黄仁勋订单爆满，客户却集体找退路？
7月19日联合早报消息：英伟达黄仁勋几乎吃下全球人工智能晶片市场，产品排队都买不到，谷歌、微软、亚马逊等巨头却加速自研。

这个场面看着矛盾，其实一点都不矛盾。企业今天买英伟达，是怕算力不够，耽误产品上线；明天自己造芯片，是怕永远只能接受一家供应商的价格和节奏。订单很厚，不等于忠诚很深，更像是一张昂贵的过桥票。

大客户真正想拿回的，是三样东西：价格谈判权、交付主动权和技术路线的选择权。只要其中任何一项被一家供应商牢牢攥住，采购部门就会担心下一轮预算失控，技术部门也会担心产品节奏被别人牵着走。因此，自研芯片哪怕暂时只承担一部分任务，也足以成为谈判桌上的筹码。

先看一个很容易被忽略的事实。英伟达截至2026年1月的财政年度收入达到2159亿美元，数据中心收入约1937亿美元，占了绝大部分；两家直接客户分别贡献总收入的22%和14%。
这说明英伟达确实强，也说明它的生意越来越集中在少数超级买家手里。卖方掌握最抢手的产品，买方掌握最肥的订单，双方谁也离不开谁。所谓“客户想摆脱”，未必是明天就把英伟达清出机房，而是先让英伟达知道：我不是永远只有一个选择。

这种变化已经不是口号。2026年1月，微软推出新一代自研推理加速器，称单位成本性能比现有系统提高三成；到6月，这款芯片已在美国两个地区投入运行。另一条路线来自晶圆级处理器企业赛里布拉斯。该公司6月披露，已与开放人工智能公司达成多年协议，计划部署750兆瓦算力，合同价值超过200亿美元。
一个是云巨头自己造，一个是模型企业引入完全不同的架构，目的都不是一夜之间换掉英伟达，而是把不同任务分给更合适的机器。

真正值得注意的，不是谁能在一张性能表上赢英伟达，而是谁能把每天回答海量问题的成本压下来。过去大家盯着训练大模型，比赛谁的机器更快；现在越来越多的钱花在推理上，也就是用户每问一次、系统每回答一次，都要付出的持续成本。
训练像盖楼，投入巨大但次数有限；推理像楼里的水电，只要有人使用，账单就天天来。客户自研芯片最现实的目标，往往不是造出一款无所不能的产品，而是在固定任务上少花钱、少耗电、少受供货牵制。

这也解释了为什么英伟达并没有坐等客户离开。它在2026年推出鲁宾平台，强调从处理器、互连、网络到存储的整套协同，并宣称与上一代相比，可把部分推理成本最多降到十分之一。
更有意思的是，英伟达还在扩大高速互连融合方案，允许客户把自研处理器接进英伟达的机架和网络。表面看，这是给对手开门；往深处看，是把竞争从“用不用英伟达芯片”，改成“即便不用它的芯片，是否还得走它铺的路”。

这才是英伟达真正难缠的地方。单颗芯片被追上，并不等于整套系统被替代。大模型要运行，除了计算芯片，还需要高速连接、内存、网络、散热、软件工具和工程团队。

换一块芯片不算难，把几千块芯片稳定地连起来，出了故障还能迅速恢复，才是大客户最不敢冒险的部分。英伟达卖的早已不是一块零件，而是一种缩短建设时间、降低出错概率的确定性。客户想省钱，却更怕项目晚半年上线，这就是它仍能收取高溢价的底气。

不过，英伟达也有自己的软肋。它的年报显示，2026财政年度毛利率从上一年的75%降到71.1%，其中还计入了与特定产品库存和采购承诺有关的45亿美元费用。高速换代能够把对手甩在后面，也可能让旧产品更快贬值；市场越受政策、供电和客户预算影响，提前锁下的产能就越可能从保障变成负担。
山顶上的公司并非没有风险，只是它的风险往往藏在最热闹的订单后面。

更大的问题还在芯片之外。国际能源署2026年更新的测算显示，全球数据中心用电量可能从2025年的约485太瓦时，增至2030年的约950太瓦时；人工智能数据中心的用电增速更快。
对普通人来说，这不是遥远的产业数字。数据中心落在哪里，电网扩容、土地、冷却和水资源就跟着承压；云服务成本降不下来，中小企业使用人工智能的价格就难以下降，最后可能体现在软件订阅、广告费用和产品价格里。

所以，客户寻找替代方案，未必是在发动一场“推翻英伟达”的战争，更像是在给整个行业装第二扇门。
只有一扇门时，钥匙卖多贵都得买；门多了，价格、供货和技术路线才有商量余地。但也别把自研芯片想得太轻松。芯片设计需要长期投入，软件迁移需要工程师，产能还要靠制造和封装体系配合。很多挑战者最后可能只在自己的云平台和特定任务里成功，并不会直接复制英伟达的通用生态。

说到底，英伟达眼前最危险的对手，不一定是某一家公司，而是客户开始学会把算力拆开采购：最急的任务用成熟平台，最固定的任务交给自研芯片，成本敏感的业务寻找其他供应商，再用统一网络把它们连接起来。
一旦这种混合模式成为常态，英伟达仍可能赚很多钱，却很难像过去那样包办一切。它失去的未必是市场，而是随意定价的空间。