摘要

英伟达的王者地位不是一次押中AI，而是从图形GPU、GPGPU、CUDA到超算集群，连续二三十年把未来应用提前做成平台。 姚欣认为最难复制的是黄仁勋“对愿景的这种忍耐能力”：十年前还在为Tegra四处站台，2024年公司约80%的人在做软件，并通过Demo为元宇宙、量子计算、人形机器人等未来需求预埋算力。
训练市场仍“一骑绝尘”，但推理市场会从垄断走向“一强多专”，这是英伟达估值最核心的结构性转折。 姚欣的划分是：训练份额可能在50%-60%以上；推理市场若能成为约20%份额的领先者已很强，也可能随着专用芯片发展退为5%-10%的普通参与者，因为成本、性能、能耗的“不可能三角”会催生大量专用方案。
英伟达的短中期收入与长期股价可以同时走向不同方向：未来两三年收入仍会达到甚至超出投资者预期，但高毛利和垄断至少一项会下滑。 他把现状概括为“利润又好，增长又好，市场又垄断”，直言这种三重叠加“在任何一个科技史上都不会维持太久”；三五年后，AMD、自研XPU和中国供给才可能形成更实质的冲击。
DeepSeek不是“算力不再需要”，而是把增量从训练切向推理，迫使市场重算每次推理的成本、显存和交付节奏。 姚欣关注新卡是否达到288GB显存、是否同时具备IP4（原文未展开）能力，以及能否让一台机器跑“满血版DeepSeek”；若今年底交付，推理份额可能重回60%-70%，若拖到明年六月，则会“低于预期”。
围剿英伟达的不是一个对手，而是巨头同时买GPU、扶持AMD与ROCm、自研TPU等专用芯片，并投资创业公司。 主要传统对手AMD“能力都具备了，但生态不够”；Google靠TensorFlow、TPU、云与内部需求形成小闭环，Broadcom承接定制芯片，而姚欣判断国内眼下只有华为能在局部市场谈竞争。
黄仁勋正在主动降低大客户风险，把芯片、资本和融资杠杆编成第二套需求网络。 从Oracle Cloud到CoreWeave“白手套”，再到面向各国政府的“主权AI”，逻辑都是防止少数几朵大云吃掉大部分需求；卫诗婕追问这是否已是金融资本游戏，姚欣直比“新一代的乐视”，提示其中既有客户结构优化，也有短期泡沫。
推理效率提升不会自动终结算力增长，因为更便宜的推理会扩大使用；图片消耗可能达到文字的约1000倍，视频化后还可能再增加约1000倍。 姚欣估计推理算力占比可从2024年约40%逐步升至95%以上，多模态可能把总饼放大“千倍、一万倍”；英伟达仍会参与“构建下一代人类文明的基础设施”，但“不是只有它”。

精读

1. 英伟达靠连续改写GPU用途，而非一次押中AI

卫诗婕以“卖铲子的人最高兴”引出问题：英伟达为什么能从显卡发展成AI时代的基础设施。
姚欣从SGI、卢卡斯与《星球大战》时代讲起：图形计算先服务动画和电影特效，英伟达随后从graphics card进入市场，再把图形GPU推成GPGPU，即General Purpose GPU。
最能体现平台化的路径是应用不断迁移：PPTV十多年前用CUDA做音视频编解码，之后有数字货币挖矿、2013年的deep learning、AlphaGo，再到Omniverse。“通用平台上面又长出来一棵棵参天大树。”

2. 黄仁勋把十年后的需求先做成Demo

姚欣认为英伟达真正隐藏的能力，是黄仁勋的愿景以及“对愿景的这种忍耐能力”：很多判断要等十年、二十年，他必须长期“隐忍和潜伏”，不能靠一个产品周期验证。
Tegra是这份耐心的反面教材也是最佳样本：芯片性能不错但功耗太大，黄仁勋曾亲自为小米平板等厂商站台，最终移动路线逐渐败给ARM和高通；十年后，GPU却决定哪些公司能训练最大的模型，硅谷由此出现“GPU rich”和“GPU poor”。
2024年初，英伟达告诉姚欣，公司约80%的人在做软件，而且不只做CUDA，还做上层应用和大量Demo。目的在于向全行业展示十年后的元宇宙、量子计算和人形机器人为何今天就需要英伟达GPU。

3. CUDA和集群化把芯片优势锁成系统壁垒

第一层壁垒是顶尖硬件成熟度，第二层是CUDA。姚欣把CUDA比作“AI时代的C语言或者Basic语言”：AI、图形渲染和图像处理开发者经过十多年训练形成惯性，迁移成本远高于更换一张卡。
2019年收购Mellanox是训练市场的关键转折。英伟达从卖单张GPU变成销售成千上万张卡组成的超算集群，并用TB级网络互联解决集群通信，商业单位和技术壁垒同时被放大。
ARM收购失败则划定了边界：孙正义曾推动ARM与英伟达结合，设想覆盖手机到云端的全套芯片，但交易遭多国政府反对。此后Tegra逐渐淡出，英伟达基本放弃移动主战场。

4. “硅谷教父”是时代、学术网络与组织设计共同造出的

姚欣反对把黄仁勋过度神化：“五年前在硅谷他都是个nobody。”八年前英伟达offer少人愿接，2022年前后创业者甚至觉得把公司卖给英伟达比卖给Meta或Google“差一大档”；AI需求才完成了时代造英雄。
姚欣把皮衣、斯坦福的Huang Building和GTC的长期经营，都视为黄仁勋强品牌意识的体现。十多年前的GTC只是教授、学生与开发者参加的学术论坛和工作坊，如今却以摇滚开场、形似大型演唱会，但英伟达坚持经营同一批技术社群十多年。
学术网络比个人神话更关键。姚欣以斯坦福教授、后来成为英伟达首席科学家的Bill Dally为例，认为GPGPU标准背后有高校教授的远见、工程能力和影响力；黄仁勋擅长的是把这些资源整合进公司。
公司约有五十几个人直接向黄仁勋汇报。卫诗婕认为不用PPT的“白板文化”能让一线做事的人被看见，并避免论资排辈；姚欣补充，黄仁勋不可能面面俱到，但能保持对一线、新生事物和创新公司的知情与关注。
姚欣还以原文音近“Papalaxy”的硅谷AI搜索公司为例：黄仁勋亲自试产品、见十几二十人的创业团队，并支持和投资它，显示其在极度繁忙时仍保持对新生事物的敏感。

5. 台湾硬件网络是英伟达供应链的隐形底座

英伟达不仅依赖台积电先进产能，还要与苹果等客户争夺供给。姚欣认为，黄仁勋通过关注台湾科技电子展、带动Super Micro等伙伴，也在整合台湾半导体和服务器硬件网络。
Super Micro承担把GPU、内存、存储等集成到服务器主板的工作。姚欣认为这门生意“没有什么太高深的技术价值”，但英伟达算力需求曾把其股价带到十倍左右的量级，显示产业链增长如何外溢。
姚欣称，2000年以后、约2012至2015年以前，九成以上计算机核心零部件的组装生产商几乎都在台湾；工厂可能设在大陆，但品牌运营方多为台湾。再加上早期硅谷半导体华人圈的协作，这个“台湾老乡圈”构成英伟达少被讨论的全球制造网络。

6. 英特尔的陨落证明“不卷未来，未来会卷死你”

2011至2013年后，CPU摩尔定律开始减速，而新应用对并行计算的需求上升，这是GPU获得结构性机会的技术背景。
英特尔同时陷入“创业者的窘境”：PC业务利润过高，使公司没有充分下注移动端，最终把市场让给ARM和高通。英伟达也错过移动，但在通用GPU上保留了另一条增长曲线。
制造端的失速更致命。姚欣称英特尔在14纳米停留约六年，“换个马甲、换个壳”，而台积电、三星推进至7纳米、5纳米；AMD放弃自有生产、拥抱先进代工后，在制程与能耗比上反超。“你如果不去卷未来，未来有一天就会卷死你。”

7. 训练仍是一骑绝尘，推理注定一强多专

姚欣用市场份额划线：40%以上可称垄断者，20%左右是领先者，5%-10%只是参与者。按此标准，英伟达在训练市场可能拥有50%-60%以上份额，几乎没有可正面挑战的对手。
推理则跟随具体应用，必须在成本、性能、能耗的“不可能三角”中取舍。云端追求性能，眼镜、摄像头和车载芯片更看重能耗比；就像移动时代选择ARM，不同场景会选择不同架构。
因而推理终局更可能是“一强或者一两强，加很多细分垂直”。近期英伟达的份额可能仍在40%-50%；长期即使能成为约20%份额的领先者也已很成功，也可能随专用XPU发展退为众多参与者之一。

8. 巨头正用所有斗争形式围攻英伟达

AMD是最主要的传统竞争者，也是唯一同时具备x86 CPU与GPU能力的公司；问题是多线作战分散投入，软件生态积累远逊CUDA，因此长期处于“大家众望所归但扶不起来”的状态。
ROCm试图成为AI芯片时代的“安卓”：它开源，并得到Meta、微软等推动者支持，也意在降低对单一硬件的绑定；英伟达和CUDA则被置于类似“iOS”的对照位置。
姚欣形容巨头的策略“挺割裂”：一方面“谄媚英伟达”、继续买GPU，另一方面重兵支持AMD，第三面自研芯片，同时还孵化和投资小团队，“几乎把所有能用的斗争形式都用上了”。
专用芯片挑战通用GPU的另一受益者是Broadcom。它为具体行业定制专有芯片；姚欣把其进入万亿美元市值俱乐部视为市场押注“不会是英伟达一家独大”的信号。

9. Google靠封闭内循环维持TPU入场券

在AI 1.0时期，TensorFlow位于CUDA之上，又能调用Google自研TPU。开发者无需理解底层，只需使用Google AI Cloud；Google自身的巨大用量再反哺TPU迭代、产能优化和持续投入，形成垂直小闭环。
姚欣认为AWS和微软更难复制：企业客户要求透明、清晰，并会指定英伟达GPU；Google的内部业务和中小客户更能接受黑盒方案。不过到了Transformer驱动的第二波AI，这张2016年前后的“临时入场券”已没有当年那么强。

10. 中国芯片眼下输在产能，五年后才可能改写格局

姚欣的直白判断是，国内目前只有华为昇腾能在局部细分市场与英伟达谈竞争；其他互联网厂商的芯片项目尚未形成势力，阿里、腾讯、华为这类超大型云厂商才可能保有机会。
瓶颈不只是芯片设计：姚欣估计工艺问题可能只占两三成、产能问题占七八成。他提到市场上有人认为5纳米、7纳米对当前AI、尤其推理已经够用，但强调高端产能目前连自给都不足，更谈不上出口。
他的时间判断带有明确条件：28纳米及以上中国芯片据称已有约45%销往全球，未来14纳米或占世界一半；若产能像新能源产业一样从紧缺转向充裕，五年后中国芯片可能在多个领域“横扫四方”。

11. 危机感、收入增长和估值下杀可以同时发生

关于“公司离破产只剩30天”，姚欣认为这个说法过于夸张，但英伟达历史上确实多次处于危险状态。由于创始人持股比例特别小，它本质是投资人控制的公众公司；黄仁勋能长期留任，和每隔3年、5年押中一个时代浪潮及其超前布局有关。
姚欣认为80%-90%的高利润率不可能长期存在：“没有任何一个时代的任何一种基础设施”，能在这种毛利率下持续发展；过度垄断甚至已经制约行业进步，使英伟达成为“众矢之的”。
他对长期股价非常悲观，认为以高毛利支撑未来三十年增长是“弥天大谎”。他用“利润、增长、垄断”的三重优势对照“戴维斯双杀/双击”，认为至少会有利润率或垄断地位逐步下降。
卫诗婕把当下概括为“王冠之重”：英伟达一面享受王者地位，一面承受多方围剿。姚欣同意，并解释黄仁勋为何必须不断讲人形机器人等第三增长曲线——三五年后的故事今天无法证实，也无法证伪。
时间维度不能混为一谈：未来两三年，挑战者仍要翻越产能、性能、生态三座大山，英伟达收入仍会达到甚至超出投资者预期；但利润率会下滑，三五年后市场份额和架构优势才会受到更大冲击。

12. DeepSeek把GTC的胜负手从算力推到显存与交付

DeepSeek带来的短期冲击，是训练转推理后推理用量远低于原先线性预期，形成需求gap；姚欣同时认为价格下降会扩大推理普及，规模增长最终可能把这个坑重新填满。
推理通常不需要庞大集群，一两台服务器即可，但完整模型若装不进显存，就必须跨卡、跨机器调度。显存之间的I/O吞吐和调度，才是导致今天推理性能上不去的重要原因，而不是计算芯片本身，因此他把GTC观察重点转向显存容量。
姚欣关注新卡是否达到288GB、是否同时出现IP4（原文未展开）能力。按其团队测算，两项若同时成立，一台机器可能跑“满血版DeepSeek”，推理成本继续下降，英伟达初期份额甚至可能重新达到60%-70%。
但规格不等于业绩，发货时间才决定市场反应。GB200从去年3月发布到谈话时仍未完全到货，首批使用又有瑕疵，英伟达甚至调低了台积电产能中的GB200产能；他的总结是：“吹牛不怕，吹牛之后一定要兑现。”否则下一次愿景会先被打八折、六折。

13. 英伟达用“白手套”和主权AI重写客户结构

2017年的英伟达还是“卖芯片的好孩子”，2018年却因挖矿退潮及Google TPU、FPGA等替代方案遭遇重挫。公司由此意识到，把80%-90%的货卖给少数巨头无异于“与虎谋皮”。
2023年起，英伟达一面限制给头部大厂的供货，一面扶持二线云。Oracle Cloud原本在美国份额可能连5%都不到、甚至不到3%，却获得与Google、微软、亚马逊接近量级的供给，英伟达借此“把甲骨文的骨架给撑起来”。
CoreWeave的链条更激进：英伟达投资它，它用资金购买英伟达GPU，再用卡向银行抵押约80%继续买卡。姚欣称其从新泽西的小型挖矿公司三年膨胀至约250亿美元规模，微软和OpenAI又被迫向其租卡。
卫诗婕追问这是否已是金融资本游戏，姚欣回答“就是新一代的乐视”。与此同时，英伟达向中东、欧洲等政府推销本国语言模型和“主权AI”，也是在几朵大云之外制造由国家买单的新需求。

14. 效率提升只会短暂挖坑，多模态将把算力饼做大

DeepSeek让市场做出一个看似合理的估算：若几千台服务器、几万张卡就能服务上亿用户，把全球五六十至一百个大型App相乘，英伟达当前每年约120万张卡、未来可能达到300万至500万张的供给似乎已经足够。
姚欣认为这个质疑漏掉了模态升级：图片生成的消耗可能是文字时代的1000倍，视频化后又可能增加1000倍；他以早期互联网为参照，视频存储与传输相比音频可能大100倍，音频和图文互联网的服务器消耗又是不同量级。
因而推理占算力的比例可能从2024年约40%，经60%、70%走向95%以上，而总饼可能同时增长千倍、万倍。短期动能切换冲击股价，中期英伟达仍无成熟对手；长期算力需求继续爆炸，但英伟达只是基础设施建设者之一，“不是只有它”。

No Priors 第107期｜对话 Physical Intelligence 联合创始人 Chelsea Finn 超越表面统计（Apple 研究员）[Iman Mirzadeh]