英伟达未来十年：AI第一巨头还能走多远？（全网最深入版！）

network

据WIRED 披露，特朗普一个电话，直接打断了英伟达全员会。

上周四黄仁勋正在英伟达总部开全员会，现场还有数千名员工在线收看。

讲到一半，黄仁勋手机突然响了。

电话那头是特朗普。

黄仁勋直接走到一旁接电话，但现场麦克风还开着，员工甚至能听出特朗普的声音。不到一分钟后，他挂掉电话，又回来继续开会。

几个小时后，特朗普就在 Truth Social 上公开祝贺英伟达最新财报。

更巧的是，就在同一天，英伟达正式成立了自己的联邦政治行动委员会 NVPAC。今年英伟达在华盛顿的游说支出也已经超过250万美元。

现在的英伟达，显然早就不只是一家芯片公司了。

当一家接近5万亿美元市值、控制全球AI核心算力供给的公司，CEO开全员会都可能被美国总统一个电话直接叫走，这个画面本身已经很能说明问题了。

黄仁勋现在每天处理的，可能已经一半是GPU，一半是白宫的政治。

network

英伟达
$NVDA
  给了一个很容易被市场忽略的数字：下一财年营收，管理层直接给出了接近70%的增长预期。

这其实是一个非常夸张的指引。问题是，市场的反应却没有想象中那么兴奋。

为什么？我觉得恰恰是因为现在的AI产业，已经进入了一个很有意思的阶段：需求还在狂奔，但供应链的成本也开始狂奔。过去两年大家讨论英伟达，核心逻辑是GPU卖得越多越好。现在已经不是这么简单了。

AI服务器里面，GPU当然还是绝对核心，但随着算力集群规模越来越大，HBM、DRAM、NAND、网络设备、光模块等基础设施的成本正在快速上升。也就是说：英伟达的收入增长越快，整个AI基础设施供应链的“抽水”能力也越强。

这可能就是为什么英伟达给出了非常强的远期增长预期，市场却没有直接把估值重新打上去。因为投资者现在开始问第二个问题：70%的收入增长，最后有多少能够真正转化成利润？

尤其是存储。

现在AI服务器对于高性能内存的需求正在发生结构性变化。HBM本身就会占用大量先进DRAM产能，而且生产过程中存在明显的产能损耗。

当AI服务器需求继续增长，HBM抢走越来越多产能之后，传统DRAM的供给自然会受到影响。所以现在看到的一个很有意思的现象就是：
AI算力需求越强→ HBM需求越大→ DRAM产能被进一步占用→ 普通内存供给收紧→ 存储价格继续上涨→ AI服务器BOM成本继续增加。这其实形成了一个闭环。
所以我现在越来越觉得，AI产业链真正的矛盾已经不是“有没有需求”。而是谁能把需求变成利润，谁又会被成本上涨分走利润。这也是为什么我最近会特别关注存储和光互联。

前者决定AI服务器的内存供给和成本，后者则决定越来越庞大的GPU集群之间怎么连接。尤其是光模块。

现在市场因为FCC相关政策预期，对部分光模块龙头的估值进行了明显压缩。但如果把时间拉长一点看，事情可能没有那么悲观。

800G之后是1.6T，再往后还有2.4T以及NPO。

真正有意思的是，NPO并不是简单的产品升级，而可能带来一轮新的产业链重构。

光引擎、PIC、FAU、MPO、保偏光纤、Socket……

很多环节都可能出现新的需求。而北美厂商目前在部分新一代产品上，并不是说“需求没有”，而是产能、材料和技术准备未必能够完全匹配未来AI集群的巨大需求。

所以政策可以影响产业链的利润分配，却未必能够改变AI数据中心对于高速互联的真实需求。这也是我为什么对光模块依然没有特别悲观。短期股价我不知道什么时候见底，但产业需求和股价从来就不是同步运行的。这句话在AI硬件上尤其明显。

行情好的时候，市场会把未来几年全部提前定价；行情差的时候，又会把短期政策风险无限放大。最后就会出现一种很奇怪的状态：基本面还在增长，估值却先被杀了一轮。当然，这并不意味着现在就一定要买。

毕竟市场最难的地方就在于你可以判断一个行业五年后的方向，却很难判断它下个月的股价。所以如果只是长期看好某家公司，我更倾向于把它当成股票资产去研究。而如果想交易财报、政策或者行业事件带来的短期波动，工具其实完全不一样。

其实美股交易可以看看
@MEXC
  的 Stock Futures。MEXC现在提供300+ Stock相关交易品种，包括个股、ETF和指数。Stock Futures最大的区别，是它不是RealStocks。它属于衍生品，可以用USDT参与多空交易，部分产品还支持杠杆。

比如遇到英伟达财报、AI资本开支、FCC政策这类事件驱动行情，市场可能出现非常大的波动。看多可以做多，看空也有相应工具表达观点；如果本身持有现货，也可以把Stock Futures作为一种潜在的对冲工具。

当然，这里必须把风险说清楚杠杆可以放大收益，同样可以放大亏损。还需要考虑强平、资金费率等因素，所以它和长期持有股票完全是两种思路。

另外 MEXC 目前针对符合条件的相关产品和场景提供 Zero Fee。注意，是符合条件的产品和交易场景，并不意味着所有Stock产品都完全没有任何交易成本，具体还是要以产品页面规则为准。

回到英伟达，我反而觉得，70%的远期增长指引真正重要的地方，不是这个数字本身。而是它告诉我们AI的资本开支周期，到现在可能还远没有结束。接下来真正值得看的，是GPU继续增长以后，谁能够从中获得更大的利润增量。

GPU、HBM、存储、光模块、交换机……

这一轮AI基础设施的故事，远远还没有讲完。只是从现在开始，市场可能不会再给所有“AI”三个字同样的估值。下一阶段，比拼的不是谁最像AI，而是谁能把AI需求真正变成现金流和利润。

network

英伟达已推出 NVHBM。

是的，从纯粹的技术角度来看，它与我们已知的定制 HBM 并无根本区别。

但这不是本文的重点。

今年年初以来，我一直密切关注存储公司与超大规模云服务商之间围绕 HBM 的权力斗争日益加剧，因为我亲耳听到、亲眼看到这场幕后之战已变得多么激烈。

NVHBM 之所以重要，是因为英伟达如今已将这场冲突公开化。

读完全文后，我相信你将更清楚地理解英伟达为何推出 NVHBM，三星为何以 zHBM 回应，SK 海力士目前的投资重点在哪里，以及最重要的是，投资者在存储市场下一阶段展开时应关注什么。

network

Anthropic 又签了一张 350 亿美元的算力大单。

这次对象是 Lambda。WSJ 披露的交易链条很有意思。

最底下的德州 Beacon Point 机房是 Hut 8 建的。Hut 8 之前只说，一个「高投资级客户」连续签了两份 15 年租约，一共拿下 704MW，基础租金 196 亿美元。

现在这个客户被揭出来了，是 Nvidia。

Nvidia 先把机房租下来。Lambda 再使用这里的容量，装上从 Nvidia 买来的 GPU，向 Anthropic 提供云算力。Lambda 本身也是 Nvidia 投资的公司。

最后形成了一条链

Hut 8 盖机房 → Nvidia 签长期租约 → Lambda 装 Nvidia GPU → Anthropic 花 350 亿美元买算力。

几天前，Anthropic 刚签完另一张 450 亿美元合同。对象是英国 Neocloud Nscale，六年租 460MW 西弗吉尼亚算力，里面跑的同样是 Nvidia Vera Rubin。

Nscale 也拿过 Nvidia 的钱。2025 年 Series B、Pre-Series C，2026 年 Series C，Nvidia 都在投资人名单里。

所以一个月里，Anthropic 新签的两张大单加起来已经到了 800 亿美元，两家供应商都由 Nvidia 投资，两边最后卖给 Anthropic 的都是 Nvidia 算力。

德州这一笔更进一步。

Nvidia 已经不满足于等云厂商有钱之后来买 GPU。它开始先投资云厂商，再用自己的信用签机房长租，帮助整个项目拿到融资，最后让这些云厂商把 Nvidia GPU 填进去，再去寻找 Anthropic 这样的终端客户。

Hut 8 的 Beacon Point 就是很直观的例子。靠着这份投资级长期租约，Hut 8 今年 6 月给项目融到了 42.5 亿美元的投资级担保债。

一块原本需要等待客户、融资、芯片逐层落实的 1GW 数据中心，被 Nvidia 的资产负债表提前锁定了。

这也是现在看 Nvidia 财报越来越麻烦的地方。

它今天卖出去的一颗 GPU，背后可能同时有 Nvidia 对云公司的股权投资、对数据中心的长期租约，甚至各种最低收入和信用支持。芯片需求、资本投入和基础设施融资正在被缝成同一张网。

Anthropic 的 800 亿美元当然是真合同。

但如果想判断 AI 算力需求到底有多「市场化」，现在已经不能只看最后那张采购订单了。还得继续往下翻，看是谁投了卖方，谁租了机房，谁替项目融资，又是谁把第一笔风险先接进了自己的资产负债表。

network

ason Calacanis

OpenAI vs
$NVDA


我覺得 Sam Altman 去戳老虎了。

2025 年，OpenAI 先跟  
$NVDA
談了規模很大的合作

接著 Sam 又宣布跟
$AMD
合作。

同時 OpenAI 還宣布要自己做推論晶片 Jalapeño。

Jensen Huang 明顯不開心，接著對外強調，
$NVDA
其實不一定非投 OpenAI 不可。

Jensen Huang 現在在加速開源，目標不只賣晶片，而是讓市場明年就能向 NVIDIA 買整套 AI 堆疊，硬體、軟體、模型一起包。

Jensen Huang 要拿下開源

network

$NVDA
最重要的一句话：500亿美元级AI数据中心，资本回收期已经不到1年

黄仁勋在法说会上提到了一句话，我认为这是理解当前AI基础设施周期非常重要的数据点：

“我前几天听说，现在投入资本的回收期已经不到一年，而我们谈论的是500亿美元级别的数据中心。”

这句话真正重要的地方，不是500亿美元，而是——不到一年。

大家可以想一下这意味着什么。

建设一座最先进的AI数据中心，需要购买
$NVDA
的 Vera Rubin 系统，需要HBM、DRAM、网络、光模块、液冷、电力设备，还要土地、厂房和整个数据中心基础设施。

现在市场每天都在担心：

HBM涨价怎么办？

DRAM涨价怎么办？

电力越来越贵怎么办？

Vera Rubin整套系统越来越贵怎么办？

但对于真正能够把这些GPU快速出租出去、把算力转化成Token收入的运营商来说，最重要的可能根本不是设备价格，而是：

这500亿美元投入之后，每年能够产生多少钱。

如果资本回收期真的已经压缩到一年以内，那么整个AI基础设施投资逻辑就完全不同了。

假设一家公司投入500亿美元建设AI数据中心。

传统数据中心可能需要很多年才能收回投资，但如果最先进的AI算力在极度供不应求的情况下，可以通过训练、推理、Coding Agent和AI服务快速变现，那么GPU就不再只是“昂贵的服务器”。

它开始变成一种能够直接生产收入的资产。

这也是黄仁勋一直强调的：

Compute is revenue。算力就是收入。

只要算力可以持续出租，而且需求远远超过供给，那么客户真正关心的就不是一颗GPU贵了10%，或者HBM贵了20%。

真正需要计算的是：

整套系统的投资回报率是多少？

这也解释了为什么我认为市场对于“内存涨价会不会打击AI需求”的讨论，需要换一个角度。

当然，HBM和DRAM价格持续上涨会推高AI服务器成本，也会影响数据中心的资本开支。

但如果一套Vera Rubin系统能够显著提高单位电力、单位机架和单位时间产生的Token数量，那么客户最终看的仍然是：

每1美元资本投入，可以产生多少美元AI收入。

如果生产率提升的速度快于硬件成本上涨的速度，那么内存涨价并不会自动终结AI资本开支。

甚至可能出现一个看起来非常反直觉的情况：

硬件越来越贵，但客户反而越来越愿意买。

因为真正稀缺的不是服务器。

是能够马上产生收入的AI算力。

这也是
$NVDA
护城河越来越深的原因。

Vera Rubin真正卖的已经不仅仅是GPU，而是一整套AI Factory：GPU、CPU、NVLink、网络、软件、CUDA、机架级系统以及持续升级的计算平台。

客户最终购买的不是一堆芯片。

客户购买的是“生产Token的机器”。

如果一座500亿美元级AI工厂真的能够在不到一年时间内实现资本回收，那么今天AI基础设施最大的限制因素，就可能根本不是“投资回报够不够”。

而是：

你能不能拿到足够的GPU、内存、电力、土地和数据中心容量，让这些资产尽快上线。

所以黄仁勋这句话真正值得市场重新思考的是：

为什么全球AI资本开支已经如此巨大，却仍然没有明显停下来的迹象？

答案可能非常简单。

如果500亿美元投入之后，需要七八年才能回本，这轮AI资本开支迟早会受到约束。

但如果最先进的AI算力真的能够把资本回收周期压缩到一年以内，那么对于资本而言，最合理的选择反而可能是继续建设。

内存贵不是最可怕的问题。

GPU贵也不是最可怕的问题。

在回报足够高的情况下，真正的问题只有一个：

算力上线得还不够快。

network

$NVDA 以新的历史最高月收盘价结束了八月……这可不是一场轻松的战斗……但 Jensen 凭借 Vera Rubin 和 GB300 的确认，彻底征服了它，这些现在被认定为 AI 的大脑主导者，而市场正在平复“Jensen 从不虚张声势”的教训余波——他说一切都好，而一切确实都好……对于 AI 基础设施建设可能放缓完全没有担忧……对于潜在的供应链危机也完全没有担忧……外面总有问题，但解决方案也总是不远……

从技术上讲，Nvidia 进入了一个新的长期阶段，预计将持续看涨的价格走势（当然，旅途中的噪音除外），一直持续到 2027 年夏季……预计年底前先达到 272-276，然后到 2027 年夏季达到 336-352……

network

一位经济学家说：

“钱越难挣时，真正的聪明人都在过收缩型人生。不扩张，只深耕；不消费，只必需；不折腾，只稳当。从‘我要更多’，到‘我守住这些’。”

大环境不好时，别老想着搞钱——因为无数双眼正盯着你的口袋。你伸手想掏别人的钱，背后就有千万只手伸进你兜里。最后别人的钱没搞到，自己的钱倒没了，成了彻头彻尾的穷光蛋。

钱越来越难挣的时候，不该琢磨怎么挣钱，因为大环境已不允许你扩张或盲目投资。你要做的，是捂紧钱包，过收缩型生活。不该花的钱一分不花，能省下的钱一块也省。不投资，不理财，不借钱，不欠债，不盲目扩张，只一心深耕自己，提升内在价值。

一定要掐灭贪念，别总想着“我要更多”。野心越大，风险越大，越容易冲动行事。你以为在投资、在创业、在搞钱，其实是在铤而走险。心里该有这样一个念头：守住自己已经拥有的——守住存款、守住健康、守住和睦安稳的家庭。知足常乐，自得其乐，这样你就赢了。

network

$NVDA、$GOOGL、$AAPL：顶级VC最大的错误，不是买错公司，而是把赢家卖得太早

红杉资本传奇投资人 Doug Leone 最近讲了一段我认为所有长期投资者都应该反复看的话：

风险投资人都会犯同一个错误——太早卖掉自己最成功的公司。

红杉曾经拥有约 20%的 $NVDA。

曾经拥有约 10%的Google，也就是今天的 $GOOGL。

还是
$AAPL
最早期的机构投资者之一。

甚至曾经拥有Cisco约四分之一的股份。

但这些超级赢家，最终都卖得太早了。

Doug Leone真正想表达的，并不是“任何股票都永远不要卖”。

而是投资中有一种非常特殊的公司：

它的潜在市场几乎没有明显上限，而且上市之后仍然能够持续复利10年、20年甚至更久。

这种公司最危险的操作，往往不是买贵一点。

而是你在赚了3倍、5倍、10倍之后，因为觉得“已经涨太多了”，把它卖掉。

$NVDA
就是最经典的例子。

如果一家基金早期拥有20%的英伟达，正常的基金管理逻辑一定会告诉你：

仓位太大了。

已经赚很多了。

应该锁定利润。

应该降低风险。

应该重新配置资金。

这些理由全部听起来非常正确。

但真正的超级公司，恰恰会让这些“正确的风险管理”变成未来最大的机会成本。

Leone讲了一句非常重要的话：

如果你能够提前感觉到一家公司的市场空间可能长期没有明显上限，这种公司不应该轻易卖掉。

因为真正伟大的公司，往往在IPO之后才开始创造最大的价值。

一笔已经赚了50亿美元的投资，如果公司继续长期复利，它可能变成500亿美元。

甚至5000亿美元。

Leone直接用红杉过去的
$NVDA
和
$GOOGL
投资来说明这种机会成本。

这就是复利最反直觉的地方：

最大的收益通常不是来自你第一次买得有多便宜，而是来自你到底能够持有赢家多久。

这对今天投资AI尤其重要。

假设AI只是一个两三年的资本开支周期，那么当然应该不断交易周期。

但如果AI真的是一次类似互联网、PC甚至工业革命级别的平台迁移，那么未来最大的投资错误之一，可能不是没有抓住每一次回调。

而是：

你已经找到了真正的赢家，却因为它涨了很多而提前下车。

$NVDA
今天面对的市场已经从GPU扩展到AI Factory、网络、软件、机器人、Physical AI和整个AI基础设施。

$GOOGL
从搜索扩展到Cloud、YouTube、Gemini、TPU和自动驾驶。

$AAPL
从电脑扩展到智能手机、芯片、服务和整个消费电子生态。

真正的超级公司都有一个共同特征：

它们不断把自己的TAM往外推。

所以投资真正困难的事情，从来不只是“找到下一只十倍股”。

更困难的是：

当它真的已经涨了10倍之后，你还能不能判断它是不是仍然处于长期复利的早期阶段。

普通公司涨10倍，可能意味着估值透支。

伟大的公司涨10倍，有时候只是因为市场终于开始理解它。

这也是为什么投资里最昂贵的一句话经常是：

“已经赚这么多了，先卖掉再说。”

Doug Leone几十年的投资经历最终留下的教训非常简单：

买到伟大的公司很难。

但买到之后一直拿住，可能更难。

真正改变财富的，从来不是频繁抓住每一次10%的波动。

而是你是否有机会找到一家能够复利20年的公司，然后——

不要太早卖掉它。

Alphabet Inc
GOOGL
$339.35
-2.09%

network

Wall St Engine

@wallstengine
·
3小时
翻译自 英语
Baird 对 $NVDA（跑赢大盘，目标价 $500）：

英伟达仍是我们的顶级大盘股投资标的之一，这得益于其市场份额领先地位以及持续的市场份额增长，包括在推理计算领域的增长，受代理式 AI 驱动的近期收入增长重新加速，预计明年将进一步增强势头，同时独立 Vera 和 Groq 3 推理加速器等增量收入架构表现出强劲的初步吸引力。

我们最近的数据点突显了对英伟达即将推出的 Grok 3 LPX 推理加速器的强劲需求，而我们预计独立 Vera 将在 2027 年于 AI 服务器 CPU 市场中占据估计低双位数的单位市场份额。

《华尔街日报》报道，Anthropic 与英伟达支持的新云提供商 Lambda 签订了价值 350 亿美元的云算力协议。净值而言，Anthropic 参与了英伟达 AI 生态系统内的 350 亿美元云算力协议。

我们很难判断 Anthropic 未来将使用 GPU 与 TPU 以及其他定制 ASIC 的组合比例，但我们预计英伟达将在 Anthropic 保持算力领先地位（包括训练和推理）多年，上文数字促使我们估计英伟达在 Anthropic 已锁定约是其他 AI 架构供应商两倍的 GW 容量，既通过 Lambda，也通过 Anthropic 与领先超大规模云厂商的协议。

Lambda 运营 14 个数据中心（据我们统计），提供英伟达 GPU 驱动的 AI 工厂。三天前有报道称，Lambda 为计算芯片筹集了约 10 亿美元的私人短期债务，这与其与微软的合作相关，涉及微软租赁数万张 NVDA GPU。2025 年，英伟达与 Lambda 签订了价值 15 亿美元的合同，以回租此前租赁给 Lambda 的 1.8 万张基于 GPU 的服务器。

分析师：Tristan Gerra