广场
最新
热门
资讯
我的主页
发布
MrFlower_XingChen
2026-08-28 17:30:26
关注
#NVIDIAEarnings
AI 正在创造一个新的半导体周期——NVIDIA 只是开始
AI 热潮正进入一个阶段，此时最大的问题不再是企业是否会在人工智能上投入资金。更大的问题是，全球需要多少基础设施来支撑这种需求。
NVIDIA 目前是了解 AI 经济底层正在发生什么的最明确信号。
NVIDIA 最新的 2027 财年第二季度业绩显示，季度营收为 962 亿美元，同比上涨 106%。对于 AI 基础设施故事而言，更重要的是，数据中心营收达到 890 亿美元，较上年同期增长 117%。NVIDIA 还预计下一季度营收约为 1080 亿美元，该展望不包括来自中国的任何数据中心计算营收。这些数字表明，加速计算的需求仍然极其强劲，而不是出现正常硬件周期放缓的迹象。
但只关注 NVIDIA 会错过更大的图景。
每一代新的 AI 模型都需要海量计算能力。这些计算能力并不只来自 GPU。一个 AI 数据中心需要加速器、高带宽内存、先进网络、存储、电源管理系统、冷却、先进封装以及尖端制造产能。
这就是 AI 日益成为半导体行业故事的原因。
支出数据已经显示出建设规模。TrendForce 估计，九家主要云服务提供商在 2026 年的资本支出总额可能超过 8867 亿美元，而其最新预测显示，2026 年 AI 服务器出货量将同比增长近 31%。预计 NVIDIA 的机架级系统仍将是这一扩张的重要组成部分，与此同时，超大规模云服务商也在同步开发自有定制 AI 芯片。
最后这一点尤其重要。
未来的 AI 基础设施市场可能不会专属于某一种处理器。NVIDIA 凭借 GPU、网络、软件和完整的机架级系统占据强大地位，但 Google 和 AWS 等公司也在推进自己的加速器设计。
因此，半导体机遇正在变得更加广泛。
更多 AI 计算意味着对更先进处理器的需求增加。
更多处理器意味着对高带宽内存的需求增加。
更多内存和加速器需要复杂的封装。
更多 AI 服务器需要更快的网络。
更多数据中心需要海量电力以及越来越先进的冷却系统。
而所有这些最终都会增加整个半导体制造生态系统的需求。
内存正成为这一方程式中最重要的组成部分之一。AI 加速器需要极高速内存来传输海量数据，这也是 HBM 对 AI 供应链具有战略重要性的原因。TrendForce 还强调，随着 AI 服务器生产扩大，HBM 和先进封装需求上升可能成为潜在瓶颈。
晶圆代工端也发出了类似信号。
TSMC 报告称，2026 年第二季度营收约为 402 亿美元，同比增长 33.7%，而 7 纳米及以下先进技术占晶圆总营收的 77%。这进一步表明，AI 热潮正在为该行业一些最先进的制造能力创造需求。
更广泛的半导体市场也正日益由 AI 驱动。
Gartner 预计，全球半导体营收在 2026 年可能达到约 1.32 万亿美元，同比增长 64%。其估计，AI 半导体今年可能约占半导体总营收的 30%，而超大规模云服务商的 AI 基础设施支出预计将增加超过 50%。
这改变了投资者应当看待 AI 交易的方式。
它不再只是：
AI 公司 → NVIDIA。
这条链条正在变得大得多：
AI 模型 → AI 计算 → GPU 和加速器 → HBM → 先进封装 → 网络 → 电力和冷却 → 数据中心 → 半导体制造。
NVIDIA 仍处于中心位置，因为其平台融合了 GPU、网络、软件和完整的 AI 基础设施系统。该公司也正从单个芯片迈向完整的 AI 工厂和机架级平台，其 Vera Rubin 架构目前已进入全面量产阶段。
TrendForce 预计，NVIDIA 的 GB300 机架级系统将在 2027 年上半年继续成为重要的出货驱动力，随后将由下一代 Vera Rubin 平台接棒。其还预计，采用 GB 和 VR 平台的 NVL72 机架出货量将在 2027 年同比增长超过 50%。
这为半导体行业提供了一个潜在的强劲多年需求引擎。
但这个故事还有另一面。
当一个行业如此快速增长时，预期也会变得极高。AI 基础设施需要巨额资本支出，而超大规模云服务商最终需要证明，这些投资能够带来足够的营收、生产力和回报。
供应端也存在风险。
HBM 供应、先进封装产能、尖端晶圆生产、电力供应和数据中心建设都可能成为瓶颈。与此同时，定制 AI 加速器可能会逐步从通用 GPU 手中夺走部分工作负载。
因此，半导体前景极其强劲，但不会呈现直线上升。
需要关注的最重要信号，是 AI 支出是否会继续转化为真实的基础设施需求。
对于 NVIDIA 而言，这意味着要关注数据中心增长、新 GPU 和机架部署、毛利率以及客户支出。
对于半导体行业而言，更重要的信号是 HBM 需求、先进节点利用率、封装产能、网络需求和内存价格。
我的更大启示很简单：
AI 革命正在将计算基础设施变成一种战略资源。
NVIDIA 是最大的受益者之一，但这一机遇远不止于一家公司。每一个新增的 AI 数据中心都会在半导体供应链的多个层面创造需求。
如果 AI 采用继续加速，半导体行业可能仍将是下一轮技术投资周期中最重要的受益者之一。
但如果资本支出最终放缓，那么拥有最强技术、定价权、制造资源和资产负债表的公司，可能会从其他公司中脱颖而出。
AI 不仅仅是在创造对更多芯片的需求。
它正在围绕这些芯片重建整个计算基础设施。
#GateStockInsightsChallenge
@Gate_Square
@GateSquare
$NVDA
NVDA
-4.58%
查看原文
此页面可能包含第三方内容，仅供参考（非陈述/保证），不应被视为 Gate 认可其观点表述，也不得被视为财务或专业建议。详见
声明
。
3人点赞了这条动态
867次观看
赞赏
3
3
转发
分享
评论
请输入评论内容
请输入评论内容
评论
CryptoCherry
· 4 小时前
买入即可赚取 💰️
查看原文
回复
0
CRYPTO GLADIATOR
· 4 小时前
冲向月球 🌕
查看原文
回复
0
Dunia Forex Crypto
· 11 小时前
挺有意思的，谢谢你，姐。
查看原文
回复
0
热门话题
查看更多
#
Gate7天净流入全球Top3
3594.14 万 热度
#
BTC重返81000美元
1502.9 万 热度
#
Strategy股价突破135美元
666.23 万 热度
#
五大联赛赛前预测官
33.4 万 热度
#
英伟达财报周
451.78 万 热度
置顶
网站地图
#NVIDIAEarnings
AI 正在创造一个新的半导体周期——NVIDIA 只是开始
AI 热潮正进入一个阶段，此时最大的问题不再是企业是否会在人工智能上投入资金。更大的问题是，全球需要多少基础设施来支撑这种需求。
NVIDIA 目前是了解 AI 经济底层正在发生什么的最明确信号。
NVIDIA 最新的 2027 财年第二季度业绩显示，季度营收为 962 亿美元，同比上涨 106%。对于 AI 基础设施故事而言，更重要的是，数据中心营收达到 890 亿美元，较上年同期增长 117%。NVIDIA 还预计下一季度营收约为 1080 亿美元，该展望不包括来自中国的任何数据中心计算营收。这些数字表明，加速计算的需求仍然极其强劲，而不是出现正常硬件周期放缓的迹象。
但只关注 NVIDIA 会错过更大的图景。
每一代新的 AI 模型都需要海量计算能力。这些计算能力并不只来自 GPU。一个 AI 数据中心需要加速器、高带宽内存、先进网络、存储、电源管理系统、冷却、先进封装以及尖端制造产能。
这就是 AI 日益成为半导体行业故事的原因。
支出数据已经显示出建设规模。TrendForce 估计，九家主要云服务提供商在 2026 年的资本支出总额可能超过 8867 亿美元，而其最新预测显示，2026 年 AI 服务器出货量将同比增长近 31%。预计 NVIDIA 的机架级系统仍将是这一扩张的重要组成部分，与此同时，超大规模云服务商也在同步开发自有定制 AI 芯片。
最后这一点尤其重要。
未来的 AI 基础设施市场可能不会专属于某一种处理器。NVIDIA 凭借 GPU、网络、软件和完整的机架级系统占据强大地位，但 Google 和 AWS 等公司也在推进自己的加速器设计。
因此，半导体机遇正在变得更加广泛。
更多 AI 计算意味着对更先进处理器的需求增加。
更多处理器意味着对高带宽内存的需求增加。
更多内存和加速器需要复杂的封装。
更多 AI 服务器需要更快的网络。
更多数据中心需要海量电力以及越来越先进的冷却系统。
而所有这些最终都会增加整个半导体制造生态系统的需求。
内存正成为这一方程式中最重要的组成部分之一。AI 加速器需要极高速内存来传输海量数据，这也是 HBM 对 AI 供应链具有战略重要性的原因。TrendForce 还强调，随着 AI 服务器生产扩大，HBM 和先进封装需求上升可能成为潜在瓶颈。
晶圆代工端也发出了类似信号。
TSMC 报告称，2026 年第二季度营收约为 402 亿美元，同比增长 33.7%，而 7 纳米及以下先进技术占晶圆总营收的 77%。这进一步表明，AI 热潮正在为该行业一些最先进的制造能力创造需求。
更广泛的半导体市场也正日益由 AI 驱动。
Gartner 预计，全球半导体营收在 2026 年可能达到约 1.32 万亿美元，同比增长 64%。其估计，AI 半导体今年可能约占半导体总营收的 30%，而超大规模云服务商的 AI 基础设施支出预计将增加超过 50%。
这改变了投资者应当看待 AI 交易的方式。
它不再只是：
AI 公司 → NVIDIA。
这条链条正在变得大得多：
AI 模型 → AI 计算 → GPU 和加速器 → HBM → 先进封装 → 网络 → 电力和冷却 → 数据中心 → 半导体制造。
NVIDIA 仍处于中心位置，因为其平台融合了 GPU、网络、软件和完整的 AI 基础设施系统。该公司也正从单个芯片迈向完整的 AI 工厂和机架级平台，其 Vera Rubin 架构目前已进入全面量产阶段。
TrendForce 预计，NVIDIA 的 GB300 机架级系统将在 2027 年上半年继续成为重要的出货驱动力，随后将由下一代 Vera Rubin 平台接棒。其还预计，采用 GB 和 VR 平台的 NVL72 机架出货量将在 2027 年同比增长超过 50%。
这为半导体行业提供了一个潜在的强劲多年需求引擎。
但这个故事还有另一面。
当一个行业如此快速增长时，预期也会变得极高。AI 基础设施需要巨额资本支出，而超大规模云服务商最终需要证明，这些投资能够带来足够的营收、生产力和回报。
供应端也存在风险。
HBM 供应、先进封装产能、尖端晶圆生产、电力供应和数据中心建设都可能成为瓶颈。与此同时，定制 AI 加速器可能会逐步从通用 GPU 手中夺走部分工作负载。
因此，半导体前景极其强劲，但不会呈现直线上升。
需要关注的最重要信号，是 AI 支出是否会继续转化为真实的基础设施需求。
对于 NVIDIA 而言，这意味着要关注数据中心增长、新 GPU 和机架部署、毛利率以及客户支出。
对于半导体行业而言，更重要的信号是 HBM 需求、先进节点利用率、封装产能、网络需求和内存价格。
我的更大启示很简单：
AI 革命正在将计算基础设施变成一种战略资源。
NVIDIA 是最大的受益者之一，但这一机遇远不止于一家公司。每一个新增的 AI 数据中心都会在半导体供应链的多个层面创造需求。
如果 AI 采用继续加速，半导体行业可能仍将是下一轮技术投资周期中最重要的受益者之一。
但如果资本支出最终放缓，那么拥有最强技术、定价权、制造资源和资产负债表的公司，可能会从其他公司中脱颖而出。
AI 不仅仅是在创造对更多芯片的需求。
它正在围绕这些芯片重建整个计算基础设施。
#GateStockInsightsChallenge
@Gate_Square @GateSquare
$NVDA