这一周，没有任何一个数字比“1万亿美元”更令市场感到震惊。

黄仁勋在英伟达年度开发者大会GTC的主题演讲中表示，预计到2027年底，英伟达新一代AI加速芯片架构Blackwell与下一代Rubin产品累计将创造至少1万亿美元收入，并明确表示该数字并不包含独立Vera CPU及LPX机架方案的销售额。

从5000亿到1万亿，英伟达的芯片收入预期在半年内翻倍。

在这个“AI泡沫”博弈的市场中，黄仁勋为何能给出一个远超市场预期的判断？这个目标又是否能实现？

底气从何而来

黄仁勋的“万亿收入”预期背后有三大支撑。

1、订单可见性极高。在GTC 2026期间接受媒体采访时，黄仁勋强调，他本周一公布的1万亿美元以上收入预期具有强烈的"能见度"。英伟达预计将达成、入账并交付价值超过1万亿美元的业务，对于实现"超过1万亿美元"的目标抱有"坚定信心"。

这种"强能见度"的判断并非空穴来风。黄仁勋指出，目前客户最核心的诉求是"确保获得足够供应"，而非价格。这反映出AI算力市场仍处于典型的供给瓶颈阶段——需求远大于供给，客户更担心的是拿不到货，而不是价格高低。

Omdia指出，先进封装领域正面临危机。台积电的CoWoS产能正从2025年的每月7.5万片晶圆扩增至2026年底的12至13万片，但仍无法满足激增的需求，最终导致交货周期延长、价格上涨，产能分配也更偏向最大的客户。

黄仁勋进一步指出，来自云厂商及AI企业的大规模采购，使公司订单、预定与发货形成高度确定性，这也是其敢于给出"强能见度"判断的关键原因。从行业角度看，包括OpenAI、Meta、微软、谷歌、亚马逊等在内的科技巨头正持续加码AI数据中心建设，推动算力需求呈指数级增长。

摩根大通就指出，1万亿美元意味着相对于华尔街当前对2026至2027年数据中心收入的一致预期，存在至少500至700亿美元的上行空间。

2、AI进入"推理时代"。与过去两年以"模型训练"为核心不同，黄仁勋在GTC 2026大会上反复强调，AI行业已进入"推理拐点"。

所谓推理（Inference），是指AI模型在实际应用中的实时计算需求。当用户向ChatGPT提问、使用Midjourney生成图片、或让自动驾驶汽车做出决策时，背后都是推理计算在支撑。与训练阶段的一次性大规模计算不同，推理是持续性的、随用户规模扩张而线性甚至指数级增长的计算需求。

黄仁勋在主题演讲中指出："训练让模型变得聪明，但推理让AI真正走进千家万户。每一次用户交互都需要算力，而随着AI Agent（智能体）的普及，推理需求将远超训练需求。"

市场规模测算：

- 训练市场：相对集中，主要由少数科技巨头主导，需求呈项目制、阶段性爆发

- 推理市场：极为分散，从云端API到边缘设备，从消费级应用到企业级解决方案，需求呈持续性、规模化增长

3、产品迭代+平台化战略。黄仁勋在GTC 2026上透露的1万亿美元预期，仅覆盖Blackwell与下一代Rubin架构芯片的收入，还不包括即将发布的新品，也不包括新增的地区和市场。这意味着，英伟达潜在的整体AI业务规模可能进一步超出当前测算范围。

产品路线图：

- Blackwell架构（2024-2025）：已大规模量产，B200芯片在训练性能上是H100的4倍，推理性能提升高达30倍

- Rubin架构（2026-2027）：预计将在2026年开始大规模部署，性能将进一步跃升

- Feynman架构（2028及以后）：更远期的下一代架构已在研发中

更重要的是，英伟达正在从"卖芯片"转向"卖AI工厂"。黄仁勋在大会上发布了NVIDIA Dynamo开源推理操作系统、物理AI数据工厂蓝图、以及与全球工业软件巨头的合作，试图构建完整的AI基础设施生态。

分析人士指出，这种平台化战略意味着英伟达未来收入不再局限于单一GPU，而是扩展至完整数据中心系统。Wedbush资深科技分析师Dan Ives就表示，英伟达不仅在乘着人工智能的巨大浪潮前进，而且现在正在扩大其对支撑人工智能的基础设施的控制。

这将显著放大收入天花板。黄仁勋明确表示："1万亿美元这个目标将继续膨胀。"

万亿之路面临的多重挑战

尽管黄仁勋的表态信心满满，但实现1万亿美元累计收入（到2027年底）仍面临多重挑战。

首先，时间窗口的紧迫性。从2026年3月到2027年底，留给英伟达实现1万亿美元累计收入的时间不足两年。考虑到芯片从下单到交付的周期（通常6-12个月），以及大规模部署的时间，实际可确认收入的时间窗口更为紧张。

- 英伟达2025财年（截至2025年1月）营收为1305亿美元

- 英伟达2026财年（对应2025年2月至2026年1月）营收为2159亿美元，2027财年营收达到约3000-4000亿美元

- 2025-2027三年累计收入约为6000-7000亿美元

- 要达到1万亿美元，意味着2027年单年营收可能需要突破5000亿美元

这意味着英伟达需要在2027年实现接近翻倍的同比增长，这对任何一家硬件公司来说都是前所未有的挑战。

其次，市场竞争加剧。

AMD在2025年推出的MI400系列被业界视为对英伟达Blackwell的直接挑战。AMD CEO苏姿丰在近期的采访中表示："我们在AI市场的份额正在稳步提升。MI400在特定工作负载上的性价比优于Blackwell，这对价格敏感的客户非常有吸引力。"

更大的威胁来自于英伟达的大客户们正在加速自研AI芯片的部署：

- 谷歌TPU v6：已用于Gemini 2.0的训练和推理，性能接近Blackwell

- 亚马逊Trainium3/Inferentia3：在AWS上大规模部署，成本比英伟达方案低30-40%

- 微软Maia 200：2025年底开始在Azure上全面部署

- Meta MTIA：计划2027年底前推出四代自研AI芯片

一位前谷歌芯片工程师表示："TPU在Transformer模型训练上的效率已经超越GPU。虽然通用性不如CUDA，但对于有明确工作负载的大公司来说，自研芯片的经济性非常有吸引力。云厂商的目标是到2027年，自研芯片占其AI算力采购的30-40%。"

Seaport Research分析师指出，“英伟达现在比以往任何时候都更需要努力争取收入。”

此外，供应链也可能遭遇瓶颈。目前，台积电的CoWoS先进封装产能是当前的主要瓶颈。尽管台积电正在加速扩产，但高端AI芯片的供需缺口预计将持续到2026年底。如果扩产进度不及预期，英伟达可能面临"有订单但交不了货"的尴尬局面。

中东局势的动荡正波及拥有存储制造能力的韩国。据韩国国际贸易协会2025年统计，韩国氦气进口对卡塔尔的依赖度高达64.7%。半导体制造过程高度依赖氦气来冷却硅晶圆，目前被认为没有可行的替代方案。韩国政府也表示，如果供应中断持续较长时间，可能会导致氦气短缺和价格上涨。

值得注意的是，霍尔木兹海峡封锁导致全球油价维持在100美元/桶的高位，这对高能耗的算力数据中心而言是沉重的打击。如果能源成本抵消了芯片带来的效率提升，全球AI投资计划可能会被迫缩减。