輝達：HBM短缺不礙AI基礎設施擴張
0xBroomberg
黃仁勳在摩根士丹利簡報會上稱英偉達季度營收已近1000億美元，核心挑戰已從「AI有沒有需求」轉向如何把積壓訂單變成交付——記憶體、網絡、電力同時吃緊，但他認為這恰恰說明需求跑在供給前面。
HBM漲價，英偉達點解仲可以賺更多？
美國銀行援引供應鏈數據：Blackwell架構下每機架HBM成本約190萬美元，升級到Rubin架構後僅增加20萬–30萬美元。
但英偉達計劃將機架售價從Blackwell的300萬–400萬美元提升至Rubin的600萬–700萬美元——價格漲幅遠超成本增量。
這意味著→ 英偉達靠整機加價「稀釋」了HBM成本壓力，毛利率預計維持在70%左右。
記憶體短缺要持續幾耐？
美光和SK海力士近期均已發出存儲短缺預警；黃仁勳判斷，記憶體供應將在未來數年內持續偏緊。
根本原因：AI推理所需的token需求持續快速增長，而存儲產能擴張速度追不上。
英偉達的應對方式是調整系統設計——部分機架減少記憶體配置，同時強化網絡互聯、優化算力調度。
簡單來說＝ 記憶體不夠，就讓晶片之間多「對話」、少「本地存」，用網絡頻寬換存儲容量。
英偉達憑甚麼從「賣GPU」變成「賣成套基礎設施」？
隨著AI集群規模擴大，GPU之間的數據傳輸日益成為瓶頸，客戶採購模式正從單買GPU轉向買集成系統——GPU、CPU、交換晶片（負責數據路由的專用晶片）、網絡接口卡、光互聯、軟件打包在一起。
英偉達重申本財年CPU營收目標約200億美元，其中近半可能來自獨立CPU機架，而非GPU系統內的管理節點。
這意味著→ Vera CPU正在獨立打入更廣泛的伺服器市場，英偉達的收入來源正從「一塊晶片」擴展到「一整座數據中心」。
最大的風險係乜？
摩根士丹利列出三類風險：供給擴張超預期導致數據中心增長急劇放緩；AI開發成本大幅下降或出現顛覆性競品；客戶加速採用ASIC（專用集成電路——為特定任務定製的晶片，比通用GPU更平但靈活性低）。
台積電將於7月16日公佈財報，其前景展望能否印證「需求遠超供給」，是市場的下一個關鍵驗證節點。
這反映出 當前AI投資邏輯的核心假設仍是「供不應求」——一旦供給追上需求，整個估值鏈條都要重估。
Content is for reference only, not financial advice.