英伟达依然坚挺

一月的最后一个周六，一篇名为《The Short Case for Nvidia Stock》的博客文章在深夜发布，24 小时内阅读量迅速突破 50 万。

作者 Jeffrey Emanuel 在投资圈不算出名，文章也不是今年第一篇看空英伟达的报告，甚至很多观点也谈不上新颖。但它是第一篇将 DeepSeek 的技术细节与英伟达估值联系起来的报告。

Jeffrey Emanuel 既搞投资也懂 AI，先是详细罗列了英伟达的 "四大危机"，接着用英雄惜英雄的口吻对 DeepSeek 不吝赞美，俨然外星科技。

报告发布后的第一个工作日，英伟达跌没了 6 个英特尔，打破了由自己去年 9 月创下的美股单日市值蒸发记录（2790 亿美元），网上随即流传出一封很像 DeepSeek 生成的 "黄仁勋内部信"。

MarketWatch 称该报告将成为 "史上最成功的做空报告之一 [1]"，摇旗呐喊的大鳄包括 "新四大股神" 之一的 Chamath Palihapitiya，以及看热闹不嫌事大的 Altman 的前同事 Jared Friedman。

DeepSeek 并不是英伟达的竞争者，反而是大客户。但它的横空出世像一颗光芒耀眼的信号弹：是时候跟英伟达算算总账了。

在英伟达身上栽过跟头的投资机构迅速团结起来，共同酝酿了一场价值 5890 亿美元的 "1・27 惨案"。

让子弹飞

二月第一天，方舟基金掌舵者 Cathie Wood "木头姐" 做客彭博电台，主持人开场提问零帧起手：你什么时候抄底英伟达？

木头姐的回答非常冷静：再看看。

木头姐接受彭博社电台采访

木头姐是业内最早看多英伟达的分析师之一，也是卖飞英伟达的第一批烈士。

方舟基金在 2016 年就开始大量持有英伟达股票，但相比对特斯拉的专情，木头姐只陪英伟达走了一小段路，在 2022 年末大量卖出，理由是价不配位。

按照木头姐的理论框架，卖 GPU 的英伟达和当年的思科没什么两样，都定位于新技术的基础设施，那么基建完成意味着利好出尽。

同时，木头姐认为人工智能时代，每一美元的硬件支出能换回 8-21 美元的软件收入，投资下游软件回报率更高，因此投资者要见好就收。木头姐本人也知行合一，早早算出了撤退的良辰吉日。

方舟卖出英伟达时，后者股价累计上涨了接近 80%，但架不住后面又狂涨了 800%，Business Insider 给木头姐算了一笔账 —— 整整少赚了 12 亿美元 [3]。

到去年年中，方舟基金账上只剩下 2.6 万股英伟达股票，木头姐借反思复盘，又吹了一波自己心爱的特斯拉 [4]：

"如果早知道市场会奖励英伟达和其他科技六巨头（Meg 6），但不包括 AI 的主要受益者 —— 全球最大的 AI 项目特斯拉，那么我们就会持有它（英伟达）。"

此番大仇得报的还有估值大师达摩达兰（Aswath Damodaran），达摩达兰理论知识过硬，但实操环节吃了不少回旋镖，其中就包括错判特斯拉和英伟达。

达摩达兰

2023 年中，达摩达兰一口气减持了一半的英伟达股票，附带一份让文科生头皮发麻的估值报告，给出了较当时 409 美元的股价几乎腰斩的目标价，理由英伟达的市场地位与估值明显背离 [5]。

达摩达兰估值模型（2023.6.23）

2024 年，达摩达兰继续减持 1/4 的英伟达股票，同时大砍目标价至 87 美元（当时股价 106 美元）。"1・27 惨剧" 发生后，达摩达兰赶尽杀绝，将目标价进一步杀到 78 美元。

但在墙倒众人推的氛围下，分歧仍在滋生。

机构携手退场的 1 月 27 日，散户净买入英伟达股票达到创纪录的 5.62 亿美元，吓得野村证券分析师直言，这辈子没见过这么夸张的交易失衡。

随着恐慌情绪的稀释，这种分歧还蔓延到了机构内部。摩根士丹利大中华区分析团队 4 日大砍英伟达 GB200 在 2025 年出货量（3 万 - 3.5 万下调至 2 万 - 2.5 万），隔天北美团队就重申英伟达仍是买入首选，直言当下的抛售是买入机会。

也就是说，DeepSeek 的出现并没有改变英伟达的估值逻辑，但放大了资本市场对英伟达的看法分歧。

打开的魔盒

在接受彭博采访时，木头姐给 "抄底英伟达" 的时机明确了两个考察指标：一是推理芯片市场的增量，二是英伟达在推理端是否具有统治力。

这也是资本市场针对英伟达长期博弈的焦点之一，并随着 DeepSeek 的出现而放大。

简单来说，大模型可以划分为训练和推理两个阶段，前者的目标是通过向模型输入大量数据，优化调参，得到一个可用的模型，后者是利用训练好的模型来解决实际问题。

以自动驾驶为例，算法要先在数据中心被训练，然后在汽车上 "推理"，实现自动驾驶功能。

训练端遵循着明确的 scaling law 路径、以算力堆叠迭代进步，推理端与终端捆绑，本应承担投资回报的重任，却呈现出 "看起来很忙、但不知道在忙什么" 的迷茫。

终端产品要实现推理有两条路径，但各有各的难：

一是直接搭载大厂的大模型，但这类大多强调通用性，与终端需求常有不适配的问题，且由于闭源，终端厂商很难自行调试。满汉全席配挖耳勺，怎么都吃不痛快。

二是自研模型，但需要付出高昂的训练成本，像特斯拉这种自己部署数据中心的企业凤毛麟角。

由于 DeepSeek 本身开源，下游可以针对性地开发；同时，DeepSeek 证明低成本、低算力也可以训练出功能强大的模型，降低了模型开发的难度和成本。

但推理的路走通了，对英伟达来说却不一定是好事。

英伟达在训练场景的优势非常明显，模型训练需要的高精度计算、大显存、通用性等特点，都是英伟达的传统优势项目，市场份额接近 90%。按照 Nextplatform 的分析，DeepSeek 的训练就使用了英伟达的 H800 SXM5。

但在推理场景，英伟达称王的底气稍显不足。

严格意义上来说，并不存在专门的 "训练芯片" 和 "推理芯片"，铁了心用 H100 搞推理也不是不行，毕竟没人规定不能开保时捷送外卖。但在实际应用中，两类芯片的架构往往有较大区别，因此常被视为两个市场。

比如英伟达的通用性在训练场景是无可比拟的优势，但换到任务明确的推理场景，就变成了实用性差、资源浪费的劣势。

大客户们无言，只是加快了自研。GPU 的虔诚信徒谷歌早在 AlphaGo 与柯洁一战中就换上了自家的 TPU，车端客户们更是在特斯拉 FSD 的 "不良示范" 下纷纷叛逃。

Jeffrey Emanuel 在报告中给英伟达拉来了两个竞争对手 —— 主攻推理芯片的 Cerebras 和 Groq，断言至少能破除当前估值中对英伟达未来 2-3 年增长的高预期的幻觉 [2]。

较之训练芯片市场，推理芯片依然是群雄逐鹿的旷野，英伟达没赢，但也不代表输了。

坚固的壁垒

对英伟达未来业务情况的判断，可以简单粗暴地套用一个公式：营收 = AI 芯片市场规模 X 市场份额，由此拆解为两个维度的讨论。

第一个维度的判断，构成了达摩达兰进一步下砍英伟达目标价的最大依据。

在他看来，DeepSeek 的出现会导致对科技公司对 AI 硬件的投资变得更加谨慎 [6]，因此 AI 芯片市场规模的预估从去年 9 月的 5000 亿美元，极速缩水至最新报告的 3000 亿美元。

来源：达摩达兰估值报告（2025.1.31）

这也符合一种朴素的逻辑：能用更便宜的价格买到相同功能的产品，谁还会去买高价货呢？

但这一预判被光速打脸。DeepSeek 出现恰逢美国科技公司财报季，按照谷歌、微软、亚马逊、Meta 最新公开的 2025 年资本开支，四巨头在 AI 和数据中心上的投资合计将达到 3200 亿美元，比 2024 年还多了 900 亿美元。

谷歌在财报电话会上表示，云计算业务增长放缓主要还是因为投资不够，后面还得继续花钱。

达摩达兰的判断忽视了一个更宏观的影响：技术门槛下降也会推动市场整体规模的扩大。LED 灯耗电量仅为白炽灯的 1/10，但在 LED 灯普及的过程中，技术降本推动需求扩容，用于照明的电力消耗总量反而在增加。

大模型商业化的一个难题是价格与服务不匹配，DeepSeek 让产业看到了弥合两者缝隙的可能，最终带来的结果大概率是终端消费意愿提升，那么对算力和 AI 芯片的整体需求可能还会增长。

另一方面，英伟达的通用性与推理场景似乎并不适配，但带来了无可比拟的成本优势。

黄仁勋在多个公开场合解释过英伟达的最大优势 —— 即相同算力下的 "最低持有成本"，也就是说，综合芯片单价和运行成本，英伟达 GPU 提供的每 TOPS 算力是最便宜的。所以英伟达的芯片越卖越贵，但单位成本越来越便宜。

被 Jeffrey Emanuel 拿来拉踩英伟达的 Groq，其芯片采用了与 GPU 不同的 LPU 计算核心，号称推理速度比英伟达 GPU "快 10 倍"，价格却是后者的 1/10。然而，计算持有成本并不仅仅考量芯片的购买成本。

贾扬清曾给 Groq 算了一笔账：由于 Groq 卡内存仅为 230MB，要运行自家 LLaMA 70b 模型得购买 572 张，加上电费，三年运行成本高达 1220.2 万美元。但用 H100 只需要 8 张，而且电费只是前者的 1/10，总运行成本仅为 37.2 万美元。

贾扬清博文

GPU 算力的提升常被冠以 "暴力"，也掩盖了英伟达在系统构建上的精打细算。

英伟达的芯片产品线里，不仅内存大小精心设计，还在通过 NVLink 等连接技术在 GPU 间数据传输速率上做文章，保证即使单颗算力不是最强，也能让 "1+1" 的实际算力碾压对手。

事实上，Jeffrey Emanuel 在报告中列举的英伟达 "四大危机"，多少有点老生常谈：

比如 Cerebras、Groq 这些芯片公司一直被冠以 "英伟达杀手"，但实际战绩的说服力并不强；CUDA 的竞争对手和大厂自研芯片同样是旧话重提；英伟达的 GPU 的确依赖台积电的生产能力，但 Jeffrey Emanuel 开出的药方是，"有能力挖到英伟达的芯片设计师"。

至于 DeepSeek 的冲击，木头姐在彭博的访谈中也提到了自己的看法。他认为在 DeepSeek 出现前，带领 AI 产业成本下降的反而是英伟达自己 [9]：

在英伟达带领下，AI 训练成本每年降 75%，推理成本每年降 85-90%。DeepSeek 只是让这个降价的速度更快了。

而鉴于卖飞过特斯拉和英伟达的经历，达摩达兰在报告中一边调低英伟达的目标价，一边反复给自己叠甲："我对 AI 架构和机制的了解很浅显"、"我可能是错的"……

英伟达的诸多 "危机" 都有一个没办法忽视的前提：从长远来看。即英伟达的危机论多基于长期假设，但短期市场依然更关注其不可替代性。

这两种说法都没错，但就像凯恩斯回应自己的批评者时说的那样：从长远来看，我们都死了 (In the long run, we are all dead)。

来源：远川研究所