保卫5万亿美元市值，黄仁勋不靠“卖芯片”

• 来源：财经灵敏度

英伟达，并不是一家纯粹的芯片公司。

2026年5月，英伟达交出了一份让华尔街叹为观止的财报：单季营收816亿美元，较上一季度增长20%，较去年同期增长85%。

这是什么概念？对比一下，腾讯2025年的全年总营收才不过1040亿美元。如果英伟达四个季度都达到这一单季水平，那么相当于一个英伟达等于3个腾讯的营收。

更恐怖的是利润，英伟达季报净利润583亿美元。而2025年，阿里巴巴净利润为217.90亿美元（非公认会计准则），英伟达一个季度的利润就是阿里巴巴全年净利润的2.5倍。

但紧接着发生了一件让人意想不到的事情，2026财年拥有965.8亿美元自由现金流（Free Cash Flow）的英伟达，相当于一年净流入了近千亿现金。但在财报发布才三周的极短时间里，突然宣布发行250亿美元的公司债券。

这就好比你家年薪百万的邻居老王家里，保险柜里堆满现金，却突然跑去银行办了一笔大额贷款。这时候你的心理警报也一定拉响了吧：钻石王老五是不是有什么大事瞒着大家？

是的，一切都必须从黄仁勋永远不会告诉你那个事实说起——英伟达恐怖的利润，并不只是靠“卖芯片”，而是靠三个阳谋。

阳谋一：不“卖芯片”，是卖小型算力中心

不了解行业的朋友，可能认为英伟达是一块一块地卖芯片。实际上，根本不是，英伟达是把芯片“捆绑销售”，将几十块芯片通过NVLink 互联技术连接起来，形成一个算力集群模块卖给客户，如DGX / HGX系列，以及GB200 NVL72等。

对一个万卡集群来说，并不是去单独购买一万颗英伟达的芯片，而是购买上百个模块即可。一个又一个的模块，其实都等于小型的算力中心。

“卖小型算力中心”的模式正是英伟达利润率极高的关键。我们算一笔账，以谷歌、meta等巨头疯抢的GB200 NVL72为例，里面的72 张 B200 单卡（每颗约 3.5 万美元），售价大约 250万美元。但一个GB200 NVL72 算力集群，价格却可能是350万美元，多出100万美元。

算力集群的核心技术就是英伟达的NVLink 互联技术，让 72 颗 GPU 融合为一体。比如，用独家的铜缆背板直接焊接技术，使得通信数据传输达到低延迟的极限，还有英伟达自己研发的独家液冷标准，让这个小型算力中心始终能长时间平稳运行，诸如此类。

更有趣的是，算力集群中所使用的原材料和零件（诸如铜线、机箱、电源、交换机这些技术含量并不高的东西）都是英伟达从第三方采购，但全部是“白牌”，不是别人的品牌，而是英伟达“低价采购”，然后高价卖给客户的“英伟达牌”。

也就是说没有供应商赚差价，硬件集成利润、原材料利润的大头，全部被英伟达自己拿走。

这种集群销售的模式，还提升了英伟达的技术护城河。英伟达的竞争对手，不光包括在加速搞GPU的AMD、intel这样的老同行，还包括了谷歌、亚马逊这种半路出家的互联网企业，它们嫌弃英伟达的芯片太贵，吃掉了自己的利润，所以也要自己研发芯片。

但聪明的老黄，有的是办法。他通过“卖算力中心”的集群销售模式，直接把技术竞争从GPU芯片研发的单一层次，拉高到了光是芯片研发还不够，还必须搞“系统集成”这个新维度的更高层次。

于是，游戏难度大大升级了。对手们追赶的速度根本跟不上老黄，尤其是没有硬件基因的互联网公司们，更是没有办法短期内搞出成果，大家都只能眼睁睁看着英伟达芯片业务不停地赚取超过70%的毛利率。

阳谋二：CUDA，让英伟达更像软件公司

说到英伟达的护城河，就不得不提一个核心武器——CUDA。

CUDA到底是个啥？很多人说CUDA是开发平台，这没错，但不够形象。我们可以把CUDA看成是一个“编译平台”。

英伟达的GPU最开始是用来渲染游戏图像的，不是用来搞科学计算的，所以在没有 CUDA 之前，程序员如果想让GPU搞计算，必须花大量的时间写晦涩的图形学代码，把数学计算的指令，伪装成画图、渲染像素之类，GPU才能勉强看懂跑起来。

程序员直接对着 GPU 的晶体管写代码难度太大了。所以，CUDA 横空出世就是要解决这个问题，它是分两步来做的：

第一步，在人类程序员（上层）和 GPU（下层）之间，引入了 PTX 虚拟中间语言。程序员用流行的 C++ 语言写好代码（或者通过 Python 框架间接调用），CUDA 编译器就会将这些代码转化为统一的 PTX 虚拟中间代码。接下来，这些中间代码会被英伟达的显卡驱动翻译给最底层的晶体管，让它们“看得懂”，从而驱动它们干活。

第二步，在上层，CUDA 站在为程序员减负的角度，打造了 cuDNN（深度学习库）、cuBLAS（矩阵乘法库）等高级函数库，等于将很多最常用的复杂计算代码全部模块化，让它们成为了“预制件”。程序员要训练 AI 大模型，只需要不断在库里调用这些“预制件”去组装即可，这就大大提升了 AI 模型训练和开发的效率。

于是，AI 公司的程序员越来越离不开 CUDA。更关键的是，经过近 20 年的积累，全球数百万人工智能开发者、开源社区和各种 AI 大模型的算法，全部是原生基于 CUDA 编写和优化的，CUDA 已经成为了一种行业的事实标准。如果客户为了省钱去买其他厂商（AMD、英特尔）的硬件，他们会发现，重写一遍底层代码、反复调试 Bug成本，远比省下的芯片钱还要多。

虽然基础的 CUDA 是免费的，但当企业（如银行、科技企业）要在商用生产环境中大规模开发大模型时，光有免费版是不够的，还必须购买英伟达的商用软件套件订阅服务。比如，标准订阅费用1年为4500 美元/颗 。请注意，这是每颗GPU的订阅费，万卡集群就是这个数字乘以1万。

所以，投资者都很清楚，光靠卖硬件，英伟达很难支撑起AI概念的星辰大海，它订阅费所体现的“软件属性”，是支撑它4.8万亿美元市值一定不能少的另一个根支柱。

阳谋三：“投资机构”属性，买断未来风险

英伟达几乎就是AI硬件的代名词，所以AI基建狂飙绝对不能停，也不能慢下来。黄仁勋就像一个传道者，他需要全球到处煽风点火，让AI的狂热保持下去。

黄仁勋其实有深刻的危机感。根据公开数据，2021年中国市场贡献了英伟达26%的收入。但到了2026年，黄仁勋亲口承认，在中国AI芯片市场份额已降至“零”。更影响深远的是，随着中国本土厂商“国产替代”的崛起，英伟达可能会长期都失去中国这一全球第二大市场。

另一个关键问题是，英伟达的东西并非完全无可替代，即使CUDA这样近似垄断的AI开发平台也会遇到挑战。

2021年，OpenAI 开发了 Triton 语言与编译器系统，它是一门直插 CUDA 生态心脏的“翻译语言”。Triton 的颠覆性在于，它在底层可以无缝调用英伟达的 PTX 虚拟中间语言，驱动英伟达的芯片，也可以直接调用 AMD 的机器码——这意味着程序员使用 Triton 写代码，同样能完美驱动 AMD 的芯片。这让英伟达通过 CUDA 绑定自身 GPU 的垄断防线，瞬间被撕开了一道口子。

Triton以后有机会细讲，我们只需要明白，科技行业从来不缺乏聪明人，也不缺乏敢于颠覆现有利益架构的技术突破。英伟达并非高枕无忧。

于是，2025年，英伟达被爆出和OpenAI签订协议，计划逐步向后者投资高达1000 亿美元。另外，英伟达还以 50 亿美元战略投资了曾经最大的对手英特尔，收购其约 4% 的股权。对于OpenAI的战略对手Anthropic，英伟达也承诺了至多100亿美元的投资。

于是，我们回到最开始那个让人困惑的问题，为何有钱，还要借钱？它作为全球金融市场的top 1，可以在现在以最低的利率从市场融到钱，然后用这些低成本的资金，反手买入自己的反面——竞争对手intel的股权，那些可能颠覆自己构建的AI生态的科技公司，比如开发Triton的OpenAI，从而尽可能对冲行业波动或者自身经营上的潜在风险。

这个对冲的逻辑，就像石油美元的阿拉伯主权基金们，这些一年一直在疯狂地买入绿色能源相关的东西。

实际上，英伟达要成为一家AI“投资机构”，它也是有机会的。融资端有最便宜，最长期的钱，投资端又能拿到最好的投资标的，它拥有一切专注AI赛道的 VC、PE们最希望得到的东西。

英伟达这艘船很大，很稳，至少现在是的。但它也在驶向一片充满暗礁的深海。 英伟达市值已经是5万亿美元（35万亿人民币）的水平，以后怎么走，就要看黄仁勋的驾驶水平了。

（本文转载自公号财经灵敏度，作者十盒米，点击此处到达原文。https://mp.weixin.qq.com/s/-u3zlfjf5g7LPPbhphbkKw）