上海
一月的最后一個周六，一篇名為《The Short Case for Nvidia Stock》的博客文章在深夜發布，24小時內閱讀量迅速突破50萬。
作者Jeffrey Emanuel在投資圈不算出名，文章也不是今年第一篇看空英偉達的報告，甚至很多觀點也談不上新穎。但它是第一篇將DeepSeek的技術細節與英偉達估值聯系起來的報告。
Jeffrey Emanuel既搞投資也懂AI，先是詳細羅列了英偉達的“四大危機”，接著用英雄惜英雄的口吻對DeepSeek不吝贊美，儼然外星科技。
報告發布后的第一個工作日，英偉達跌沒了6個英特爾，打破了由自己去年9月創下的美股單日市值蒸發記錄（2790億美元），網上隨即流傳出一封很像DeepSeek生成的“黃仁勛內部信”。
MarketWatch稱該報告將成為“史上最成功的做空報告之一[1]”，搖旗吶喊的大鱷包括“新四大股神”之一的Chamath Palihapitiya，以及看熱鬧不嫌事大的Altman的前同事Jared Friedman。
DeepSeek并不是英偉達的競爭者，反而是大客戶。但它的橫空出世像一顆光芒耀眼的信號彈：是時候跟英偉達算算總賬了。
在英偉達身上栽過跟頭的投資機構迅速團結起來，共同醞釀了一場價值5890億美元的“1·27慘案”。
讓子彈飛
二月第一天，方舟基金掌舵者Cathie Wood“木頭姐”做客彭博電臺，主持人開場提問零幀起手：你什么時候抄底英偉達？
木頭姐的回答非常冷靜：再看看。
木頭姐接受彭博社電臺采訪
木頭姐是業內最早看多英偉達的分析師之一，也是賣飛英偉達的第一批烈士。
方舟基金在2016年就開始大量持有英偉達股票，但相比對特斯拉的專情，木頭姐只陪英偉達走了一小段路，在2022年末大量賣出，理由是價不配位。
按照木頭姐的理論框架，賣GPU的英偉達和當年的思科沒什么兩樣，都定位于新技術的基礎設施，那么基建完成意味著利好出盡。
同時，木頭姐認為人工智能時代，每一美元的硬件支出能換回8-21美元的軟件收入，投資下游軟件回報率更高，因此投資者要見好就收。木頭姐本人也知行合一，早早算出了撤退的良辰吉日。
方舟賣出英偉達時，后者股價累計上漲了接近80%，但架不住后面又狂漲了800%，Business Insider給木頭姐算了一筆賬——整整少賺了12億美元[3]。
到去年年中，方舟基金賬上只剩下2.6萬股英偉達股票，木頭姐借反思復盤，又吹了一波自己心愛的特斯拉[4]：
“如果早知道市場會獎勵英偉達和其他科技六巨頭（Meg 6），但不包括AI的主要受益者——全球最大的AI項目特斯拉，那么我們就會持有它（英偉達）。”
此番大仇得報的還有估值大師達摩達蘭（Aswath Damodaran），達摩達蘭理論知識過硬，但實操環節吃了不少回旋鏢，其中就包括錯判特斯拉和英偉達。
達摩達蘭
2023年中，達摩達蘭一口氣減持了一半的英偉達股票，附帶一份讓文科生頭皮發麻的估值報告，給出了較當時409美元的股價幾乎腰斬的目標價，理由英偉達的市場地位與估值明顯背離[5]。
達摩達蘭估值模型（2023.6.23）
2024年，達摩達蘭繼續減持1/4的英偉達股票，同時大砍目標價至87美元（當時股價106美元）！1·27慘劇”發生后，達摩達蘭趕盡殺絕，將目標價進一步殺到78美元。
但在墻倒眾人推的氛圍下，分歧仍在滋生。
機構攜手退場的1月27日，散戶凈買入英偉達股票達到創紀錄的5.62億美元，嚇得野村證券分析師直言，這輩子沒見過這么夸張的交易失衡。
隨著恐慌情緒的稀釋，這種分歧還蔓延到了機構內部。摩根士丹利大中華區分析團隊4日大砍英偉達GB200在2025年出貨量（3萬-3.5萬下調至2萬-2.5萬），隔天北美團隊就重申英偉達仍是買入首選，直言當下的拋售是買入機會。
也就是說，DeepSeek的出現并沒有改變英偉達的估值邏輯，但放大了資本市場對英偉達的看法分歧。
打開的魔盒
在接受彭博采訪時，木頭姐給“抄底英偉達”的時機明確了兩個考察指標：一是推理芯片市場的增量，二是英偉達在推理端是否具有統治力。
這也是資本市場針對英偉達長期博弈的焦點之一，并隨著DeepSeek的出現而放大。
簡單來說，大模型可以劃分為訓練和推理兩個階段，前者的目標是通過向模型輸入大量數據，優化調參，得到一個可用的模型，后者是利用訓練好的模型來解決實際問題。
以自動駕駛為例，算法要先在數據中心被訓練，然后在汽車上“推理”，實現自動駕駛功能。
訓練端遵循著明確的scaling law路徑、以算力堆疊迭代進步，推理端與終端捆綁，本應承擔投資回報的重任，卻呈現出“看起來很忙、但不知道在忙什么”的迷茫。
終端產品要實現推理有兩條路徑，但各有各的難：
一是直接搭載大廠的大模型，但這類大多強調通用性，與終端需求常有不適配的問題，且由于閉源，終端廠商很難自行調試。滿漢全席配挖耳勺，怎么都吃不痛快。
二是自研模型，但需要付出高昂的訓練成本，像特斯拉這種自己部署數據中心的企業鳳毛麟角。
由于DeepSeek本身開源，下游可以針對性地開發；同時，DeepSeek證明低成本、低算力也可以訓練出功能強大的模型，降低了模型開發的難度和成本。
但推理的路走通了，對英偉達來說卻不一定是好事。
英偉達在訓練場景的優勢非常明顯，模型訓練需要的高精度計算、大顯存、通用性等特點，都是英偉達的傳統優勢項目，市場份額接近90%。按照Nextplatform的分析，DeepSeek的訓練就使用了英偉達的H800 SXM5。
但在推理場景，英偉達稱王的底氣稍顯不足。
嚴格意義上來說，并不存在專門的“訓練芯片”和“推理芯片”，鐵了心用H100搞推理也不是不行，畢竟沒人規定不能開保時捷送外賣。但在實際應用中，兩類芯片的架構往往有較大區別，因此常被視為兩個市場。
比如英偉達的通用性在訓練場景是無可比擬的優勢，但換到任務明確的推理場景，就變成了實用性差、資源浪費的劣勢。
大客戶們無言，只是加快了自研。GPU的虔誠信徒谷歌早在AlphaGo與柯潔一戰中就換上了自家的TPU，車端客戶們更是在特斯拉FSD的“不良示范”下紛紛叛逃。
Jeffrey Emanuel在報告中給英偉達拉來了兩個競爭對手——主攻推理芯片的Cerebras和Groq，斷言至少能破除當前估值中對英偉達未來2-3年增長的高預期的幻覺[2]。
較之訓練芯片市場，推理芯片依然是群雄逐鹿的曠野，英偉達沒贏，但也不代表輸了。
堅固的壁壘
對英偉達未來業務情況的判斷，可以簡單粗暴地套用一個公式：營收 = AI芯片市場規模 X 市場份額，由此拆解為兩個維度的討論。
第一個維度的判斷，構成了達摩達蘭進一步下砍英偉達目標價的最大依據。
在他看來，DeepSeek的出現會導致對科技公司對AI硬件的投資變得更加謹慎[6]，因此AI芯片市場規模的預估從去年9月的5000億美元，極速縮水至最新報告的3000億美元。
來源：達摩達蘭估值報告（2025.1.31）
這也符合一種樸素的邏輯：能用更便宜的價格買到相同功能的產品，誰還會去買高價貨呢？
但這一預判被光速打臉。DeepSeek出現恰逢美國科技公司財報季，按照谷歌、微軟、亞馬遜、Meta最新公開的2025年資本開支，四巨頭在AI和數據中心上的投資合計將達到3200億美元，比2024年還多了900億美元。
谷歌在財報電話會上表示，云計算業務增長放緩主要還是因為投資不夠，后面還得繼續花錢。
達摩達蘭的判斷忽視了一個更宏觀的影響：技術門檻下降也會推動市場整體規模的擴大。LED燈耗電量僅為白熾燈的1/10，但在LED燈普及的過程中，技術降本推動需求擴容，用于照明的電力消耗總量反而在增加。
大模型商業化的一個難題是價格與服務不匹配，DeepSeek讓產業看到了彌合兩者縫隙的可能，最終帶來的結果大概率是終端消費意愿提升，那么對算力和AI芯片的整體需求可能還會增長。
另一方面，英偉達的通用性與推理場景似乎并不適配，但帶來了無可比擬的成本優勢。
黃仁勛在多個公開場合解釋過英偉達的最大優勢——即相同算力下的“最低持有成本”，也就是說，綜合芯片單價和運行成本，英偉達GPU提供的每TOPS算力是最便宜的。所以英偉達的芯片越賣越貴，但單位成本越來越便宜。
被Jeffrey Emanuel拿來拉踩英偉達的Groq，其芯片采用了與GPU不同的LPU計算核心，號稱推理速度比英偉達GPU“快10倍”，價格卻是后者的1/10。然而，計算持有成本并不僅僅考量芯片的購買成本。
賈揚清曾給Groq算了一筆賬：由于Groq卡內存僅為230MB，要運行自家LLaMA 70b模型得購買572張，加上電費，三年運行成本高達1220.2萬美元。但用H100只需要8張，而且電費只是前者的1/10，總運行成本僅為37.2萬美元。
賈揚清博文
GPU算力的提升常被冠以“暴力”，也掩蓋了英偉達在系統構建上的精打細算。
英偉達的芯片產品線里，不僅內存大小精心設計，還在通過NVLink等連接技術在GPU間數據傳輸速率上做文章，保證即使單顆算力不是最強，也能讓“1+1”的實際算力碾壓對手。
事實上，Jeffrey Emanuel在報告中列舉的英偉達“四大危機”，多少有點老生常談：
比如Cerebras、Groq這些芯片公司一直被冠以“英偉達殺手”，但實際戰績的說服力并不強；CUDA的競爭對手和大廠自研芯片同樣是舊話重提；英偉達的GPU的確依賴臺積電的生產能力，但Jeffrey Emanuel開出的藥方是，“有能力挖到英偉達的芯片設計師”。
至于DeepSeek的沖擊，木頭姐在彭博的訪談中也提到了自己的看法。他認為在DeepSeek出現前，帶領AI產業成本下降的反而是英偉達自己[9]：
在英偉達帶領下，AI訓練成本每年降75%，推理成本每年降85-90%。DeepSeek只是讓這個降價的速度更快了。
而鑒于賣飛過特斯拉和英偉達的經歷，達摩達蘭在報告中一邊調低英偉達的目標價，一邊反復給自己疊甲：“我對AI架構和機制的了解很淺顯”、“我可能是錯的”……
英偉達的諸多“危機”都有一個沒辦法忽視的前提：從長遠來看。即英偉達的危機論多基于長期假設，但短期市場依然更關注其不可替代性。
這兩種說法都沒錯，但就像凱恩斯回應自己的批評者時說的那樣：從長遠來看，我們都死了(In the long run, we are all dead)。
參考資料
[1] The blogger who helped spark Nvidia’s $600 billion stock collapse and a panic in Silicon Valley, MarketWatch
[2] The Short Case for Nvidia Stock, Jeffrey Emanuel
[3] Cathie Wood's ARK Invest missed out on more than $1 billion in returns by selling Nvidia stock too early, Business Insider
[4] Cathie Wood says she wouldn't have sold Nvidia stake 'had we known that the market was going to reward it', Business Insider
[5] AI's Winners, Losers and Wannabes: An NVIDIA Valuation, with the AI Boost, Aswath Damodaran
[6] DeepSeek crashes the AI Party: Story Break, Change or Shift？Aswath Damodaran
[7] The Power of Expectations: Nvidia's Earnings and the Market Reaction, Aswath Damodaran
[8] Cathie Wood：我為何拋棄了英偉達，新硅NewGeek
[9] “木頭姐”談DeepSeek沖擊：英偉達受到挑戰，但不會繼續跌；AI將會有更廣泛應用，DeepTech深科技
編輯：李墨天
視覺設計：疏睿
責任編輯：何律衡
封面圖片來自ShotDeck
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
