最狠的通胀环节是？在Rubin Ultra里挣扎的英伟达已告诉

“Token demand is rising super fast.” Token的需求正在超级迅速的上升。

再结合这两周美国Neocloud公司CoreWeave、Nebius各自最新财报后电话会议以及英伟达下一代主力机柜Rubin Ultra关于单卡GPU各种HBM降配的传闻（先有来自Semianalysis的，后有来自Mizuho的）等一系列信息，可以得出这样一个结论：

现在的算力供给根本追不上飞速增长的Token需求。在这个供不应求的阶段，最值得重估（再通胀）的是整个存量AI算力资产的价格。这有机会是未来几年AI产业链中最狠的通胀环节。

首先，从英伟达下一代主力机柜Rubin Ultra各种混乱的单卡GPU HBM配置信息说起。

先是SemiAnalysis的报告称，Rubin Ultra此前市场预期的高容量HBM方案发生了变化：从此前更高容量的HBM4E方案，已向192GB HBM4这样的低容量方案退让，因为英伟达想销售更多自己的GPU。随后，Mizuho北美团队又发出报告说Rubin Ultra单卡GPU是256GB Hbm4e而非Semianalysis说的192GB Hbm4。

除非等到Rubin Ultra真机，否则上述信息真假难以验证，但却毫无疑问、不可辩驳可以证明一点：

HBM已经开始反过来决定（制约）英伟达最高端算力机柜的出货量。

这件事的重要性远远超过“Rubin Ultra的单卡GPU到底是192GB还是256GB”。因为此前英伟达的产品逻辑是，永远足量的给Frontier Lab超预期的AI算力机柜产品。而现在，却正在变成，英伟达首先要问市场上到底有多少HBM存储可供给。

如果HMB不够，英伟达根本无法向市场交付足够好且足够多的算力机柜。Frontier Lab的模型参数越来越大，RSI“持续训练、永远训练”正在密集推进，Frontier Lab当然需要英伟达最新的机柜里GPU有更高的HBM容量，有更大的传输带宽，以训练出更好的领先模型。

但是，英伟达的Rubin Ultra已经做不到了。

这也就是说，前沿模型训练最重要的、不可或缺的资产，英伟达GPU机柜的供给数量被严重制约了，CoreWeave最近这次电话会议中的有一句话非常值得反复咀嚼：

“AI cloud infrastructure in production is a scarce, valuable asset.” 生产环境中的AI云基础设施是稀缺且宝贵的资产。

这句话的重点在两个地方：

其一是“生产环境中的AI云基础设施”，其二是“稀缺且宝贵的资产”。翻译过来就是，那些不在生产环境中，不能提供算力服务的资产并不值钱，因为任何一个环节缺货（木桶效应），最后都不能形成可交付的算力，本质毫无价值（你有一堆的GPU，却没有足够多的HBM去配置，那堆GPU就是不值钱的），反过来已经在“生产环境中的AI云基础设施”才是“稀缺且宝贵的资产”，因为随时可交付。

所以，这也是为什么Nebius开始出现一个非常有意思的现象。Nebius这次在电话会上提到：

“We launched our first capacity auction.” 第一次对算力容量进行拍卖。

结果怎么样呢？

成交价格创下Blackwell一代的历史最高水平，而且比此前最高价格还高15%。

这就是存量的AI算力资产开始出现现货溢价。换句话说，AI算力基础设施开始出现类似能源、运力甚至石油的通胀属性：

当需求突然爆炸，而新增供给需要很长时间才能形成时，存量资产首先涨价。

Token需求的增长具有一个非常特殊的特点：它不是一次性需求，而是使用量驱动的持续需求。知道这句话的威力以及明白这句话的意思么？

解释一下：

更多模型 → 更多用户 → 更多Token → 更多算力 → 更强模型 → 更多用户 → 更多Token。也就是说，模型越多越聪明，Agent运行时间越长，用户调用越频繁，企业部署越深入，科学计算越复杂，Token的消耗（需求）就越多。

Token的需求实际上就是一个自我循环然后自我强化的正反馈系统，就是有一个需求的飞轮效应。

所以，Elon Musk才会说“Token demand is rising super fast”，“super fast”就是这个飞轮在启动了。英伟达自己此前也一直在强调这一点：更多计算带来更好的AI，更好的AI带来更多使用，更多使用带来更多收入，更多收入继续推动计算投入。

所以，现在的问题变成了：

英伟达的机柜供给能不能跟上“super fast”这样的Token增长速度？

Rubin Ultra给出了一个非常不好的答案

市场过去一直习惯于用这样的方式理解NVIDIA：新一代GPU出来以后，NVIDIA都能大幅提高性能，同时提高机柜出货量，于是整个AI算力供给曲线快速右移。但现在，在Rubin Ultra里反复挣扎的英伟达实际上告诉市场的是：

算力的供给曲线正在变平。

HBM就是其中最明显的瓶颈，而且不仅是HBM。此前Kyber/NVL144出现的延迟传闻，核心又涉及超复杂PCB midplane/orthogonal backplane的量产问题。HBM、先进封装、CPO、PCB等等，每一个环节都可能成为交付瓶颈。

于是，问题就变成了：

全球一年到底能生产多少套完整的、可以真正运行Frontier模型的AI超级计算机？

所以，真正值得关注的是：2027年、2028年英伟达到底能交付多少个机柜？这里可以做一个有意义的反推。根据高盛、摩根士丹利、UBS的一致预期，英伟达2027年的营收大约是4000亿美元、2028年的营收大约是6500亿美元。

Vera Rubin NVL72英伟达是2027年、2028年主力出货的机柜，大致按照800万-1000万美元/柜的系统价值计算：

• 4000亿美元 ≈ 4万-5万柜
• 6500亿美元 ≈ 6.5万-8.13万柜

所以，2027年要翻四倍建8GW算力中心的Elon Musk本质上做的事就是率先跑出来在抢算力资产的供给。如果把8GW全部按照Vera Rubin NVL72计算，大概对应4万机柜的采购需求（每GW对应采购5000台Vera Rubin NVL72），几乎快要把英伟达2027年的产能包圆了，是2028年产能的一大半。

当然，现实中的8GW不会全部由Rubin组成，且还要区分IT负载和数据中心总功耗等等，但8GW数量级的算力资产需求已经足够惊人。所以，真正的问题是：

如果所有Frontier Lab都像Elon Musk那样去抢英伟达机柜，英伟达生产出来的机柜是不是肯定不够？

这就是存量算力资产升值的真正逻辑。

客户买不到足够的Rubin Ultra，就会继续使用已经买到的B300、B200、H200、H100包括A100，这就是为什么CoreWeave能够把A100这样的2020年发布的产品继续签订到2029年的租赁合同，租赁价格还“attractive”让人满意。

技术生命周期和经济生命周期，本来就是两个不同的概念。当新增算力严重不足的时候，旧GPU的经济寿命会被强行拉长，然后，

整个算力存量资产就会形成一个“向上再定价”的通胀链条。 

Token需求的飞轮效应一旦展开，Elon Musk所说的“super fast”会展现自身的威力，一个新的AI Agent上线以后，Token需求可以在几周甚至几天内暴涨，这就是最大的供需错配。 

所以，市场真正应该重新定价（再通胀）的，是存量的算力资产。因为在Rubin Ultra里挣扎的英伟达实际已经告诉市场：

算力的供给曲线，比起已经陡峭化的算力需求曲线，要平得太多太多。

（全文完）