350 亿美元抢 300 万张显卡
到手可能只有 1/20
一张图看懂：中国大厂为什么在疯抢一张"工作站显卡"
2026 年 10 月 20 日，路透社一条消息在国内科技圈炸开：字节跳动、阿里巴巴、腾讯三家，合计向英伟达订购了 超过 300 万张 RTX PRO 5500 显卡。按每张约 1.14 万美元算，订单潜在总值 超过 350 亿美元。
但英伟达随后给合作伙伴泼了一盆冷水：最终能拿到的货，可能只有申请量的 5%~10%。
花 350 亿美元下单，最后可能只拿到 1/20 的货。这到底是一笔什么买卖？
先把数字摆清楚
| 数字 | 含义 |
|---|---|
| 300 万张 | 字节、阿里、腾讯三家合计订购量 |
| 1.14 万美元 | 单卡预购价 |
| 350 亿美元 | 订单潜在总值 |
| 600 万张 | 全中国客户的意向订单总量 |
| 300 万张 | 英伟达 2027 年该型号的全球产量上限 |
| 5%~10% | 合作伙伴被告知的预计交付比例 |
一句话概括供需矛盾：光中国的需求（600 万张）就是全球总产能（300 万张）的两倍，何况英伟达还要供给欧美客户。
科普第一步：先搞懂"训练"和"推理"
要理解这件事，必须先分清楚大模型干的两件完全不同的事。
| 训练（Training） | 推理（Inference） | |
|---|---|---|
| 干什么 | 用海量数据把模型"教出来" | 用训练好的模型回答用户问题 |
| 打个比方 | 盖一所学校（一次性、极贵） | 学校每天上课（持续、量大） |
| 算力特点 | 追求极致性能，越顶级越好 | 追求每美元吞吐、功耗、部署密度 |
| 典型需求 | 万亿参数基座模型预训练 | 聊天回复、推荐、内容生成 |
过去两年行业在拼命"训模型"，现在重心正转向"用模型"。推理侧的算力需求呈指数级增长——你每问一次 AI，背后就要算一次。
字节的豆包、阿里的通义千问、腾讯的微信生态智能服务，每天要处理数亿次调用，这些调用全都是推理。
为什么偏偏抢一张"工作站显卡"？
RTX PRO 5500 最让人困惑的地方就在这：它是工作站 GPU，不是数据中心卡。
工作站显卡 = 给高性能专业电脑用的卡（设计师、工程师、科研人员的工作站）数据中心卡 = 给超大规模机房用的卡（成百上千张连在一起训大模型）
英伟达公布的初步规格（后续可能变更）：
- 84 GB ECC GDDR7 显存
- 1398 GB/s 显存带宽
- PCIe Gen 5 x16 接口，最高 600 W 功耗
- 支持最多 2 个 MIG 分区（每个最高 42 GB）
它适合干什么、不适合干什么，一张表说清：
| 能干 ✅ | 干不了 ❌ |
|---|---|
| 大模型推理 | 万亿参数基座模型从零预训练 |
| 模型微调 | 超大规模集群训练 |
| 多模态内容处理 | — |
| AI 视频生成 | — |
| 工业仿真、三维渲染、数字孪生 | — |
那为什么大厂还要抢？答案只有一句话：高性能数据中心卡，全被美国出口管制封死了。
在合规采购渠道里，RTX PRO 5500 是目前性能最强、且落在管制阈值以内的备选算力卡。它不是最好的选择，是"还能合法买到的最好选择"。
被管制封死的那张清单（全梳理）
先认识一下英伟达的架构命名规律——它用科学家名字给每一代架构命名：
`Ampere（安培）` → `Hopper（霍珀）` → `Blackwell（布莱克韦尔）` → `Rubin（鲁宾，下一代）`
下面这张表，就是目前无法对华正常销售的数据中心 AI 卡全清单：
| 架构 | 型号 | 对华状态 | 主要用途 |
|---|---|---|---|
| Blackwell | GB200 NVL / NVL4 | ❌ 禁售 | 当前性能天花板，万亿参数预训练 |
| Blackwell | B300 | ❌ 禁售 | 主力训练卡，国内大厂最想要、拿不到 |
| Blackwell | B200 | ❌ 禁售 | 大规模训练与推理 |
| Hopper | H100 SXM / NVL | ❌ 禁售 | 上一代"AI 神卡"，最早被管制 |
| Hopper | H200 | ❌ 禁售 | 显存更大，长文本推理强，仅极个别特批 |
| Hopper | H800（中国特供） | ❌ 已封堵 | 当年主动削减带宽的"特供版" |
| Hopper | H20（中国特供） | ❌ 已封堵 | H800 的继任特供版 |
| Ampere | A100 | ❌ 禁售 | 初代普及型训练卡 |
| Ampere | A800（中国特供） | ❌ 已封堵 | 曾是创业圈主力算力，2023 年断供 |
| Ampere | L40 / L40S | ❌ 禁售 | 训练、推理、渲染一体 |
唯一能合规下单的那一行：
| 架构 | 型号 | 对华状态 | 主要用途 |
|---|---|---|---|
| Blackwell 工作站线 | RTX PRO 5500 | ✅ 可合规下单（产能极度紧张） | 推理、微调、仿真渲染 |
补充两条：同系列的 RTX PRO 6000 Blackwell 原版工作站卡同样在管制名单内；此前面向中国的降级版 RTX 6000D 已经停产，国内市场价格翻倍——这从侧面说明供需失衡有多严重。
黄仁勋此前公开表示：出口限制已让英伟达在中国 AI 数据中心芯片市场的占有率，从近乎垄断降到几乎为零。
为什么产能就是给不了？
四个原因叠加：
- 总盘子不够：2027 年全球最多产 300 万张，中国需求 600 万张
- 制造本身受限：先进制程 + CoWoS 先进封装，产能天生有限
- 审批拖长周期：出口许可流程拉长了整条供应链
- 优先级更高：据知情人士，从 2027 年起英伟达将把台积电的大部分产能配置，投向面向大型数据中心的新一代 Rubin 平台，而非 RTX PRO 5500
时间表也很关键：英伟达计划 2026 年 12 月向早期客户提供样品，2027 年第一季度才开始商业交付。截至 10 月 21 日，官网产品页仍显示"即将推出"。
同期 GTC 柏林：英伟达自己往哪走
就在订单消息传出的同一周（2026 年 10 月 21 日），黄仁勋在德国柏林 GTC 大会发表主题演讲，亮出了下一步布局：
1. DSX POD——把 AI 工厂做成"集装箱"
传统自建算力集群，从规划、布线到水冷调试，周期约 6 个月。DSX POD 把机柜、网络、液冷系统在工厂里集成测试好，再以集装箱形式发货，现场部署最快 14 天。
- 闭环液冷 + 干式冷却器排热，冷却用水降至近乎为零（2 吉瓦规模下每天节水 5400 万升，约等于 18 万户家庭日用水量）
- DSX MaxLPS 可根据负载动态配电，同等 token 产出下最高省电约 30%
- 戴尔、HPE、联想、施耐德等伙伴计划 2027 年初推出相关产品
2. Isaac 机器人平台升级 + 人形机器人参考平台
扩展 Isaac 开放机器人开发平台，新增人形机器人参考框架、仿真工作流与数据工具；联合思灵机器人推出 Agile ONE SN 人形机器人参考平台（身高约 1.7 米，搭载 GR00T 与 Jetson Thor），计划 2027 年初上市。
3. Vera Rubin 已进入全面生产
黄仁勋还给出一个直观的成本参照：一座功率 1 吉瓦的 AI 工厂，从土地、电力到计算、网络和冷却，建设成本约 500 亿美元。
他说了一句很关键的话："AI 工厂在开始生产 token 时才创造价值，而不是在建筑完工时。"
这件事真正说明了什么
第一层：供给矛盾。 不是单纯"买不到显卡"，而是高性能训练算力被规则锁死，国内大厂只能退到工作站显卡赛道抢替代算力。就算愿意出高价，产能还要优先供给欧美客户和新一代平台。
第二层：代际路线差距。 国内企业现阶段的重心，还在想方设法"抢卡、囤算力"；而英伟达已经跳出卖单卡的模式，开始输出标准化、可快速复制的 AI 工厂，并向下延伸到通用机器人硬件。
第三层：风险提示。 RTX PRO 5500 只是阶段性的过渡方案。它能承载微调、推理业务，但解决不了基座大模型从零预训练的算力需求。短期高价抢卡治标不治本，长期看国产算力芯片的替代进度，会直接决定国内 AI 产业的发展上限。
三个常见误区
Q1：工作站卡是不是比数据中心卡差很多？不是"差"，是定位不同。就像越野车和跑车——跑车在赛道上更快，但你不会开着跑车去越野。工作站卡在单机推理、渲染、仿真场景里性价比更高，只是不适合千卡万卡连起来训大模型。
Q2：下单了就能马上用上？不能。2026 年 12 月才给首批样品，2027 年 Q1 才商业交付，而且大概率只能拿到申请量的 5%~10%。
Q3：有了这张卡，国产大模型就能追上？不能。它解决的是推理和微调，也就是"用起来"的问题；"训出来"这个环节，还得靠另外的路子。
写在最后
350 亿美元的订单，是一份信心，也是一份压力。
它说明头部公司判断推理需求还会持续增长——但也说明，在规则与产能的双重约束下，这笔钱大概率花不痛快。
真正的出路不在抢卡，而在造卡。
数据来源：路透社 2026 年 10 月 20 日报道（多家媒体转载）、英伟达 RTX PRO 5500 官方产品规格页、英伟达 GTC 柏林 2026 主题演讲（2026 年 10 月 21 日）及界面新闻、财联社现场报道。产品规格为英伟达公布的初步规格，可能变更；本文为科技知识普及整理，不构成任何投资建议。
觉得有用，欢迎转发给关注 AI 的朋友 · 本文基于公开信息整理，不构成投资建议