晚点硬科技 8/15–17：英伟达如何把 GPU 供给组织成 AI 工厂

这篇文章在看什么

核心事实

• 原文援引公开拆解数据估算，GB300 NVL72 机柜的 BOM 约为 399 万美元，GPU 约占 65%；进入 Vera Rubin 阶段后，机柜 BOM 约 800 万美元，GPU 金额上升但占比降至约 50%，HBM 与 DRAM 的占比升至约 25%—30%。原文同时引用伯恩斯坦的另一组口径：Rubin NVL72 的 HBM 与 DRAM 合计约占 BOM 的 35%。1
• 原文转述的市场消息称，英伟达向关键客户预览的 Rubin Ultra 方案，把单 GPU 的 HBM 从 288GB 调低至 192GB，把系统内存从 192GB 调低至 96GB，同时把更多成本留给 scale-up、scale-out 互联、交换机托盘和光引擎。文章据此估算，Rubin Ultra 的 BOM 可能从约 800 万美元降至约 640 万美元，互联占比则从约 4% 升至约 12%。1
• 文章援引 IDC、国家发改委、TrendForce 和 Gartner 等口径称，推理算力的占比正在超过训练算力；在部分比较中，谷歌 TPU v7、AWS Trainium3 的总拥有成本比英伟达 GB200/GB300 低约 30%—40%。原文的解释是，推理需求增长既扩大了算力市场，也让客户更在意单位 Token 成本、时延、功耗和整机吞吐。1
• 文章把供应链和需求侧的几组动作放在一起：英伟达与 SK 集团合作建设 AI 工厂并绑定 SK 海力士的 HBM4；马斯克在 SpaceX 财报电话会上提出到 2027 年底接近 10GW、独家采用 Vera Rubin 架构；英伟达还宣布与 Apollo、贝莱德、黑石、博枫、高盛和 KKR 合作，建立规模超过 5000 亿美元的 AI 基础设施融资平台。前两项包含文章转述的市场与公司信息，融资平台则是文章提到的合作安排。1

关键判断

本窗口趋势洞察

• 信号一：价值量从单卡向系统互联迁移。 文章对 GB300、Vera Rubin 和 Rubin Ultra 的 BOM 拆解，都指向同一个变化：GPU 仍是中心，但 HBM、网络、交换和系统调度正在重新分配一座 AI 工厂的成本与权力。1
• 信号二：推理商业化同时抬高 ASIC 的机会。 推理算力占比上升，说明需求在扩大；但推理收入越容易按调用量衡量，客户越会追问每个 Token 的成本。GPU 的灵活性与生态仍然重要，稳定负载下的 ASIC 也因此更有进入空间。1
• 信号三：AI 工厂开始同时接受产业资本和金融资本的安排。 英伟达一边绑定 HBM 供应商和超大客户，一边组织融资平台。文章也提醒，算力资产化的前提是 GPU 能保持较长生命周期、并持续产生现金流；如果芯片迭代让旧设备快速贬值，融资结构会把产品风险放大成抵押品风险。1

排除项与边界

• 本期只纳入 1 篇：晚点 LatePost 这篇文章符合芯片及 AI 基础设施口径；本窗口其他已检索晚点同系账号没有新增的合格硬科技稿件。
• 文章的证据层级并不相同：BOM 数字来自公开拆解或券商口径，Rubin Ultra 规格、HBM 产能和部分客户计划包含市场消息或文章转述，读者应把这些数字理解为原文分析所使用的口径。1
• 原文没有确认：Rubin Ultra 调整后的规格已经正式发布，SpaceX 的 10GW 计划已经全部落地，或融资平台已经完成对应规模的实际放款。文章的核心是对这些动作及其产业含义的分析。