英偉達(dá)之路：四次進化與AI未來

文：澤平宏觀團隊

摘要

“抓住風(fēng)口”并非簡單的運氣，而是技術(shù)在長期積累后達(dá)到奇點，并與市場需求爆發(fā)形成的共振。英偉達(dá)完美詮釋了這一規(guī)律。自ChatGPT問世后，其股價上漲10倍以上。

在人工智能的數(shù)千家企業(yè)中，英偉達(dá)之所以能一騎絕塵，源于其在早期逆境中形成的深刻憂患意識、扁平化的高效管理文化，以及通過全棧模式形成的強大市場心智。這使其在AI時代的浪潮中歷經(jīng)四次關(guān)鍵進化，牢牢抓住了機遇。

第一次進化始于2008年金融危機，在巨大的經(jīng)營壓力和質(zhì)疑下，力排眾議投入研發(fā)CUDA。這構(gòu)建了英偉達(dá)最核心的護城河，為其日后成為AI生態(tài)基石奠定了基礎(chǔ)。

第二次進化以2012年AlexNet模型的成功為標(biāo)志，英偉達(dá)敏銳地捕捉到GPU在AI訓(xùn)練中的巨大潛力，果斷“All in AI”。

第三次進化由2022年ChatGPT的發(fā)布引爆，大模型領(lǐng)域的算力需求呈指數(shù)級增長，英偉達(dá)成為這場“算力軍備競賽”中獨家的“賣鏟人”。

第四次進化發(fā)生在2025年初，DeepSeek等低成本、高效率AI模型的出現(xiàn)一度引發(fā)市場對英偉達(dá)邏輯的質(zhì)疑。然而，訓(xùn)練成本的降低反而促進了AI的普及和部署，最終擴大了對算力的總需求。

解讀英偉達(dá)的崛起之路，是為了尋找大牛股的底層邏輯：唯有那些能參透技術(shù)本質(zhì)、勇于開拓市場、擁抱科技進步的企業(yè)，才能立于浪潮之巔。

在AI時代，中國力量——國產(chǎn)替代與產(chǎn)業(yè)鏈自主化正成為中國市場的核心趨勢。建立獨立自主、安全可控的國產(chǎn)算力體系已成為必然選擇，以華為昇騰等為代表的核心芯片層正在突破，同時帶動了從高規(guī)格晶圓代工到AI服務(wù)器等整個配套產(chǎn)業(yè)鏈的重構(gòu)。未來，具身智能、AI超級應(yīng)用以及由AI賦能的醫(yī)藥等領(lǐng)域科研是潛力最大的三大領(lǐng)域。

目錄

1 為什么是英偉達(dá)？

2 英偉達(dá)的四次進化

2.1 金融危機價值洼地，CUDA技術(shù)穿越周期

2.2 深度學(xué)習(xí)復(fù)興，英偉達(dá)打造AI引擎

2.3 ChatGPT橫空出世，大模型領(lǐng)域需求爆發(fā)

2 . 4 DeepSeek沖擊估值回調(diào)，產(chǎn)業(yè)擴容再創(chuàng)新高

3 AI浪潮：未來十年有哪些機會？

3.1 AI時代的關(guān)鍵能力

3.2 國產(chǎn)替代和產(chǎn)業(yè)鏈自主化潛力

3.3 AI潛力最大的三大領(lǐng)域

正文

1 為什么是英偉達(dá)？

2024年6月18日，英偉達(dá)市值超越微軟成為全球市值最高公司。2025年7月28日，英偉達(dá)成為第一家市值超4.3萬億美元公司，自1999年IPO以來復(fù)合年均增長率超過37%。

英偉達(dá)的成功和人工智能密不可分，但AI產(chǎn)業(yè)上下游企業(yè)千余家，為什么跑出來的是英偉達(dá)？

許多投資者認(rèn)為英偉達(dá)勝在技術(shù)。從技術(shù)的角度看，AI訓(xùn)練投入資源越多效果就會更強，這是大模型發(fā)展的定律Scaling Law（縮放定律），而要支撐起海量的運算就離不開算力。英偉達(dá)恰好是世界上最大的GPU廠家和算力硬件設(shè)備供應(yīng)商。

但另一方面，顯卡并非英偉達(dá)獨有。ChatGPT爆發(fā)后自研算力芯片也成趨勢，特斯拉（Tesla）一直在推進 D1 芯片和 Dojo 超算平臺的研發(fā)， 谷歌的 TPU（張量處理單元）在 AI 訓(xùn)練領(lǐng)域是英偉達(dá)最強勁的競爭對手之一，許多大型模型（包括谷歌自己的 Gemini）都是在 TPU 上訓(xùn)練。

這樣看來，英偉達(dá)的技術(shù)優(yōu)勢只是成功的結(jié)果，但不是成功的核心。英偉達(dá)的成功和一個人的成功一樣，除了技能一流，更關(guān)鍵是具備一些獨特的“品質(zhì)”。

在經(jīng)營哲學(xué)上，英偉達(dá)極為強調(diào)憂患意識。由于險些在30天內(nèi)破產(chǎn)的早期經(jīng)歷，“被對手超越只是瞬息之間”，這樣的意識促使員工無法安于現(xiàn)狀，CEO也不斷自我鞭策和學(xué)習(xí)，避免陷入“創(chuàng)新者窘境”。

在管理上，英偉達(dá)非常扁平化。這確保了員工在自己的工作上有極大的自主權(quán)和獨立性，但同時，CEO又以最嚴(yán)格、最快速、和最高質(zhì)量的標(biāo)準(zhǔn)要求員工，強調(diào)每個人都追求極致，展現(xiàn)出超人的努力和韌性。

英偉達(dá)的市場策略和蘋果相似，重視客戶的心智建設(shè)，采用“全棧”銷售模式，優(yōu)化配套的各方面來提升體驗。英偉達(dá)深知低成本競爭對手是最大威脅，因此從高端旗艦到中低端衍生產(chǎn)品全部覆蓋，防止競爭對手復(fù)刻英偉達(dá)的翻身之路，以“老黃刀法”的精準(zhǔn)定價鎖住市場需求。

英偉達(dá)獨特的經(jīng)營哲學(xué)、管理文化、市場策略將其打造成一艘“堅船”，在時代的浪潮中，英偉達(dá)歷經(jīng)四次進化，牢牢把握住了人工智能革命萬億市場的機遇。

2 英偉達(dá)的四次進化

大多投資者了解到英偉達(dá)這家公司是在2022年ChatGPT興起之初，其股價一路高歌在三年內(nèi)登上三萬億美元。如果將投資視角拉長，站在價值增長的角度看，英偉達(dá)嶄露頭角則可以追溯到2008年，一共經(jīng)歷了四次“進化”。通過復(fù)盤其四大歷史性投資機遇，英偉達(dá)為我們詮釋了價值演變的黃金法則。

2.1 金融危機價值洼地，CUDA技術(shù)穿越周期

2008年11月，英偉達(dá)的投資者迎來了“最黑暗”的時刻，股價跌破6美元，在一年內(nèi)下跌近80%。彼時正值美國次貸危機爆發(fā)，市場處于極度恐慌，英偉達(dá)這類科技股作為高風(fēng)險資產(chǎn)被大量拋售。

對于英偉達(dá)而言，雖然財務(wù)上最艱難的時期已經(jīng)度過，臺積電也與英偉達(dá)聯(lián)手，但還面臨著兩大新的危機。一是美國次貸危機演變?yōu)槿蚪鹑谖C，抑制了消費者對高端電子產(chǎn)品的需求，英偉達(dá)的營收端面臨未知的挑戰(zhàn)。真正讓英偉達(dá)倍感壓力的是一項名為CUDA的新任務(wù)，2007年6月英偉達(dá)發(fā)布第一款CUDA編程模型，隨后投入了大量資源，成本端的壓力增加，三年內(nèi)毛利率下降了10%，大多數(shù)投資者也轉(zhuǎn)向悲觀，股價一路下行。而英偉達(dá)低谷期研發(fā)的CUDA，也正好是今天造就英偉達(dá)帝國最核心的壁壘。

CUDA全稱“統(tǒng)一計算設(shè)備架構(gòu)”，能夠讓GPU進行圖形以外的計算。1999年英偉達(dá)推出了世界上首款GPU（圖形處理器），彼時的CPU（中央處理器）承擔(dān)了復(fù)雜的核心計算任務(wù)，而GPU只用于電腦圖形渲染。

2002年，英偉達(dá)的一位客戶另辟蹊徑，將氣象領(lǐng)域的問題通過編程“翻譯”成GPU可以理解的語言，再用GPU強大的并行計算能力模擬了氣象變化。這便是早期基于GPU的通用計算，采用軟件拓展GPU的能力邊界，讓GPU不再局限于圖形計算，而是可以用于其他復(fù)雜領(lǐng)域的模擬。英偉達(dá)看到了這種嘗試的潛力，并聘用了這位客戶，進一步開發(fā)了讓GPU更容易訪問非圖形應(yīng)用的編程軟件，將其命名為CUDA。

CUDA的出現(xiàn)讓圖形編程之外的領(lǐng)域也能最大程度利用GPU——比如科研、金融、工程領(lǐng)域用GPU高效運算CPU難以獨立完成的任務(wù)，由此GPU具備了解決現(xiàn)實世界問題的潛力。

當(dāng)時英偉達(dá)面臨兩種選擇：

一是讓CUDA聚焦于服務(wù)高端科學(xué)和技術(shù)的工作站，他們的需求是清晰存在的，且價格承受能力也高，CUDA為公司帶來盈利的路徑明朗。

二是讓CUDA對所有人可用，這樣做的風(fēng)險極大，不僅是提供軟件支持的成本會驟增，還有定價過高導(dǎo)致的付費意愿降低、市場需求不清晰等多種因素都可能讓英偉達(dá)血本無歸。

2006年，在GPU計算市場幾乎是零的背景下，CEO黃仁勛確立了“將CUDA技術(shù)推向所有領(lǐng)域，成為基礎(chǔ)性技術(shù)”的方針。推行該計劃的成本巨大。同年11月推出的G80芯片為了支持CUDA功能，研發(fā)成本占到了英偉達(dá)研發(fā)總預(yù)算的1/3，開發(fā)周期比以往芯片多出了三倍，而這還只是一款產(chǎn)品。G80發(fā)布后華爾街幾乎一致認(rèn)為英偉達(dá)誤判了市場，走上了不歸路。

在巨大的壓力下，英偉達(dá)從零開拓起新市場，在時代助力和自身的堅持下完成了CUDA三步走變革。

第一步，英偉達(dá)早期先和高校達(dá)成特定捐贈的合作，提供顯卡和財務(wù)支持來換取學(xué)校支持GPU編程教學(xué)，預(yù)先培養(yǎng)了英偉達(dá)的潛在用戶和未來的開發(fā)者生態(tài)。

第二步，在學(xué)術(shù)界建立起CUDA的灘頭陣地后，英偉達(dá)繼續(xù)推動CUDA在消費市場的普及，老本行——電腦游戲。個人電腦的興起和游戲行業(yè)爆發(fā)讓GPU的通用能力嶄露頭角，從越來越逼真的物理現(xiàn)象、到光影細(xì)節(jié)的表現(xiàn)、復(fù)雜粒子效果等，游戲消費升級的需求和復(fù)雜科研的算法原理不謀而合，CUDA在消費級市場迎來了用武之地。

第三步是2012年的深度學(xué)習(xí)革命，AlexNet團隊用四塊英偉達(dá)GPU訓(xùn)練的AI模型擊敗了16,000塊CPU訓(xùn)練的谷歌貓，轟動學(xué)術(shù)界的同時，也標(biāo)志著歷時三十年的深度學(xué)習(xí)“冰河期”結(jié)束，人工智能研究復(fù)蘇，而英偉達(dá)GPU和CUDA軟件也成了AI工作者的不二之選。

截至今日，CUDA生態(tài)已有超過500萬開發(fā)者，服務(wù)于全球85%以上的數(shù)據(jù)中心，90%的AI框架基于CUDA開發(fā)，95%的AI訓(xùn)練任務(wù)依賴CUDA工具鏈。誕生于20年前的CUDA盡管面臨巨大的市場壓力和投資者質(zhì)疑，但先發(fā)優(yōu)勢讓英偉達(dá)打造了成功的第一印象，用戶黏性快速形成、并呈指數(shù)級增長。開發(fā)者一旦依賴CUDA工具鏈平臺，遷移成本極高，從而形成英偉達(dá)的核心護城河。

2007-2009年的下跌構(gòu)成了英偉達(dá)投資的最佳洼地，但少有投資者抓住這一波機會，一方面是對金融危機的恐慌，另一方面是忽視了這家上市9年卻“業(yè)績平平”的科技公司正在推動的技術(shù)變革。英偉達(dá)在CUDA技術(shù)上的堅持可謂最重要的決策，CUDA不僅是英偉達(dá)的護城河，稱其為AI發(fā)展的生態(tài)基石也不為過。

2.2 深度學(xué)習(xí)復(fù)興，英偉達(dá)打造AI引擎

英偉達(dá)并非“天生贏家”，黃仁勛意識到AI機遇來自一場偶然。1956年達(dá)特茅斯會議首次提出人工智能概念，但在經(jīng)歷短暫的黃金期后發(fā)展陷入停滯。1982年，約翰·霍普菲爾德提出新的深度學(xué)習(xí)網(wǎng)絡(luò)，可以模擬人類的學(xué)習(xí)、記憶和信息處理方式，但卻受限于當(dāng)時的算力條件，AI發(fā)展再次進入冰河期。

直到20年后，深度學(xué)習(xí)和英偉達(dá)走向交集，AI發(fā)展迎來了轉(zhuǎn)折點。2012年，杰弗里·辛頓牽頭訓(xùn)練的AlexNet模型打破了第三屆計算機視覺挑戰(zhàn)賽記錄。挑戰(zhàn)賽規(guī)則很簡單，參賽團隊訓(xùn)練的視覺識別模型要對來自數(shù)據(jù)庫隨機輸入的圖片進行分類。前兩屆的冠軍準(zhǔn)確率不到75%，而AlexNet模型準(zhǔn)確率高達(dá)84%，比第二名“谷歌貓”高出近十個點，后者是實力雄厚的谷歌團隊投入16,000塊CPU訓(xùn)練的大規(guī)模神經(jīng)網(wǎng)絡(luò)，而前者只有三個人和四張英偉達(dá)游戲顯卡。這一顛覆式的結(jié)果震動了AI界，讓沉寂20年的深度學(xué)習(xí)領(lǐng)域逐漸復(fù)蘇。

AlexNet的勝出帶來了三項影響后世的改變：

一是產(chǎn)業(yè)界掀起了人工智能的技術(shù)競賽，AI進入提速發(fā)展期。科技大廠谷歌、微軟、百度、DeepMind圍繞杰弗里·辛頓教授團隊展開競標(biāo)。辛頓加入谷歌，剩下三家也擴大AI研究陣容。辛頓團隊中的一位學(xué)生伊利亞更是成為了后來OpenAI的首席技術(shù)官和ChatGPT的締造者。

二是算力在AI三要素中脫穎而出，GPU成為了算力代名詞。2007年前，深度學(xué)習(xí)普遍認(rèn)為算法越優(yōu)秀結(jié)果越準(zhǔn)確，而李飛飛團隊提出了數(shù)據(jù)集是訓(xùn)練關(guān)鍵，并贊助了計算機視覺挑戰(zhàn)賽。辛頓團隊在此之上驗證了GPU高效運算能讓準(zhǔn)確率再上一個高度，GPU掀起了AI革命浪潮。

三是英偉達(dá)走上“All in AI”，專注于支持AI發(fā)展。AlexNet的成功是英偉達(dá)的最好的商業(yè)宣傳，GPU從此和人工智能訓(xùn)練深度綁定。黃仁勛和辛頓團隊多次交談后認(rèn)為GPU驅(qū)動深度學(xué)習(xí)的潛力巨大，雖然多位核心高管認(rèn)為AI前景不明、反對大力投入，但黃仁勛力排眾議，促成英偉達(dá)轉(zhuǎn)向全面支持AI研究。

股價方面，英偉達(dá)在AI領(lǐng)域的先登也被一些投資者敏銳地捕捉到，2012～2015年底英偉達(dá)股價從14.3美元到33美元，復(fù)合年均增長率達(dá)到24.18%，同期標(biāo)普500回報率是12.84%，納斯達(dá)克綜指是17.8%。三年翻倍的股價在美股并不算是大新聞，許多投資者會就此滿足，畢竟AlexNet的影響力還只是在AI圈內(nèi)，英偉達(dá)的真正潛力還未被市場發(fā)掘。

2016年3月，AlphaGo以4:1的成績擊敗李世石，標(biāo)志著人類最后的棋類運動被AI攻克。對于許多人而言，這也是AI首次進入大眾視野。AlphaGo由谷歌旗下的DeepMind團隊開發(fā)，是深度學(xué)習(xí)復(fù)蘇后的劃時代產(chǎn)物。此前，IBM的“深藍(lán)”超級計算機在1997年擊敗國際象棋冠軍，其算力相當(dāng)于每秒110億次的計算能力，而AlphaGo的算力是前者的三萬倍，達(dá)到每秒3.386千萬億次。賦予AlphaGo跨時代算力的正是280塊英偉達(dá)GPU。

深度學(xué)習(xí)訓(xùn)練幾乎完全依賴GPU，再加上CUDA生態(tài)和硬件性能的極高壁壘，英偉達(dá)成為毋庸置疑的AI算力領(lǐng)導(dǎo)者。人工智能前景明朗、加密貨幣的興起、游戲市場的繁榮，三重利好因素使得英偉達(dá)股價在2016年迎來了首次大爆發(fā)。從1月的33美元漲到292美元僅用時兩年半，即便2018年10月加密貨幣泡沫破滅，英偉達(dá)新款顯卡的定價過高導(dǎo)致股價回調(diào)，結(jié)果看，投資英偉達(dá)的收益仍十分可觀，年化回報率達(dá)92.5%，三年漲幅達(dá)到540%。

2.3 ChatGPT橫空出世，大模型領(lǐng)域需求爆發(fā)

人工智能的機遇是意識到AI大模型的通用潛能及其對算力的海量需求。而捕捉到這一投資機遇，就是挖掘英偉達(dá)的估值根本從一家游戲顯卡龍頭轉(zhuǎn)變?yōu)椤癆I淘金獨家賣鏟人”的時刻。

2022年3月，英偉達(dá)發(fā)布了革命性的Hopper架構(gòu)（H100 GPU）和Ada Lovelace架構(gòu)（RTX 40系列），用于AI訓(xùn)練和游戲的顯卡性能都實現(xiàn)了飛躍。但這沒能阻止投資者繼續(xù)拋售英偉達(dá)，由于加密貨幣暴跌和游戲市場疲軟，年初至9月，英偉達(dá)的跌幅達(dá)到62.8%。誰也不會想到，兩個月后英偉達(dá)的估值邏輯將徹底改變，促成科技股載入史冊的投資機會。

同年11月30日，OpenAI發(fā)布了世上第一款大語言模型ChatGPT。這是人們可以用到的第一款聊天AI，和6年前的AlphaGo相比，前者只是下棋的算法，而后者更像是具有智慧的個體。僅一年時間，ChatGPT的每周活躍用戶（WAU）就達(dá)到1億人，達(dá)到2億又用了9個月，到2024年12月，ChatGPT的周活躍用戶已經(jīng)有3億人。

OpenAI是AI浪潮的主角，但市場很快發(fā)現(xiàn)英偉達(dá)才是最大贏家。英偉達(dá)股價一路反彈，率創(chuàng)新高，一年漲幅達(dá)到246.73%。相比之下，OpenAI最大出資方——微軟的股價在這段時間上漲僅為65.14%。這是因為，ChatGPT成功的核心在于大規(guī)模訓(xùn)練。它基于的3.0版本參數(shù)量高達(dá)1750億，是2019年GPT2.0的110多倍，進行如此大規(guī)模訓(xùn)練需要足夠的算力支持。分析師測算下來OpenAI訓(xùn)練用了至少一萬塊英偉達(dá)A100顯卡。

ChatGPT打開了前景廣闊的AI藍(lán)海，一方面是上千家初創(chuàng)公司加入戰(zhàn)局，另一方面是科技大廠鞏固陣地，一場“算力軍備競賽”不可避免。2023年，英偉達(dá)H100全球出貨規(guī)模達(dá)到500億美元，微軟、Meta、谷歌、亞馬遜、甲骨文、特斯拉、沙特主權(quán)基金、CoreWeave采購占比超80%。2024年，AI算力競賽升級，科技巨頭以近乎不計成本的方式加大投入，英偉達(dá)新的BlackWell架構(gòu)一上市就得到微軟、Meta、谷歌價值百億級訂單。據(jù)測算，英偉達(dá)全年H100/H200出貨量約400萬張，A100等其他產(chǎn)品出貨月200萬張，BlackWell架構(gòu)因良率低出貨僅10萬張，臺積電將80%產(chǎn)能分配給英偉達(dá)而市場仍供不應(yīng)求。

只是提供“鏟子”還不夠，英偉達(dá)全方位精準(zhǔn)把控了市場需求。在ChatGPT發(fā)布的三年前，黃仁勛就預(yù)見了人工智能發(fā)展下數(shù)據(jù)中心負(fù)載和性能提升的巨大需求。2019年3月，英偉達(dá)以69億美元收購了網(wǎng)絡(luò)互聯(lián)設(shè)備市場第一梯隊公司邁絡(luò)思。四年后，數(shù)以千計的AI公司加入大模型領(lǐng)域，它們不僅需要英偉達(dá)顯卡，還離不開邁絡(luò)思的InfiniBnad技術(shù)來高效地拓展計算能力。在 2024-2025 年，英偉達(dá)成功將其護城河從單一的‘計算芯片’延伸到了‘集群連接’。當(dāng)成千上萬顆 GPU 協(xié)同工作時，通信效率成為了系統(tǒng)的真瓶頸。通過 NVLink 和 InfiniBand 這種‘卡與卡、柜與柜’的超強連接，英偉達(dá)實際上定義了‘集群即計算機’（Cluster as a Computer）的行業(yè)標(biāo)準(zhǔn)，使得競爭對手即便能造出單顆性能相近的芯片，也無法在萬卡集群的效率上與其抗衡。

AI訓(xùn)練的需求爆發(fā)讓英偉達(dá)估值邏輯徹底轉(zhuǎn)變，抓住這一投資機遇的關(guān)鍵節(jié)點在2023年初。2022年12月，市場起初對ChatGPT維持將信將疑的態(tài)度，在發(fā)布后的45天內(nèi)，英偉達(dá)漲幅僅25%，還經(jīng)歷了25%的最大回撤。但在2023年1月底，形勢開始反轉(zhuǎn)，英偉達(dá)發(fā)布2023財年業(yè)績（2022年），其智算業(yè)務(wù)收入首次超過了游戲顯卡成為第一大營收來源，達(dá)到150億美元，這意味著ChatGPT發(fā)布前智算訂單就大幅增長，外部AI需求前景已經(jīng)明朗，而英偉達(dá)作為GPU領(lǐng)域龍頭，未來業(yè)績極有可能迎來爆發(fā)。

果然，2023年，英偉達(dá)營收同比增長125.85%，2024年同比增長114.2%，營收突破1300億美元。在市場主力猶豫時，勇于買入英偉達(dá)的投資者也收獲了驚人的回報，兩年內(nèi)，英偉達(dá)的股價上漲925.24%，年化收益率達(dá)到205.63%。

2.4 DeepSeek沖擊估值回調(diào)，產(chǎn)業(yè)擴容再創(chuàng)新高

2024年末，英偉達(dá)被買成了全球最受歡迎的公司，不僅市值超越微軟成為第一，兩年來的總成交額也達(dá)到14.13萬億美元，相當(dāng)于同年的日本、德國、英國、法國GDP之和。市值屢創(chuàng)新高的同時，英偉達(dá)面對的質(zhì)疑也越來越多，主要來自三方面：

一是英偉達(dá)業(yè)績高速增長的可持續(xù)性存疑。2023到2024年，主要科技大廠都完成算力基建部署，2025年之后訂單實現(xiàn)翻倍式增長很難。

二是英偉達(dá)的技術(shù)壁壘可能在松動。算力軍備競賽也掀起了自研AI芯片的趨勢，英偉達(dá)的市場份額可能在未來被后發(fā)者蠶食。

三是英偉達(dá)估值的整體想象空間或已見頂。從常規(guī)的企業(yè)發(fā)展周期來看，“成功者困境”無法避免，許多龍頭企業(yè)在到達(dá)巔峰后都面臨著成長困境，英偉達(dá)的進步空間似乎不多了。

2025年1月20日，DeepSeek R1模型開源，引發(fā)美國科技股震動，一度跌去一萬億美元。其中，英偉達(dá)股價跌去近17%，市值蒸發(fā)近6000億美元，創(chuàng)下美股史上最大單日市值下跌紀(jì)錄。DeepSeek的出現(xiàn)似乎印證了投資者對英偉達(dá)的質(zhì)疑。

為何市場擔(dān)心這會撼動英偉達(dá)的市場根基？

DeepSeek出現(xiàn)前算力是第一要素。AI能力的提高依賴于參數(shù)量的增加，而更大參數(shù)量的訓(xùn)練則需要匹配的算力規(guī)模。在2023～2024年，AI巨頭通過堆算力來堆大模型性能，形成了“打造比GPT更好的AI等同于比OpenAI有更多算力”的共識，比如，馬斯克為了xAI彎道超車，構(gòu)建了全球最大的20萬張GPU算力群。

DeepSeek跨越了算力壁壘，實踐了以低成本達(dá)成高效率的全新架構(gòu)。其V3模型與GPT-4o和Llama-3.1表現(xiàn)不相上下；而R1模型達(dá)到了ChatGPT-o1級的表現(xiàn)，但訓(xùn)練成卻僅相當(dāng)于后者的十分之一。DeepSeek在GPU數(shù)量和質(zhì)量上都落后于美國企業(yè)，卻通過算法優(yōu)化、架構(gòu)創(chuàng)新打造了實力相當(dāng)?shù)哪Ｐ停?b>顛覆了“AI訓(xùn)練必依賴強大算力”的認(rèn)知。

這場AI訓(xùn)練變革削弱了算力的重要性。當(dāng)AI訓(xùn)練不再需要高成本、大規(guī)模的算力投入，英偉達(dá)GPU需求預(yù)期減少，資本市場也快速改變了對英偉達(dá)的估值，在歷史高點的英偉達(dá)股價十分脆弱。

“擊敗”英偉達(dá)的不是業(yè)績減速，也不是更先進的GPU，而是AI訓(xùn)練的變革，但變革自身也在發(fā)展中變化。舊的壁壘被瓦解，新的藍(lán)海在涌現(xiàn)。從長期維度看，DeepSeek出現(xiàn)是對英偉達(dá)的一次空前利好。

一是訓(xùn)練變革會帶來AI部署降本，市場總量擴容。AI的訓(xùn)練成本下降會在短期內(nèi)造成上游的營收下降，但也意味著AI部署和使用成本同步下降，更多的廠商加入賽道，促進AI技術(shù)迭代。同時，更多用戶能以低成本使用AI服務(wù)，訪問增加推動需求總量增加，加速AI商業(yè)化和大規(guī)模普及進程，這是產(chǎn)業(yè)生態(tài)迎來爆發(fā)的前兆。

二是訓(xùn)練變革只是降低現(xiàn)階段成本，無法提高上限。DeepSeek模型在性能和當(dāng)代主流模型不相上下，但沒有突破現(xiàn)有邊界。換言之，“再造一個GPT”對算力的需求大幅下降，但超越GPT在根本上還是離不開更強大的算力支持。因此，那些希望掌握行業(yè)主導(dǎo)權(quán)的AI科技巨頭對英偉達(dá)GPU的需求依然會穩(wěn)定增長。

事實也確實如此，DeepSeek的火爆后，云端和本地部署需求激增，推理服務(wù)的火爆引發(fā)了對英偉達(dá)GPU的更大需求。同時，科技巨頭一邊效仿DeepSeek開源和優(yōu)化，另一邊卻并未停止算力軍備競賽。DeepSeek 的邏輯在于：它證明了‘重算法、輕訓(xùn)練’的可行性，這標(biāo)志著 AI 產(chǎn)業(yè)正式從‘算力密集型訓(xùn)練階段’轉(zhuǎn)向‘規(guī)模化推理應(yīng)用階段’。雖然單次訓(xùn)練成本降低了，但隨著 AI Agent（智能體）和超級應(yīng)用的普及，全社會對推理算力的總需求量呈幾何級數(shù)增長。英偉達(dá)通過推出專為推理優(yōu)化的芯片和軟件棧（如 TensorRT-LLM），精準(zhǔn)吃掉了這一增量市場。

市場對英偉達(dá)的判斷很快迎來反轉(zhuǎn)。2025年1～4月英偉達(dá)跌去18.9%，5～7月反彈漲幅達(dá)到64.13%，市值突破了2024年底來到4.3萬億美元，超過特斯拉、AMD、英特爾和帕蘭提爾四家市值的總和。

英偉達(dá)的這次逆境反轉(zhuǎn)是重要的一課：投資是動態(tài)的過程，對行業(yè)和公司投資邏輯的推導(dǎo)不能停留在短期事件的后果上。2025年初，許多分析師將DeepSeek描述成英偉達(dá)的“掘墓人”，但卻忽視了訓(xùn)練效率的提升是行業(yè)進化的催化劑，英偉達(dá)從估值瓦解到登上新高不過半年。

3 AI浪潮：未來十年有哪些機會？

3.1 AI時代的關(guān)鍵能力

AI在許多領(lǐng)域的工作效率已經(jīng)遠(yuǎn)超人類，直覺上，人工智能似乎必定會勝任各種職業(yè)和場景，逐漸取代人類。

事實上，淘汰與否的關(guān)鍵在于“主動價值原則”：一個人產(chǎn)出價值的過程越主動，意味著自主決策占比高、思考多、創(chuàng)造性強，越難以被新工具所替代。

歷史上，雖然每次技術(shù)進步的方向不同，但無一例外都遵循這一原則。第一次工業(yè)革命，船夫被蒸汽機替代，但舵手卻保留了下來。即便在今天，舵手也無法被AI取代，AI可以協(xié)助觀測等任務(wù)，但決策核心仍在船長（首席舵手）手中。

技術(shù)革命中，最容易被淘汰的是價值創(chuàng)造被動的人。在AI時代，價值創(chuàng)造被動的人無法主導(dǎo)決策，使用AI越多就會越依賴AI系統(tǒng)，逐漸失去自主思考能力。

而那先原本就擅長思考、創(chuàng)新、自主判斷的人，只會因為使用AI變得思維更迅捷、效率更高。黃仁勛本人也分享：他用AI不是讓AI替自己思考，而是用AI教會他新東西。

這也引出了一項AI時代的重要能力——提問和引導(dǎo)的能力。

人和AI互動靠的是幾行提示語、提問句還有后續(xù)的引導(dǎo)詞。雖然AI能快速寫文案、做視頻、編代碼，但產(chǎn)出的質(zhì)量高低完全取決于人的水平。同樣一類AI畫作，在業(yè)余愛好者和專業(yè)畫師的提示詞下生成的作品差距極大，AI實際上是折射了不同人的想象力和對藝術(shù)理解深度。

換言之，人要擁抱“構(gòu)建想法的創(chuàng)造力”，放下“把事情做出來的能力”。

AI時代，人們要更多的閱讀、學(xué)習(xí)技能、深度思考，以此拓寬創(chuàng)造力邊界。因為向AI提要求，本質(zhì)上也是對自身能力深淺的檢驗。比如，AI編程的出現(xiàn)讓一些初級程序員如獲至寶，但隨即而來的是面臨失業(yè)。與此同時，成熟的軟件工程師卻在新鮮感后抱怨AI編程的“愚蠢”，因為AI編程的能力十分基礎(chǔ)，遠(yuǎn)達(dá)不到成熟開發(fā)的要求。

由此可見，AI篩選的不是崗位，而是人。同一崗位、同一工作，也存在價值創(chuàng)造的主動和被動之分。有的人主動學(xué)習(xí)，提升自己，參透了規(guī)律和本質(zhì)，善于向AI提問，充分發(fā)揮AI的效率優(yōu)勢。還有的被動依賴AI投喂答案，缺乏自主思考，雖然短期產(chǎn)出提升，但也終將被淘汰。在瞬息萬變的AI時代，投資者抓住風(fēng)口的核心也是在于學(xué)習(xí)，否則只會在時代的篩選中退場。

3.2 國產(chǎn)替代和產(chǎn)業(yè)鏈自主化潛力

對于芯片這個特殊行業(yè)，必須注重外部供應(yīng)的特殊性和產(chǎn)業(yè)本土化安全性權(quán)衡。比如美方或通過試圖在出口芯片中加入“追蹤定位”和“遠(yuǎn)程關(guān)閉”等功能，這未來對數(shù)據(jù)安全是一種威脅。另一方面，H20確實作為“特供版”芯片，有性能被削弱的問題，從技術(shù)和經(jīng)濟效益角度看，無法支撐中國萬億級大模型訓(xùn)練的長遠(yuǎn)需求。

這雙重壓力共同將一條路清晰地擺在了所有中國科技企業(yè)和投資者的面前：建立獨立自主、安全可控的國產(chǎn)算力體系。這也正是未來幾年中國最重要的產(chǎn)業(yè)趨勢和投資機遇。

機會一：國產(chǎn)替代

國產(chǎn)替代已是在中國芯片領(lǐng)域的“必答題”。這不僅是政策驅(qū)動，更是市場求生的內(nèi)在需求。圍繞國產(chǎn)芯片的生態(tài)正在加速形成：

比如在核心芯片層，以華為昇騰、寒武紀(jì)、海光信息等為代表的ASIC和GPU廠商，正在從不同技術(shù)路線進行突破。特別是華為昇騰910B在部分場景下?lián)Q已達(dá)到英偉達(dá)A100的80%性能，并正通過全棧的軟硬件生態(tài)CANN、MindSpore等構(gòu)建護城河。

在配套產(chǎn)業(yè)鏈方方面，從中芯國際的晶圓代工，浪潮信息的AI服務(wù)器，到兆易創(chuàng)新等的存儲環(huán)節(jié)，整個產(chǎn)業(yè)鏈條正在圍繞國產(chǎn)核心進行重構(gòu)。關(guān)注國產(chǎn)替代，就是要尋找那些技術(shù)領(lǐng)先、生態(tài)構(gòu)建能力強、且已經(jīng)獲得頭部廠商驗證的。

機會二：尋找“下一個英偉達(dá)”

必須客觀認(rèn)識到，英偉達(dá)的護城河不僅僅是一塊GPU芯片，而是其耗費十余年心血打造的CUDA生態(tài)系統(tǒng)。全球絕大多數(shù)AI開發(fā)者、深度學(xué)習(xí)框架如TensorFlow, PyTorch都深度綁定CUDA。這是一個贏者通吃的網(wǎng)絡(luò)效應(yīng)。中國公司想要突圍，不能僅僅是硬件性能的追趕，更關(guān)鍵在于軟件生態(tài)的構(gòu)建。

目前來看，華為昇騰是中國最有可能率先突圍的。正構(gòu)建從底層硬件、芯片使能、AI框架到應(yīng)用使能的全棧解決方案。通過與國內(nèi)高校、科研機構(gòu)和企業(yè)的合作，昇騰正在努力擴大其“朋友圈”，培養(yǎng)開發(fā)者習(xí)慣，這是追趕CUDA生態(tài)最現(xiàn)實的路徑。

在后摩爾定律時代，通過Chiplet芯粒結(jié)構(gòu)、存內(nèi)計算等新架構(gòu)創(chuàng)新，有可能在特定領(lǐng)域?qū)崿F(xiàn)對傳統(tǒng)GPU架構(gòu)的性能超越。這是技術(shù)驅(qū)動型的顛覆機會。尋找“下一個英偉達(dá)”的邏輯，要求具備更長遠(yuǎn)的眼光和對技術(shù)生態(tài)更深刻的理解。

3.3 AI潛力最大的三大領(lǐng)域

從第一性原理來出發(fā)：人工智能是數(shù)據(jù)驅(qū)動的概率關(guān)聯(lián)，目標(biāo)是完成對自然法則和因果規(guī)律的掌握。理論上AI適用于所有行業(yè)和領(lǐng)域。但在不同領(lǐng)域存在落地先后之分。

將AI應(yīng)用潛力最大的領(lǐng)域分為三大類：

一是具身智能，讓AI擁有感知世界能力的路線。從多模態(tài)大模型、到自動駕駛、人形機器人和無人機等，賦予AI物理形態(tài)和感知學(xué)習(xí)能力的具身智能會加速落地。長期看，具身智能的商業(yè)化鋪開需要多方面技術(shù)進步來實現(xiàn)，主要是數(shù)據(jù)訓(xùn)練算法的周期長、硬件成本高、工程設(shè)計的難度大。

當(dāng)下智能駕駛的技術(shù)離成熟應(yīng)用最接近，在監(jiān)管適配的過程中大規(guī)模普及只是時間問題。

人形機器人在2025年概念火熱，但受限于續(xù)航、靈巧手、環(huán)境數(shù)據(jù)等因素還難以滿足大規(guī)模落地條件。

二是超級應(yīng)用，在C端開啟新交互革命，在B端打造高效率工具。比如，消費電子端的AI眼鏡、AI手機、AI PC等升級成為交互載體。在此基礎(chǔ)上，AI Agent、AI作圖、AI助力等原生AI應(yīng)用構(gòu)成AI生態(tài)，AI功能融入日常生活。

在B端也賦能專業(yè)領(lǐng)域，AI教育上實現(xiàn)遠(yuǎn)程教學(xué)，AI醫(yī)療輔助手術(shù)，工程領(lǐng)域協(xié)助設(shè)計搭建等，比如B端AI賦能的半導(dǎo)體設(shè)計行業(yè)。芯片工程師在AI的幫助下可以僅用高級抽象概念來設(shè)計和模擬芯片。

三是AI科研，解決傳統(tǒng)科研進程中的瓶頸。相比于傳統(tǒng)科研，AI在探索廣度、計算深度、實驗速度、跨學(xué)科能力四個方面都更強，因此在科研上極具優(yōu)勢。比如AI用于對環(huán)境要求嚴(yán)苛的氣象領(lǐng)域，研究耗時長的分子領(lǐng)域；成本高、涉及跨學(xué)科多的生物醫(yī)學(xué)、以及人類還在攻堅的量子系統(tǒng)領(lǐng)域。

黃仁勛也曾在2023年預(yù)測數(shù)字生物學(xué)是未來方向。AI使得人類可以首次對生物學(xué)進行數(shù)字化設(shè)計，科學(xué)界可以更深入地模擬生物系統(tǒng)的結(jié)構(gòu)，開發(fā)非自然形成的新分子結(jié)構(gòu)和蛋白質(zhì)藥物。

此外，AI上游的關(guān)聯(lián)產(chǎn)業(yè)也充滿機遇。比如半導(dǎo)體制造，我國的自主化進程在加快，而國際上先進制程也在2025年迎來了2nm突破，新一輪半導(dǎo)體革命未來可期。再比如能源領(lǐng)域，全球數(shù)據(jù)中心增長正面臨供需錯配問題，一方面擴大綠電體系建設(shè)為AI基建保駕護航，同時提高能源利用率，降低能耗成為共識。

英偉達(dá)的崛起是一場長達(dá) 20 年的“非對稱競爭”的勝利——用全棧的軟件生態(tài)鎖死硬件競爭，用極度的憂患意識跑贏摩爾定律。

在大航海時代，財富流向了擁有指南針和堅船的一方；在 AI 時代，財富正流向那些能定義算力標(biāo)準(zhǔn)、并不斷突破自然科學(xué)邊界的企業(yè)。對于我們，國產(chǎn)替代不是為了重復(fù)造輪子，而是為了在新的技術(shù)高地上，拿回屬于我們的數(shù)字主權(quán)。