近两年产业领域最热的风口无疑是AI，而AI领域最靓的仔，当属堪称华人奇迹的GPU巨头“英伟达”。
AI热潮席卷全球，大模型算力与日俱增，让在AI芯片领域“鹤立鸡群”的英伟达产品供不应求，赚得盆满钵满：过去一个财年，英伟达营收超600亿美元，净利润近300亿美元。
近50%的超高净利率、约98%的市场占有率、一度突破3万亿美元的公司市值，让英伟达和创始人黄仁勋的故事妇孺皆知，也不免使得各界羡慕嫉妒恨。
一边是Meta 、Open AI等大厂客户开始自研芯片，英特尔、AMD等老对手以及一众新兴公司开始奋力追赶“老大哥”；另一边是AI应用场景扩展和商业化进程不及预期。
业已成为“众矢之的”和面临全面“围剿”的英伟达，近两个月来股价更是两度下跌超30%，显示了投资者对其业务前景的分歧。一时风光无两的英伟达，业绩和市值是否已处于强弩之末？
高歌猛进的英伟达股价受挫（图\大智慧）
“围剿”英伟达：AI芯片开始群雄逐鹿
在这些年乏善可陈的世界经济与产业中，“生成式AI”是为数不多的亮点之一。具有划时代意义的“Chat GPT”横空出世，让大模型训练成为全世界互联网大厂们的标配业务，随之而来最直接的需求就是需要源源不断的高算力芯片供应。
时势造英雄，英伟达多年技术打磨终于有了广阔的用武之地：采用新一代Hopper架构和台积电4纳米工艺，拥有800亿个晶体管的英伟达H100芯片，可以说是为大模型的深度学习量身打造，一时间为全球大厂疯狂抢购、奇货可居。
巨头们动辄十几亿美元的采购，让英伟达的业绩和市值一路狂飙。但98%的市占率，也让英伟达的芯片的买家们由爱生恨。尤其是那些与英伟达江湖地位对等的大厂客户，显然不愿意长期被英伟达“卡脖子”，纷纷开始自研芯片计划。
其中，微软去年已推出首款为AI设计的芯片；Meta已宣布今年在其数据中心采用自研芯片；Open AI则计划与三星、SK海力士合作定制化研发生产存储芯片；其他大厂如谷歌、亚马逊、特斯拉等也都悉数下场自研AI芯片。
自研芯片任重道远，但如果我们从算力成本等角度分析，那完全可以理解Open AI们“偏向虎山行”的选择：训练目前最新的ChatGPT-5平台，还需5万片英伟达H100芯片，而目前市面上单片价格已飙升至2.5 -3万美元。
更进一步的，ChatGPT如果需要继续迭代至与谷歌搜索相抗衡的水平，则还需要近500亿美元的芯片投入，以及每年超150亿美元的芯片更新开支。
因此，对于Open AI这种体量级别的企业而言，自研芯片在降低成本、保证供应、提高适用性和打破英伟达CUDA生态垄断等方面的战略意义重大。
同时，即使仍然联用英伟达的芯片，拥有了自研芯片这手牌的大模型企业，也增强了议价能力。
值得关注的是，微软、Meta和亚马逊等大客户，合计占英伟达的近半营收。如果都全部或相当部分芯片采用自研，对英伟达业绩来说影响巨大。
AI大模型龙头Open AI（图\网络）
除了大模型巨头，对GPU并不陌生的英伟达老对手英特尔、AMD，以及一大批创业型芯片设计公司也在AI芯片领域奋起直追。
如AMD去年6月发布的AIGC的加速器Instinct MI300，集成晶体管数量达1,530亿，是英伟达H100芯片的近2倍，且兼容英伟达的CUDA运算平台，直接对标和挑战后者的旗舰产品。
虽然这些同业完全突破英伟达在技术、产品和商业化等方面的壁垒并不容易，但仍然有望依靠性价比和综合服务等方面优势，夺取一部分市场份额，降低英伟达的市占率。
此外不得不关注的事，“围剿”英伟达的大军中还出现了美国政府的身影：英伟达奇高的市占率已引起美国司法部的关注，开始对其进行反垄断调查，明显也不希望市场出现一家独大。
泡沫退潮：AI之困，并不仅在于芯片
英伟达今年Q2营收为300亿美元，环比增15%、同比增122%；净利润约166亿美元，同比增168%，毛利率达75.7%。但这份靓丽的财报公布后，股价却暴跌近10%，此后仍处于颓势。
毋庸置疑，市场此前对英伟达的业绩增速预期高得离谱；或者，投资者已经认为AI泡沫开始退潮，英伟达的业绩高增长不可持续。
在以ChatGPT为代表的 AI 大模型发展过程中，算力的稀缺性和高成本成为其制约其发展的重要因素，但显然不是唯一因素。
事实上，相比于去年AI的火热与疯狂预期，今年相关赛道的热度已经显著下降。
比如中国国内AI大模型行业进入“百模大战”后，不得不开启价格大战抢占市场。阿里、百度、字节等巨头旗下大模型产品今年纷纷宣布降价，部分产品价格降幅竟达90%以上。
除了供给端大幅增加之外，需求端的扩张远远不及预期，也是大模型被迫大幅降价的重要原因。
在大模型突飞猛进的阶段，市场普遍的预期是AI将改天换地，渗透到各行各业，应用场景无处不在，凡是不拥抱AI的行业都将日渐式微。
而事实上，AI的应用目前仍然没有得到足够广泛的普及。即使部分领域已有应用，但在提升工作效率和改善客户体验等方面，仍有极大的提升空间，这也导致用户付费意愿受限、服务商难以盈利。
即使像Open AI这种绝对巨头，也仍然处于入不敷出、大幅亏损的阶段：年营收约20亿美元，而亏损仍高达50亿美元。
这或许是C端科技行业商业化的普遍难点。类似“波士顿动力”这种绝对技术大牛，长期以来也是“炫技有余、赚钱不足”。过高的成本售价、受限的应用场景等因素，导致其难以大规模走向市场，长期处于亏损状态。
波士顿动力人形机器人（图\网络）
蓦然回首，大模型企业发现应用场景的深化和商业化远远跟不上算力的提升速度。其实AI的发展过程中，对应用场景和终端需求的真正理解、训练数据的体量与质量等方面功力的积累，重要性绝不亚于算力提升。
再回到对英伟达的展望，其在技术和商业上的护城河——GPU性能、NVLink 高速GPU 互连技术和CUDA平台生态等，确实足够宽阔，但在大客户自研、同业跟进和反垄断打压等“群殴”下，也未必不是完全不可逾越的。
而更重要的是AI应用场景普及与商业化进程缓慢，显然也是掣肘英伟达业绩及市值乃至整个AI芯片与大模型行业一路高歌猛进的关键因素。
