从GPU到AI工厂：NVIDIA正在重新定义下一轮算力生意

9月15日至17日，NVIDIA在美国圣克拉拉举办AI Infra Summit 2026，本次会议有超过8000名工程师、技术人员、架构师和企业高管参加，会议讨论的关键词已经从单颗GPU性能扩展到Compute、Networking、Storage、Power、Cooling以及整座数据中心的运行效率。

NVIDIA也给出了非常明确的产业信号：Vera Rubin已经进入量产，AI基础设施开始按照“AI Factory”进行整体设计，目标不再只是把更多GPU塞进数据中心，更是开始让计算、网络、存储、电力和散热围绕每一个Token的产出效率协同运行。这背后的变化，比一次新品发布更值得跟踪。

NVIDIA最新财季收入已经达到962亿美元，其中数据中心收入890亿美元，同比增长117%；公司同时把下一季度收入指引给到1080亿美元。

当一家公司的核心增长已经进入如此大的体量，资本开支继续向AI集中，产业链真正需要回答的问题就变成了每增加一座AI工厂，需要多少网络、光模块、HBM、服务器、电源和液冷，以及这些环节最终能不能转化成收入、利润和现金流。

这也是AI Infra Summit值得研究的地方。NVIDIA正在主动把产业链的估值叙事从“GPU周期”往“AI基础设施周期”延伸。对于产业链公司来说，机会空间因此变大，但筛选标准也更苛刻：未来只有真正参与AI工厂建设、拥有订单能见度，并且能够把需求转化成利润的公司，才可能获得持续的基本面支撑。

NVIDIA把“GPU服务器”升级成“AI工厂”，电力开始进入算力账本

Rubin发生了一大重要变化，NVIDIA开始用整机柜、整集群的方式定义AI基础设施。

2026年3月发布的Vera Rubin平台已经包含Rubin GPU、Vera CPU、NVLink 6 Switch、ConnectX-9 SuperNIC、BlueField-4 DPU和Spectrum-6 Ethernet等多个核心组件；5月进一步公布的完整平台又加入Groq 3 LPX推理加速器、BlueField-4存储以及Spectrum-X网络，并以五个专用机柜组成一个POD级AI超级计算系统。

NVIDIA给出的口径是，相较Grace Blackwell平台，Vera Rubin在规模化Agent工作负载下可以实现10倍的Agent吞吐。

这套架构改变了供应链的利润分配方式。此前GPU占据AI服务器价值量和产业关注度的中心，网络、存储、电源和散热更多被看作配套环节；到了Rubin，NVIDIA已经把这些环节写进AI Factory参考设计，DSX平台甚至把芯片、系统、网络、存储、设施、电力和冷却纳入统一设计，并直接以“tokens per watt”作为优化目标。

该指标的产业意义很直接：算力采购开始从单纯比较TOPS、FP16性能，转向比较单位电力能够生产多少有效Token。对于数据中心运营商来说，电力成本、机柜功率密度和散热效率都会影响AI算力的实际产出。

NVIDIA在最新10-Q中已经把这个约束写得非常清楚：公司截至2026年7月26日的供应和产能承诺已经从上一季度的1190亿美元提高到2790亿美元，同时公司明确提示，土地、电力、机房和资本不足，都可能影响客户部署产品的速度。

所以，Rubin之后真正需要观察的瓶颈已经从“GPU够不够”扩展到“电够不够、机房能不能建、网络能不能跑满、散热能不能跟上”。这将会直接改变产业链的受益范围。

2026年第二季度，Vertiv销售额达到32.74亿美元，同比增长24%，公司同时将全年销售额指引提高到140亿美元；同期经营现金流达到11亿美元。 Vertiv最新季度数据已经提供了一个很好的验证样本。对于电源和液冷供应商来说，AI资本开支已经从订单催化逐步进入收入兑现阶段。

推理开始改变基础设施结构，网络、光互联和内存的价值正在上升

AI推理需求是否已经全面超过训练需求，目前没有足够公开数据支持这样的行业结论，但基础设施的变化已经非常明确：Agentic AI让一次用户请求对应更多模型调用、检索、工具执行和上下文读写，推理从一次性的模型训练环节，逐渐变成长期持续消耗算力的生产环节。

NVIDIA今年推出Groq 3 LPX，就是一个很直接的信号。这款产品被定位为交互式AI推理加速器，重点解决Agent工作负载下的高速Token生成。NVIDIA给出的解释是，Agent系统可能在数百甚至数千个推理步骤中持续生成Token，因此Token生成速度直接影响实时应用体验。

需要注意的是行业内推理的变化也把压力传导到了网络和存储。

Broadcom最新财报显示，2026财年第三季度AI半导体收入达到167亿美元，同比增长221%，环比增长54%，公司预计第四季度AI半导体收入达到217亿美元。增长来源包括定制AI加速器和AI网络。

Arista Networks第二季度收入首次突破30亿美元，达到30.36亿美元，同比增长37.7%；公司同期推出1.6Tbps AI Fabric平台，并表示新平台支持规模化AI网络，同时部分光学方案可以将互联功耗降低约60%。

Marvell Technology第二财季收入达到27.39亿美元，同比增长37%，其中数据中心业务销售额增长46%，公司明确将增长归因于AI相关需求，覆盖光电、定制存储和交换等产品。

目前光互联的产业位置也在上移。Coherent最新财年第四季度收入达到20.5亿美元，同比增长34%，公司预计AI数据中心架构持续从铜连接向光连接转移，并持续扩大制造产能。9月17日，Coherent又发布面向AI数据中心的800G ZR/ZR+光传输产品，单对光纤最高可支持25.6Tbps的数据中心流量。

内存则是另一条容易被低估的线索。Micron Technology最新公布的数据显示，2026财年第三季度收入达到414.6亿美元，其中数据中心相关收入超过250亿美元，HBM4已经进入高量产出货阶段，公司披露已经获得超过10亿美元HBM4收入。

可见AI基础设施的增长已经从“增加GPU数量”扩展成“提升整套系统吞吐”。网络带宽、HBM容量、存储层级和光互联效率，都开始影响GPU利用率和单位电力Token产出。对于资本市场来说，这些公司的基本面变化比单纯的AI概念扩散更值得跟踪，因为收入已经开始在财报中留下痕迹。

真正能够兑现增长的公司，订单、产能和现金流比AI标签重要

把产业链拉开看，NVIDIA之外的公司已经出现明显分化。

Broadcom的核心变化在于定制AI加速器与网络同时增长，第三季度公司整体收入达到296亿美元，经营现金流142亿美元，自由现金流137亿美元。定制XPU与AI网络已经形成规模化收入，并且公司还通过AI基础设施融资平台推动客户部署超过20GW计算能力。于是如今Broadcom的增长逻辑开始延伸到大型AI客户的定制计算和基础设施建设。

Dell Technologies数据显示，2026财年第二季度，Dell AI服务器订单达到609亿美元，AI服务器收入164亿美元，季度末AI服务器积压订单达到950亿美元；同期公司整体收入470亿美元，同比增长58%。可见AI服务器正在从订单走向交付。 对Dell来说，AI资本开支的价值不仅来自GPU服务器本身，还来自网络、存储以及企业客户本地部署需求。

Super Micro Computer的最新财年第四季度收入达到111亿美元，毛利率从上一季度的9.9%提高到17.5%，经营现金流7.47亿美元。公司此前披露第四季度新增订单超过600亿美元，说明AI服务器需求依然强劲，但毛利率表现也说明整机厂的竞争格局、客户结构和成本控制同样决定利润兑现速度。

这也是AI基础设施行情进入基本面阶段后最需要警惕的地方之一。因为订单大，不等于利润一定高；收入增长快，也不代表现金流质量同步改善。GPU、交换机、光模块、服务器和电源系统都可能出现供需紧张，真正能够形成持续利润弹性的公司，需要同时具备产品壁垒、客户黏性、产能扩张能力和较好的现金转换能力。

从产业链的最新披露看，NVIDIA仍然是整个体系最强的需求源头，只不过增量也正在向网络、光互联、HBM、液冷、电源、服务器以及企业私有AI基础设施扩散。

AI Infra Summit释放的核心信息在于AI工厂正在成为新的基础设施单位，“tokens per watt”则很可能逐渐进入数据中心建设、采购和运营的实际决策体系。

所以，未来在产业链研究中，判断一家公司能否持续吃到AI资本开支，需要沿着“新增算力需求—基础设施配置—订单—产能—收入—利润—现金流”把链条真正走通。

对于产业链公司来说，真正的景气拐点更可能来自客户资本开支持续增加以后，企业自身能否把订单转成产能，把产能转成收入，再把收入转成稳定的利润和现金流。

下一阶段的AI基础设施行业，能够持续提升单位电力Token产出、降低部署成本、提高集群利用率的基础设施公司，会获得越来越清晰的基本面验证。