最强业绩下市值蒸发万亿，全球最贵公司怎么了？

作者 | 豹变 张经纬

英伟达正遭遇冰火两重天。

近期这家市值超4万亿美元的芯片巨头，交出了一份堪称"炸裂"的财报：第四季度营收681亿美元，超市场预期（657亿美元），同比增长73%。

"超预期"的财报在资本市场并没有砸出更多水花。当日收盘，英伟达股价仅微涨1.4%，与纳斯达克大盘涨幅基本持平；第二天更是直接下跌5.5%，市值蒸发近2600亿美元（超1.5万亿人民币）。这背后是投资人对英伟达算力护城河收窄的担忧。

仅仅三周前，同样戏剧性的状况上演：先是一则"英伟达可能搁置投资Open AI"的传闻，让其股价在三天内下跌约9%；而2月6日，英伟达创始人黄仁勋穿着标志性的皮衣出现在CNBC镜头前，用一句"AI基建还有七到八年的路要走"，又让股价单日反弹近8%。

数字败给传闻，财报输给叙事。当这家全球最大上市公司的股价不再由营收和利润驱动，这意味着什么？是投资者在反复出现的市场奇迹下把"超预期"当作常态？还是英伟达这个GPU帝国，遭遇了某种瓶颈？

要回答这个问题，我们需要先知道它是如何走到今天的。

1、风口上卖算力卖出万亿市值的"赌徒"

近十年英伟达一共经历过三波股市行情。

2016年到2018年、2019年到2022年，和2022年底至今，分别对应AI概念+加密货币潮、数据中心转型和AI大模型的算力需求暴涨。行情背后是算力硬件的相对稀缺。

但在大行情之间，也有两次股价的剧烈下跌，分别是2018加密货币崩盘和2022年的宏观经济低迷，但低迷随后就是更大的风口。

当业绩跌向谷底时，凭借"梭哈"在新的机遇下起飞，这样的故事充斥了英伟达的创业史。

创业早期，在前代产品出师不利的状况下，黄仁勋押上全部身家开发RIVA 128，状况最差时账上仅剩300万美元，只够运营公司9个月。1997年4月新产品横空出世，当季公司扭亏为盈。这场"要么完美要么死"的豪赌，奠定了其游戏图形芯片（即后来的GPU，独立于CPU专门用于图形生成的处理器）的霸主地位。

故事如果在这里结束，英伟达最多也只能算是游戏行业的"隐形冠军"，而且在个人电脑市场的长期萎缩下注定翻不出什么水花。

但加密货币与AI热潮又来了，恰好GPU在此之前已被应用于非图形计算领域。依托英伟达长期投入打造的、一套成熟的并行计算架构——CUDA平台，GPU得以在超高速计算和模拟实验中大显身手。随后，业界进一步发现，这一架构同样适用于AI算法训练和加密货币生产，两波浪潮就此交汇。

凭借"敢赌"和高效，英伟达牢牢把握住了不断增长的算力需求。

当华尔街将CUDA生态估值为"零"时，黄仁勋坚持"加速计算是未来"，持续烧钱十年搭建CUDA开发者生态；2012年，GPU训练出来的AlexNet在深度学习比赛中大放异彩，让英伟达更是直接All-in，促使硬件全面与CUDA兼容，并开发适配的软件库；当加密货币的矿潮来袭时，公司迅速推出专用矿卡CMP系列并动态调价。

这让英伟达在新兴的数据中心市场获得绝对地位，偶然的"副产品"（加密货币、AI训练）成为公司最核心的商业支柱。

"赢"和"梭哈"也总是出现在创始人黄仁勋自己的故事中。黄仁勋曾是优秀的乒乓球手，15岁拿过美国公开赛双打第三名。年幼时从事体育活动培育了他对赢的渴望：下国际象棋输给下属他会愤怒地推倒棋子，然后拉着对方打他擅长的乒乓球，赢到他满意为止。

可能正是这种个性让他十分欣赏那个全世界最会"赢"的男人。黄仁勋曾称，美国拥有其他国家无可比拟的独特优势，那就是总统特朗普。

问题在于，真的有人能一直梭哈一直赢吗？

2、收窄的护城河与心态的变化

英伟近一半数据中心收入来自大模型训练，但训练的需求不是无限的，ROI（产出/投入之比）也在降低。

训练后的基础大模型性能差异正变得越来越小。斯坦福人工智能研究所的报告显示，顶尖与第十名基础模型的性能差距从2023年的11.9%急剧收窄至2024年的5.4%，传统"堆数据、堆参数、堆算力"的边际效益正在快速递减。

这意味着今后模型性能的提升不在预训练（Pre-training），而在后训练（Post-training）与推理扩展（Test-time Compute），目前英伟达GPU的推理负载已超过训练。

训练是一次性资本开支（CapEx），客户为缩短时间愿意支付溢价；推理是持续性运营开支（OpEx）且成本翻倍，客户对每token成本极度敏感。同时推理也有AWS Trainium、Google TPU等多种选择。

这意味着英伟达的定价权被稀释，今后的竞争力关键在于GPU+CUDA能否保持性价比。

一位关注科技行业的投资人士表示，GPU的优势在于免费使用的CUDA平台，里面积累了足够的代码，算下来买GPU比买谷歌的TPU便宜，因为TPU需要额外花费人力调试，而欧美的人力成本太高了。但随着近期美国失业率的提高和竞品的成熟，这个优势有瓦解的风险。Counterpoint预测，2028年谷歌/微软/亚马逊的ASIC芯片出货量将超过英伟达的GPU。

这背后的另一重风险在下游。硬件竞争的加剧解释了"英伟达不投资Open AI"传闻引起的担忧：算力提供者需要与Open AI这样"算力裸奔"的AI厂商绑定。但Open AI可能是另一尊"泥菩萨"：当谷歌可以把Gemini塞进安卓、搜索引擎和Workspace，而Open AI只有ChatGPT时，它就很难成为新时代AI应用大战的胜利者。

英伟达自己的行动也佐证了焦虑的存在，它开始在光模块上找利润了。

从2025年开始，英伟达在售卖云服务器上力推CPO（共封装光学）技术，把光模块和交换机芯片封装在一起，本质上是为了让服务器、交换机和光模块不可分割，而英伟达的光模块完全来自采购。这背后的算盘是：想用我的高性能网络，就要接受我赚光模块的差价。

这种锱铢必较与黄仁勋之前所鼓吹的"粗糙的公平"（即达成交易第一位，不求短期占便宜只求长期共赢）背道而驰，某种程度上反映了企业从长期技术自信到追求短期利益最大化的心态变化。

3、新叙事在哪？

除了从固有的业务疆土中榨取利润，英伟达也在积极寻找新的机会，比如因国际关系销售困难的中国市场。英伟达积极推动美国政府批准向中国销售H200芯片，1月13日特朗普政府公布新的批准政策。

尽管H200芯片获得了出口中国的许可，但英伟达需将销售收入的25%上缴美国政府，并且接受一些附加条件约束。

同时，他的财务团队早已为H20芯片（针对中国的阉割版芯片）计提了45亿美元的库存减值，并在最新财报中坦言"业绩展望中未计入任何来自中国的数据中心计算收入。

另一个机会来自生物医药研发。2022年，英伟达推出BioNeMo开源框架，将其定位为"数字生物学的CUDA"。2026年1月，英伟达进一步加码，与制药巨头礼来宣布成立联合创新实验室，双方将在未来五年内共同投入高达10亿美元，这是AI制药领域最大规模的基础设施合作之一。

具体来说，英伟达正在推动GPU在生成式分子设计、蛋白质工程、临床前毒性预测等替代传统实验的应用。但生物医药的未来故事，更像是资本故事中的标准逃生舱，但远水终究解不了近渴。

能解近渴的是，让英伟达持续像过去一样提供性能最佳的芯片。2月份黄仁勋透露，会在3月15日GTC 2026大会上展示"前所未见"的芯片。

也有相关人士猜测，他会同时公布"GPU+ASIC"的方案，让对垒双方拉开三八线，共享市场增长的成果，用来应对势头正盛的谷歌全家桶。英伟达不可能会迅速崩塌，它仍将继续在数据中心市场占据一席之地。但它凭借通用GPU几乎垄断整个AI时代红利的故事，可能不会重演。

当AI从"大力出奇迹"的训练竞赛转向精打细算的推理部署，AI矿藏的挖掘不再依赖单一厂商的工具，英伟达靠着卖铲子，躺着赚钱的日子也就快结束了。