全球AI资本开支的“蓄水池”从来没有像现在这样——一边是水龙头开到最大，一边是下游的管道也以更快速度拓宽。两组由中信建投研报揭晓的数据，把这个罕见局面摆在了桌面上。
英伟达FY2027第二财季交出962.2亿美元的营收答卷，同比增长106%，远超LSEG分析师预期的921.7亿美元。数据中心业务单季890亿美元，同比暴增117%，占总营收92%。但真正的炸弹藏在第三财季指引里：公司预计Q3营收达到1080亿美元±2%，对应同比增长约89%，并给出了2028财年收入增长约70%的长期展望，同时表示“供应链不受限的情况下增速预计更快”。
就在英伟达这份“史上最强”成绩单的同一个时间窗口，中国AI公司MiniMax的半年报释放了另一个信号——上半年收入约1.17亿美元，同比暴增283.1%，仅半年营收就超过了2025年全年的7904万美元。二季度收入环比增长81.8%。进入三季度后增长进一步提速，7月Token消耗量已达1月的20倍，8月ARR突破8亿美元。
这不是两条孤立的新闻。它们合在一起，讲述的是同一个故事：AI产业的“算力供给侧”和“商业化需求侧”正在进入前所未有的共振阶段。
英伟达：算力供给的“天花板”还在往上顶
先从供给侧看。
962.2亿美元的单季营收，相当于英特尔2025年全年营收的约1.8倍。数据中心业务890亿美元的体量，意味着英伟达不仅是一家芯片公司——它实际上是全球最大的AI基础设施供应商。一个季度、一个产品线，收入就超过了全球绝大多数科技公司的全年体量。
但比绝对数字更值得关注的是增长结构。
公司指引2028财年收入增长约70%。在年营收已经逼近4000亿美元的量级上给出这样的指引，传递的信号清晰而直接：英伟达看到的需求曲线远没有见顶。公司同时指出“如果供应链不受限的情况下，增速预计更快”——这句看似轻描淡写的补充，实际上揭示了当前AI算力市场最大的瓶颈不在需求侧，而在供给能力。
这一判断也得到了行业数据的佐证。瑞银预测2026年全球AI资本支出将突破5700亿美元，2030年上看1.3万亿美元，未来五年年复合增长率达25%。美国银行数据更加激进，预计2026年全球超大型云厂商资本支出将达6110亿美元。集邦科技的数据显示，北美五大云厂商2026年资本开支接近翻倍式扩张，中国四大云厂商合计年增逾80%。
支撑这些数字的钱从哪里来？亚马逊预计2026年资本开支达2000亿美元，微软约1900亿美元，谷歌1800亿至1900亿美元，Meta约1250亿至1450亿美元。AI算力投资的主力已经从芯片公司的内部研发预算，变成了全球最大科技公司的基建预算。英伟达二季度业绩正是在用事实验证这个逻辑。
MiniMax：从“卖模型”到“卖能力”的商业化跃迁
如果说英伟达代表的是AI算力的“供给侧繁荣”，那么MiniMax就是“需求侧爆发”的最鲜活样本。
2026年上半年1.17亿美元收入，283.1%同比增长，仅半年的营收就已经超过了2025年全年的7904万美元。但真正揭示结构性变化的，是收入构成的变迁。
MiniMax的开放平台及企业服务收入达到7393万美元，同比暴增703.1%，占总收入比例从2025年全年的32.8%跃升至63.4%。这意味着MiniMax已经完成了从“面向C端卖AI应用”到“面向B端卖AI能力”的关键转型。新增长中约四分之三来自B端——这不是一个消费级AI产品的故事，这是一个AI基础设施平台的故事。
进入三季度后，增长进一步加速。7月Token消耗量达到1月的20倍，这是一个近乎垂直的增长曲线。8月ARR突破8亿美元，照此速度推算，全年收入极有可能大幅超过市场预期的3.64亿美元。
中信建投在研报中给出了一个关键判断：MiniMax Token调用量与ARR同步高速增长，反映国产大模型正从模型能力提升加速迈向规模化商业变现。这句话道出了当前中国AI产业最核心的叙事转折——经过两年的模型能力追赶，国产大模型终于进入了“卖得动”的阶段。
国产大模型的两大变量：Agent场景与推理算力
但MiniMax的爆发并非孤立事件。
今年以来，国产大模型的进步速度远超预期。从DeepSeek到字节豆包，从阿里通义千问到腾讯混元，模型能力在多个基准上已接近甚至部分超越GPT-4o级别。但能力的提升只是硬币的一面，商业化才是另一面。
MiniMax的数据提供了一个重要线索：Token消耗量的爆发性增长背后是场景驱动的。7月的Token消耗量是1月的20倍，8月ARR突破8亿美元——两者不是因果关系，它们是同一个现象的两个侧面。当Agent、代码生成、多模态创作等高Token消耗场景的渗透率开始提升，推理侧的算力需求随之迎来非线性增长。
这正是中信建投在研报中指出的核心逻辑：随着Agent等高Token消耗场景渗透率提升，有望进一步拉动推理侧算力需求。
这一判断如果成立，意味着中国AI产业正在进入一个正向循环——更强的模型能力催生更多的商业化场景，更多的商业化场景消耗更多的推理Token，更多的Token需求反过来拉动更大的算力基建投入。而这最后一步，正好与英伟达的乐观指引形成闭环。
算力军备竞赛中的“中国叙事”
但与全球算力投资热潮相伴的，是中国AI产业面临的一个特殊约束。
美国超大规模云厂商的算力投资几乎不受供应限制——它们可以大量采购英伟达的H100、B200乃至下一代Rubin架构GPU。但中国企业面临的供应链环境截然不同。先进AI芯片的供应受限，使得中国科技企业在算力投资上必须承受供给侧的双重约束。
这产生了两个值得关注的方向。
其一，国产替代方案加速崛起。华为昇腾等国产AI芯片在训练和推理场景中的渗透率快速提升。据第三方估算，字节跳动2026年AI资本开支可能高达700亿美元，其中相当部分将投向包括国产算力在内的多元化方案。尽管这一数字未经官方证实，但中国四大云厂商资本开支合计年增逾80%的趋势已相当明确。
其二，推理效率成为关键变量。在芯片供应受限的环境下，中国AI公司天然有更高的动力去优化模型效率——用更少的算力做更多的事。这种“被逼出来的效率”反而可能成为中国AI产业的一个独特竞争优势。当供应链瓶颈逐步缓解后，这种效率优势有望释放更大的增长潜力。
中信建投建议持续关注国内AI产业链相关标的，其背后正是这一逻辑：在中国特定的供应约束下，谁能以最高效率将算力转化为商业价值，谁就能在下一阶段胜出。从模型能力到商业变现再到算力需求，中国AI产业的“三阶传导”链条正在贯通。
两则研报，一个信号。算力供给侧的天花板还在往上顶，需求侧的爆发才刚刚开始。当卖铲人和淘金者同时赚到了钱，说明这场淘金热是真的。
快报