英伟达说算力要缺到2028年，你手里的显卡会更贵吗？
算力不够用了 你上周是不是也看到了英伟达财报炸裂的消息，然后转头看了看自己想买却一直没下手的显卡，心里又咯噔一下？ 8月27日，英伟达公布了一份强劲的2027财年第二季度财报，但比数字更引人
算力不够用了
你上周是不是也看到了英伟达财报炸裂的消息，然后转头看了看自己想买却一直没下手的显卡，心里又咯噔一下？
8月27日，英伟达公布了一份强劲的2027财年第二季度财报，但比数字更引人注目的是CEO黄仁勋在电话会上的一番话。他明确表示，AI算力供给短缺的格局，至少会延续到2028财年末。这不是一个模糊的预测，而是基于公司对产业链上游——从晶圆产能、HBM存储到机房电力——全面紧缺状态的判断。
从数据来看，需求端呈现出两条惊人的增长曲线。一边是传统的超大规模云厂商，在手订单规模超过了2万亿美元，约合13.48万亿人民币，这几乎是天量的采购承诺。另一边，非云市场，包括主权AI、区域NeoCloud、企业AI和科创AI，同比增速超过了100%，已经占据了英伟达收入的“半壁江山”。黄仁勋甚至给出了一个极为大胆的前瞻指引：2028财年全年营收增长70%。他说，真实市场需求可以翻倍，唯一的瓶颈就是产能。
这句话翻译过来就是：不是没人买，是造不出来。市场远没到产能过剩的阶段，恰恰相反，是严重不足。
为什么是现在？
这不仅仅是一家公司的乐观表态，它揭示了当前AI产业发展的核心矛盾：需求指数级增长，而供给线性爬坡。
AI大模型的军备竞赛没有停歇的迹象。无论是OpenAI、谷歌这样的巨头，还是各国政府推动的“主权AI”计划，对算力的需求是刚性的。训练一个前沿模型需要数以万计的顶级GPU，而推理应用的爆发（比如ChatGPT每天要处理多少查询？）更是持续消耗着算力资源。这种需求是集中且爆发式的。
但供给端呢？芯片制造是重资产、长周期的产业。新建一座先进的晶圆厂需要数年时间和数百亿美元投资。更关键的瓶颈可能还不在芯片本身。HBM（高带宽内存） 是AI芯片的“粮食”，它的产能扩张速度远跟不上GPU的迭代速度。还有电力，一个大型AI数据中心耗电量堪比一座中小城市，在全球追求“碳中和”的背景下，给数据中心找稳定、便宜的电，成了比买芯片更头疼的事。
也可能是我想多了，但英伟达强调这些瓶颈，某种程度上也是在给市场“定心丸”：短期内别担心我的产品卖不出去，你们该担心的是我能不能按时交货。
谁最受影响？
首先，是所有想用AI大模型的企业和开发者。算力短缺直接推高了使用成本。无论是租用云厂商的GPU实例，还是自建集群，费用都居高不下。一个直接的后果是：AI创新的门槛正在被急剧抬高。初创公司如果没有雄厚的资本或独特的算力解决方案，可能连模型的第一次训练都跑不起。
其次，是竞争对手。AMD、英特尔，以及谷歌、亚马逊这些自研芯片的云厂商，它们正在拼命追赶。英伟达的这番话，既是给自己的供应商（如台积电、SK海力士）压力，要求它们优先保供；也是在告诉所有客户：“别观望了，有货就赶紧锁单，因为明年可能更紧。”这会进一步挤压竞争对手的市场空间。
一个实际的例子：国内某家正在研发行业大模型的公司，今年初计划采购一批AI服务器，至今订单交付已延迟两次。他们的技术负责人私下说，现在不仅要和头部大厂抢芯片配额，还要抢机柜和电力指标，项目进度已经被严重拖累。这不是个例。
算力，正在从技术资源，变成战略资源。
深层逻辑：不止是芯片战争
这场“算力饥荒”背后，是AI技术发展到当前阶段的必然阵痛。过去几十年，摩尔定律驱动着计算能力的指数增长。但在AI时代，对算力的需求增长曲线（由模型参数量、数据规模、训练复杂度共同决定）已经远远超过了传统摩尔定律的供给增长速度。
英伟达的强势，不仅仅因为它有最好的GPU。更深层的原因在于，它构建了一个包括CUDA生态、网络技术（如InfiniBand）、软件栈在内的完整计算平台。这个生态的护城河太深，导致即使竞争对手做出了性能接近的芯片，客户切换的成本依然极高。黄仁勋反复强调“全栈优化”，指的就是这一点。
所以，这场短缺不是短期波动，而是结构性问题。它意味着AI的落地和普及速度，将直接受限于物理世界的基建速度——半导体制造、能源供给、散热技术。这已经超出了纯信息技术的范畴。
与你何干？
如果你是投资者，英伟达的财报和展望再次确认了它在AI产业链中“卖铲人”的绝对统治地位。但同时，也要警惕其估值是否已过度透支了未来的乐观预期。市场情绪往往会在“极度乐观”和“极度悲观”间摇摆。
如果你是从业者，无论你是在做AI应用开发，还是传统的软件工程，理解算力约束都至关重要。这意味着：
优化模型、提升推理效率不再是“加分项”，而是“生存项”。
关注并学习如何在异构计算（比如CPU+GPU，甚至加入NPU）环境下工作，会成为新技能。
轻量化模型、边缘AI部署可能会因为云端算力的昂贵和不稳定，而获得更多关注。
如果你是普通用户，AI服务（比如更智能的助手、更逼真的游戏NPC）的普及速度和价格，可能会比预期更慢、更贵。因为背后提供服务的公司，正承受着巨大的算力成本压力。
明年会见分晓
这场由需求爆发点燃、被物理瓶颈放大的算力争夺战，远未到终局。英伟达描绘的图景是否完全准确，需要更多季度的数据来验证。但有一点可以肯定：AI的竞争，已经从算法和数据的“软竞争”，升级到了算力、能源、供应链的“硬竞争”层面。
我赌未来一年内，我们会看到更多关于“算力解决方案”的新闻，而不仅仅是“新芯片发布”。无论是更激进的芯片封装技术、新型散热方案，还是政企合作建设“AI专用电力园区”，围绕算力瓶颈的突围行动，将成为行业下一阶段的主旋律。
本文基于 media 公开报道编译解读
本文基于 media 公开报道编译解读，查看原文