保衛5萬億美元市值，黃仁勛不靠“賣芯片”

英偉達，并不是一家純粹的芯片公司。

2026年5月，英偉達交出了一份讓華爾街嘆為觀止的財報：單季營收816億美元，較上一季度增長20%，較去年同期增長85%。這是什么概念？對比一下，騰訊2025年的全年總營收才不過1040億美元。如果英偉達四個季度都達到這一單季水平，那么相當于一個英偉達等于3個騰訊的營收。

更恐怖的是利潤，英偉達季報凈利潤583億美元。而2025年，阿里巴巴凈利潤為217.90億美元（非公認會計準則），英偉達一個季度的利潤就是阿里巴巴全年凈利潤的2.5倍。

但緊接著發生了一件讓人意想不到的事情，2026財年擁有965.8億美元自由現金流（Free Cash Flow）的英偉達，相當于一年凈流入了近千億現金。但在財報發布才三周的極短時間里，突然宣布發行250億美元的公司債券。

這就好比你家年薪百萬的鄰居老王家里，保險柜里堆滿現金，卻突然跑去銀行辦了一筆大額貸款。這時候你的心理警報也一定拉響了吧：鉆石王老五是不是有什么大事瞞著大家？

是的，一切都必須從黃仁勛永遠不會告訴你那個事實說起——英偉達恐怖的利潤，并不只是靠“賣芯片”，而是靠三個陽謀。

01

陽謀一：不“賣芯片”，是賣小型算力中心

不了解行業的朋友，可能認為英偉達是一塊一塊地賣芯片。實際上，根本不是，英偉達是把芯片“捆綁銷售”，將幾十塊芯片通過NVLink 互聯技術連接起來，形成一個算力集群模塊賣給客戶，如DGX / HGX系列，以及GB200 NVL72等。

對一個萬卡集群來說，并不是去單獨購買一萬顆英偉達的芯片，而是購買上百個模塊即可。一個又一個的模塊，其實都等于小型的算力中心。

“賣小型算力中心”的模式正是英偉達利潤率極高的關鍵。我們算一筆賬，以谷歌、meta等巨頭瘋搶的GB200 NVL72為例，里面的72 張 B200 單卡（每顆約 3.5 萬美元），售價大約 250萬美元。但一個GB200 NVL72 算力集群，價格卻可能是350萬美元，多出100萬美元。

算力集群的核心技術就是英偉達的NVLink 互聯技術，讓 72 顆 GPU 融合為一體。比如，用獨家的銅纜背板直接焊接技術，使得通信數據傳輸達到低延遲的極限，還有英偉達自己研發的獨家液冷標準，讓這個小型算力中心始終能長時間平穩運行，諸如此類。

黃仁勛向客戶介紹英偉達的AI算力芯片集群機柜，他是一流的銷售大師。

更有趣的是，算力集群中所使用的原材料和零件（諸如銅線、機箱、電源、交換機這些技術含量并不高的東西）都是英偉達從第三方采購，但全部是“白牌”，不是別人的品牌，而是英偉達“低價采購”，然后高價賣給客戶的“英偉達牌”。也就是說沒有供應商賺差價，硬件集成利潤、原材料利潤的大頭，全部被英偉達自己拿走。

這種集群銷售的模式，還提升了英偉達的技術護城河。英偉達的競爭對手，不光包括在加速搞GPU的AMD、intel這樣的老同行，還包括了谷歌、亞馬遜這種半路出家的互聯網企業，它們嫌棄英偉達的芯片太貴，吃掉了自己的利潤，所以也要自己研發芯片。

但聰明的老黃，有的是辦法。他通過“賣算力中心”的集群銷售模式，直接把技術競爭從GPU芯片研發的單一層次，拉高到了光是芯片研發還不夠，還必須搞“系統集成”這個新維度的更高層次。

于是，游戲難度大大升級了。對手們追趕的速度根本跟不上老黃，尤其是沒有硬件基因的互聯網公司們，更是沒有辦法短期內搞出成果，大家都只能眼睜睜看著英偉達芯片業務不停地賺取超過70%的毛利率。

02

陽謀二：CUDA，讓英偉達更像軟件公司

說到英偉達的護城河，就不得不提一個核心武器——CUDA。

CUDA到底是個啥？很多人說CUDA是開發平臺，這沒錯，但不夠形象。我們可以把CUDA看成是一個“編譯平臺”。

英偉達的GPU最開始是用來渲染游戲圖像的，不是用來搞科學計算的，所以在沒有 CUDA 之前，程序員如果想讓GPU搞計算，必須花大量的時間寫晦澀的圖形學代碼，把數學計算的指令，偽裝成畫圖、渲染像素之類，GPU才能勉強看懂跑起來。

CUDA平臺被認為是程序員和GPU之間的橋梁，讓AI開發者的工作效率指數級提升。

程序員直接對著 GPU 的晶體管寫代碼難度太大了。所以，CUDA 橫空出世就是要解決這個問題，它是分兩步來做的：

第一步，在人類程序員（上層）和 GPU（下層）之間，引入了 PTX 虛擬中間語言。程序員用流行的 C++ 語言寫好代碼（或者通過 Python 框架間接調用），CUDA 編譯器就會將這些代碼轉化為統一的 PTX 虛擬中間代碼。接下來，這些中間代碼會被英偉達的顯卡驅動翻譯給最底層的晶體管，讓它們“看得懂”，從而驅動它們干活。

第二步，在上層，CUDA 站在為程序員減負的角度，打造了 cuDNN（深度學習庫）、cuBLAS（矩陣乘法庫）等高級函數庫，等于將很多最常用的復雜計算代碼全部模塊化，讓它們成為了“預制件”。程序員要訓練 AI 大模型，只需要不斷在庫里調用這些“預制件”去組裝即可，這就大大提升了 AI 模型訓練和開發的效率。

于是，AI 公司的程序員越來越離不開 CUDA。更關鍵的是，經過近 20 年的積累，全球數百萬人工智能開發者、開源社區和各種 AI 大模型的算法，全部是原生基于 CUDA 編寫和優化的，CUDA 已經成為了一種行業的事實標準。如果客戶為了省錢去買其他廠商（AMD、英特爾）的硬件，他們會發現，重寫一遍底層代碼、反復調試 Bug成本，遠比省下的芯片錢還要多。

雖然基礎的 CUDA 是免費的，但當企業（如銀行、科技企業）要在商用生產環境中大規模開發大模型時，光有免費版是不夠的，還必須購買英偉達的商用軟件套件訂閱服務。比如，標準訂閱費用1年為4500 美元/顆 。請注意，這是每顆GPU的訂閱費，萬卡集群就是這個數字乘以1萬。

所以，投資者都很清楚，光靠賣硬件，英偉達很難支撐起AI概念的星辰大海，它訂閱費所體現的“軟件屬性”，是支撐它4.8萬億美元市值一定不能少的另一個根支柱。

03

陽謀三：“投資機構”屬性，買斷未來風險

英偉達幾乎就是AI硬件的代名詞，所以AI基建狂飆絕對不能停，也不能慢下來。黃仁勛就像一個傳道者，他需要全球到處煽風點火，讓AI的狂熱保持下去。

黃仁勛其實有深刻的危機感。根據公開數據，2021年中國市場貢獻了英偉達26%的收入。但到了2026年，黃仁勛親口承認，在中國AI芯片市場份額已降至“零”。更影響深遠的是，隨著中國本土廠商“國產替代”的崛起，英偉達可能會長期都失去中國這一全球第二大市場。

另一個關鍵問題是，英偉達的東西并非完全無可替代，即使CUDA這樣近似壟斷的AI開發平臺也會遇到挑戰。

2021年，OpenAI 開發了 Triton 語言與編譯器系統，它是一門直插 CUDA 生態心臟的“翻譯語言”。Triton 的顛覆性在于，它在底層可以無縫調用英偉達的 PTX 虛擬中間語言，驅動英偉達的芯片，也可以直接調用 AMD 的機器碼——這意味著程序員使用 Triton 寫代碼，同樣能完美驅動 AMD 的芯片。這讓英偉達通過 CUDA 綁定自身 GPU 的壟斷防線，瞬間被撕開了一道口子。

奧特曼、黃仁勛和Greg Brockman（Openai聯合創始人）合影。

Triton以后有機會細講，我們只需要明白，科技行業從來不缺乏聰明人，也不缺乏敢于顛覆現有利益架構的技術突破。英偉達并非高枕無憂。

于是，2025年，英偉達被爆出和OpenAI簽訂協議，計劃逐步向后者投資高達1000 億美元。另外，英偉達還以 50 億美元戰略投資了曾經最大的對手英特爾，收購其約 4% 的股權。對于OpenAI的戰略對手Anthropic，英偉達也承諾了至多100億美元的投資。

于是，我們回到最開始那個讓人困惑的問題，為何有錢，還要借錢？它作為全球金融市場的top 1，可以在現在以最低的利率從市場融到錢，然后用這些低成本的資金，反手買入自己的反面——競爭對手intel的股權，那些可能顛覆自己構建的AI生態的科技公司，比如開發Triton的OpenAI，從而盡可能對沖行業波動或者自身經營上的潛在風險。

這個對沖的邏輯，就像石油美元的阿拉伯主權基金們，這些一年一直在瘋狂地買入綠色能源相關的東西。

實際上，英偉達要成為一家AI“投資機構”，它也是有機會的。融資端有最便宜，最長期的錢，投資端又能拿到最好的投資標的，它擁有一切專注AI賽道的 VC、PE們最希望得到的東西。

英偉達這艘船很大，很穩，至少現在是的。但它也在駛向一片充滿暗礁的深海。 英偉達市值已經是5萬億美元（35萬億人民幣）的水平，以后怎么走，就要看黃仁勛的駕駛水平了。