英伟达的三板斧：减内存、绑大客户、拉华尔街

内存涨价、ASIC合纵，英伟达手里的王牌不再只是GPU性能。这个夏天它连续出招：重构机柜成本结构、锁死SK集团与SpaceX、拉上华尔街六巨头——目标只有一个，把AI基础设施的分配权重新攥回自己手里。

刚进8月，AI产业的消息密集得像连珠炮。英伟达下调下一代Rubin Ultra平台的HBM内存配置，从288GB降到192GB；云厂商财报季揭示市场定价范式生变，不再奖励单纯的资本开支竞赛；三大存储原厂2027年的HBM及DRAM产能被抢购一空；美国政府传出起草禁令、限制进口中国新型数据中心光模块；马斯克在财报电话会上放话，2027年底部署接近10GW的英伟达GPU算力；英伟达则宣布与Apollo、贝莱德、黑石、博枫、高盛和KKR合作，建立规模超5000亿美元的独立融资平台。

把这些信息串起来看，AI基础产业的竞争已经换了赛道：单芯片、单机架的极致性能比拼告一段落，新的落点变成系统成本结构、供应链控制、资本组织能力和终端需求锁定。英伟达也早就不满足于当一个强势的算力集成供应商，它的野心是成为全球AI基础硬件层的标准制定者、供给分配管理者、生态秩序主宰者。

GPU的钱，正在被内存分走

过去三年，AI硬件行情的核心变量是GPU；到了2026年，真正改写利润分配的环节变成了HBM与服务器系统内存。尽管英伟达仍是平台中心，但在单机柜BOM里，GPU对成本的绝对统治力正在被削弱。

看两组拆解数据就清楚了。GB300 NVL72机柜整体BOM约399万美元，其中GPU成本约252万美元、占比约65%，内存成本约37.4万美元、占比只有5%到10%。到了Vera Rubin阶段，Rubin NVL72机柜整体BOM约800万美元、直接翻倍，GPU成本升到约400万美元但占比降到50%，内存成本跃升到至少200万美元、占比抬到25%到30%。按伯恩斯坦的口径，Rubin NVL72整体机柜平均BOM约910万美元，GPU约400万美元、占比44%，HBM和DRAM合计约320万美元、占比约35%。

这意味着什么？GPU绝对金额还在涨，但在整机柜里的相对主导权明显下降了——从占BOM的三分之二降到不足一半。当GPU不再是唯一决定整机利润分配的环节，HBM涨价又让英伟达的毛利率越来越受制于外部存储供给与定价，公司自己也在年报里承认，对外部供应商缺乏完全控制，可能因供应不足、价格上涨、预付款与不可撤销订单而影响毛利率。如果不做点什么，内存厂就会从配角变成重要的成本中心，整个平台的利润中心悄悄转移。

减HBM、增互联：把利润导回自己的地盘

Rubin Ultra后来出现的"减HBM、增互联"，也就不只是基于供给紧张和散热工程了。按市场消息，英伟达向关键客户预览的调整方案把HBM从12-Hi288GB下调到8-Hi192GB、系统内存SOCAMM从192GB降到96GB，主流系统功耗维持在约1.8KW，峰值FLOPS基本不变。算下来，Rubin Ultra的BOM从约800万美元降到约640万美元，HBM占比从约28%降到14%，内存总成本占比从约40%降到28%，而Scale-up互联占比大概从4%升到12%。

英伟达并没有降低系统能力上限，而是把原本堆在单卡上的内存预算，转移到更大规模的scale-up与scale-out互联、交换机托盘、光引擎和系统组织上。这个动作的逻辑在于：推理侧客户关心的是单位token成本、时延、功耗、并发和整系统吞吐，而不是单颗GPU的理论峰值。当衡量标准从单卡性能转向"AI工厂"整体经济性，把客户预算导向英伟达更有定义权的光互联与交换网络，不一定损害客户价值，反而可能优化整体TCO。从产业权力角度看，这是把可能被存储环节吞掉的价值，重新导回NVLink、交换、网络、系统设计与软件调度这条自己更有控制力的链上。

推理才是下一轮的主战场

模型训练掀起了AI资本开支狂潮，但真正开始产生收入的是推理。推理算力需求占比已经明确超过训练——IDC数据显示，2024年GenAI IaaS市场训练占76%、推理仅24%，2025年推理占比超过50%；国家发改委数据则显示，截至2026年3月我国推理算力约占六成。北美五大云服务商2026年AI训练算力预计增长超50%，而推理算力要增长122%。

英伟达的算盘很清楚：随着Agent大规模应用，推理式AI每任务所需算力比单轮生成式高出约100倍，主要来自推理时扩展、思维链和一致性校验。推理的当任务算力消耗指数级放大，推理会成为下一阶段的算力黑洞。行业测算显示，头部模型厂商通过API推理业务每GW每年能做出300亿到400亿美元收入，激进情景下甚至超过1000亿美元；而1GW AI数据中心年化总拥有成本只有约85亿美元——这门生意的商业性已经得到验证。

但推理市场的高利润不只有利于英伟达。收入端一旦被验证，客户就会更认真优化成本端，ASIC、自研XPU、Trainium、TPU这些方案都会获得更强的推进动力。对比下来，英伟达GB200/300的单GPU每小时资本成本约1.8到2.2美元，TCO约2.3到2.7美元；谷歌TPU v7和AWS Trainium3相对英伟达能实现30%到40%的TCO下降。客户现在还愿意选英伟达，看重的是"训练—推理"两端的跨场景灵活性与成熟生态。主流路径大概率是"GPU为通用底座、ASIC承接稳定推理"的异构方式，而ASIC的市场占比还会持续抬升——2026年约超25%，2030年将升到40%上下。

供应商两头下注，威胁不再是纸上数字

ASIC的威胁已经不只在TCO表上。7月25日，三星电子与博通在旧金山签署合作意向，覆盖HBM存储、2nm及以下制程代工与先进封装，预计至2030年合作规模超2000亿美元。这桩合作的特殊之处在于身份：三星是英伟达HBM供应链的二供，身处英伟达体系之内；博通则是定制ASIC设计环节的龙头，对接的正是头部CSP厂商的自研芯片需求——英伟达体系外最强的竞争者。当英伟达的重要供应商开始为对手阵营提供一揽子支持，ASIC就拥有了完整的替代供应链。

事实上这是系统性现象：SK海力士也在给Trainium和TPU供HBM，台积电同时给英伟达和所有ASIC代工，博通和Marvell也在给两边出货。但凡有客户端的多元化需求，英伟达的供应商都会积极两头下注。这就构成了"里应外合"的威胁：CSP厂商、芯片设计商、供应商正试图以合纵的方式，构建一个能对抗英伟达的算力系统。

真正的反制：用稀缺制造盟友

如果只靠调BOM、换宣传口径，英伟达很难扭转份额被稀释的趋势。它的真正反制手段，是在合纵方内部制造矛盾——而供给短缺本身就是最好的分化工具。当前HBM、先进封装、高端基板等关键环节供给弹性极低，原厂2027年产能已被大额锁定。在这个窗口期，真正拥有定价权和排产权的，不是供应最紧俏的一方，而是能组织起最确定、最集中、最长期需求的一方。英伟达正是用这种系统组织能力进行连横式的反制。

第一路是SK集团。7月24日，SK集团与英伟达达成价值超5000亿美元的AI合作计划：SK电讯2027年上线采用英伟达Vera Rubin的2GW AI工厂并部署SK海力士HBM4；SK海力士将稳定获得下一代AI存储器供货。这笔合作把韩国最核心的半导体与电信能力编织进英伟达的扩张进程，还给SK集团一个AI时代第三方算力运营商的想象空间——按大摩预测，这块业务毛利率超60%。英伟达等于用AI工厂的优先购买权，补偿了与SK海力士的供应链内部博弈，把原本可能对立的上游变成了利益共同体。

第二路是SpaceX。马斯克在8月财报电话会上明确，2026年底算力2GW、2027年底近10GW，独家采用英伟达Vera Rubin架构。仅2027年增量就约8GW，对应约4000亿美元投资规模，超过2026年微软、谷歌、亚马逊、Meta合计资本开支的一半。SpaceX对英伟达有三个特别有利的点：公开承诺全量排他、建设部署快、需求独立且长期。当市场意识到有一个愿意独家绑定、体量又大的客户存在，其他潜在买家会更早启动锁单，稀缺预期再度形成，英伟达和上游谈判的筹码随之增强。

第三路是华尔街资本。8月10日，英伟达宣布与Apollo、贝莱德、黑石、博枫、高盛和KKR建立规模超5000亿美元的独立融资平台，把AI算力设施作为可抵押、可融资、可转移的资产规模化融资。平台由六家机构独立承销，以SPV、项目融资和设备租赁等结构独立尽调放贷，底层资产是"算力"产生的现金流，英伟达只在个别项目提供不超过25%的残值支持。新云客户的融资成本有望从9%到14%降到7%到8%。这消除了市场对AI资本开支可持续性的恐慌——客户不用动自己的现金流，市场不用担心客户Capex，英伟达拿到了主动权。

权力的四种归拢，与埋下的两颗种子

把这套动作合起来看，英伟达本质上在归拢四种权力：产品定义权——通过机柜架构与BOM设计决定产业链各环节分到多少价值；互联标准权——通过NVLink、交换网络与软件栈决定算力如何被组织与计量；供给调度权——通过锁单、排产与优先购买权决定稀缺产能流向谁；资本背书权——通过融资平台与残值支持决定谁有资格以什么成本获得算力。前两种来自技术与生态，后两种来自市场地位与资本组织，而英伟达是目前唯一同时握着四种权力的公司。

但捭阖术有个隐含前提：必须发生在强卖方窗口期之内。随着2028年存储与先进封装产能扩张、三星与博通代表的ASIC供应链成熟，稀缺溢价终会回落，"供给调度权"的含金量会缩水。除非期间有更大的需求爆发。英伟达真正赌的，是在窗口关闭前把客户深度绑定进自己的系统架构、软件生态和资本结构，让替代方案即使技术上可行，也要面对高昂的切换成本。

更深层的风险，来自它自己开启的资本游戏。把GPU数据中心变成可抵押可融资的资产类别，本质是以"算力将持续产生现金流、GPU将保值"为信用基石。贝莱德CEO芬克用1970年代抵押贷款支持证券MBS类比这个融资平台——MBS曾把风险层层转移给整个金融体系，最终以次贷危机收场。若推理收入增速不及预期、token价格通缩，以算力现金流为底层的信贷资产将面临减值连锁反应。捭阖术越成功，英伟达就越深地把自己绑定在资本市场对AI的定价之上。

连横也并不能根除合纵。英伟达体系的内外从来不是泾渭分明的阵营，而是一张高度交织的竞合网络——每一个盟友，同时也是对手的供应商。这种结构性矛盾决定了任何"绝对主导"都只能是暂时的，英伟达能争取的是相对权重，而非绝对排他。但英伟达大概率不会失去AI算力市场的中心位置：它不再需要赢下每一颗芯片的订单，只需要确保每一笔算力投资，最终都经过它的标准、它的网络与它的资本结构。

谋事在人，成事还看天。这既是英伟达的问题，也是所有把赌注押在AI基础设施上的人的问题。