卖完芯片再卖软件服务！黄仁勋算盘打得响，英伟达又要大赚特赚？

在日前举办的柏林GTC大会上，NVIDIA CEO黄仁勋披露了AI软件付费授权思路：英伟达为其芯片运行Agent提供的相关软件，可采用按GPU数量计费的授权模式，给出的参考定价示例为每块GPU每年约2000美元，折合人民币约1.35万元。需要注意的是，该方案尚未正式公布，可能会根据GPU型号和服务项目调整价格。

前段时间，黄仁勋在BG2播客节目中就曾表示，总有一天，人们可能不再将NVIDIA归类为芯片公司。的确，作为GPU领域的领导者，近年来NVIDIA一直在尝试开拓其他业务，包括汽车、电信、医疗保健、生命科学等前沿领域。

不过企业购买NVIDIA的GPU，需要支付费用，使用AI软件服务，又要支付一次费用，未免有“一鱼两吃”的嫌疑。

卖GPU不如卖服务，NVIDIA要赚长期的钱

事实上，这不是NVIDIA第一次通过AI软件服务赚钱。2021年NVIDIA就推出了面向生产环境的企业级AI软件订阅服务AI Enterprise，价格高达每块GPU每年4500美元（约合人民币3万元）。

不同的是，AI Enterprise针对企业AI模型部署与运维场景，支持vGPU计算虚拟化、完整Run:ai集群调度、Omniverse、全套RAPIDS，核心服务包括NIM微服务、NeMo框架、企业AI平台等，可帮助企业把预训练模型、检索增强、模型编排等能力部署进生产环境。

（图源：NVIDIA）

新的AI软件订阅服务面向Agentic AI，以长时间运行智能体、带工具调用的生产推理为核心，可以让AI智能体在算力集群上安全地调用工具、读取数据、自动执行任务，为AI工厂中的计算设备提供运行AI大模型代理所需的软件、管理工具和配套能力。

雷科技（ID：Leitech）认为，NVIDIA在AI Enterprise之后推出新的AI软件订阅服务，目的是把软件收入拆成硬件捆绑层、企业平台层、智能体软件层等多个层级，一层层往上收费。

需要注意的是，每块GPU每年2000美元只是现阶段的定价，不代表最终定价，新服务的软件范围、授权期限和服务内容，以及与AI Enterprise存在多少差别也尚未可知。

乘着AI时代的东风，NVIDIA市值从2022年底的不足1万亿美元，一路飙升至超过5万亿美元。但NVIDIA也深刻认识到，卖GPU只能赚一锤子的钱，只有卖订阅服务，才能赚长期的钱。

据半导体分析公司TechInsights报道，仅2023年NVIDIA就向数据中心出售了约376万块GPU，伴随着AI产业的迅猛发展，数据中心NVIDIA GPU的保有量早已突破千万级大关。假设有500万块GPU购买了新的AI软件订阅服务，每年可以为NVIDIA提供100亿美元收入。

（图源：豆包AI生成）

作为对比，NVIDIA 2026财年（2025年2月到2026年1月），总营收约为2159亿美元，100亿美元占比已经不少了。而且数据中心NVIDIA GPU的数量仍在高速增长，每一块GPU都有可能为NVIDIA提供每年2000美元收入。

更关键的是，一旦企业的智能体安全、编排、可观测性全部跑在英伟达的软件栈上，若想迁移到AMD芯片及ROCm生态或其他AI芯片平台，不仅要改代码，整套运维、部署链路都要重构。

软件订阅是比芯片本身更强的锁定，它能把客户牢牢地与NVIDIA绑在一起。即便未来AMD、Intel或其他半导体厂商也推出了竞争力较强的GPU，客户也未必愿意付出高昂成本开发并迁移一整套架构。

AI软件服务，给了NVIDIA赚更多钱、赚更长时间钱的路径，但NVIDIA赚到这笔钱的前提是，客户愿意接受新的AI订阅服务。

百万级GPU规模之下，2000美元不是一笔小钱

对于一家AI企业而言，2000美元只是小钱，但GPU规模上来之后，企业每年要向NVIDIA交的“软件税”可就成了一笔大钱。

近期路透社报道称，中国互联网三巨头腾讯、阿里巴巴、字节跳动联合向NVIDIA订购了超过300万块RTX PRO 5500 GPU，主要用于AI推理任务。倘若这批GPU全部购买NVIDIA新的AI软件服务，每年要支出60亿美元，平均一家企业20亿美元（约合人民币133.37亿元）。

即便是在AI领域一年投入数百亿到上千亿的互联网巨头，20亿美元也不算小钱。更别说20亿美元只是这一批新采购显卡的软件订阅成本，算上已购和未来会购买的GPU，NVIDIA的全新AI软件订阅成本会令部分互联网公司都难以接受。

（图源：豆包AI生成）

NVIDIA全新AI软件服务在生态构建这方面，最好的前例是自家的CUDA。在通用GPU加速、AI大模型训练、科学计算（HPC）等领域，基础工具包免费开放的CUDA几乎处于垄断级地位。

然而，CUDA虽存在诸多优势，但其与NVIDIA GPU深度绑定的特性，以及可能出现的高昂迁移成本，导致不少企业依然在尝试摆脱对CUDA的依赖。

今年10月，亚马逊推出的TorchNeuron可以在几乎不修改代码的情况下，把基于PyTorch开发的AI程序运行在亚马逊自研Trainium芯片上。

微软推出自研AI芯片Maia 200，集成了OpenAI开源编译器Triton，双方从软硬两方面降低对NVIDIA CUDA生态的依赖。Google、Meta两大互联网巨头，则联合推出了面向自研张量处理单元（TPU）的原生PyTorch框架TorchTPU。

国内市场同样如此，摩尔线程的MUSIFY工具，能把CUDA代码自动转译成自己的MUSA格式；DeepSeek V4模型发布后，八家国产GPU厂商迅速完成了“Day0”原生适配。

全球头部AI企业深知，鸡蛋不能放在一个篮子里，哪怕CUDA具备高效、完善、免费等诸多优势，企业仍在寻找其他出路。免费的CUDA尚且如此，收费的NVIDIA全新AI软件服务就更不用说了。

（图源：豆包AI生成）

雷科技预测，头部AI企业对于NVIDIA提供的AI服务可能会两极分化，每块GPU每年2000美元的支出会大幅增加成本，要么企业接受成本上涨，要么加速自研替代方案或其他芯片方案和开源软件方案。

坚持自研的头部企业拥有庞大的研发团队，可以自研模型部署层、推理框架，如阿里的自研推理引擎RTP-LLM、阿里云自研部署平台层PAI-EAS和编译优化层BladeDISC等。重视Agent场景且没有很强自研意愿的头部企业，将成为NVIDIA全新AI软件服务的主要客户。

小型企业在本地调试、跑实验、开源原型阶段，CUDA、cuDNN、基础框架依然可享受免费服务，只有对外提供服务、需要官方SLA、长期维护分支、NIM商用部署时，才触发订阅门槛，因而受NVIDIA全新AI软件服务的影响较小。中型企业则可能需要寻找替代品，来规避这笔“软件税”。

英伟达软件收费是好棋，也是险棋

回顾互联网行业多年来的发展，买断制虽然没有消失，但发展趋势明显不如订阅或内购收费方案。AI时代，智能体安全、编排、可观测性的软件价值真实存在，经常性收入、用户粘性、估值重构三重收益，都让NVIDIA无法拒绝推出AI软件服务。

不过NVIDIA全新AI服务必须做到客户觉得“值这个价”才行，否则，客户发现“软件税”难以接受之时，就会寻找其他出路。

CUDA本来的吸引力之一就是开发者友好、免费可用。如果上层生产工具持续付费，会加速开源社区去CUDA化，更多项目优先保证ROCm或其他开源方案兼容。

总的来说，NVIDIA这套AI软件订阅服务，本质上是抓Agent规模化落地、AI工厂爆发这个节点，把CUDA多年积累的生态红利，从一次性卖硬件升级成持续的平台服务费。

短期内，NVIDIA的全新AI服务会增加规模化AI部署企业的成本、加固生态壁垒，中长期会加速全球算力软件栈的分化，国产自主软件生态的必要性和商业价值会进一步凸显。