到来的网络流量过度建设。他们正在为已经存在且受算力瓶颈限制的 AI 模型建设。

NVIDIA 看跌观点认为模式相同。当每位客户因供应焦虑而订购超过所需的数量时，总体需求数字就夸大了实际需求。当供应赶上时——它最终会——重复下单就会解除。当替代方案成熟时——它们最终会——定价权就会侵蚀。

真相可能介于两者之间。NVIDIA 不是 Cisco。AI 基础设施不是互联网泡沫的光纤。但 1 万亿美元是一个引发这种比较的数字，而 Huang 知道这一点。

接下来

Vera Rubin 的量产将是有史以来最受关注的半导体发布。如果该芯片兑现其 10 倍效率承诺，1 万亿美元管道将更易实现，获得更高每美元性能的客户会购买更多而非更少。如果 Vera Rubin 遇到困扰 Blackwell 早期量产的制造延迟，供应限制论点将加强，替代方案将获得紧迫性。

地缘政治维度将加剧。台湾的地位是每个 NVIDIA 预测中未言明的变量。该公司有应急计划，包括多元化到 TSMC 的亚利桑那州晶圆厂、三星代工厂资格认证、Intel Foundry 备份，但它们在未来三年内都无法取代台湾的领先工艺产能。在台湾海峡没有发生任何事情的每个季度，都是 1 万亿美元管道保持完整的季度。

竞争响应已在进行中。Google 正在设计 TPUv8。Amazon 正在扩展 Trainium。Microsoft 正在开发自己的 AI 加速器。据报道 Meta 正在探索定制硅片。每家今天购买 NVIDIA GPU 的超大规模数据中心同时也在资助研发以停止购买它们。1 万亿美元管道既代表 NVIDIA 的主导地位，也代表打破它的激励规模。

AI 行业已花两年时间担心模型是否会变得更好。更根本的问题——Jensen Huang 刚刚用一个万亿美元数字回答的问题——是运行这些模型的基础设施是否能足够快地建成。目前的答案是，需求不是限制因素。物理学才是。而对于从 sidelines 观看这场基础设施竞赛的知识工作者来说，问题更简单：你的AI-powered workflow是否依赖于可能需要 18 个月才能到货的芯片？

Jensen Huang 3 月站在台上告诉世界，他有 1 万亿美元的订单，针对的是不存在的芯片、在争议岛屿上的工厂制造、使用短缺的内存芯片、由存在数个季度积压的机器封装。股价上涨了。目前，投资者正押注这些芯片。

这要么是信心，要么是傲慢。区别将在未来 18 个月内显现，不是在 NVIDIA 的订单簿中，而是在 TSMC 的工厂车间。

FAQ：关于 NVIDIA 1 万亿美元订单的常见问题

1 万亿美元是年度营收吗？

不是。1 万亿美元代表两个芯片架构（Blackwell 和 Vera Rubin）到 2027 年底的累计订单，大约两年的交付量。年化运行率约为 5000 亿美元，仍大于整个半导体行业 2023 年的营收。

NVIDIA 真的能制造这么多芯片吗？

这取决于 TSMC。NVIDIA 设计芯片但不制造它们。TSMC 的领先工艺产能、SK Hynix 和三星的 HBM 内存供应以及先进封装（CoWoS）都是瓶颈。1 万亿美元管道中的一部分很可能代表客户因对冲短缺而进行的重复下单。

谁在购买所有这些芯片？

每家主要 AI 实验室和云服务提供商：OpenAI、Anthropic、Google DeepMind、xAI、Meta、Microsoft、Amazon、Oracle，以及中东的主权 AI 项目。云超大规模数据中心已承诺 2026 年合计 6700 亿美元的资本支出，其中很大一部分将流向 NVIDIA。

如果台湾发生什么事会怎样？

台湾是全球 AI 芯片供应的单一故障点。TSMC 正在亚利桑那州建设晶圆厂，但它们要到本十年末才能达到领先工艺量产。NVIDIA 有包括三星和 Intel Foundry 资格认证在内的应急计划，但它们在短期内都无法取代 TSMC 的产能。

Google TPU 和 AMD 芯片是真正的威胁吗？

它们正在快速改善。Google 的 TPUv7 在推理工作负载上具有竞争力，AMD 的 MI450 针对开放标准部署。但两者都没有 NVIDIA 训练加推理的综合主导地位，也没有使 NVIDIA GPU 成为 AI 开发默认选择的 CUDA 软件生态系统。威胁真实存在但不 immediate。