英伟达面临生产瓶颈，GPU供应远低于市场需求。

预计英伟达今年收入增长约70%，明年增长超过30%，由真实需求和确认的资本支出驱动。但这种需求与实际收入实现之间的基础设施风险未得到充分考量。电网构成主要限制因素，已经影响了2026年的部署时间表。AI基础设施的主要制约因素已从半导体可用性转变为电力，特别是将大型设施连接到电网所需的时间。

建设大规模AI数据中心可能需要12至24个月，但在美国主要市场获得高容量的电网连接可能需要36至84个月。美国电网并网等待队列超过2600吉瓦。2026年预计的12吉瓦美国AI数据中心容量中，仅有5吉瓦正在积极建设，部分剩余容量大幅延迟。电力可用性被认为是制约部署的主要因素之一。

变压器的积压大大加剧了这一形势。高压变压器的交货时间（这对电网并网至关重要）已增长至长达四年——这是一种物理基础设施短缺，具有相当长的替换周期，限制了新数据中心容量投入运营的速度。为绕过电网并网等待队列，xAI、Meta、OpenAI和Oracle各自安排了自备电源。美国数据中心宣布的表后容量现已超过130吉瓦。虽然电网电力成本在每兆瓦时90至95美元之间，但表后发电成本根据技术和燃料类型在每兆瓦时100至165美元之间。超大规模计算公司正在承担这一额外成本，以确保他们的部署时间表得以实现。

在训练领域，英伟达保持明显的优势，但推理代表一个独特的市场，其中能效和每查询成本是主要采购标准。由博通和美满电子等公司开发的专用集成电路相比通用GPU为特定推理工作负载提供了更优越的效率。随着推理在总AI计算支出中所占份额越来越大，英伟达在该领域的定价权压力将加大，尽管英伟达正在推出其Blackwell芯片，相比Hopper，这些芯片在性能和每令牌成本效率方面带来了实质性的改进。

虽然今年共识增长率70%不是问题所在，因为交付基本得到保障，超大规模计算公司的资本支出承诺也很坚实，但风险在此之后会加剧。电网并网的延迟和变压器的积压将持续存在，导致GPU出货量和实际部署容量之间出现差异。随着已安装基础扩大但未被充分利用，英伟达来自软件和网络业务的收入面临更大压力，而AI基础设施生态系统的一些短期增长预测可能过于乐观。