Nvidia 報告了創紀錄的季度收入爲 $39.3 億，比上一季度增長了 12%，比去年增長了 78%。首席執行官詹森·黃（Jensen Huang）表示，Blackwell 芯片的銷售“超出所有預期”，而云 GPU 已售罄。對於下一個季度，公司預測收入爲 $43 億。
與此同時，埃隆·馬斯克通過xAI在孟菲斯建立世界上最大的AI訓練集羣。Colossus 2將在2026年完成後包含超過50萬個Nvidia GPU。前110,000個芯片已經在安裝中。
談論主導地位的數字
規模令人印象深刻。Nvidia現在約佔S&P 500指數總市值的8%——這是半個世紀以來單一股票的最高集中度。該公司爲72 GPU Blackwell的機架收取約300萬美元，並每週發運約1000個這樣的機架。
在3月份的GTC會議上，黃仁勳將重點從芯片轉向“AI工廠”——專門的計算環境，在這裏大規模的數據處理創建和部署人工智能系統。每個GB200 NVL72系統包含超過600,000個組件，作爲一個巨大的計算機工作，與以前的AI模型系統相比，其性能提高了30倍，參數達到萬億級。
複雜性創造了保護壁壘。這不是可以用標準組件組裝的服務器。這是需要120千瓦液冷的精確設計系統，GPU之間的特定連接速度爲每秒130太字節，以及將數萬顆芯片作爲一臺機器處理的軟件。
爲什麼自有芯片沒有縮小差距
從理論上講，谷歌的新TPU Ironwood看起來具有競爭力。每個芯片爲AI提供4.6 petaflops的計算——略高於Nvidia B200的4.5 petaflops。谷歌可以將它們擴展爲9216個芯片的模塊，理論上支持一個集羣中最多400,000個加速器。
但有一個問題：TPU僅在谷歌雲內運行。如果您希望在多個雲服務提供商上運行任務，構建自己的基礎設施或使用谷歌生態系統之外的框架，Nvidia仍然是唯一的選擇。
亞馬遜的Trainium芯片面臨類似的限制。AWS聲稱在價格和性能方面比其他供應商優越30-40%，但僅適用於完全在亞馬遜雲中運行的任務。這些芯片是爲特定任務而專門設計的，而不具備Nvidia硬件在任何框架中進行訓練、微調和輸出的通用靈活性。
對於一家花費1,000億美元在必須在兩年內盈利的基礎設施上的公司來說，押注於單一雲服務提供商的專有硬件是一種大多數人不會採取的風險。
真正的壁壘：生態系統
Nvidia的優勢不僅在於硅。更在於數十年的軟件、工具和工程師培訓的開發。
Nvidia自2006年以來開發的CUDA編程平臺幾乎支持所有主要的AI框架，包括PyTorch、TensorFlow和JAX。轉向競爭對手的芯片通常意味着需要重寫代碼，重新培訓員工，並接受某些功能根本無法工作的事實。
提到“CUDA”的職位空缺數量仍然遠遠超過提到替代方案的職位。當斯坦福大學的機器學習課程在2025年將谷歌的JAX框架作爲默認選項添加時，這尤其引人注目，因爲CUDA已經標準化超過十年。
Nvidia還在整個供應鏈中建立了關係。該公司與全球超過200家技術合作夥伴在150多個工廠合作。能源公司、冷卻專家、數據中心開發人員甚至大型投資公司現在都成爲Nvidia網絡的一部分。
這個生態系統意味着，購買Nvidia基礎設施的首席執行官不僅僅是在購買芯片。他獲得的是一個具有全球支持的全面戰略。
有什麼可以改變的
經濟在特定領域發生變化。對於高負載的輸出任務，在大規模中多次運行同一模型時，谷歌的TPU和亞馬遜的Trainium芯片可能提供比Nvidia的通用GPU更好的每個token的成本。
一些公司正在悄然轉型。Anthropic在2025年10月承諾使用一百萬個谷歌TPU。Midjourney據報道將其大部分圖像生成負載從Nvidia設備轉移到谷歌雲TPU，顯著降低了每月開支。
但訓練新的先進模型呢？這裏仍然需要Nvidia。當xAI需要建立世界上最強大的AI訓練系統時，他們沒有尋找替代方案。Colossus 2使用Nvidia GB200芯片。
競爭格局是真實的：谷歌的TPU Ironwood首次在基本特性上與Nvidia持平。AMD的MI350系列爲希望擁有第二個供應商的企業提供了替代方案。但是，在測試中符合規格並不意味着能夠符合Nvidia數十年建立的完整軟件、支持和供應鏈。
這對其他所有人意味着什麼
對於投資者來說，情況很明確：Nvidia的主導地位並不脆弱，但也不會永遠保證。公司必須繼續比競爭對手更快地前進，而競爭對手終於開始創造出值得的替代品。
對於創建AI系統的公司來說，計算取決於情況。如果您正在訓練先進的模型或需要在不同的雲和框架之間靈活工作，Nvidia仍然是標準。如果您在一個雲中運行大規模的輸出任務，專用芯片的經濟性值得認真評估。
對於其他所有人來說，這場基礎設施競賽會影響到你，無論你是否直接使用AI。爲這些數據中心提供電力的電費正在上漲。服務這些工廠的供應鏈正在改變全球生產。
Nvidia不僅僅銷售硬件。它還建立了黃仁勳所稱的“AI時代”的基礎。這種基礎是專屬於Nvidia的，還是會變得更加競爭，這將對未來十年的發展產生重大影響。
AI的觀點
從機器數據分析的角度來看，Nvidia目前的主導地位讓人想起90年代的英特爾，當時該公司控制着至關重要的計算基礎設施。歷史表明，這種集中不可避免地會引起監管機構的關注——尤其是在美國和中國的國家安全背景下。
宏觀經濟分析揭示了能源可持續性的隱患。像Colossus 2這樣的千兆瓦數據中心消耗整個城市的電力，這可能在2026-2027年面臨電網的限制。量子計算和神經形態芯片仍然是能夠根本改變AI計算架構的“黑天鵝”。這種情況還展示了一個悖論：越多公司建立Nvidia的替代品，整個行業在臺灣半導體供應鏈出現故障時的系統風險就越高。
