融资信息
专题
链上生态
词条
播客
活动
财报之外，英伟达真正的风险与机会
原文标题：Some thoughts ahead of Nvidia tonight
原文作者：@GavinSBaker
编译：Peggy，BlockBeats
编者按：在英伟达财报发布后，市场的焦点往往集中在营收、利润与指引区间。但本文作者 @GavinSBaker 试图将讨论拉回更长期的维度：决定英伟达价值的，不是单季数据，而是 AI 需求能持续多久，以及算力投资是否真正创造了可持续的回报。
文章从技术周期的历史经验出发，讨论「泡沫与过度建设」是否会重演，同时指出本轮 AI 周期存在电力与晶圆供给瓶颈，可能使扩张节奏更为克制。另一方面，GPU 租赁价格与旧型号芯片的高利用率，也为「AI ROI」提供了现实验证。
以下为原文：
以下是一些个人观察，或许对关注英伟达的人有所参考。在我看来，围绕这家公司，真正值得讨论的只有两个核心变量：一是需求的持续性，二是 AI 的投资回报率（ROI），而后者又与 GPU 的有效使用寿命密切相关。
需求的持续性：历史是否会重演？
从技术浪潮的历史经验来看，几乎所有类似周期都经历过金融泡沫与产能过度扩张。Carlota Perez 在《Technological Revolutions and Financial Capital》中对此有系统论述。她指出，每一次技术革命，无论是铁路、广播还是互联网，金融市场都会较早识别其长期潜力，而随之而来的资本狂热则往往催生泡沫（这也可以用 Mauboussin 所说的「观点多样性崩塌」来解释）。泡沫带来过度建设，过度建设引发阶段性需求回落，进而导致市场崩盘；而基础技术的供给过剩，最终又为「黄金时代」奠定基础。互联网的发展轨迹便是典型案例。
因此，对英伟达而言，关键并不在于本季度的业绩，或下季度的指引，这些往往已被买方机构充分预期。真正重要的是每股收益（EPS）的可持续性，而非当年的增长斜率。
从当前估值隐含的预期来看，市场更像是在表达一种判断：英伟达盈利或正接近阶段性高点，背后隐含的是对资本开支过度扩张的担忧。需要强调的是，市场担忧的并非「估值泡沫」，而是「基本面泡沫」，即由 capex 驱动的潜在过度建设风险。如果市场能够对英伟达在 2027 财年之后维持高个位数收入复合增长率（CAGR）建立信心，估值中枢或将获得支撑。
这一次是否真的不同？
「这一次不同」往往是危险的判断。但本轮 AI 周期确实存在不同之处：全球在电力（watts）与先进制程晶圆（wafers）两个关键维度上都存在实质性瓶颈，而这些约束的缓解可能需要数年时间。
这种供给侧的硬约束，或许反而抑制了产能过度扩张。超大规模云厂商如果条件允许，理论上会继续加码扩张，但现实是电力与晶圆限制了其扩张节奏。与 Perez 书中所描述的历史技术革命不同，当时并不存在类似的供给瓶颈来限制部署速度。
没有过度建设，崩盘就难以发生，尤其是在当前科技股整体估值并未处于极端高位的情况下。
在这两个瓶颈中，晶圆可能比电力更关键。晶圆产能的节奏控制，可能成为拉长 AI 周期的重要变量。台积电的管理层向来以审慎著称，他们更强调产业稳态与长期价值，而非短期激进扩张。如果没有电力与晶圆的约束，英伟达未来 24 个月的增长或许会更快，但随之而来的过度建设风险也将显著上升。
某种意义上，供给约束可能正在为整个 AI 周期「降速稳态」。AI 对先进制程晶圆的高度依赖，反而可能成为本轮周期避免剧烈波动的关键因素。
如果要实现部分极端假设情景，算力规模可能需要提升至当前的数百甚至上千倍。而这一扩张所需的时间，本身就为社会调整与制度适配提供了缓冲。
历史经验同样提供了参照：詹姆斯·瓦特发明旋转式蒸汽机之后，铁路系统真正取代马匹经历了数十年时间。AI 的迭代速度或许更快，但仍不至于在极短时间内完成社会结构重构。
更重要的是，人类实现「通用智能」仅需 20–30 瓦功率。在一个电力受限的世界中，这种效率优势将长期存在。因此，一个更平滑、更持久的 AI 周期，对社会本身未必是坏事。
GPU 使用寿命与 AI 的真实 ROI
GPU 的租赁价格，本质上反映的是 token 的经济价值，也是「AI ROI」的核心指标。理论上，随着更高性能芯片持续推出，旧型号 GPU 的租赁价格应逐步回落，即便 AI 投资回报率为正。
然而，过去两个月，服役近四年的 H100 租赁价格却出现显著上涨。这意味着，尤其是在 agentic AI 与代码生成场景下，算力正在创造真实且可观的经济价值。
与此同时，即便 Blackwell 推出，6 年前的 A100 依然保持高利用率，租赁价格未出现明显松动。这强烈暗示 GPU 的有效使用寿命可能至少在 6 年以上，甚至超过多数客户的折旧周期。
这带来的影响是结构性的：如果残值高于此前预期，GPU 的融资成本将进一步下降。相比之下，针对单一模型或特定用途定制的 ASIC，很难拥有类似的生命周期优势。在快速迭代环境下，专业化芯片的资本成本更高，融资难度更大。
某种程度上，通用性是 GPU 的护城河。随着 prefill 与 decode 的功能拆分，以及配套芯片体系逐渐成型，算力架构正在从「单芯片逻辑」演进为「多芯片协同体系」。AI 基础设施已不再依赖单一器件，而是一整套高度耦合的系统工程。
随着 prefill 与 decode 的解耦，英伟达生态可能比 TPU 生态更早完成结构调整。叠加不同厂商在设计路线上的取舍差异，客户在推理成本端的相对优势正在发生变化。
如果部分厂商此前依赖成本优势压低 token 价格以争夺市场份额，那么当这种优势减弱，市场行为将趋于理性。长期而言，这将对 AI ROI 构成正面影响，尤其是在算力需求从训练向推理过渡的阶段。
这一转折，或许比任何季度业绩更值得关注。
最后一个轻松的愿望：希望英伟达未来能重新启用超级英雄作为芯片代号。令人惊讶的是，「绿色阵营」至今未曾使用过「Banner（漫威角色绿巨人的本名）」这个名字。
[原文链接]
欢迎加入律动 BlockBeats 官方社群：
Telegram 订阅群：https://t.me/theblockbeats
Telegram 交流群：https://t.me/BlockBeats_App
Twitter 官方账号：https://twitter.com/BlockBeatsAsia
这篇文章的核心观点非常深刻，它跳出了市场对英伟达单季度财报数据的短期纠结，直指决定其长期价值的两个根本性命题：AI需求的持续性，以及AI投资的真实回报率（ROI）。这是一个从业者会非常认同的视角。
关于需求持续性，文章引入了技术周期理论，尤其是Carlota Perez的框架，这非常关键。历史上，从铁路到互联网，每一次重大技术革新都伴随着金融资本催生的狂热、过度投资、泡沫破裂，最终才进入真正的黄金发展期。市场目前对英伟达的担忧，本质上不是怕它贵，而是怕整个AI基础设施的资本开支（Capex）出现“基本面泡沫”，即过度建设导致未来需求无法消化供给，从而引发业绩的断崖式下跌。
但文章也指出了一个可能“这次不一样”的关键变量：供给侧存在硬约束。电力（Watts）和先进制程晶圆（Wafers）的瓶颈不是靠金融资本狂热就能在短期内解决的，这需要数年的时间和巨大的实体投入。特别是晶圆产能，掌握在台积电这样以审慎和长期主义著称的巨头手中。这种约束反而可能成为AI周期的“稳定器”，它强行拉长了扩张周期，避免了历史上因无限制扩张而导致的瞬间崩溃。这相当于给社会和经济留出了适应和消化AI技术的时间窗口，使得本轮周期可能走向一个更平滑、更持久的路径，而非剧烈的暴涨暴跌。
关于AI的ROI，文章提供了两个非常务实的观察指标，这比任何理论推演都更有说服力。一是旧型号GPU（如H100甚至A100）的租赁价格不降反升或保持坚挺。这在技术快速迭代的硬件领域是反直觉的。它强烈暗示了两点：首先，市场对算力的需求极其旺盛且真实，因为旧的算力依然能产生可观的经济价值（尤其是在代理AI和代码生成等场景）；其次，GPU的有效使用寿命可能远超市场预期（6年以上）。这意味着折旧成本被摊薄，整个算力投资的财务模型变得更加健康，ROI周期拉长，投资回报更有保障。
这与定制化ASIC芯片形成了鲜明对比。GPU的通用性构成了其强大的护城河，使其能适应快速演进的AI模型需求，而专用芯片则面临技术迭代即被废弃的风险。此外，算力架构正从单一芯片转向由不同芯片协同工作的系统级工程（如prefill与decode解耦），这进一步强化了英伟达在构建完整生态上的优势。
最后，文章提及的从训练转向推理的成本结构变化，是下一个至关重要的观察点。推理才是AI产生持续商业价值的阶段，推理端的成本优化和竞争格局将直接决定最终AI应用的ROI，从而反过来影响对底层算力需求的强度和持续性。
总而言之，这篇文章的论述表明，英伟达的价值不在于下一个季度的数据，而在于它是否处在一个健康、可持续的技术-商业周期之中。当前的物理瓶颈和GPU所展现出的强劲经济价值，或许正在为这个周期奠定一个比过去历次技术革命更坚实的基础。
0