Nvidia 芯片销量或将翻倍，但内存供应决定节奏

Nvidia CEO Jensen Huang 预计，尽管供应链已因 AI 需求承压，Nvidia 明年的芯片销量仍将按出货量翻倍。这一预测立即提振了 Samsung Electronics 和 SK hynix 的前景；两家公司为 Nvidia 不断扩张的数据中心系统提供内存。

这个标题看起来像是两家韩国供应商都将直接迎来需求红利。但实际的竞争更为艰巨：Nvidia 的出货目标如今取决于其合作伙伴能否快速生产出合格、高良率的内存，同时不加剧其他领域的短缺。

这一差别很重要，因为据报道，Huang 谈及的是芯片总出货量，而非营收，也并非仅指图形处理器。Nvidia 还销售中央处理器、网络组件、笔记本芯片，以及用于机器人和车辆的模块。

因此，这一出货展望覆盖的产品组合，比主导 AI 新闻的加速器更广泛。Nvidia 并未公布一项合并后的出货总量，供投资者独立验证这一比较。

不过，数据中心产品仍是核心驱动力。每增加一套 AI 系统，都需要处理器、网络设备、先进封装以及大量高带宽内存。HBM 通过垂直堆叠内存，使处理器与内存之间的数据传输速度远高于传统 DRAM。

Samsung 和 SK hynix 面临的机会十分可观，执行风险同样如此。要将出货量翻倍，不能只靠找到买家。Nvidia 及其供应商还必须协调内存产能、制造良率、封装、电力、散热和已建成的数据中心空间。

Nvidia 芯片销量承诺的核心是出货量

Huang 的预测表明需求极其强劲，但并不意味着 Nvidia 的营收将翻倍。

Huang 于 9 月 17 日在苏格兰举行的一场 AI 峰会前向记者作出这一预测。据报道，他表示 Nvidia 预计明年将销售两倍数量的芯片。

他将这一前景归因于 AI 投资正扩展至各行各业和各国经济体。政府与企业日益将算力视为基础设施，而非可有可无的技术预算。

这一表述划定了一条重要的分析边界。按芯片数量计算的预测，涵盖了售价、生产要求和利润贡献差异巨大的产品。

一颗 Rubin 加速器在经济价值上不能与笔记本处理器、网络组件或 Jetson 模块等同看待。产品组合的变化可能令总出货量翻倍，却未必带来相应幅度的营收增长。

比较期间也需要谨慎对待。Nvidia 并未在常规财务报表中披露经审计的全公司芯片出货数量。外部人士无法根据公开的出货量基数复现这一预测。

因此，当前这一表述更具方向性，而非可被独立衡量的指标。它向供应商传递的信息是，Nvidia 正在为大幅增加实物产出做规划，但未说明这些产出将如何分配至不同产品类别。

尽管如此，Huang 先前的预测已展现出管理层信心的规模。在 GTC 2026 上，他预计到 2027 年，Blackwell 和 Vera Rubin 的营收将至少达到 1 万亿美元。

他还表示，计算需求将超过这一规模。这项营收预测涵盖 Nvidia 当前及下一代 AI 平台，而不是公司销售的所有芯片。

最新的出货量预测在一个方面走得更远。它意味着 Nvidia 预计其制造网络将支持多个业务的大幅实物产出增长。

这一预期已体现在 Nvidia 的财务承诺中。该公司报告称，截至 2026 年 7 月 26 日，其供应和产能承诺达到 2790 亿美元。

一个季度前，这一总额为 1190 亿美元。Nvidia 表示，增长主要用于支持当前和未来数据中心架构所需的内存和制造设施。

其财年第二季度营收达到 962 亿美元，其中数据中心营收达到 890 亿美元。即使没有披露出货量基数，这些业绩也说明了供应商为何认真看待该出货预测。

然而，承诺并不等于成品。它们为投入品和产能预留资源，往往早在最终系统交付客户前数年便已作出。

在 Nvidia 下达确定订单前，部分安排也可能被取消、重新排期或调整。这一会计数字显示的是为需求所作的准备，而不是保证会消耗每一项预留组件。

Nvidia 自己的文件指出，不准确的需求预测可能造成营收和供应波动。该公司还将生产延迟、低良率、材料成本上升和基础设施短缺列为潜在限制因素。

因此，这一预测应被理解为由激进采购支持的运营目标。它不是已确认的结果，也不是将当前营收简单乘以二。

对 Samsung 和 SK hynix 而言，这一信息仍具有商业意义。Nvidia 打算让更多材料流经其供应链，而内存正处于这一计划的核心位置。

Nvidia 芯片销量让内存成为瓶颈

计划中的增长使内存供应成为增长的前提，而不再是 Nvidia 在需求出现后才可采购的组件。

AI 加速器需要 HBM，因为模型训练和推理会搬运海量数据。当内存无法足够快地提供数据时，处理核心的生产力就会下降。

HBM 通过堆叠 DRAM 芯片并以密集的垂直通道连接来解决这一问题。该设计可在处理器附近提供高带宽，但制造难度高于普通内存。

每个堆叠都会消耗先进 DRAM 产能、专用基底芯片和封装资源。每颗加速器中堆叠数量的增加，会对这三者都施加额外压力。

Nvidia 的季度文件异常清楚地揭示了这种依赖关系。该公司在一个季度内将供应和产能承诺从 1190 亿美元提高至 2790 亿美元。

其中，2027 财年剩余期间的承诺金额为 920 亿美元。2028 财年另有 870 亿美元，2029 财年则为 880 亿美元。

Nvidia 表示，这些协议主要涉及内存和制造设施。这一披露将公司的增长计划直接与供应商必须预留或新建的产能联系起来。

这一规模也揭示了议价权的逆转。Nvidia 仍是 AI 加速器的领先买方，但若没有少数内存供应商的配合，它就无法制造足够多的系统。

Samsung、SK hynix 和 Micron 是主要的先进 HBM 生产商。产能高度集中，而认证标准限制了 Nvidia 在短时间内切换供应商的自由度。

认证意味着证明某一组件满足客户在速度、功耗、可靠性及生产一致性方面的要求。一件技术先进的样品并不会自动成为大规模商业产品。

因此，Nvidia 必须将内存代际规划与其系统路线图协同推进。Vera Rubin 使用 HBM4，而未来平台将需要更快的内存和日益复杂的封装。

Nvidia 与 SK Group 于 7 月正式确立了这种依赖关系。双方的内存合作伙伴关系涵盖长期供应，以及对下一代 AI 内存的联合优化。

该协议还将内存采购与计划建设的 2 吉瓦 SK Telecom AI 工厂联系起来。该工厂第一阶段计划于 2027 年上线，采用 Vera Rubin 系统和 SK hynix HBM4。

这一安排不止是一笔传统的组件订单。Nvidia 获得了更高的供应可见性，而 SK hynix 则获得了更清晰的需求信号，以支撑昂贵的产能决策。

但这一策略也将压力转移至更广泛的内存市场。HBM 与传统 DRAM 要争夺同一部分投资预算、晶圆厂产能和技术人才。

优先发展 HBM 可能导致服务器内存、个人电脑、智能手机和企业存储可用的产能减少。AI 加速器市场以外的买家随后将面临更紧张的供应或更高的成本。

仅靠采购承诺无法解决实体建设上的挑战。新建晶圆厂需要施工、设备安装、工艺调试和客户认证。

先进封装引入了另一项约束。完成的 HBM 堆叠在成为可出货系统的一部分之前，仍需与处理器及其他组件集成。

Nvidia 实际上是在预留一条协同运作的生产链，而不是从产品目录中购买孤立的芯片。任何一个环节的失误，都可能延迟其他环节已经生产出的高价值组件。

因此，出货量翻倍考验的是这条链条能否作为一个系统实现扩张。只有能够将需求转化为合格、可交付产出的内存公司，才能从中受益。

Samsung 和 SK hynix 面临不同的 HBM 考验

两家韩国供应商都将受益于 Nvidia 的扩张，但 SK hynix 必须守住自身地位，而 Samsung 则需证明其 HBM 复苏能够实现规模化。

SK hynix 以与 Nvidia 的紧密关系和已确立的 HBM 地位进入当前周期。如今，它必须在不牺牲良率、交付可靠性或下一代产品研发的前提下扩张。

与 Nvidia 的长期合作伙伴关系强化了这一联系。联合开发使 SK hynix 能更早了解未来性能要求和预期的系统设计。

这种渠道可降低制造错误产品的风险。但它也使执行失误的后果更加严重，因为 Nvidia 正将重要的平台计划与 SK hynix 的供应相衔接。

Samsung 则从不同的位置切入这一机会。其庞大的内存制造基础提供了规模优势，但早期的认证困难曾削弱其在部分 HBM 市场中的地位。

该公司表示，已在 2026 年第一季度开始为 Nvidia 的 Vera Rubin 平台量产销售 HBM4 和 SOCAMM2。SOCAMM2 是专为 AI 服务器设计的紧凑型内存模块。

Samsung 的季度业绩显示，内存销售创下纪录，行业价格普遍上涨。该公司还计划在下一季度交付首批 HBM4E 样品。

这些里程碑之所以重要，是因为商业出货比展示更能提供有力证据。不过，早期销售并不能确定 Samsung 最终将在 Nvidia 出货量中占据多少份额。

决定性指标是持续良率、获认可的规格、交付进度，以及 Nvidia 实际采用 Samsung 内存制造的系统数量。Samsung 必须在不断扩大的生产基础上保持稳定交付。

这为 Nvidia 造成了一种不同寻常的局面。它需要供应商之间展开激烈竞争，但也需要所有通过认证的供应商都能成功扩产。

过度依赖单一生产商会增加供应风险。订单分散得过广，则可能使验证、封装和性能一致性更加复杂。

Samsung 和 SK hynix 还必须决定以多大力度扩充产能。扩产过慢会导致宝贵订单无法满足，并给竞争对手留下赶超空间。

扩产过快则会带来另一种风险。历史上，新增产能在需求放缓后集中释放时，存储市场往往会经历剧烈周期波动。

一家在供应短缺期间规划的晶圆厂，可能会在供应过剩时开始投产。届时，供应商既要面对价格下跌，又要承担大规模资本投资带来的折旧压力。

当前的需求信号似乎不只是单一产品周期所致。如今，AI 基础设施支出来自云服务提供商、模型开发商、企业以及国家级算力项目。

但这些买方都依赖融资、电力、电网接入和数据中心建设。半导体行业之外的延误，也可能减少近期芯片交付量。

SK hynix 曾警告称，客户需求将在 2030 年以后超过其产能。该公司首席执行官还将 2027 年描述为存储供应最紧张的预期低点。

这一短缺预测支撑了看涨定价和产能利用率的观点，同时也凸显了 Nvidia 实现其出货目标所面临的风险。

如果 SK hynix 已经受到产能制约，那么 Nvidia 出货量翻倍就需要 Samsung、Micron 或 SK hynix 新增产能提供额外产出。每种路径都涉及认证和爬坡工作。

因此，这两家韩国公司并不只是 Nvidia 增长的被动受益者。它们决定了其中有多少增长能够转化为可出货的硬件。

它们的竞争焦点不止于市场份额。能效、散热性能、封装兼容性和生产一致性，都会影响整个 AI 系统的经济性。

能够降低功耗的存储产品，可以帮助数据中心在固定的电力限制内部署更多算力。当电力比处理器更难获取时，这种优势就变得尤为重要。

同样，一款性能出色的样品若良率始终偏低，其商业价值也有限。Nvidia 需要的是可在大规模产量中稳定复现的生产能力，而非孤立的基准测试结果。

SK hynix 必须将其先发优势转化为可靠的产能扩张。Samsung 则必须证明，其 HBM4 的势头能够从初始出货延续至持续的大规模供货。

如果 Nvidia 达到目标，两家公司都可能赢得大量业务。但 Huang 的预测并不会自动带来这一结果。

出货量翻倍并不意味着营收翻倍

当产品、价格和系统配置同时变化时，Nvidia 的单位出货预测就不再那么精确。

最简单的解读是，Nvidia 将生产两倍的硬件并获得两倍的营收。但该公司的产品组合使这一结论并不可靠。

数据中心加速器的价格和利润率结构，与网络芯片或嵌入式 Jetson 模块不同。产品组合的变化可能显著改变结果。

即使在数据中心领域，Nvidia 也越来越多地销售完整系统和机架级基础设施。营收取决于配置、网络、处理器、存储器、软件以及客户部署时点。

一位客户可能采购单独的组件。另一位客户则可能购买高度集成的系统，其中包含多种 Nvidia 产品以及来自多家供应商的组件。

计算芯片单位数并不能揭示哪笔交易带来的营收更多。它也无法表明增长来自高端加速器，还是来自更高销量、较低价值的设备。

代际转换又增加了一层复杂性。根据其监管文件，Nvidia 将同时出货 Blackwell 和 Vera Rubin 产品。

客户可能因等待更新的架构而推迟订单。其他客户则可能因为现有系统能更快到货而加速采购。

即使全年需求依然强劲，这些时点决策也可能导致季度业绩起伏不均。它们还会影响供应商必须交付哪一代 HBM。

定价带来了更多不确定性。稀缺的存储器和封装能力可能提高 Nvidia 的成本，而强劲需求则可能支撑更高的系统价格。

Nvidia 可能将上涨的成本转嫁给客户。它也可能自行吸收部分成本，以保护部署经济性或与定制加速器竞争。

云服务提供商正在为特定工作负载开发内部芯片。AMD 和其他供应商也在争取加速器客户，当 Nvidia 系统依然昂贵或难以获得时，它们提供了替代选择。

这些竞争对手无需在所有工作负载中取代 Nvidia，就能影响需求。它们只需在特定部署中提供可信的性能、软件支持和供货能力。

Nvidia 的软件平台仍是一项重要优势。但硬件买方日益从处理器、网络、存储器、能源和设施建设等维度评估总成本。

一款名义上更快的加速器，若因等待电力或配套基础设施而闲置，其实际价值就会下降。部署能力而非组件需求，可能成为决定性限制。

2790 亿美元的承诺总额也应谨慎解读。它包括多年期义务，并不代表为即时交付而采购的存储器。

Nvidia 的协议可能允许在正式订单敲定前进行调整。这种灵活性能够在产品进度或客户需求发生变化时保护公司。

这也意味着，供应商不能将全部承诺金额视为已预订、不可取消的营收。它们必须区分规划信号与可强制执行的订单。

同样的谨慎也适用于 Huang 的单位出货翻倍预测。高管指引能够影响采购和投资，但它仍然是一项前瞻性预期。

多个条件必须同时成立。AI 服务必须产生足够的客户需求，基础设施买方必须获得资本，公用事业公司则必须提供充足电力。

制造合作伙伴还必须按时交付晶圆、存储器、封装、光学组件和网络设备。任何一个类别的短缺，都可能让另一类别的库存被闲置。

这就是为何韩国股市的反应只说明了部分故事。更高的预期需求会支持 Samsung 和 SK hynix，尤其是高端 HBM。

然而，存储器价格更快上涨，可能降低建设 AI 基础设施企业的回报。这种压力最终可能反过来影响订单时点。

Nvidia 的出货目标最有力地反映了管理层对需求的预期。作为对营收、供应商利润或已完成部署的精确预测，它的说服力则较弱。

投资者和企业买方应将这些问题区分开来。单位增长、营收增长、存储器盈利能力和 AI 服务采用率彼此相关，但遵循不同路径。

供应链仍可能打破这一预测

核心风险并非市场对 AI 芯片缺乏兴趣，而是承诺的需求与可部署基础设施之间存在错配。

在 Vera Rubin 开始量产出货后，Nvidia 承认当前存在供应限制。该公司还指出，土地、电力、建筑主体和资本是客户部署的关键投入。

这些限制因素遵循不同的时间表。处理器设计的推进速度，可能快于输电项目、数据中心许可或新建存储器晶圆厂。

即使客户希望获得硬件，由此产生的错配也可能延后营收。Nvidia 的文件特别警告称，当基础设施不可用时，客户可能推迟采购。

这一挑战使当前周期不同于传统的半导体短缺。限制因素可能从晶圆转移到封装、存储器、电力、制冷或建设环节。

供应商解决一个瓶颈，可能只会暴露另一个。若网络设备或电力容量无法支撑，更多加速器也无济于事。

存储器价格构成另一个压力点。供应紧张通过更强的定价能力使 Samsung 和 SK hynix 受益，但过度上涨会抬高系统总成本。

一份行业报告提到，2025 年下半年服务器 DRAM 价格上涨了 64%。该报告还预测，2026 年价格涨幅可能大得多。

这些估计可能变化，不同产品和客户的合同价格也存在差异。但这一方向仍说明，存储器供应商的收益可能成为基础设施买方的负担。

AI 提供商最终需要从模型、应用和云服务中获得营收，以证明持续投资的合理性。硬件需求无法永久脱离运营这些硬件的经济性。

推理是一个颇具前景的需求来源，因为已部署模型会在用户请求结果时消耗计算资源。智能体通过执行重复、多步骤任务，可能进一步提高资源消耗。

但效率提升的作用方向恰恰相反。更好的模型、优化的软件和专用芯片，能够减少完成给定任务所需的算力。

更低的成本可能足以扩大使用规模，从而抵消这些节省。这种结果具有可能性，但并不能保证适用于每一位买方或每一种应用。

Nvidia 的异常庞大承诺也带来了预测风险。预留产能能够防止供应短缺将销售拱手让给竞争对手。

若高估需求，公司可能留下过剩组件、不受欢迎的云容量，或承担客户采用缓慢产品相关的成本。

监管文件直接列出了这些可能性。Nvidia 表示，需求估计可能不准确，而重大承诺可能产生供应链费用。

地缘政治带来额外不确定性。出口管制可能改变 Nvidia 能在特定市场销售哪些加速器，以及客户能部署哪些配置。

公司可以为满足监管要求而重新设计产品。然而，重新设计会消耗工程资源，并可能使生产规划更加复杂。

Samsung 和 SK hynix 也面临各自的地域考量。它们的生产资产、设备获取渠道和客户关系横跨受技术限制影响的市场。

这些风险都不会否定 Huang 的预测。它们解释了为何一项需求声明无法决定最终结果。

因此，审慎的解读应避免两个极端。它不应因为 Nvidia 缺乏公开的合并单位统计而否定这一预测。

它也应避免将该预测视为证据，认为每一笔供应商出货、每一次存储器涨价和每项数据中心投资都将带来有吸引力的回报。

最有力的证据来自已经采取的行动。Nvidia 已扩大承诺、开始 Vera Rubin 出货，并签署了更长期的存储器安排。

Samsung 报告了 HBM4 的商业销售，而 SK hynix 正在深化与 Nvidia 的联合规划。这些都是为更高产量进行的具体准备。

剩下的问题是，准备工作能否转化为同步产出。生产、基础设施和客户经济性必须足够紧密地协调，才能支持出货量翻倍。

Nvidia 芯片销售预测之后应关注什么

三个近期信号将表明，Nvidia 的单位出货翻倍目标是否正在成为可执行的生产计划。

第一个信号是 Nvidia 下一次披露的供应承诺。当前 2790 亿美元的总额表明，管理层已预留了极其庞大的未来产能。

读者应关注这一数字是否继续增长，以及 Nvidia 如何说明其构成。更多确定性承诺将增强持续生产增长的论点。

增速放缓则需要解读。它可能意味着 Nvidia 已获得足够产能，也可能表明需求预期正在趋于稳定。

真正有价值的细节将来自付款节奏、合同灵活性，以及管理层对制约因素的讨论。仅凭一个标题数字无法厘清这些可能性。

第二个信号是 Samsung 和 SK hynix 的 HBM4 与 HBM4E 量产爬坡。最初的出货和样品必须转化为可重复、高产量的交付。

关注公司关于量产、客户认证、产品组合和产能扩张的披露。两家供应商持续稳定地供货，将降低 Nvidia 对单一来源的依赖。

若有延迟、低良率或调整后的时间表等迹象，Nvidia 出货量翻倍的判断将受到削弱。这也将支持更强劲的内存定价和更持久的供应短缺。

这一信号将有助于区分供应商普遍受益的局面与更集中的结果。SK hynix 和 Samsung 无需获得相同份额，也能从中受益。

不过，若两者都能大规模供应通过认证的产品，Nvidia 的供应韧性将更强。健康的供应商竞争可以提升可得性，并降低集中度风险。

第三个信号是客户的部署能力。Nvidia 制造系统的速度，可能快于客户建设运行这些系统所需设施的速度。

主要云服务商即将公布的财报，应显示其资本支出是否仍与 AI 基础设施计划保持一致。积压订单和已完成的产能比单纯的公告更重要。

电力协议、已通电的数据中心园区和部署时间表可提供额外证据。若出现延误，则表明实体基础设施正成为主导性制约因素。

若客户按计划启用新增产能，Nvidia 的出货目标将更可信。强劲的使用量和 AI 服务收入会进一步强化这一判断。

如果建设进度或电力接入延后，组件需求仍可能保持高位，但已确认销售额会推迟至后续期间。届时，内存供应商可能面临不均衡的订单节奏。

企业买家还应关注系统总成本。更高的 HBM 价格能够提升供应商收益，但也会让 AI 部署更难获得合理性支持。

开发者会通过云资源可用性、使用限制和计算成本间接感受到这一问题。更多 Nvidia 芯片只有在转化为可访问、可运行的产能时才有意义。

知识工作者和 AI 用户也应基于同样的原因关注此事。硬件供应会影响先进模型和基于智能体的产品进入日常工作流程的速度。

实际问题不在于 Nvidia 是否能统计到离开工厂的芯片数量翻倍，而在于行业能否将这些芯片转化为价格可负担、供电充足且高效产出的系统。

黄仁勋的预测为 Samsung 和 SK hynix 提供了有力的需求信号，同时也提高了它们制造计划的执行标准。

下一个季度应能揭示 Nvidia 是否再次扩大承诺、HBM4 产量是否扩大，以及客户是否继续以所需速度推进建设。

在将 Nvidia 芯片销量翻倍视为既成结果之前，应先跟踪这三个指标。需求叙事很强，但内存和基础设施仍掌握着节奏。