周末讀物 | 英偉達依然堅挺

來源：遠川科技評論
作者：何律衡

一月的最后一個周六，一篇名為《The Short Case for Nvidia Stock》的博客文章在深夜發佈，24小時內閲讀量迅速突破50萬。

作者Jeffrey Emanuel在投資圈不算出名，文章也不是今年第一篇看空 $英偉達 (NVDA.US)$ 的報告，甚至很多觀點也談不上新穎。但它是第一篇將DeepSeek的技術細節與英偉達估值聯繫起來的報告。

Jeffrey Emanuel既搞投資也懂AI，先是詳細羅列了英偉達的「四大危機」，接着用英雄惜英雄的口吻對DeepSeek不吝讚美，儼然外星科技。

報告發布后的第一個工作日，英偉達跌沒了6個英特爾，打破了由自己去年9月創下的美股單日市值蒸發記錄（2790億美元），網上隨即流傳出一封很像DeepSeek生成的「黃仁勛內部信」。

MarketWatch稱該報告將成為「史上最成功的做空報告之一」，搖旗吶喊的大鱷包括「新四大股神」之一的Chamath Palihapitiya，以及看熱鬧不嫌事大的Altman的前同事Jared Friedman。

DeepSeek並不是英偉達的競爭者，反而是大客户。但它的橫空出世像一顆光芒耀眼的信號彈：是時候跟英偉達算算總賬了。

在英偉達身上栽過跟頭的投資機構迅速團結起來，共同醖釀了一場價值5890億美元的「1·27慘案」。

讓子彈飛

二月第一天，方舟基金掌舵者Cathie Wood「木頭姐」做客彭博電臺，主持人開場提問零幀起手：你什麼時候抄底英偉達？

木頭姐的回答非常冷靜：再看看。

木頭姐是業內最早看多英偉達的分析師之一，也是賣飛英偉達的第一批烈士。

方舟基金在2016年就開始大量持有英偉達股票，但相比對$特斯拉 (TSLA.US)$的專情，木頭姐只陪英偉達走了一小段路，在2022年末大量賣出，理由是價不配位。

按照木頭姐的理論框架，賣GPU的英偉達和當年的$思科 (CSCO.US)$沒什麼兩樣，都定位於新技術的基礎設施，那麼基建完成意味着利好出盡。

同時，木頭姐認為人工智能時代，每一美元的硬件支出能換回8-21美元的軟件收入，投資下游軟件回報率更高，因此投資者要見好就收。木頭姐本人也知行合一，早早算出了撤退的良辰吉日。

方舟賣出英偉達時，后者股價累計上漲了接近80%，但架不住后面又狂漲了800%，Business Insider給木頭姐算了一筆賬——整整少賺了12億美元。

到去年年中，方舟基金賬上只剩下2.6萬股英偉達股票，木頭姐借反思覆盤，又吹了一波自己心愛的特斯拉：

「如果早知道市場會獎勵英偉達和其他科技六巨頭（Meg 6），但不包括AI的主要受益者——全球最大的AI項目特斯拉，那麼我們就會持有它（英偉達）。」

此番大仇得報的還有估值大師達摩達蘭（Aswath Damodaran），達摩達蘭理論知識過硬，但實操環節吃了不少迴旋鏢，其中就包括錯判特斯拉和英偉達。

2023年中，達摩達蘭一口氣減持了一半的英偉達股票，附帶一份讓文科生頭皮發麻的估值報告，給出了較當時409美元的股價幾乎腰斬的目標價，理由英偉達的市場地位與估值明顯背離。

2024年，達摩達蘭繼續減持1/4的英偉達股票，同時大砍目標價至87美元（當時股價106美元）。「1·27慘劇」發生后，達摩達蘭趕盡殺絕，將目標價進一步殺到78美元。

但在牆倒眾人推的氛圍下，分歧仍在滋生。

機構攜手退場的1月27日，散户淨買入英偉達股票達到創紀錄的5.62億美元，嚇得野村證券分析師直言，這輩子沒見過這麼誇張的交易失衡。

隨着恐慌情緒的稀釋，這種分歧還蔓延到了機構內部。摩根士丹利大中華區分析團隊4日大砍英偉達GB200在2025年出貨量（3萬-3.5萬下調至2萬-2.5萬），隔天北美團隊就重申英偉達仍是買入首選，直言當下的拋售是買入機會。

也就是説，DeepSeek的出現並沒有改變英偉達的估值邏輯，但放大了資本市場對英偉達的看法分歧。

打開的魔盒

在接受彭博採訪時，木頭姐給「抄底英偉達」的時機明確了兩個考察指標：一是推理芯片市場的增量，二是英偉達在推理端是否具有統治力。

這也是資本市場針對英偉達長期博弈的焦點之一，並隨着DeepSeek的出現而放大。

簡單來説，大模型可以劃分爲訓練和推理兩個階段，前者的目標是通過向模型輸入大量數據，優化調參，得到一個可用的模型，后者是利用訓練好的模型來解決實際問題。

以自動駕駛為例，算法要先在數據中心被訓練，然后在汽車上「推理」，實現自動駕駛功能。

訓練端遵循着明確的scaling law路徑、以算力堆疊迭代進步，推理端與終端捆綁，本應承擔投資回報的重任，卻呈現出「看起來很忙、但不知道在忙什麼」的迷茫。

終端產品要實現推理有兩條路徑，但各有各的難：

一是直接搭載大廠的大模型，但這類大多強調通用性，與終端需求常有不適配的問題，且由於閉源，終端廠商很難自行調試。滿漢全席配挖耳勺，怎麼都吃不痛快。

二是自研模型，但需要付出高昂的訓練成本，像特斯拉這種自己部署數據中心的企業鳳毛麟角。

由於DeepSeek本身開源，下游可以針對性地開發；同時，DeepSeek證明低成本、低算力也可以訓練出功能強大的模型，降低了模型開發的難度和成本。

但推理的路走通了，對英偉達來説卻不一定是好事。

英偉達在訓練場景的優勢非常明顯，模型訓練需要的高精度計算、大顯存、通用性等特點，都是英偉達的傳統優勢項目，市場份額接近90%。按照Nextplatform的分析，DeepSeek的訓練就使用了英偉達的H800 SXM5。

但在推理場景，英偉達稱王的底氣稍顯不足。

嚴格意義上來説，並不存在專門的「訓練芯片」和「推理芯片」，鐵了心用H100搞推理也不是不行，畢竟沒人規定不能開保時捷送外賣。但在實際應用中，兩類芯片的架構往往有較大區別，因此常被視為兩個市場。

比如英偉達的通用性在訓練場景是無可比擬的優勢，但換到任務明確的推理場景，就變成了實用性差、資源浪費的劣勢。

大客户們無言，只是加快了自研。GPU的虔誠信徒谷歌早在AlphaGo與柯潔一戰中就換上了自家的TPU，車端客户們更是在特斯拉FSD的「不良示範」下紛紛叛逃。

Jeffrey Emanuel在報告中給英偉達拉來了兩個競爭對手——主攻推理芯片的Cerebras和Groq，斷言至少能破除當前估值中對英偉達未來2-3年增長的高預期的幻覺。

較之訓練芯片市場，推理芯片依然是羣雄逐鹿的曠野，英偉達沒贏，但也不代表輸了。

堅固的壁壘

對英偉達未來業務情況的判斷，可以簡單粗暴地套用一個公式：營收 = AI芯片市場規模 X 市場份額，由此拆解為兩個維度的討論。

第一個維度的判斷，構成了達摩達蘭進一步下砍英偉達目標價的最大依據。

在他看來，DeepSeek的出現會導致對科技公司對AI硬件的投資變得更加謹慎[6]，因此AI芯片市場規模的預估從去年9月的5000億美元，極速縮水至最新報告的3000億美元。

這也符合一種朴素的邏輯：能用更便宜的價格買到相同功能的產品，誰還會去買高價貨呢？

但這一預判被光速打臉。DeepSeek出現恰逢美國科技公司財報季，按照 $谷歌-C (GOOG.US)$ 、$微軟 (MSFT.US)$、$亞馬遜 (AMZN.US)$、 $Meta Platforms (META.US)$ 最新公開的2025年資本開支，四巨頭在AI和數據中心上的投資合計將達到3200億美元，比2024年還多了900億美元。

谷歌在財報電話會上表示，雲計算業務增長放緩主要還是因為投資不夠，后面還得繼續花錢。

達摩達蘭的判斷忽視了一個更宏觀的影響：技術門檻下降也會推動市場整體規模的擴大。LED燈耗電量僅為白熾燈的1/10，但在LED燈普及的過程中，技術降本推動需求擴容，用於照明的電力消耗總量反而在增加。

大模型商業化的一個難題是價格與服務不匹配，DeepSeek讓產業看到了彌合兩者縫隙的可能，最終帶來的結果大概率是終端消費意願提升，那麼對算力和AI芯片的整體需求可能還會增長。

另一方面，英偉達的通用性與推理場景似乎並不適配，但帶來了無可比擬的成本優勢。

黃仁勛在多個公開場合解釋過英偉達的最大優勢——即相同算力下的「最低持有成本」，也就是説，綜合芯片單價和運行成本，英偉達GPU提供的每TOPS算力是最便宜的。所以英偉達的芯片越賣越貴，但單位成本越來越便宜。

被Jeffrey Emanuel拿來拉踩英偉達的Groq，其芯片採用了與GPU不同的LPU計算核心，號稱推理速度比英偉達GPU「快10倍」，價格卻是后者的1/10。然而，計算持有成本並不僅僅考量芯片的購買成本。

賈揚清曾給Groq算了一筆賬：由於Groq卡內存僅為230MB，要運行自家LLaMA 70b模型得購買572張，加上電費，三年運行成本高達1220.2萬美元。但用H100只需要8張，而且電費只是前者的1/10，總運行成本僅為37.2萬美元。

GPU算力的提升常被冠以「暴力」，也掩蓋了英偉達在系統構建上的精打細算。

英偉達的芯片產品線里，不僅內存大小精心設計，還在通過NVLink等連接技術在GPU間數據傳輸速率上做文章，保證即使單顆算力不是最強，也能讓「1+1」的實際算力碾壓對手。

事實上，Jeffrey Emanuel在報告中列舉的英偉達「四大危機」，多少有點老生常談：

比如Cerebras、Groq這些芯片公司一直被冠以「英偉達殺手」，但實際戰績的説服力並不強；CUDA的競爭對手和大廠自研芯片同樣是舊話重提；英偉達的GPU的確依賴$臺積電 (TSM.US)$的生產能力，但Jeffrey Emanuel開出的藥方是，「有能力挖到英偉達的芯片設計師」。

至於DeepSeek的衝擊，木頭姐在彭博的訪談中也提到了自己的看法。他認為在DeepSeek出現前，帶領AI產業成本下降的反而是英偉達自己：

在英偉達帶領下，AI訓練成本每年降75%，推理成本每年降85-90%。DeepSeek只是讓這個降價的速度更快了。

而鑑於賣飛過特斯拉和英偉達的經歷，達摩達蘭在報告中一邊調低英偉達的目標價，一邊反覆給自己疊甲：「我對AI架構和機制的瞭解很淺顯」、「我可能是錯的」……

英偉達的諸多「危機」都有一個沒辦法忽視的前提：從長遠來看。即英偉達的危機論多基於長期假設，但短期市場依然更關注其不可替代性。

這兩種説法都沒錯，但就像凱恩斯迴應自己的批評者時説的那樣：從長遠來看，我們都死了(In the long run, we are all dead)。

編輯/rice