（图源：视觉中国）
蓝鲸新闻8月27日讯（记者卢思叶）英伟达开始为下一阶段的AI算力需求提前锁定增长预期。
8月27日凌晨，英伟达在最新业绩会上首次提前给出全年业绩指引，预计2028财年营收同比增长约70%，大幅高于约45%的分析师预期。英伟达CEO黄仁勋在业绩会上表示，这一数字还是受到供应能力限制，实际需求增速可能高于这一水平。
70%的高增速指引成为市场关注的焦点，业绩会上，多位分析师追问这一数字背后的逻辑，黄仁勋的回答中透露，这一指引背后也有协调产业链的考虑。
英伟达正在向AI基础设施建设的上下游延伸，而提前锁定土地、电力和数据中心等资源，通常需要两到三年的前期准备。由此，英伟达希望通过明确的增长预期，让客户、股东和供应链基于同一需求判断进行资源投入和决策。
最新财报显示，在截至2026年7月26日的2027财年第二财季，英伟达总营收达到962亿美元，同比增长106%。展望第三财季，英伟达预计总收入中值为1080亿美元，将步入单季营收千亿美元时代。
支撑这一增长的核心需求，从单纯的GPU采购扩展到AI推理、智能体、主权AI、NeoCloud（新云服务商）以及企业AI基础设施等，黄仁勋在业绩会上多次强调，AI已经进入能够直接创造收入和利润的阶段，而算力是限制这一商业化进程的核心资源。
面对OpenAI、Anthropic等前沿模型公司自研定制芯片的潜在竞争，黄仁勋认为，英伟达提供的是覆盖整个AI生命周期的全栈AI工厂平台，与针对特定场景优化的XPU存在明显差异。
他进一步表示，在相当长时间内，OpenAI、Anthropic的大量计算任务仍会使用英伟达的算力，随着两者上市和规模化扩张，收入和回报也会持续，“投资这两家公司是千载难逢的机会，我唯一感到遗憾的是没有更早、更多地投资。”
智能体把算力需求推向更高维度
第二财季，英伟达的数据中心收入同比增长117%至890亿美元，为公司贡献超过九成的营收。
黄仁勋在业绩会上指出，如今的大语言模型规模更大、能力更强，且AI智能体还会进行多轮推理、规划和工具调用，根据具体任务，一个智能体所需要的算力可能达到人类直接完成同类工作的15至100倍。
黄仁勋举例称，英伟达目前约有4万名员工，未来企业可能拥有40万个、400万个甚至更多AI智能体，这些智能体可以7×24小时持续运行，并协同完成工作。随着AI全面转向自主代理系统，算力需求也会继续大幅增长。
在他看来，行业已经进入一个新的循环：AI执行有价值的工作，产生能够带来利润的Token，更多算力能够生成更多可盈利Token，从而推动企业投入算力。
这是英伟达判断未来需求仍将高速增长的重要基础，云行业积压订单目前超过2万亿美元，不过，超大规模云客户只是整个需求图景的一半。
另一半来自企业、新兴云服务商、主权AI、AI初创公司等客户，黄仁勋预计，ACINE业务（包括新云服务商、工业和企业客户）未来将占数据中心业务约一半，并保持高速增长。
这些客户通常没有能力、也没有意愿自行设计定制芯片，他们需要的是一套可以直接部署的完整AI基础设施，因此英伟达的业务重心延伸到全栈的AI工厂。
黄仁勋认为，AI基础设施的价值从单一芯片性能，转向整套系统每单位电力能够产生多少有效算力和Token。公司预计，英伟达新一代旗舰AI机架产品Vera Rubin将成为英伟达历史上爬坡速度最快的产品。
供应受限仍是问题
需求增长如此之快，供应能力却成为英伟达目前最大的限制。黄仁勋在电话会上直言，目前英伟达能够满足的供应需求约为70%，实际略高于这一水平，但需求远高于此。
供应链的瓶颈并不集中在单一环节，而是整个AI基础设施产业链都处于高负荷状态，包括芯片、内存、系统制造、数据中心建设、电力、冷却以及土地等。
英伟达今年的动作也显示，其正在增加与发电企业、土地和数据中心相关企业展开合作，提升对未来算力基础设施的可见度。
对于当前最紧迫的供应环节追问，黄仁勋并未直接给出具体排序，而是先以一个玩笑回应：“本来有个有趣的说法，但我还是不说了。你知道，去年最有趣的事情之一就是去琢磨我该去哪儿吃晚饭，以及和谁一起吃——结果第二天他们的股价就翻倍了。”
随后他表示，目前英伟达整个供应链都面临挑战，所有参与者都在满负荷运转。不过，供应端也在持续改善，新的产能正在不断上线，而且并非一次性释放，而是每天逐步增加，这将成为今年供应端的一大优势。
类似的算力瓶颈也延伸到了AI公司。黄仁勋判断，当前很多前沿AI公司的技术和客户需求已经得到验证，真正限制其增长的因素正在变成算力。
这些公司虽然拥有巨大的模型和产品需求，却往往缺乏数十年期基础设施合同以及投资级融资能力，难以独立获得建设AI工厂所需的资本。
面对投资者关于开源模型是否会削弱大型模型公司的增长、进而影响英伟达需求的问题，黄仁勋给出明确的判断：闭源和开源模型都会增长。
在他看来，英伟达架构的最大优势之一，就是能够覆盖不同类型的模型和工作负载。无论是闭源还是开源模型，无论是训练、后训练还是推理，英伟达都希望通过同一套架构覆盖整个AI生命周期。
对于英伟达而言，下一阶段的重点已经从“还能卖多少GPU”，转向“每一GW电力能够创造多少AI算力、多少Token以及多少收入”。