AI需求不能只数GPU。每颗加速器的HBM、CPU内存、机柜数量和ASIC组合都会改变最终需求。
01
单柜容量
GB300 NVL72包含20.736 TB HBM和17.280 TB CPU内存，合计38.016 TB。Vera Rubin模型使用20.736 TB HBM和54 TB CPU内存，合计74.736 TB。
单柜增量36.720 TB主要来自CPU侧。若最终产品提高HBM容量，实际需求会高于当前保守假设。
02
英伟达年度需求
2026年6.5万柜GB300与1万柜Rubin合计消耗3.2184 EB；2027年8.5万柜Rubin消耗6.3526 EB，同比增加3.1342 EB。
换算公式是单柜TB乘机柜数，再除以1,000,000。年度总量和同比增量在模型中严格分开。
03
ASIC与总增量
Google、AWS、Meta、Microsoft、OpenAI及其他ASIC的基准模型贡献2.705 EB增量。加上英伟达后，严格可加口径为5.839 EB。
5.839 EB只是AI加速系统的新增部分，并非2027年全球DRAM总需求。
仅供行业研究，不构成投资建议。预测依赖假设，实际结果可能显著偏离。
方法论