一条新闻反复出现：某公司采购十万张显卡。另一条：显卡又涨价了。再一条：某国限制高端芯片出口。
为什么全世界都在抢这几块板子？
先分清三样东西
芯片。具体的那颗硅片，比如各家 GPU 的型号。
GPU。图形处理器的通称，现在主要拿来算 AI。一块板子上有一堆芯片和显存。
算力。抽象能力值。常听到的单位是 FLOPS，说的是每秒能算多少次。
日常说话里这三个词经常混着用，但你要记住一件事：AI 用的不是普通电脑里那颗 CPU，是 GPU。
为什么 AI 非得用 GPU
因为干活的方式不一样。
CPU 像几个博士生，什么都会，但一次只能干几件事。
GPU 像几千个小学生，每个人只会做加减乘除，但能同时开工。
训练大模型要做的事，正好是"海量的、简单的、重复的乘法加法"——GPU 就是为这个生的。用 CPU 训练模型，慢几十倍上百倍。
所以 AI 的火爆直接变成了对 GPU 的需求爆炸。
为什么只有一家公司被抢
这块市场高度集中。做 AI 训练芯片的厂商里，一家占了绝大部分份额，原因不只是硬件，更是软件生态。
十年下来，全世界的研究者、开发者都习惯了它那套编程工具。换芯片意味着所有代码要重写，没人愿意。
所以局面是：硬件领先 + 生态锁定 = 想换也换不了。
显卡荒是什么
需求突然爆发，供给跟不上的那段时期。
一边是全世界都在建 AI 数据中心，一边是芯片产能在短期内提不上去（造芯片的工厂建一个要几年，还得排队）。
结果就是：价格翻倍、交期从几周变成几个月、有钱也买不到。
为什么这事关普通人
三层影响：
一层，你用的 AI 变贵或变便宜。算力成本是 AI 服务成本的大头。算力便宜，调用价格就便宜。
二层，行业洗牌。有算力的公司能训练更大的模型，没算力的只能做应用层。这决定了未来产业格局。
三层，国家层面。算力成了战略资源，于是有了出口管制、自主替代这些事。你在新闻里看到的芯片限制，背后就是这个逻辑。
一个务实的判断
现在的趋势有几条：
推理需求超训练需求。模型训练完，日常使用的推理消耗才是长期大头。所以省算力的技术（小模型、量化、专用芯片）越来越重要。
供给在慢慢跟上。产能扩建是几年级别的事，但方向是明确的。
国产替代在推进。差距在缩小，尤其在推理侧。
别只看硬件参数。软件生态、能效、稳定供货，这三样比跑分更决定能不能用。
一句话带走
AI 的火，烧的是 GPU 的火。
算力贵，是因为好的算力供给有限。
看懂这条链，你就知道为什么一块显卡能上新闻头条。
下一篇：开源模型和闭源模型，差在哪？普通人该选哪个。
