结合、Meta的采购案例来看好股配资网，两家企业IT设备采购资金中，约60%都用于购置英伟达GPU产品。
近日，发布了2025年11月至2026年1月的财务业绩报告，整体来看，这份财报表现远超市场预期，传递出极为积极的发展信号。但颇为反常的是，财报公布后英伟达股价却应声下跌。本文除了深度剖析英伟达的财务表现外，还将梳理完整产业链路，聚焦搭载英伟达GPU的AI服务器品类，以及这类服务器在主流IT厂商数据中心内的部署形式与规模。要知道，当前AI服务器的硬件规格种类繁杂，各大IT厂商数据中心的系统配置也存在明显差异。
下图为英伟达按应用领域划分的销售趋势图。
英伟达最新财报数据显示，其单季度营收高达681亿美元，大幅超出市场此前650亿美元的预期值。其中，数据中心业务贡献营收623亿美元，成为拉动公司营收的核心支柱。英伟达还预计，2026年2月至4月的下一季度营收将达到780亿美元。尽管业内对其营收增长的持续性、增长拐点何时到来存有担忧，但相关消息透露，英伟达的订单积压金额已突破5000亿美元。英伟达首席执行官黄仁勋虽未披露具体订单数据，但也明确表示，即便公司营收实现大幅增长，订单积压规模仍在持续攀升。众所周知，英伟达的销售端瓶颈主要受制于台积电的产能（尤其是CoWoS先进封装芯片），以及SK海力士等厂商的高带宽内存（HBM）供应能力，而目前相关产能尚未触及峰值。究其根源，当前人工智能市场仍以数据中心端的生成式AI为核心，针对细分垂直场景的专用AI系统尚未大规模落地。
微软为英伟达核心客户，Meta资本开支趋势与之高度关联
英伟达销售额能够实现持续增长，离不开稳定且庞大的核心客户群体支撑。基于此，我们不妨重点分析英伟达的几家头部IT厂商客户，其中最具代表性的便是微软、Meta、亚马逊、谷歌这类超大规模数据中心运营商。毋庸置疑，这些科技巨头均在全力争抢英伟达GPU货源，持续为自身数据中心的AI服务器完成英伟达GPU的部署升级。
下图展示了微软季度财务业绩中“固定资产增加项”的趋势变化，该数据提取自微软现金流报表中的有形固定资产新增金额。
2025年第四季度（10月至12月），微软现金支出达299亿美元。此前数个季度微软资本开支始终维持在相对低位，本季度却迎来大幅暴涨。微软首席财务官表示：“本季度包含租赁费用在内的资本开支总计375亿美元，其中三分之二投向了IT设备领域。”这意味着约250亿美元资金用于采购服务器等IT硬件，据估算，其中约60%的资金（折合150亿美元）流向了英伟达。而在英伟达623亿美元的数据中心业务营收中，约150亿美元正是来自微软的采购订单。
下图显示了 Meta 公司季度财务业绩中“购置固定资产”的趋势（从公司现金流数据中提取的用于有形固定资产的金额）。
2025年10月至12月季度，Meta现金支出总额为214亿美元。受行业季节性因素影响，Meta每年1月至3月季度销售额通常会出现下滑，对应资本开支或小幅缩减，但整体来看，其资本投入仍处于稳步增长态势。Meta官方披露，本季度包含租赁费用在内的资本开支总额为221亿美元。据笔者测算，其中150亿至160亿美元用于IT设备采购，进一步推测，支付给英伟达的资金约为100亿美元。
搭载GPU的服务器成本与规格测算
结合微软、Meta的采购案例来看，两家企业IT设备采购资金中，约60%都用于购置英伟达GPU产品。
首先基于英伟达销售额展开测算。微软与Meta作为英伟达公认的两大核心客户，常年稳居其客户榜单前列。结合英伟达623亿美元的数据中心业务营收来看，两家企业单季度向英伟达支付超100亿美元的测算结果具备合理性。业内估算，英伟达AI加速器GB200单价约6万至7万美元，以此推算，单块GPU对应的整机系统成本略高于10万美元。作为参考，若微软向英伟达采购金额达150亿美元，折合GB200芯片约23万块；若Meta采购金额为100亿美元，折合GB200芯片约15万块。
其次通过物料清单（BOM）分析，进一步提升测算精准度。笔者任职于Grossberg公司，公司核心业务是依托电子产品制造商提供的量化成本信息，开展半导体产品的成本与规格分析，持续优化各类电子设备成本、规格的测算精度。
上图为笔者针对搭载GB200芯片的AI服务器的成本与规格测算结果，该款芯片也是微软与Meta大概率会选用的核心产品。目前Grossberg公司正对50余款电子设备开展同类分析，由于并未实际获取并拆解设备，成本与规格测算结果存在一定局限性。但针对无需高精度、高成本专业分析，仅想以低成本获取通用成本与规格信息的用户，我们推出了BOM分析信息服务。该服务聚焦未来有望搭载AI功能的电子设备，后续将持续分析这类设备搭载的半导体芯片型号、成本构成以及带宽规格等核心信息。
可以说，人工智能的规模化普及，很大程度上得益于英伟达GPU攻克了AI系统两大核心要素中的“学习”功能，这也直接推动各大IT厂商加速推进生成式AI的商业化落地。生成式AI应用场景广泛，且输入输出仅局限于数字数据层面；而未来AI将朝着“物理AI”方向进阶，能够通过操控实体设备完成特定目标，自动驾驶、智能机器人等领域的落地应用也近在眼前。
*声明：本文系原作者创作。文章内容系其个人观点，我方转载仅为分享与讨论，不代表我方赞成或认同，如有异议，请联系后台。
旺鼎策略提示：文章来自网络，不代表本站观点。
热点资讯
