作者 | Hunter Wolf Research
编译 | 华尔街大事件
越来越多的证据表明，AI 训练并不一定依赖于高端 GPU，这可能会减缓 英伟达( NASDAQ: NVDA)未来的增长。英伟达的数据中心业务经历了强劲增长，这得益于 Hyperscaler 客户对 AI 训练的大量 GPU 需求。数据中心业务的收入在 2024 财年和 2025 财年分别增长了 216% 和 142%。
不过，高端 GPU 的快速扩张已接近顶峰，原因如下：
首先，3 月 11 日，阿里巴巴金融科技部门蚂蚁集团发布了一篇关于其大规模混合专家模型 (MoE) 的研究论文。其中一项重要发现是，300B 的 MoE LLM 可以在性能较低的 GPU 上进行训练，从而将成本降低 20%。蚂蚁集团没有依赖英伟达的 H800 GPU，而是使用了华为和阿里巴巴自主研发的芯片。该论文声称，他们的两个模型 Ling-Plus 和 Ling-Lite 的表现优于 Meta 的 LLaMA 模型以及 DeepSeek 的模型，如下图所示。
蚂蚁集团对 AI 模型训练进行了多项优化，包括模型架构和训练策略、异常处理、模型评估效率和工具使用能力。这些改进使其 MoE 模型无需高级 GPU 即可运行。
DeepSeek 和 Ant MoE 都表明高端 GPU 对于 AI 训练可能并不是必不可少的，这可能会给英伟达带来巨大的增长风险。
其次，主要的超大规模提供商已开始开发自己的 GPU，以便为企业客户提供经济高效的解决方案。3 月 11 日，媒体报道称 Meta正在测试其首款 AI 训练芯片，这是减少对英伟达芯片依赖的重要里程碑。据媒体报道，Meta 已在其社交平台上启动小规模测试，如果测试进展顺利，可能会扩大测试范围。在 Meta 最近的会议上，其管理层指出，他们在内部开发的硅片方面取得了重大成功。谷歌和亚马逊已经利用博通和 Marvell的 ASIC 架构开发了他们的定制硅片。虽然我并不认为定制硅片可以完全取代英伟达或 AMD，但它可以为 AI 训练和推理提供一种有吸引力的、经济高效的替代方案。
最后，量子退火模型不依赖 GPU 进行纠错和验证。黄仁勋承认他对量子计算时间表的判断是错误的，并宣布加速其量子计算研究中心的发展。D-Wave（QBTS）于 3 月 19日发布了一篇研究论文，讨论了量子在加密挖矿哈希过程中的潜在应用。请
简而言之，从长远来看，英伟达在数据中心市场的高端 GPU 可能会面临更多的增长阻力。
话虽如此，由于 Blackwell 业务的增长，预计英伟达的数据中心业务将在短期内继续在计算和网络市场增长。他们将于 5 月 28 日公布 2026 财年第一季度业绩，预计收入为 430 亿美元，上下浮动 2%。如下图所示，英伟达的收入在最近几个季度有所放缓。然而，减速主要是由于同比比较困难，而不是根本性的放缓。
在 2026 财年，分析师预测英伟达总收入将同比增长 63%，这得益于数据中心 70% 的增长以及游戏和汽车市场的复苏。不过，降低了其数据中心业务从 2027 财年起的增长预期，以反映低成本 AI 训练模型和超大规模定制硅片带来的挑战。预计数据中心业务的增长将在 2027 财年放缓至 30%，从 2028 财年到 2030 财年（当 AI 进入推理阶段时）将放缓至 20%，然后从 2033 财年起（当 AI 市场成熟时）进一步放缓至 10%。
经过这些修订，总收入增长可以细分如下：
预测年利润率将增长 10bps，其中 GPU 价格下降带来 10bps 的不利因素，而销售、一般及行政费用和运营杠杆减少带来 20bps 的不利因素。我计算出总运营费用将从 28 财年到 30 财年增长 19%，从 33 财年起增长 9.7%。
股权自由现金流（FCFE）计算如下：
假设：无风险利率 4.2%；贝塔系数 1.8；股权风险溢价 5.5%，股权成本计算为 14.1%。终端增长率假设为 5%。扣除所有未来 FCFE，英伟达股价的公允价值计算为每股 112 美元。
英伟达的增长挑战是一个长期问题。他们的短期表现将与其 Blackwell 产量增长密切相关。主要的超大规模企业已经增加了 2025 年的资本支出，并在数据中心基础设施上进行了大量投资。如下表所示，如果将四大科技公司合并，总资本支出预算将同比增长 46%。资本支出的大幅增加可能会增加对英伟达GPU 的需求。
因此，短期内，英伟达的业务增长可能保持强劲并超过市场预期。
据媒体报道，英伟达还成立了自己的定制 ASIC 部门。鉴于其人才和资本资源，其业务扩张可能会降低来自 Broadcom 和 Marvell 的风险。
英伟达的黄金时代即将结束，当 AI 进入推理阶段并且更多低成本 AI 模型进入市场时，高端 GPU 的增长可能会放缓。
【如需和我们交流可后台回复“进群”加社群】
作者 | Hunter Wolf Research
编译 | 华尔街大事件
越来越多的证据表明，AI 训练并不一定依赖于高端 GPU，这可能会减缓 英伟达( NASDAQ: NVDA)未来的增长。英伟达的数据中心业务经历了强劲增长，这得益于 Hyperscaler 客户对 AI 训练的大量 GPU 需求。数据中心业务的收入在 2024 财年和 2025 财年分别增长了 216% 和 142%。
不过，高端 GPU 的快速扩张已接近顶峰，原因如下：
首先，3 月 11 日，阿里巴巴金融科技部门蚂蚁集团发布了一篇关于其大规模混合专家模型 (MoE) 的研究论文。其中一项重要发现是，300B 的 MoE LLM 可以在性能较低的 GPU 上进行训练，从而将成本降低 20%。蚂蚁集团没有依赖英伟达的 H800 GPU，而是使用了华为和阿里巴巴自主研发的芯片。该论文声称，他们的两个模型 Ling-Plus 和 Ling-Lite 的表现优于 Meta 的 LLaMA 模型以及 DeepSeek 的模型，如下图所示。
蚂蚁集团对 AI 模型训练进行了多项优化，包括模型架构和训练策略、异常处理、模型评估效率和工具使用能力。这些改进使其 MoE 模型无需高级 GPU 即可运行。
DeepSeek 和 Ant MoE 都表明高端 GPU 对于 AI 训练可能并不是必不可少的，这可能会给英伟达带来巨大的增长风险。
其次，主要的超大规模提供商已开始开发自己的 GPU，以便为企业客户提供经济高效的解决方案。3 月 11 日，媒体报道称 Meta正在测试其首款 AI 训练芯片，这是减少对英伟达芯片依赖的重要里程碑。据媒体报道，Meta 已在其社交平台上启动小规模测试，如果测试进展顺利，可能会扩大测试范围。在 Meta 最近的会议上，其管理层指出，他们在内部开发的硅片方面取得了重大成功。谷歌和亚马逊已经利用博通和 Marvell的 ASIC 架构开发了他们的定制硅片。虽然我并不认为定制硅片可以完全取代英伟达或 AMD，但它可以为 AI 训练和推理提供一种有吸引力的、经济高效的替代方案。
最后，量子退火模型不依赖 GPU 进行纠错和验证。黄仁勋承认他对量子计算时间表的判断是错误的，并宣布加速其量子计算研究中心的发展。D-Wave（QBTS）于 3 月 19日发布了一篇研究论文，讨论了量子在加密挖矿哈希过程中的潜在应用。请
简而言之，从长远来看，英伟达在数据中心市场的高端 GPU 可能会面临更多的增长阻力。
话虽如此，由于 Blackwell 业务的增长，预计英伟达的数据中心业务将在短期内继续在计算和网络市场增长。他们将于 5 月 28 日公布 2026 财年第一季度业绩，预计收入为 430 亿美元，上下浮动 2%。如下图所示，英伟达的收入在最近几个季度有所放缓。然而，减速主要是由于同比比较困难，而不是根本性的放缓。
在 2026 财年，分析师预测英伟达总收入将同比增长 63%，这得益于数据中心 70% 的增长以及游戏和汽车市场的复苏。不过，降低了其数据中心业务从 2027 财年起的增长预期，以反映低成本 AI 训练模型和超大规模定制硅片带来的挑战。预计数据中心业务的增长将在 2027 财年放缓至 30%，从 2028 财年到 2030 财年（当 AI 进入推理阶段时）将放缓至 20%，然后从 2033 财年起（当 AI 市场成熟时）进一步放缓至 10%。
经过这些修订，总收入增长可以细分如下：
预测年利润率将增长 10bps，其中 GPU 价格下降带来 10bps 的不利因素，而销售、一般及行政费用和运营杠杆减少带来 20bps 的不利因素。我计算出总运营费用将从 28 财年到 30 财年增长 19%，从 33 财年起增长 9.7%。
股权自由现金流（FCFE）计算如下：
假设：无风险利率 4.2%；贝塔系数 1.8；股权风险溢价 5.5%，股权成本计算为 14.1%。终端增长率假设为 5%。扣除所有未来 FCFE，英伟达股价的公允价值计算为每股 112 美元。
英伟达的增长挑战是一个长期问题。他们的短期表现将与其 Blackwell 产量增长密切相关。主要的超大规模企业已经增加了 2025 年的资本支出，并在数据中心基础设施上进行了大量投资。如下表所示，如果将四大科技公司合并，总资本支出预算将同比增长 46%。资本支出的大幅增加可能会增加对英伟达GPU 的需求。
因此，短期内，英伟达的业务增长可能保持强劲并超过市场预期。
据媒体报道，英伟达还成立了自己的定制 ASIC 部门。鉴于其人才和资本资源，其业务扩张可能会降低来自 Broadcom 和 Marvell 的风险。
英伟达的黄金时代即将结束，当 AI 进入推理阶段并且更多低成本 AI 模型进入市场时，高端 GPU 的增长可能会放缓。
【如需和我们交流可后台回复“进群”加社群】
