“涨得太高了”的英伟达……市场并未充分看到其从GPU向AI平台的转型

在市场仅凭英伟达（NVIDIA）的市值就解读为“已经涨得太多”之际，真正更重要的变化正在别处发生。分析认为，这一轮行情并非单纯的半导体繁荣，而是一次结构性转变，即企业计算的中心轴正从服务器和个人电脑转向“AI工厂”。

theCUBE研究公司在最近的分析中评价称，英伟达已不再仅仅是图形处理器供应商，而是正在进化为重新构建整个企业计算基础的“平台运营商”。该分析解释说，如果过去是x86服务器支撑着企业的计算系统，那么未来将是由集成了电力、数据、计算和软件的AI工厂来生产“令牌”（Token）、推理和自动化工作流，并成为新的基本单位。

关键在于，企业实际上并非在一个完美的“确定性”系统之上运行。企业资源规划、客户关系管理、财务、人事、安全、物流系统都分散在不同的数据和规则之上，而它们之间的缝隙则由人工判断、异常处理和手动恢复来填补。报告主张，AI工厂不仅仅是为了提高计算速度，更是朝着将迄今为止由人工承担的这些“连接成本”自动化的方向发展。

半导体股价走势与英伟达业绩实力的背离

仅从今年的半导体股价走势来看，市场反而对后来者寄予了更大的期望。报告显示，英特尔年初至今上涨了约200%，AMD上涨了91%，而英伟达仅上涨了约13%。然而，业绩前景却截然相反。英伟达的营收规模远大于同业，增长速度也更快，自由现金流同样占据压倒性优势。尽管如此，其前瞻市盈率却低于除高通以外的竞争对手。

市场上流传的观点认为，英伟达已经足够庞大，而AMD、英特尔、谷歌的张量处理器、亚马逊云科技的Trainium、博通等竞争势力可能动摇其护城河。然而，报告认为，这种解读更像是将“担忧”而非实际市场份额变化提前反映在了价格中。

分析要旨很简单。英伟达的优势不在于市场份额本身，而在于该份额所创造的“飞轮效应”。销量越大，就能越快地进行再投资，生态系统的忠诚度越高，供应链的获取能力也越强。报告的观点是，由于这种结构支撑着其年度产品创新周期，英伟达不仅能守住其在加速计算市场的份额，甚至可能进一步提高。

“代币经济”成为新标准……市场远大于CPU更换周期

这次转型的经济学原理不同于以往的服务器更换周期。过去，CPU性能提升时，企业会每隔几年更换一次设备。而在AI时代，在电力约束下，如何以更低成本生产更多代币成为了价值标准。如果电力实际上是固定的，那么在同等电力下能处理越多的推理和自动化任务，盈利能力就越强。

报告预计，英伟达的营收将从2024财年的609亿美元、2025财年的1305亿美元，快速增至2026财年的2159亿美元。按1美元兑1465.50韩元计算，分别约为89.24万亿韩元、191.25万亿韩元和316.37万亿韩元。市场共识预计其2027年营收将超过3500亿美元，部分预测认为甚至可能达到3700亿美元以上。

市场之所以如此增长，是因为AI基础设施已不再是单纯的IT成本，而是转变为“产生收入的系统”。代币本质上是推理和自动化的产出，它决定着客户服务、开发、物流、库存、风险管理、安全等多种业务的生产力。报告指出，在AI原生企业中，已经出现员工人均营收约为传统企业10倍的案例。

x86不会消失……而是被英伟达平台“吸收”的路径

这份分析报告中最引人注目的部分不是x86的没落，而是“吸收”。企业的核心数据和应用程序仍然留在x86环境中。因此，全面替换并不现实。分析指出，更可能的方式是保留确定性业务，同时在外部叠加一层AI工厂的层级。

报告特别指出，英伟达与英特尔的合作可能成为这一转型的核心路径。对英特尔来说，可以保持在AI时代的存在感并获取现金；对英伟达来说，则能获得接触庞大x86安装基础的优势。对企业客户而言，好处是他们无需彻底推翻现有系统就能迁移到AI基础设施上。

报告认为，在此过程中，市场经常提及的CPU与GPU比例之争也被夸大了。在目前CPU利用率较低的情况下，比单纯的比例更重要的是能够将整个平台的利用率提升多少。这意味着，相比零部件数量的竞争，集成架构的设计能力更可能决定胜负。

英伟达的真正武器不是芯片，而是“全栈”

报告强调，英伟达已超越“芯片公司”，正在构建一个全栈平台。英伟达的护城河起始于CUDA软件生态系统，并在DGX集成系统、Mellanox网络、Grace-Hopper CPU-GPU集成、Spectrum-X网络、Blackwell、Mission Control、Omniverse、Rubin以及未来Feynman的年度路线图中得到加强。

特别是收购Mellanox被视为英伟达增长的分水岭。AI工厂需要将数十万个GPU像单个系统一样连接起来，而这时的瓶颈更容易出现在网络而非芯片上。英伟达正通过NVLink、InfiniBand、Spectrum-X和BlueField DPU，将网络从单纯的连接手段转变为计算本身的“结构”。

在这种架构中，计算单位不再是服务器，而是“机架”。通过将GPU、CPU、DPU、内存、网络、存储、散热和操作软件作为一个整体系统进行优化，以降低每代币成本。这种方式与客户过去单独组装零部件的时代截然不同。报告评价称，这是将英伟达与一般半导体公司区分开来的关键。

存储、数据库、恢复……AI时代正在重写一切

AI工厂的转变不仅仅是计算设备的改变。存储正从“附加设备”变为“上下文内存”，数据平台则从查询过去的仓库转向实时语义中心。虽然企业级数据仓库或湖仓一体在分析中…

TP AI注意事项 使用TokenPost.ai基础语言模型对文章进行了摘要。正文主要内容可能被省略或与事实不符。