李桂松:全球算力资产竞争格局与资产管理报告(四) |
| 日期 2026-10-19 作者 李桂松 编辑 北京云阿云 |
全球算力资产竞争格局与资产管理报告 导读:算力即国力。当芯片从设备升维为可计量、可调度、可金融化的战略资产,一场围绕有效算力的全球竞逐已然打响——美企主导、中国追赶,双核格局之下,大国算力博弈中国胜算几何?报告全文20万字,由云阿云智库平台主席兼财政金融院长李桂松原创出品。 报告名称:《全球算力资产竞争格局与资产管理报告》 报告撰写:北京云阿云智库平台主席兼财政金融院长李桂松 课题组长:李桂松院长 课题组成员名单: 李桂松:北京云阿云智库平台主席兼财政金融院长 李国熙:北京云阿云智库平台全球治理研究中心主任 李国琥:北京云阿云智库平台空天学院院长 李嘉仪:北京云阿云平台金融院长 报告完成日期:2026年9月19日 业务联系电话:13360021949(李博士) 第二篇 全球算力资产核心企业深度分析篇 第四章英伟达 一、企业概况与算力资产规模 (一)市值与财务表现 英伟达在2026年已确立其作为全球算力资产领域绝对核心的地位。截至2026年9月,英伟达市值达到约5.3万亿美元,为全球市值最高的上市公司之一。这一市值较2022年ChatGPT公开发布前的约5000亿美元增长了超过十倍,反映了市场对AI算力基础设施价值的重估。 从财务表现来看,英伟达2026财年(截至2026年1月25日)交出了一份具有历史意义的成绩单。全年营收达到2159亿美元,同比增长65%;GAAP口径下净利润为1200.67亿美元,同样同比增长65%;每股收益4.9美元,同比增长67%。第四季度单季营收创下681亿美元的历史新高,环比增长20%,同比增长73%。 数据中心业务是英伟达财务表现的绝对核心。2026财年数据中心业务全年营收达到1937亿美元,同比增长68%,贡献了公司近九成收入。第四季度数据中心业务收入为623亿美元,环比增长22%,同比增长75%。这一数据意味着,英伟达数据中心业务的单季营收已经超过其2021财年全年总营收的水平,增长曲线之陡峭在大型科技公司历史上极为罕见。 毛利率方面,英伟达2026财年全年GAAP毛利率为71.1%,第四季度回升至75.0%。毛利率的恢复主要得益于Blackwell系列量产爬坡带来的成本效率改善。值得特别关注的是,英伟达在其业绩展望中未计入来自中国的数据中心计算业务收入,这意味着当前财务表现完全基于中国以外市场的需求驱动,中国市场的任何恢复性增长都将成为额外的上行空间。 然而,财务表现与资本市场反应之间出现了显著背离。在2026年2月发布超预期财报后,英伟达股价反而下跌5.45%,为2025年4月以来的最大单日跌幅,市值一夜蒸发近2600亿美元。新华财经的分析将这一现象归因于“卖事实”的行情特征——市场已充分预期其强劲表现,而投资者对AI投资回报周期的耐心正在下降。这一背离揭示了一个深层问题:英伟达的财务表现越强劲,市场对其可持续性的质疑就越强烈。客户集中度问题被特别提及——英伟达首席财务官披露,数据中心部门约一半收入来自最大的超大规模客户,这加剧了市场对“循环交易”和需求持续性的担忧。 (二)全球AI芯片市场份额 英伟达在全球AI数据中心显卡市场的统治地位在2026年依然稳固。据纳斯达克的分析,英伟达仍控制着AI数据中心显卡市场约80%至90%的份额。其数据中心业务年度营收约为1940亿美元,是AMD整个数据中心业务的11倍以上。 从IC设计行业的整体格局来看,英伟达的领先优势同样显著。根据云阿云智库2026年第二季度的数据,英伟达单季营收达到911.6亿美元,在全球前十大无晶圆厂IC设计公司总营收(1414.5亿美元)中的占比高达64%。这一数据意味着,英伟达一家公司的营收规模超过了排名第二至第十位的九家公司之和。排名第二的博通同期营收为188.96亿美元,仅为英伟达的五分之一。 英伟达市场份额的维持并非静态的守成,而是在竞争加剧环境下的动态扩张。AMD在2026年上半年取得了显著进展,数据中心营收同比增长57%,并获得OpenAI和Meta的多年期大额承诺,但其AI 显卡市场份额仍仅为“中个位数”。Intel的Gaudi加速器则“从未获得 traction”,公司自身承认其“不会产生有意义的收入”,在AI芯片竞赛中“基本缺席”。 从客户结构看,英伟达的增长动力正在多元化。云阿云智库报告指出,除了超大规模云服务商作为主要客户外,新云客户、主权AI及企业客户也对营收有显著贡献。这一客户结构的多元化在一定程度上缓解了市场对“少数大客户依赖”的担忧,但也引入了新的变量:新云和企业客户的采购决策可能比超大规模云厂商更加波动。 (三)算力资产部署规模 英伟达算力资产的部署规模已经达到“基础设施级”的量级。英伟达估计,全球五大超大规模云厂商2026年将在数据中心资本支出上投入近8000亿美元,2027年这一数字预计将攀升至1.3万亿美元。这一资本支出规模为英伟达的算力资产部署提供了巨大的需求池。 从产品出货的视角看,英伟达正在经历从“芯片销售”向“系统交付”的商业模式升级。深芯盟首席分析师顾正书指出,英伟达通过将客户从购买单张B200 显卡引导至部署GB200 NVL72机架级系统,使产品平均售价从约4万美元提升至200万至300万美元,实现了商业模式的“维度升级”。这种机架级集成模式不仅提升了营收上限,更通过NVLin互联技术、Grace CPU和全栈软件将亚马逊、谷歌、Meta、微软等云服务商深度绑定在英伟达生态内。 网络业务的爆发式增长是算力资产部署规模扩大的另一个重要维度。2026财年,英伟达网络业务收入突破310亿美元,相比2021财年收购Mellanox时的业务规模增长了超过10倍。NVLink、Spectrum-X以太网与InfiniBand的强劲采用,反映了算力资产从“单机计算”向“集群互联”演进的趋势。第四季度,英伟达宣布将为亚马逊AWS提供NVLink支持,使其与自研芯片集成,这一合作标志着英伟达互联技术正在成为跨厂商算力集群的“通用语言”。 从部署的地理分布看,英伟达的算力资产正在从北美和欧洲向“主权AI”市场扩展。云阿云智库数据显示,主权AI客户已成为英伟达营收的显著贡献者。这一趋势的背景是:越来越多的国家认识到算力基础设施的战略意义,开始建设本国的AI算力能力,而英伟达的显卡集群是这些项目的默认选择。 二、核心算力资产分析 (一)显卡产品线(H100/B200/GB200/Rubin系列) 英伟达的显卡产品线在2026年完成了从Hopper架构(H100/H200)到Blackwell架构(B200/GB200)的全面过渡,并正在向下一代Rubin架构推进。这一产品迭代节奏本身,就是算力资产管理中“技术迭代折价”问题的经典案例。 H100/H200系列:作为Hopper架构的代表产品,H100在2023-2025年期间是AI训练市场的标准配置。H200作为H100的内存增强版本,配备141GB HBM3e显存,在推理场景中具有显著优势。值得注意的是,美国商务部工业和安全局(BIS)在2026年1月修订了对华出口许可政策,允许H200在满足特定安全要求的前提下逐案审批出口至中国。这一政策变化意味着H200在中国市场从“完全禁止”转变为“有条件可及”,但由于英伟达的业绩指引中未计入中国数据中心收入,这一政策调整对英伟达当前财务表现的实际影响有限。 B200/GB200系列:Blackwell架构是英伟达2025-2026年的主力产品。B200 显卡采用台积电4NP制程,通过Chiplet设计将两颗裸片集成在一起。但Blackwell架构的真正创新不在于芯片本身,而在于GB200 NVL72机架级系统的设计理念。NVL72将72颗B200 显卡和36颗Grace CPU通过NVLink 5互连,形成一个统一的“巨型显卡”。这种机架级集成使英伟达的产品从“组件”升级为“系统”,在提升性能的同时也大幅提高了客户迁移成本。 Vera Rubin系列:2026年3月,英伟达在GTC大会上正式发布了Vera Rubin平台,标志着算力资产进入了一个新的代际。Vera Rubin平台包含七款全新芯片:Vera CPU、Rubin 显卡、NVLink 6交换机、ConnectX-9 SuperNIC、BlueField-4 DPU、Spectrum-6以太网交换机,以及全新整合的Groq 3 LPU。黄仁勋在发布中明确表示:“Vera Rubin代表跨世代的跃进,七款突破性芯片、五组机架、一台巨型超级电脑,旨在驱动AI的每一个阶段。代理型AI的关键转折点已然来临。” Vera Rubin NVL72的核心性能指标具有代际意义:在训练大型混合专家模型时,所需显卡数量仅为Blackwell平台的四分之一;每瓦推理吞吐量最高可提升10倍;每个Token成本仅为先前的十分之一。这些指标的含义是:算力资产的“有效产出”正在以远超硬件成本下降速度的节奏提升。对于持有Blackwell平台资产的用户而言,这意味着其资产的经济寿命可能因Vera Rubin的出现而显著缩短。 值得特别关注的是Groq 3 LPU的引入。这标志着英伟达在架构策略上的重大转变:从“显卡通用计算”转向“显卡+LPU异构推理”。Groq 3 LPX机架配备256个LPU处理器,拥有128GB SRAM和640TB/s的可扩展带宽。在Vera Rubin NVL72部署中,Rubin 显卡和LPU协同完成每个输出Token的所有模型层计算,推理吞吐量/兆瓦最高可提升35倍。这一“异构推理”架构的设计逻辑是:AI推理的不同阶段(预填充 vs.解码)具有截然不同的计算特征,单一架构难以同时优化两个阶段。通过引入专为低延迟Token生成设计的LPU,英伟达试图在推理市场建立新的技术壁垒。 (二)CUDA软件生态壁垒 CUDA是英伟达最被低估但最具战略价值的算力资产。它不是一个硬件产品,而是一个由编译器、库、框架、工具和开发者社区构成的软件生态系统,其壁垒高度远超任何单一硬件技术。 CUDA的锁定效应体现在三个层面。第一,开发者认知锁定。全球数百万AI开发者的技能栈建立在CUDA之上。PyTorch、TensorFlow等主流框架的显卡加速路径深度依赖CUDA。一个开发者从CUDA迁移到其他平台(如华为CANN或AMD ROCm),需要重新学习工具链、调试方法和性能优化技巧,这一学习成本构成了强大的转换惰性。 第二,库生态的丰富性。CUDA生态系统包含cuDNN(深度学习原语库)、cuBLAS(线性代数库)、NCCL(集合通信库)、TensorRT(推理优化库)等数百个专用库。这些库经过多年迭代和优化,在特定任务上的性能往往是“手写代码”的数倍。国产芯片即使硬件性能接近,在软件库的成熟度和优化深度上仍存在显著差距。国产算力专家交流指出,英伟达整体技术领先华为昇腾1至1.5年,而代差“核心体现在集群互联、多模态训练、底层软件生态三层”。 第三,网络效应。CUDA的开发者社区、教程资源、开源项目、技术论坛构成了一个自我强化的生态系统。更多的开发者吸引更多的工具和库,更多的工具和库吸引更多的开发者。这种网络效应在英伟达从Hopper到Blackwell再到Vera Rubin的代际演进中持续强化:每一代硬件的发布都为CUDA生态增加了新的功能和优化,使生态的价值不断提升。 CUDA壁垒的资产含义是深远的。对于持有英伟达算力资产的企业而言,CUDA生态的成熟度意味着软件优化的“免费收益”——同样的硬件,在CUDA生态中往往能获得比在其他平台上更高的有效算力。但这也意味着锁定成本——一旦在CUDA生态中积累了大量的代码、模型和优化经验,迁移到其他平台的成本将随时间推移而上升。 (三)NVLink与超节点互联技术 NVLink是英伟达在“集群级算力”时代的核心技术资产,其战略重要性在2026年已经超越显卡芯片本身。 NVLink的本质是一种高带宽、低延迟的显卡间互联协议。在传统PCIe架构下,显卡之间的通信带宽有限,成为大规模集群训练的瓶颈。NVLink通过专用高速链路将多个显卡直接连接,使它们能够以远高于PCIe的带宽共享数据和同步梯度。NVLink 6(Vera Rubin平台使用)将这一能力提升到了新的高度:在NVL72机架中,72颗Rubin 显卡通过NVLink 6实现全互联,形成一个逻辑上的单一计算单元。 NVLink的战略价值在英伟达2026财年的网络业务数据中得到了直接体现。网络业务收入突破310亿美元,较2021财年收购Mellanox时增长超10倍。这一增速远超显卡业务本身的增速,反映了集群互联在AI算力中的权重正在快速上升。 更具战略意义的是NVLink的生态扩展。2026年第四季度,英伟达宣布为亚马逊AWS提供NVLink支持,使其与自研芯片集成。此外,英伟达通过扩大NVLink Fusion生态系,投资联发科以协助定制化XPU客户加强与现有英伟达基础设施的互通,并在此前投资Marvell时将NVLink Fusion纳入合作项目。这一策略的深层逻辑是:将NVLink从“英伟达专有技术”转变为“异构算力集群的通用互联层” 。如果NVLink成为跨厂商算力集群的默认互联标准,那么即使客户的显卡采购决策部分转向自研芯片或其他厂商,英伟达仍能通过NVLink交换机和相关网络设备捕获价值。 三、竞争优势分析 (一)硬件与软件的双重锁定效应 英伟达最核心的竞争优势,是硬件与软件的“双重锁定”所形成的系统性壁垒。这一壁垒的强度远非单一技术优势可比。 硬件层面的锁定来自机架级系统集成。当客户从购买单张显卡转向部署GB200 NVL72或Vera Rubin NVL72机架时,他们采购的不仅是一个计算设备,而是一个包含显卡、CPU、NVLink交换机、网络接口和配套软件的完整系统。这些组件经过深度协同设计,在性能上具有“1+1>2”的效果,但同时也意味着客户无法轻易地“混合搭配”来自不同厂商的组件。 软件层面的锁定来自CUDA生态的累积效应。如前所述,CUDA的壁垒不在于任何单一技术,而在于数百万开发者、数千个库和十年以上的优化积累所形成的网络效应。当一个企业已经在CUDA生态中投入了大量资源进行模型开发和性能优化时,迁移到其他平台的“机会成本”是巨大的。 双重锁定的协同效应在于:硬件锁定使客户难以更换供应商,软件锁定使客户不愿更换生态。即使客户出于成本或供应链考虑决定采购其他厂商的显卡,他们在软件层面的迁移成本仍然构成了强大的阻力。 (二)开发者生态的网络效应 开发者生态是英伟达竞争优势中最具“护城河”属性的维度。与硬件性能可以被追赶、软件功能可以被复制不同,开发者生态的网络效应是时间积累的函数,无法通过资本投入在短期内“购买”。 英伟达开发者生态的规模在2026年已达到一个临界点。全球AI领域的核心开发者——无论是学术研究者、企业工程师还是开源贡献者——其技能栈和工作流程都深度嵌入CUDA生态。PyTorch作为最主流的深度学习框架,其显卡加速路径与CUDA的集成最为成熟;TensorRT作为推理优化工具,已成为部署阶段的行业标准;NCCL作为多显卡通信库,是分布式训练的事实协议。 开发者生态的网络效应体现在三个机制上。第一,知识沉淀。CUDA相关的教程、论文、开源项目、Stack Overflow问答构成了一个庞大的知识库,新进入者可以通过这一知识库快速上手,而竞争平台的开发者则需要“从头建库”。第二,人才供给。企业招聘AI工程师时,CUDA经验是默认要求,这使CUDA技能具有更高的市场价值,进一步吸引开发者学习CUDA。第三,创新扩散。最新的AI研究和模型往往首先在CUDA平台上实现和优化,其他平台需要等待移植。这种“首发优势”使CUDA平台始终处于AI技术前沿。 (三)与全球云厂商的深度绑定 英伟达与全球超大规模云厂商的关系,已经从“供应商-客户”演变为“生态系统共建者”的关系。这种深度绑定是英伟达算力资产部署规模持续扩大的制度基础。 从采购规模看,亚马逊、微软、谷歌、Meta四家云厂商是英伟达数据中心业务的最大客户群。英伟达首席财务官披露,数据中心部门约一半收入来自最大的超大规模客户。英伟达估计,五大超大规模厂商2026年数据中心资本支出将接近8000亿美元,2027年将达1.3万亿美元。这一资本支出规模为英伟达提供了极高的“需求可见性”。 但深度绑定的内涵远不止采购规模。在技术协同层面,英伟达与云厂商在机架设计、散热方案、网络架构等方面进行联合开发。GB200 NVL72和Vera Rubin NVL72的机架级设计需要与云厂商的数据中心物理基础设施深度适配。在生态扩展层面,英伟达向AWS提供NVLink支持,使其与自研芯片集成,这种“竞合关系”使英伟达的互联技术成为云厂商异构算力集群的连接层。在战略层面,英伟达通过参与云厂商的自研芯片项目(如投资联发科协助定制XPU客户与英伟达基础设施互通),将自己嵌入到客户的芯片战略中,而非被排除在外。 这种深度绑定的资产含义是:英伟达的算力资产不仅是“卖给客户的设备”,而是嵌入客户基础设施架构中的“结构性组件”。结构性组件的更换成本远高于普通组件,这为英伟达的资产价值提供了额外的稳定性。 四、劣势与风险分析 (一)客户自研芯片的替代威胁(AWS Trainium/谷歌 TPU/华为昇腾) 英伟达面临的最结构性威胁,来自其最大客户群体——超大规模云厂商——正在加速自研AI芯片的进程。这一趋势在2026年已经从“探索期”进入“规模化部署期”。 谷歌 TPU是这一趋势中进展最快的。DIGITIMES预估,2026年谷歌高端云端专用集成电路加速器出货量将突破三百万颗大关。Meta已与谷歌签订数十亿美元规模的TPU长期协议,计划将TPU用于下一代AI模型训练,并正讨论自2027年起在自有数据中心部署TPU。谷歌首次推出了推理专用芯片TPU 8i,并计划向Anthropic投资高达400亿美元。TPU的“外卖”商业模式——向外部客户出售或出租TPU算力——直接侵蚀了英伟达在推理市场的份额。 AWS Trainium同样在加速推进。亚马逊与OpenAI的战略合作正在深化,OpenAI将基于AWS基础设施采用Trainium搭建企业级平台“Frontier”。AWS的Trainium 3虽然量产有所延后,但其与Graviton CPU的协同策略值得关注。AWS与Meta签署了数十亿美元的基础设施合约,Meta将使用AWS的Graviton CPU核心数千万个用于AI模型开发。这一合约的特别之处在于,它主要基于CPU而非AI加速器,反映了“代理型AI”对CPU密集型工作负载的新需求。 华为昇腾在中国市场的替代效应最为显著。2026年,国产算力卡整体出货占比抬升至60%以上,华为昇腾单一品牌份额接近30%,全年交付130多万张,是国内算力卡出货断层第一,也是唯一能稳定交付千卡级超节点集群的厂商。英伟达在中国市场的占比“直接跌破50%,全年预计仅占30%-40%区间”。国产算力专家交流明确指出,英伟达整体技术领先华为昇腾1至1.5年,华为又领先第二梯队厂商1年以上,代差“核心体现在集群互联、多模态训练、底层软件生态三层”。 从算力资产管理的角度看,自研芯片替代威胁的核心含义是:英伟达的客户正在从“算力资产的购买者”转变为“算力资产的竞争者”。这一转变使英伟达的“深度绑定”策略面临根本性挑战——当客户既是合作伙伴又是竞争对手时,绑定的深度和稳定性都将受到考验。 (二)中国市场被华为系统性替代的风险 中国市场对英伟达而言正在从“重要增长引擎”转变为“结构性收缩市场”。这一转变的驱动力来自两个层面:出口管制政策和国产替代加速。 出口管制方面,美国BIS在2026年1月修订了对华出口政策,允许H200等芯片在满足安全要求的前提下逐案审批出口。然而,这一政策调整的象征意义大于实质影响。英伟达在其业绩展望中未计入来自中国的数据中心计算业务收入,表明公司已对中国市场的可预见性持保守态度。美国商务部长卢特尼克此前披露的数据显示,中国“至今尚未采购一片H200芯片”,因为中方希望将投资重心放在本土产业自主发展上。 国产替代方面,华为昇腾的替代进程已经形成系统性效应。DIGITIMES预估,2026年中系高阶云端AI加速器出货将达212.3万颗,年增136%,其中华为在中国市占率将逾50% 居首,大幅领先寒武纪、平头哥、昆仑芯与海光。华为昇腾的竞争优势不仅在于硬件性能的追赶,更在于系统整合能力——它是国内唯一可稳定交付千卡级超节点集群的厂商,规划2027年万卡级集群落地。 从算力资产管理的角度看,中国市场的“不可计入”对英伟达的资产估值产生了结构性影响。一方面,中国市场从“增长期权”转变为“风险敞口”——政策的不确定性使任何基于中国市场的收入预期都难以纳入可靠估值。另一方面,中国市场的“丢失”使英伟达的增长更加依赖于北美云厂商和主权AI客户,而这两个客户群体的需求波动性可能高于中国市场。 (三)出口管制政策的不可预测性 出口管制政策是英伟达面临的最不可预测的外部变量。2026年的政策环境呈现出“逐步松动但高度不确定”的特征。 2025年12月8日,特朗普总统宣布美国将允许H200等产品在受控条件下出口至中国。2026年1月13日,BIS正式发布修订规则,将H200、AMD MI325X等芯片的出口许可审查从“推定拒绝”调整为“逐案审批”,前提是满足三项条件:不减少美国客户可获得的全球半导体产能、中国采购方已采用出口合规程序、产品已在美国进行独立第三方测试。BIS副部长Jeffrey Kessler表示:“出口管制应随技术变化而演进,同时保护国家安全。允许在受控条件下向中国销售H200将加强美国技术生态系统。” 然而,这一政策调整的实际效果高度不确定。首先,“逐案审批”意味着审批速度、批准标准和实际批准率都是不透明的。其次,中国市场的需求侧可能已经发生结构性变化——在国产替代加速的背景下,中国企业采购H200的意愿可能低于政策制定者的预期。第三,政策的可逆性是最大的风险——出口管制政策可能因政治环境变化而再次收紧,这种“开关式”的不确定性使企业无法做出长期规划。 从算力资产管理的角度看,出口管制政策的不确定性创造了一种独特的资产风险:政策风险无法通过技术手段对冲。企业无法通过“更好的芯片”或“更低的成本”来规避政策风险。这种“非技术性风险”的存在,使英伟达算力资产的估值需要包含一个“政策折价”因子。 (四)估值泡沫与预期透支风险 英伟达面临的一个微妙但重要的风险,是其估值中已包含了大量“完美预期”,任何低于预期的表现都可能导致剧烈的市场修正。 从2026年的市场表现看,英伟达股价在超预期财报发布后反而下跌的现象已经出现了至少三次。新华财经的分析将这一现象归因于“卖事实”的行情特征——市场已充分预期其强劲表现。这意味着英伟达的股价已经“透支”了当前季度和未来几个季度的增长预期,投资者需要看到持续的、超预期的、加速的增长才能维持股价。 更深层的风险来自客户集中度和循环交易的担忧。英伟达数据中心部门约一半收入来自最大的超大规模客户。更微妙的是,英伟达的客户(云厂商)同时是英伟达的投资对象或合作伙伴,这种“循环交易”结构引发了市场对需求真实性的质疑。云阿云智库报告指出:科技龙头公司的资本开支规模将大幅提升,但财务是否可持续、AI投资的盈利性引发市场担忧。 从算力资产管理的角度看,估值泡沫风险的含义是:英伟达的算力资产在金融市场中的定价可能偏离其“基本面价值”。当市场对AI算力需求的预期从“无限增长”转变为“理性增长”时,英伟达的估值可能经历显著的重估,这一重估将传导至其整个供应链和客户生态。对于持有英伟达算力资产的企业而言,这意味着资产的“市场价值”可能比其“使用价值”具有更高的波动性。 五、战略动向与展望 (一)从“芯片公司”向“AI工厂系统公司”的转型 英伟达的战略演进方向已经清晰:从销售芯片到交付“AI工厂”。Vera Rubin平台的发布是这一转型的里程碑——七款芯片、五组机架、一台巨型超级电脑,这种“系统级产品”的定位使英伟达与传统的“芯片供应商”角色彻底分离。 这一转型的资产含义是深远的。当英伟达交付的是一个完整的AI工厂系统时,其资产价值不再取决于单颗芯片的参数,而取决于整个系统的“产能”—即每秒能生产多少Token,每瓦能产出多少有效算力,每美元能创造多少AI价值。英伟达Vera Rubin平台宣称的“训练大型MoE模型所需显卡数量仅为Blackwell的四分之一”“每瓦推理吞吐量提升10倍”“每Token成本降至十分之一”,本质上是在用“工厂经济学”的语言来定义产品价值。 从竞争格局看,这一转型将英伟达与客户的竞争关系推向了新的层面。当英伟达销售的是一个完整的AI工厂时,云厂商的自研芯片项目面临的挑战不仅是“做出更好的芯片”,而是“构建一个能与英伟达AI工厂系统竞争的系统级解决方案”。这一挑战的难度远高于单芯片竞争。 (二)异构推理架构的战略布局 Groq3 LPU的引入是英伟达在推理时代最重要的战略布局。这一布局的深层逻辑是:AI推理市场正在分化,而英伟达选择用“异构架构”来同时覆盖分化的两端。 推理工作负载的分化体现在两个极端:一端是“预填充”阶段,需要大规模并行计算来处理长上下文,显卡架构具有优势;另一端是“解码”阶段,对延迟极度敏感,需要确定性的、低延迟的Token生成,传统显卡架构存在“性能冗余”。Groq 3 LPU专为后一极端设计,与Rubin 显卡形成分工。 这一战略的竞争含义是:英伟达试图在推理市场建立“全谱系覆盖”——从最高吞吐量的预填充到最低延迟的解码,客户无需在多个供应商之间选择,即可获得最优的推理性能。这对于正在大规模部署推理服务的云厂商和AI公司具有强烈吸引力。 (三)NVLink Fusion:将互联标准“生态化” NVLink Fusion是英伟达一项具有深远战略意义的举措。通过向第三方芯片厂商开放NVLink互联技术,英伟达试图将NVLink从“专有技术”转变为“异构算力集群的通用互联层”。 这一策略的逻辑与高通在移动通信领域的“专利授权”模式有相似之处:即使客户使用其他厂商的芯片,只要他们需要高性能互联,英伟达仍能通过NVLink交换机和相关网络设备捕获价值。云阿云智库指出,英伟达投资联发科以协助定制化XPU客户加强与现有英伟达基础设施互通,并在此前投资Marvell时将NVLink Fusion纳入合作项目。 从算力资产管理的角度看,NVLink Fusion的“生态化”策略创造了一种新的资产价值捕获机制:即使英伟达的显卡市场份额下降,其互联技术的“标准地位”仍能保证其在算力基础设施中的核心地位。 (四)展望:从“卖铲子”到“经营矿场”的边界 英伟达的未来战略面临一个根本性的边界选择:是继续做“卖铲子的人”,还是向“经营矿场”延伸? 当前,英伟达的商业模式仍然是“卖铲子”——销售AI算力设备,不直接参与AI服务的运营。但与贝莱德、黑石等六大资管机构合作搭建算力基础设施融资平台、长期目标动员5000亿美元第三方资本的战略举措,暗示了向“经营矿场”延伸的可能性。 如果英伟达进一步向算力运营领域延伸——例如,通过SPV持有算力资产并收取租赁收入——它将从“设备供应商”转变为“算力资产运营商”。这一转变的资产含义是:英伟达的商业模式将从“一次性设备销售”转向“持续性现金流产生”,其估值逻辑将从“硬件公司的市盈率”转向“基础设施公司的现金流折现”。 然而,这一转型也面临显著的风险。利益冲突是最直接的问题:如果英伟达同时销售算力设备和运营算力服务,其云厂商客户可能视其为直接竞争对手,从而加速自研芯片的替代进程。资本效率是另一个考量:设备销售模式的资本回报率远高于资产运营模式,向运营延伸可能拉低英伟达的整体资本效率。 在2026年的时点上,英伟达的战略方向已经清晰,但最终的边界选择尚未确定。这一选择将决定英伟达是成为“AI时代的英特尔”——一个定义行业标准的芯片巨头,还是成为“AI时代的爱迪生”——一个同时掌控技术和基础设施的垄断性力量。 |
|||
![]() |
|||
|
|
|
云阿云智库●区域经济研究院 |
|
北京市平谷区中关村科技园区平谷园1区-21594(集群注册) |
|
| 13360021949 (李博士) | |
liguisong2006@163.com |
|