英伟达未来十年：AI第一巨头还能走多远？（全网最深入版！）

network

$NVDA
正在变成AI时代的“房东”：Anthropic的350亿美元算力大单，背后藏着更大的商业模式

Anthropic刚刚签下一份规模约 350亿美元的云计算协议，合作方是
$NVDA
支持的AI云服务商Lambda。

但这笔交易真正值得研究的，并不只是Anthropic又买了多少GPU算力。

而是整个交易背后的资产关系：

Anthropic需要算力 → Lambda提供算力服务 → 数据中心由
$HUT
建设 → 底层采用
$NVDA
的AI基础设施。

而最新披露指向一个非常有意思的变化：$NVDA 在这套基础设施关系中，正在从单纯的GPU供应商进一步向算力基础设施组织者和容量锁定方延伸。关于350亿美元Anthropic-Lambda协议及NVIDIA在相关容量中的角色，目前公开信息仍在陆续披露，因此具体合同结构需要等待进一步文件确认。 (http://theinformation.com)

为什么我认为这件事情非常重要？

因为这和我们之前讨论的
$NVDA
新护城河——LPS：Land、Power、Shell——完全连接起来了。

过去英伟达的商业模式很简单：

客户建设数据中心 → 客户向英伟达购买GPU。

但现在黄仁勋正在尝试把整个关系倒过来：

先锁定土地、电力和数据中心容量，再把GPU、网络、CUDA和整套AI Factory放进去，最后寻找需要算力的客户。

这已经不是传统半导体公司的玩法。

$HUT
在德州Nueces County建设的Beacon Point就是一个很好的例子。

这个园区拥有 1GW电力容量，目前两期已经分别签下352MW IT负载的长期租约，总计 704MW；两份15年基础租约合计价值约 196亿美元，如果续约选择全部执行，整个园区潜在合同价值可以达到约 502亿美元。

更关键的是，这个AI数据中心按照 NVIDIA DSX架构建设。

也就是说，从土地、电力、数据中心本体，到最终GPU计算平台，正在逐渐形成一套标准化的NVIDIA AI Factory。 (http://markets.ft.markitdigital.com)

这就解释了为什么我越来越觉得：

$NVDA
正在从“卖铲子的人”，变成“拥有金矿基础设施的人”。

以前Anthropic需要算力，它可能直接找Amazon、Google或者Microsoft。

未来可能出现另一种模式：

$NVDA
先帮助锁定LPS。

$HUT
负责建设数据中心。

Lambda负责运营GPU Cloud。

Anthropic负责购买算力。

最后整个AI产业链形成：

土地 → 电力 → 数据中心 → NVIDIA GPU → Cloud → Anthropic → Token。

而
$NVDA
站在这条链条最核心的位置。

这件事情最厉害的地方，是它可能改变英伟达未来收入的性质。

过去GPU销售是一次性的：

卖出GPU → 确认收入 → 等待下一代GPU升级。

但如果英伟达开始越来越深地参与数据中心容量、AI Cloud、基础设施融资和长期算力合同，那么它获得的可能不只是GPU销售收入。

它实际上开始帮助整个生态建立一种新的资产：

可以长期产生Token收入的AI Factory。

这也是为什么黄仁勋不断强调：

Compute is revenue。

算力不再只是资本开支。

算力本身正在变成生产资料。

而这也再次解释了为什么
$NVDA
愿意投资Lambda、CoreWeave等AI Cloud公司。

表面上看，英伟达是在投资自己的客户。

但更深一层看，它是在建立一个独立于传统Hyperscalers之外的第二套AI云生态。

如果未来所有AI算力都掌握在 $AMZN、$GOOGL、$MSFT 手里，这些公司最终都会越来越积极地使用自己的ASIC。

但如果
$NVDA
能够扶持Lambda、CoreWeave以及更多Neocloud，再通过LPS、DSX、融资和长期容量协议帮助它们扩张，那么英伟达实际上是在主动扩大自己的GPU生态。

所以Anthropic这350亿美元订单真正值得关注的，并不是350亿美元本身。

而是我们正在看到一种新的AI基础设施商业模式逐渐成形：

$HUT
提供土地、电力和数据中心。

$NVDA
提供计算平台，并越来越深入地参与基础设施容量。

Lambda把这些资产包装成云算力。

Anthropic把算力转化成Claude和AI Agent收入。

最终，整个产业链都围绕一个东西运转：

Token。

这也是为什么我把现在的
$NVDA
看得越来越不像一家传统半导体公司。

它正在做的事情更像：

芯片公司 + AI基础设施平台 + 产业投资者 + 算力生态组织者。

如果未来AI真的成为一个数万亿美元级别的基础设施市场，那么英伟达最大的护城河可能不再只是“我的GPU比你的芯片更快”。

而是：

当你需要几十亿美元甚至几百亿美元AI算力的时候，我连土地、电力、数据中心、GPU、网络、融资和运营伙伴都已经帮你准备好了。

这才是
$NVDA
从GPU公司走向AI基础设施帝国真正值得关注的一步。

我也可以继续帮你把这一篇接到上一条“$NVDA 的LPS护城河”后面，做成上下两篇连续的X长帖。

network

Shay Boloor

@StockSavvyShay
·
2小时
翻译自 英语
$NVDA 告诉摩根大通，“如果没有供应限制，业务量可能会比去年同期增长一倍多”，即使对比其已经相当激进的 FY28 年约 70% 增长预期也是如此。

更有趣的部分是 Nvidia 为什么这么早给出这个展望，因为管理层认为华尔街的预期已经足够低，以至于可能会实际干扰供应链规划。

因此，FY28 指引不仅仅是为了重置投资者预期，还向半导体生态系统传递了一个信息：开始为更大的需求曲线做规划。

network

AI热潮下全球数据中心支出预计到2050年达31.6万亿美元  $NVDA, $NBIS, $BE

全球会计咨询公司PwC最新报告的主要内容

前所未有的投资规模：为满足全球AI需求激增，到2050年全球数据中心总投资预计达31.6万亿美元（约合4.3京韩元）。这将超过人类历史上铁路网、互联网、电网建设等所有大型基础设施项目的总和。

最高可达50万亿美元的可能性：如果AI采用速度快于PwC设定的基准展望（中心情景），未来25年投资额可能高达50万亿美元。

比较规模：考虑到当前美国国内生产总值（GDP）约为30万亿美元，这是一笔超过一国年度经济总量规模的天文数字支出。

Bloom Energy Corp
BE
$213.63
+3.55%

network

投资最重要的是耐心和纪律。

股市90%都是垃圾时间，最需要做的其实是等待。等大众恐慌砸出黄金坑，你敢不敢下重注？等股价远低于内在价值，你熬不熬得住漫长的估值修复？这两样都需要极强的耐心。

在等待的过程中，交易纪律是耐心的保险丝。想好建仓的点位，做好内部估值测算，大概在心里锚定一个卖点，结合图形分析卖出。买的时候就想好怎么卖，遵守交易纪律才不会被情绪带着走。

network

$NVDA
黄仁勋 G20 最新发言：

1. AI是新时代的电网
AI本质上是像电力一样的经济基础设施，以前买电按千瓦时算，以后买算力按每百万 Token算。

2. AI是一座5层蛋糕，没必要非得挤着跟我抢生意
AI产业从下到上分5层：1. 能源 → 2. 芯片 → 3. 算力基础设施 → 4. AI大模型 → 5. 数据与行业应用。

找准最适合自己的那一层，尤其是第5层应用，把AI落到医疗、制造、教育里，就能享受到AI红利。

3. 编程时代彻底结束，人类迎来最大的平权
过去50年，电脑只是全球两三千万程序员的专属工具。现在不管你是刚出校园的年轻人，还是资源欠发达的地区，AI抹平了技术门槛，让每个人都能随时拥有一个顶级博士级别的智脑。

4. AI不会让你失业，但会把你的野心放大10倍
未来一两年内AGI基本就会实现，但人类不会失业。这就像你招了个MIT毕业的顶级博士，你依然需要给他定目标、给上下文、带他熟悉业务。AI替代的是打字、搜资料这种具体任务，而不是人的价值。以前要干10年的事，以后1年就能搞定。

5. AI正从屏幕里走出来，重构物理世界
AI的发展路径是：大模型 → 智能体 → 具身智能。给大模型装上能调用工具的外骨骼，装进四个轮子就是自动驾驶，装进机械臂就是智能工厂，装进实验室就是自主研发新药。AI正从纯软件，全面侵入制造业和重工业。

最大的风险根本不是AI，而是因为恐惧和犹豫，最后彻底被时代淘汰！

network

黄仁勋最近反复强调 Token，而不是只谈 GPU，我觉得这是一个很重要的信号

过去市场给
$NVDA
定价，核心是硬件逻辑：

GPU 出货量、ASP、机架价值量、数据中心 CapEx。

但黄仁勋现在试图把市场的关注点再往上抬一层：

GPU 只是生产资料，Token 才是最终产出。

如果把 AI 基础设施看成一座工厂，GPU、网络、HBM、电力、冷却都是投入，最终生产出来的“商品”是 Token，而 Token 对应的是可计量、可收费的智能服务。

这也是为什么他会把 AI 描述成一种 metered product。

这个框架的意义在于，AI 基建的回报不再只取决于硬件折旧，而取决于：

每单位资本投入能够生产多少 Token，以及这些 Token 最终能以什么价格变现。

黄仁勋同时给出了另一个关键数字：

1GW AI Factory 对应约 500亿—600亿美元资本投入。

这个数字不是单纯在强调数据中心有多贵，而是在说明 AI 已经进入重资产工业化阶段。

所以未来判断 AI CapEx 是否还能继续扩张，不能只看云厂商预算，还要看几个更底层的变量：

Token 需求增长、推理利用率、单位 Token 成本下降速度，以及最终收入能否覆盖巨额资本开支。

这也是 NVDA 接下来最重要的估值问题

如果 Token 消耗和 AI 收入持续高速增长，那么今天看起来激进的 CapEx，几年后可能只是正常扩产。

但如果 Token 价格下降快于需求增长，或者利用率不够高，那么 500亿—600亿美元/GW 的资本强度也会迅速放大回报压力。

美股投资网认为，黄仁勋从 GPU 转向 Token，真正想讲的不是一个新概念，而是：

AI 行业正在从“卖算力”进入“算算力经济账”的阶段。

network

对 NVIDIA 和
@huggingface
来说，这是激动人心的一天。

开源模型加强了安全性和网络安全，加速了创新和传播，并实现了主权。它们让每个开发者、初创公司、大学、行业和国家都能使用、定制并从 AI 中受益。

感谢
@ClementDelangue
亲自前来。

NVIDIA 将成为 Hugging Face、其社区以及开源模型未来的绝佳家园。🤗

network

去年英伟达出5亿想多投Hugging Face，被拒了。

今年直接掏129亿把它买了，不让我多投，那我全买。

黄仁勋做事的风格一直没变。

119亿给股东，10亿留人，Hugging Face年收入1.5亿美元，收购价86倍收入。

英伟达史上最大的一笔收购，比当年69亿买Mellanox贵了一倍。

86倍收入买的是1300万AI开发者每天在上面训练、测试、分享模型的平台。

全球最大的开源AI社区，开发者在这里选模型，选完之后要跑在什么硬件上？GPU。谁的GPU？目前为止大部分是英伟达的。

买Hugging Face买的是这条逻辑：开发者选模型 → 模型跑在GPU上 → GPU是英伟达的，控制了开发者的入口，就锁住了硬件的出口。

这笔收购的时机也很微妙，OpenAI在做自研芯片，Anthropic在做自研芯片，谷歌有TPU，亚马逊有Trainium，英伟达最大的几个客户都在想办法减少对它的依赖，闭源阵营正在一个一个建自己的芯片护城河。

英伟达的回应是把开源阵营的核心基础设施买下来，闭源公司可以换芯片，但1300万开源开发者每天离不开Hugging Face，闭源客户跑了，开源社区还在，而且开源社区的体量远比任何一家闭源公司大。

2023年英伟达跟谷歌、Salesforce一起按45亿估值投了Hugging Face，两年多时间，45亿变129亿，翻了接近三倍。

黄仁勋投完之后还想追加，被拒了，然后花了两年等到了一个全买的机会。

英伟达的战略越来越清晰：GPU是地基，CUDA是操作系统，现在Hugging Face是应用商店。

从芯片到软件到开发者社区，整条AI基础设施的垂直整合正在一步一步闭环。

network

跟着黄仁勋买：英伟达重仓股、准IPO核心名单 👇

1. 英特尔
$INTC

英特尔一度被当成过气芯片厂，黄仁勋却在低位出手。英伟达2025年12月按23.28美元，砸下$50亿，当时对应市值大约1250亿美元，持股约4%。它要的是英特尔的x86生态和美国产能，把GPU和CPU用NVLink焊在一起。AI工厂不能只靠显卡，还要有能大规模供货的CPU搭档。

2. CoreWeave
$CRWV

最典型的英伟达亲儿子。2023年大约投了1亿美元（当时估值约20亿美元），累计大约$23.5亿。CoreWeave专门把英伟达GPU租给大客户训练模型，订单越猛，买芯片越多。它不是讲故事的云，而是把算力直接变现的下游批发商。

3. SpaceX
$SPCX

路径有点绕：英伟达2026年1月先向xAI投了100亿美元（那一轮融资约200亿美元），随后xAI并入SpaceX并上市，手里变成约1.23亿股，持股大约0.9%。马斯克后来公开说AI算力将独家用英伟达。你买的不只是火箭和星链，还有一个正在猛扩AI工厂、点名只用英伟达芯片的超级客户。

4. 新思科技
$SNPS

芯片先得画图纸。英伟达2025年12月按414.79美元投了20亿美元，当时市值大约770亿美元，持股约2.6%。新思做的是EDA设计软件，英伟达要把它从CPU仿真推进到GPU加速，设计周期从几周压到几小时。这是卖铲子之前更上游的图纸公司，客户粘性极高。

5. Nebius
$NBIS

欧洲背景的AI云，CoreWeave的同类选手。英伟达2024年底小额参与，2026年3月再以约94.94美元等效价投入20亿美元，当时市值大约240亿美元。双方还约定往5GW以上的AI工厂冲。英伟达既给钱，也把下一代芯片和集群管理绑过去，属于需要更多云来消化GPU的直接受益股。

6. 相干
$COHR

AI机柜下一步拼光，不拼铜。英伟达2026年3月按约256.80美元投入20亿美元。机柜越高、带宽越快，光模块就是刚需。英伟达同时给采购承诺和扩产支持，等于既当股东又当大客户。光通信从配角变成了AI工厂的血管。

7. 迈威尔
$MRVL

给云巨头做定制AI芯片，表面上像对手，黄仁勋2026年3月照样投了20亿美元。原因很现实：客户就算自己做专用芯片，也还得接到英伟达的NVLink上。这是把可能分流GPU订单的公司拉进自己的高速公路。迈威尔同时吃定制芯片和硅光两头。

8. 朗美通
$LITE

和相干几乎同一天各拿20亿美元。英伟达按695.31美元认购优先股，并承诺后续大额采购、帮它在美国建厂。800G、1.6T光模块是AI机柜标配，产能曾经是瓶颈。英伟达愿意锁产能，说明这是装得起下一代工厂的关键零件。

9. $OpenAI 未上市
准IPO里体量最大的一个。英伟达2026年2–3月参与约1220亿美元那一轮，出资300亿美元（一部分是算力承诺），入场估值大约7300亿美元（投前）/8520亿美元（投后）。
黄仁勋甚至说过，这可能是OpenAI上市前最后一笔大额股权。吸引力很简单：ChatGPT背后的公司是全球买英伟达芯片最凶的客户之一，英伟达既当供应商，又当股东。还没代码，但已经是市场默认的超级IPO候选。

10.
$ANTHROPIC
未上市
英伟达在大约3800亿美元估值那一轮附近有大额投入（公开报道从约30-100亿美元不等），公司随后在2026年5月又融了650亿美元，投后估值到9650亿美元。市场甚至在讨论万亿美元级IPO。它和OpenAI抢同一块大蛋糕，但已经正式走进上市通道，节奏可能更快。

11. $Databricks 未上市
数据+AI平台，不是做大模型，是帮企业把数据和模型跑起来。英伟达2023年就参与过一轮，当时估值约430亿美元；到2026年8月公司再融50亿美元，投后大约1900亿美元。CEO说还是要上市，但2026年可能让给SpaceX、OpenAI、Anthropic，更可能看2027年。吸引力在于：它已经能赚钱、增长还快，是少数不是纯烧钱故事的准IPO软件巨头。