如果说大模型是"大脑"，那算力就是"粮草"。
近一个月，从英伟达的财报到桌面超算的上市，AI 算力的供给正以前所未有的速度扩张，也暴露出新的瓶颈。
最直观的证据，先看英伟达的季度账本：一家芯片公司的季度收入，已经大到能和国家预算比。
一家芯片公司的季度收入，超过许多国家的预算
8 月 27 日，英伟达发布 2027 财年第二季度财报：季度营收 962 亿美元，其中数据中心营收 890 亿美元，同比增长 117%。
增长几乎全部由 Blackwell Ultra 平台拉动。
新款加速器 GB300 已批量发货给微软、Oracle Cloud、CoreWeave 等客户。
一组数字能说明它的分量：GB300 NVL72 整柜由 72 颗 Blackwell Ultra GPU 与 36 颗 Grace CPU 组成，单柜约 20TB 高速内存，单卡 288GB 显存。
代价同样直观——满载单柜功耗约 132–155kW，正逼着数据中心疯狂抢建液冷与电网接入。
图片来源：Pexels
光看这一季还不够。
英伟达已经把下一代平台排上了队，客户也在提前下注。
下一代平台已经排队
就在同一天，英伟达 Vera Rubin 平台进入全面量产并发货，Vera CPU 已亲手交付 AWS。
整套方案把 CPU、GPU、交换与网络打包成单一采购包，整柜价值约每吉瓦 400 亿美元。
亚马逊也同期将英伟达订单扩大三倍，相当于追加超过 200 万颗 GPU。
供给在扩张，但卡点也在悄悄转移。
瓶颈从"有没有 GPU"变成"内存与电"
有意思的是，卡住供应的已不是需求，而是高带宽内存（HBM）与电力。
英伟达首席财务官在财报会上坦言，客户对 2028 财年的需求隐含约 140% 增长，但受内存供给限制，公司保守指引仅 70%。
这意味着使用下一代系统的服务器，2027 年初发货价普遍上调逾 15%。
云端狂奔的同时，英伟达也想把超算塞进普通人的桌面。
把超算搬上桌面
云端之外，英伟达把火力也投向桌面。
DGX Spark 个人 AI 超算于 8 月进入出货期：约 150mm 见方的小盒子，却能提供 1 PetaFLOP 算力与 128GB 统一内存，官方称可在本地直接跑多达 2000 亿参数模型。
同期，英伟达宣布出资 35 亿美元投资联发科，联合把 GB10 Grace Blackwell 超级芯片推向更多电脑与边缘设备。
图片来源：Pexels
对大数据工程师意味着什么
算力底座仍在快速扩张，云上训练与推理会更易得；但能效、散热与内存正成为真实的工程约束。
懂硬件边界、会在本地做原型验证、能在成本与性能之间做取舍的数据工程师，会变得越来越稀缺——而这正是 AI 大数据工程师要补的课。
来源：NVIDIA 官方财报与产品页（nvidia.com）；Tech Insider、Bloomberg、Tech Times 等海外媒体报道。