Yole的文章指出，英伟达 2025 年华盛顿特区 GTC 大会上透露该公司的 GPU 产能已达到工业化规模：
2023-2025 年间，已出货 400 万块 Hopper 系列 GPU（H100/H200 级别）
2024 年第一季度至 2025 年第三季度，已生产 300 万块 Blackwell 系列 GPU
截至 2026 年底，还有 700 万块 Blackwell 和 Rubin 系列 GPU 进入交付管线
与此同时，英伟达还透露 2025-2026 年将产出总计 2000 万颗 “GPU 裸片”，但这一数字存在误导性。该数值统计的是裸片数量，而非封装后的成品芯片。由于每颗数据中心级 GPU 封装芯片都集成了多颗裸片，因此实际封装成品的出货量约为该数字的一半。也就是说，2000 万颗的表述夸大了其产能扩张的实际规模。
700 万块 Blackwell + Rubin 的真正意义是什么？若将英伟达的官方表述转化为系统级指标，其产能规模将更易理解。Yole 集团 计算与软件领域 技术与市场分析师Hugo Antonine指出：
700 万块 GPU 封装芯片，大致可对应 9.7 万个 NVL72 或 NVL144 这类计算系统机柜。假设电源使用效率（PUE）为 1.3，这意味着到 2026 年底，英伟达将为 AI 数据中心新增约 18 吉瓦的算力。
作为参考，OpenAI 目前计划在未来四年内部署总计约 26 吉瓦的 AI 算力，折合每年约 6.5 吉瓦，具体分配为 10 吉瓦英伟达 GPU、10 吉瓦博通定制 AI 专用芯片（ASIC）以及 6 吉瓦 AMD GPU。这些算力规划中，部分内容或与 “星门计划” 存在重叠 —— 该计划是 OpenAI 与甲骨文、软银合作推进的，总规模达 10 吉瓦、投资 5000 亿美元的 AI 基础设施项目。据 OpenAI 全球事务主管的官方信函显示，该计划中约 7 吉瓦的算力已敲定在未来三年内完成部署。而这还只是开始：OpenAI 已承诺从微软 Azure 租用价值 2500 亿美元的算力，从亚马逊云科技（AWS）租用 380 亿美元的算力，同时还与 CoreWeave 达成了数十亿美元的算力合作协议。
而上述仅为 OpenAI 一家的需求。除此之外，超大规模云服务商、新兴云厂商以及模型训练生态中的其他参与者（包括 xAI、Anthropic、Mistral、CoreWeave、谷歌、亚马逊云科技、微软、Meta、甲骨文等），还将进一步叠加这一算力需求。
OpenAI 提出，美国应将当前每年约 50 吉瓦的电力部署规模翻倍至 100 吉瓦，才能支撑下一波 AI 基础设施的增长浪潮。
这些数据规模前所未有，而其背后的物理硬件瓶颈也正开始显现。
Yole的文章后面读不到，但是AI背后的物理硬件瓶颈包括GPU芯片制造本身，也包括相对应的存储芯片，连接技术（CPO等），尤其是供电能力，每一条都会限制AI算力的扩张。在光纤在线编辑看来，不仅仅是生产能力问题，技术本身也可能遇到瓶颈，比如现在很热的448G的电缆，还有CPO。
之前对AI泡沫分析的文章多从AI需求出发，Yole的这篇文章从供给侧出发，有利于我们更全面地看待这个问题。
