英伟达的野心变了：卖GPU只是起点，接管AI基础设施才是大生意

9月中旬的AI基础设施峰会上，英伟达给数据中心换了一套考核办法。行业此前通常比较的是GPU算力、芯片数量和峰值性能，英伟达当前反复强调的衡量指标却是“每兆瓦能生产多少Token”。

指标一换，生意边界也跟着变了。单颗GPU再快，只要网络拥塞、功率分配、软件调度或存储系统跟不上，算力也发挥不上作用。为此，英伟达正在把芯片、网络、软件、机架、电力管理和建设标准装进同一个方案，将一批GPU变成一座能够持续生产Token、产生收入的AI工厂。

紧接着，Vera Rubin NVL72首次参加MLPerf Inference 6.1推理测试。英伟达披露，其在部分测试中的吞吐量最高达到GB300 NVL72的3.7倍；四个GB300机架组成的288颗GPU集群则实现了99%的扩展效率。

基准测试不能直接代替客户真实业务，但英伟达挑选的展示指标已经很直白：下一轮竞争要比整套系统能否高效扩展，以及同一份电力究竟能产出多少可收费的Token。GPU仍是入口，英伟达争夺的是整座AI数据中心的设计权和利润分配权。

GPU越贵，系统协同反而越值钱

AI数据中心早期通常是先抢GPU，再想办法把GPU装进机房。随着规模慢慢扩大以后，数据传输、模型切分和节点通信开始影响集群利用率。

路透社9月15日报道AI网络芯片创业公司Delos Data融资时，前英特尔首席执行官帕特·基辛格说得很形象：计算设备如果无法有效通信，只会变成一堆发热、耗电、等数据的硬件。多种计算芯片并存，也让网络更加复杂。

这解释了英伟达为什么持续向GPU周围加东西。NVLink负责机架内互连，InfiniBand和Spectrum-X承担集群通信，BlueField处理数据、安全和存储任务，Vera CPU与Rubin GPU共同进入系统，CUDA、TensorRT负责开发和推理优化。

英伟达卖出的是一套协同设计的计算架构。客户可以用其缩短部署周期、降低调优难度；英伟达则可以把原本流向网卡、CPU和系统软件厂商的预算，留在自己的产品栈里。

这门生意真正有分量的地方，在于利润池扩大并不完全依赖GPU单价继续上涨。最新季度的计算与网络业务收入达到882.99亿美元，同比增长114%，网络收入同比增速也高于公司整体数据中心增速。

不过基于公司没有在财报中单独披露网络业务的绝对收入，因此不能把增长全部归因于交换机或网卡，但方向已经清楚：集群越大，数据搬运越重要，英伟达在一座AI数据中心中的内容价值也越高。

Broadcom和Marvell由此既是产业链伙伴，也是竞争者。云厂商借定制芯片降低成本，AMD继续追赶加速卡与软件生态；英伟达则用NVLink、网络、软件和参考架构抬高整套系统的替换成本。竞争对手可能赢下一颗芯片，英伟达想守住整座集群的设计权。

Rubin卖的不是升级周期，是一张整座AI工厂的订单

Vera Rubin很容易被写成Blackwell的下一代产品，这种理解太窄。英伟达在最新财报中披露，Vera Rubin已经进入全面量产爬坡，合作伙伴机架正在CoreWeave、谷歌云、微软Azure、甲骨文云和Nebius运行；

同期推出的Spectrum-6交换系统同时支持可插拔光模块与共封装光学，Vera CPU、Rubin GPU、NVLink、BlueField和网络系统被放进统一平台。产品迭代的单位由芯片代际升级，扩大为整机架乃至整个数据中心架构的同步更新。

推理需求让这种打法更有现实基础。Agent调用、搜索、编程和工业模型运行会持续消耗算力，客户衡量基础设施的方式，也从单颗芯片峰值性能转向每兆瓦产出多少Token、每个Token花多少钱。英伟达近期围绕Rubin和DSX强调“每瓦Token产出”。

需要注意的是公司9月公布的MLPerf Inference 6.1属于厂商发布的基准测试，不能直接等同于真实工作负载，不过已经足以说明竞争已转向系统吞吐和能源效率。

DSX平台更能暴露英伟达的边界。按照公司定义，DSX覆盖芯片、系统、软件、设施及合作伙伴技术，为AI工厂提供设计、建设和运营蓝图。韩国NAVER今年6月宣布从55兆瓦起步，计划向吉瓦级基础设施扩张，并采用DSX建设端到端AI平台。

如此一来，英伟达无需亲自浇筑机房、铺设电缆，却可以规定一座高密度AI工厂怎样组合计算、网络、软件和能源系统。传统总包商赚工程交付的钱，英伟达更像技术总包商，赚架构标准、核心设备和生态锁定的钱。

这也解释了英伟达与云厂商关系里的微妙变化。云厂商是最大客户，同时在开发自研芯片；英伟达既要供货，又要让整套平台的建设速度快于客户自研替代。

与CoreWeave的新合作提供了一个样本：双方计划到2030年建设超过5吉瓦的AI工厂，英伟达投入20亿美元购买CoreWeave股票，并准备利用自身财务能力帮助其获取土地、电力和机房外壳。芯片供应商开始介入产能形成和项目融资，订单能见度随之拉长，资产负担与信用风险也顺着合作关系向上游传导。

英伟达拿走更多利润，也开始替产业承担更多风险

英伟达季度收入翻倍，数据中心业务保持三位数增长，75%的毛利率说明平台化扩张暂未稀释盈利质量，整体的基本面仍然很强；Rubin、网络系统和DSX又把订单范围从计算芯片推向整套基础设施。英伟达甚至宣布与Apollo、贝莱德、黑石、博枫、高盛和KKR筹建独立计算融资平台，计划长期动员超过5000亿美元第三方资本，相关安排仍取决于最终协议。资本开始成为产品的一部分，客户缺钱、缺电、缺建设能力时，英伟达试图把这些堵点一起解决。

账的另一面也必须讲清。因为系统越完整，英伟达承担的间接风险可能越大。晶圆、先进封装、HBM、网络、电力和冷却，任何一项失衡都可能压制交付；云厂商自研ASIC若在特定推理任务上形成成本优势，也会分走通用GPU需求。英伟达生态的效率优势越强，客户寻找第二供应源的动力也越大。

因此，观察英伟达不能只盯GPU出货量。需要验证网络与系统收入能否更快增长，Rubin量产能否守住毛利率与交付质量，DSX能否复制，参与融资的项目能否形成稳定的付费需求。

其中任何一项边际恶化，都可能让“AI工厂总包商”重新被按周期芯片公司定价；若持续兑现，护城河将从CUDA延伸到数据中心的建设与运营标准。

可见英伟达并没有离开GPU，英伟达只是发现，卖完GPU就把客户交给网络商、服务器厂商和云平台，生意做得还不够彻底。

下一轮AI基础设施竞争，最大利润池更可能属于能够让芯片、网络、电力和软件一起高效工作的系统。英伟达正在抢这个位置，同时也把自己推到了整个AI资本开支周期最靠前、最不能出错的位置。