AI算力狂飙，英伟达凭什么成了最大赢家？

2026年，全球AI基础设施支出将达到4500亿美元，推理算力占比首次突破70%。

这相当于全世界每花出去100块钱搞AI，就有70块砸在了让模型“跑起来”这件事上。

而在这场史无前例的算力军备竞赛中，有一家公司几乎躺在了所有钞票的必经之路上。

它最新一个季度的营收是681亿美元，同比增长73%；单靠数据中心业务就入账623亿美元，同比暴涨75%。全年营收2159亿美元，净利润1200亿美元。

而这个数字，已经超过了绝大多数国家一整年的财政收入。

市值呢？5.7万亿美元，人类历史上第一家触及这条线的企业。

这家公司，就是英伟达。

它已经不是那个“卖显卡的”了

如果你对英伟达的印象还停留在“游戏显卡厂商”，那你就彻底低估了它。

截至目前，据英伟达财报显示，2026年英伟达数据中心业务收入达到1937亿美元，贡献了公司近九成收入。

曾经让英伟达家喻户晓的RTX游戏显卡业务，全年营收在总盘子中几乎可以忽略不计。

但真正值得关注的不是数字本身，而是赚钱方式的根本性变化。

过去，英伟达卖的是单张GPU，一张B200售价大约4万美元。

现在，它卖的是整柜系统，即GB200 NVL72机架级方案，单套售价高达200万到300万美元。

从卖“零件”到卖“工厂”，客单价翻了50倍以上。

这背后是一整套逻辑的升级。英伟达不再只是一个芯片供应商，它把GPU、CPU、网络芯片、互联技术、软件栈全部打包，变成一个“即插即用”的AI超级计算单元。

客户买回去就能直接跑大模型，不需要自己折腾适配和优化。

黄仁勋给这个东西起了个名字，叫“AI工厂”。

这个定位的转变代表着英伟达正在把客户从“买芯片”的思维，切换到“买产能”的思维。就像你不会自己去组装一台发电机，你只需要买电。

而且，一旦客户习惯了这套体系，迁移成本就变得极其高昂。

这不仅仅是换一块芯片的问题，而是整个数据中心架构、软件开发流程、运维体系都要推倒重来。

由收购建立的“生态网”

2025年12月，英伟达做了一件让整个行业震动的事：斥资200亿美元，拿下AI芯片初创公司Groq的核心技术和团队。

这是英伟达32年历史上最大手笔的一笔交易，远超2019年70亿美元收购Mellanox的纪录。

但它的精妙之处在于交易结构。英伟达并没有全资收购Groq，而是通过“非独家技术许可协议”获得了Groq的推理芯片技术，同时将Groq创始人Jonathan Ross及其核心团队收入麾下。

Groq公司本身继续独立运营，但其最具价值的技术和人才已经被英伟达吸收。

Jonathan Ross是谷歌TPU的创始成员之一，换句话说，英伟达花200亿美元，把曾经参与打造自己最大威胁的人，变成了自己人。

这笔交易的战略意图非常清晰：从训练端向推理端延伸。

过去几年，英伟达的核心叙事是“训练”，主要就是大模型需要海量GPU来训练，这是英伟达GPU的绝对主场。

但随着大模型逐步成熟，市场重心正在从训练转向推理。据SEMI数据，2026年推理算力在全球AI基础设施中的占比已首次超过70%。

而推理市场的游戏规则和训练市场完全不同。训练看重的是极致算力，推理看重的是低延迟、低成本、高能效。Groq的LPU芯片恰恰在这些维度上有独特优势。

英伟达在推理芯片市场的份额已经从66%攀升至74%，但推理市场的竞争远比训练市场激烈。

谷歌TPU、亚马逊Trainium、各类ASIC芯片都在虎视眈眈。拿下Groq，等于在推理这个新战场上提前修筑了防线。

而Groq也只是英伟达投资版图的一块拼图。

翻开英伟达近两年的投资清单，你会发现它的布局逻辑远比“买买买”更加系统化。

它投资了AI云服务商CoreWeave、Nebius、Crusoe、Lambda，投资了AI模型开发商Cohere，甚至还向英特尔注资50亿美元。

这些投资有一个共同特征：投的都是英伟达GPU的大买家。

以CoreWeave为例。英伟达持有其约7%的股份，而CoreWeave是首批全面部署英伟达Blackwell平台的云服务商。

英伟达给它优先供货权、技术支持，甚至帮忙对接客户。CoreWeave上市后市值一度超过370亿美元，英伟达持股价值约20亿美元。

这本质上是一种需求侧锁定策略。传统云巨头亚马逊、微软、谷歌为英伟达贡献了超过一半的数据中心收入，但这些巨头同时也在自研芯片。

谷歌的TPU已经对外出租，亚马逊的Trainium正在被Anthropic大规模使用，微软的Maia加速器持续迭代。

英伟达的应对方式很聪明：扶持传统云巨头的竞争对手。通过投资和扶持CoreWeave、Nebius这些“新云势力”，英伟达在传统云厂商之外，建立了自己的分销渠道和客户网络。

更深一层看，它的网络业务正在成为另一个“杀手锏”。2026财年，英伟达网络业务收入突破310亿美元，同比增长超过140%。

NVLink、Spectrum-X以太网和InfiniBand三大技术线全面开花。第四季度网络收入同比飙升263%。

这也说明一个现实问题，客户不仅在买英伟达的GPU，还在买英伟达的交换机、网卡、互联方案。

整个数据中心从计算到通信，都在被英伟达的技术体系覆盖。这种“全栈绑定”的深度，远比单纯卖芯片要牢固得多。

从护城河到盈利的空间

说到英伟达的护城河，几乎所有分析师都会提到CUDA。

CUDA是英伟达开发的一套软件平台，让开发者可以用Python、C++等语言直接调用GPU的算力。

截至2025年，英伟达开发者计划已汇聚600万名开发者，CUDA生态涵盖超过400个库、600个AI模型、3700个GPU加速应用。

全球95%以上的AI开发者都在使用CUDA，PyTorch、TensorFlow等所有主流框架都对它深度适配。

这套生态不是一天建起来的。它花了近20年时间，通过“装机-适配-聚集”的飞轮效应不断强化：用英伟达GPU的人越多，围绕CUDA开发的应用就越多；应用越多，新用户就越不可能选择其他平台。

2025年，英伟达服务器GPU的市占率约为97%。在这个数字面前，任何竞争对手都显得微不足道。

但护城河并非坚不可摧。

推理负载正在成为算力消耗的主力，而推理对CUDA生态的依赖远低于训练。

大规模推理部署中，ASIC芯片相比通用GPU的总体拥有成本优势可达40%-65%。

谷歌TPU已经训练出了Gemini 3并开始对外供应，亚马逊的Trainium正在被大规模部署，AMD的MI300X已经拿下了OpenAI和甲骨文的大单。

英伟达对此的回应是持续拉大技术代差。第四季度，Blackwell架构产品推进顺利，2026年Blackwell系列将占英伟达高端GPU出货量的71%。

下一代Rubin平台计划2026年下半年量产，训练混合专家模型所需的GPU数量减少75%，推理Token成本最高降低10倍。

换句话说，英伟达的策略不是防守，而是用更快的迭代速度让追赶者永远追不上。

或许从上面的收购情况，我们不难看出，英伟达在这场AI大爆发中，得到了什么。

第一，天文数字的营收和利润。2026财年全年营收2159亿美元，净利润1200亿美元，毛利率高达71%。

作为对比，全球最大的半导体代工厂台积电，2024年全年营收约900亿美元。英伟达的营收规模已经超过了整个半导体产业链中绝大多数环节的头部企业。

第二，前所未有的客户绑定深度。八大云服务商2026年的总资本支出预计将达到5200亿美元以上，其中相当大一部分直接流向英伟达的GPU整柜方案。

亚马逊甚至与英伟达签署了协议，计划在2027年至2028年间追加采购200万颗GPU，总金额至少数百亿美元。

第三，从“供应商”变成“基础设施”。英伟达的角色正在从一个硬件供应商，演变为整个AI产业的基础设施提供者。黄仁勋在GTC 2026上透露，预计到2027年底，Blackwell和Rubin系列将至少创造1万亿美元的收入。

第四，全球范围内的市场扩张。在中东，沙特主权AI公司Humain计划采购60万颗英伟达AI芯片；在美国，微软与英伟达合作建设“AI超级工厂”；在欧洲和亚洲，各国政府主导的“主权AI”项目也在大量采购英伟达方案。

这些订单共同构成了一个巨大的收入蓄水池，足以支撑英伟达未来几年的增长预期。

写在最后

英伟达的成功，本质上是踩准了一个时代的结构性转折点。

当计算范式从CPU时代的通用计算转向GPU时代的加速计算，英伟达提前二十年布局的CUDA生态恰好成了这个转折点上唯一的基础设施。

这不是运气，而是长期主义的结果。

但它也面临着真实的挑战，推理市场的崛起正在重塑芯片竞争格局，大客户的自研芯片浪潮不可逆转，地缘因素也在改变全球市场的分布。

英伟达需要证明，它不仅能赢得训练时代，也能在推理时代继续保持统治力。

从目前的布局来看，200亿美元拿下Groq、全栈式AI工厂方案、数千亿美元的投资版图、每年一代的技术迭代……

英伟达给出的答案很明确：它不是AI浪潮中的一个受益者，它想成为AI浪潮本身的水和电。

这场游戏远未结束，但至少到目前为止，牌桌上最大的赢家，依然穿着那件标志性的皮夹克。