AI基础设施增长共识与潜在瓶颈 - 市场普遍预期英伟达今年营收将增长约70%，明年增长超过30%，需求真实且资本支出已确认 [2] - 然而，从需求到实际营收实现之间存在的基础设施风险未被充分考量，电网已成为主要限制因素，并已开始影响2026年的部署时间表 [2] 电网成为核心瓶颈 - AI基础设施的主要限制已从半导体供应转变为电力供应，特别是将大型设施接入电网所需的时间 [3] - 建设大型AI数据中心需12至24个月，而在美国主要市场获得高容量电网连接可能需要36至84个月 [3] - 美国目前的互联排队容量已超过2,600吉瓦 [3] - 在预计于2026年投入使用的12吉瓦美国AI数据中心容量中，仅有5吉瓦正在积极建设中，其余部分出现严重延迟，电力供应是主要因素之一 [4] 变压器短缺加剧瓶颈 - 高压变压器的交货周期已延长至长达四年，这加剧了电网互联的延迟 [5] - 此瓶颈源于物理基础设施的短缺，其更换周期远长于芯片，这限制了新数据中心产能的上线速度，与GPU供应或资本投资无关 [5] 瓶颈对英伟达的直接影响 - GPU需求只有在AI集群大规模部署和运行后，才能转化为可持续的盈利潜力 [6] - 尽管英伟达可以在交付时确认硬件收入，但其装机基础（包括网络、软件及后续基础设施支出）的长期价值依赖于使用率的增长 [6] - 因此，电网互联或电力设备交付的任何延迟都可能推迟更广泛的货币化周期，即使底层AI需求持续存在 [6] - 若大量已宣布的AI数据中心容量因电力限制而推迟，AI基础设施生态系统的一些短期增长预测可能过于乐观 [7] 企业自备电源的应对方案 - xAI、Meta、OpenAI和甲骨文等公司已安排现场发电以绕过互联排队 [8] - 美国数据中心已宣布的自备电源容量现已超过130吉瓦 [8] - 在美国主要市场，电网电力成本为每兆瓦时90至95美元，而自备电源发电成本则在每兆瓦时100至165美元之间，具体取决于技术和燃料类型 [8] - 超大规模企业正在承担这笔额外成本以确保其部署时间表，此举虽能绕过瓶颈但成本更高，压缩了数据中心的经济效益，长期可能削弱额外产能扩张的紧迫性 [8] 推理市场带来能效挑战 - 英伟达的优势在训练领域最为明显，而推理是一个不同的市场，其持续大规模运行的特点使得能效和每次查询成本成为采购的主要标准 [9] - 博通和迈威尔等公司开发的专用集成电路在特定推理工作负载上比通用GPU能效更高 [9] - 随着推理在AI计算总支出中的占比越来越大，英伟达在该领域的定价能力压力将加剧 [10] - 作为回应，英伟达正在推出Blackwell芯片，其每令牌的性能和成本效率相比Hopper有显著提升，但通用GPU仍存在专用集成电路所没有的架构开销 [10] 投资者需关注的核心问题 - 市场共识的今年70%增长率并非主要担忧，交付基本有保障，超大规模企业的资本支出承诺也很稳固 [11] - 风险在于更远的未来，电网互联延迟和变压器积压问题将持续存在，导致GPU出货量与实际部署产能之间出现差距 [11] - 随着装机基础在不完全利用的情况下扩大，英伟达来自软件和网络的收入将面临压力 [11]