赢家诅咒，英伟达跌近15%背后的泡沫之辩

IT时报·2025年12月01日 19:12

AI乌托邦还是资本纸牌屋？

“赢家诅咒”正在显现。

11月3日，英伟达开盘208.08美元，11月28日（美东时间），收于177美元，跌幅已近15%。

“在人工智能泡沫的喧嚣中，公司处境艰难。”在一份流传出的英伟达内部会议讲话中，黄仁勋依然展现出深入骨髓的危机意识，尽管上周发布的2026财年Q3财报再度超越华尔街预期，但做空的声浪也越来越高。

几乎同时，另一个巨头被赋予“回归”的叙事意义。同样以11月3日~11月28日（美东时间）为观察锚点，谷歌的股价从282.42美元上涨至320.12美元，涨幅超13%。

刚刚发布的Gemini3.0成为投资者重建信心的关键节点，谷歌一扫过去在AI上的颓势，被认为重新坐上了AI的牌桌，而支撑Gemini训练的TPU，更被视为英伟达强劲的对手。

然而，无论是谷歌，还是英伟达，都必须面对一个更为釜底抽薪的论断：“Scaling时代已经终结。”OpenAI前首席科学家IlyaSutskever在接受采访时表示，单纯依靠堆算力、扩规模的路线已经触及天花板，人工智能需要新的范式。

三年前的11月30日，OpenAI发布ChatGPT-3.5版本震惊全球。自此之后，AI一日，人间一年，人类从未如此急切地奔向新时代。

如今，这场革命是否会以同样节奏继续下去？技术乐观派描绘出的究竟是乌托邦，还是纸牌屋？

1 “折旧周期”的罗生门

“Folly（愚蠢）。”11月24日，以精准预测2008年美国房地产次贷危机和金融危机而闻名的“大空头”迈克尔·伯里（MichaelBurry），在一篇名为《泡沫的首要特征：供给侧贪婪》开头如是写道。

迈克尔·伯里自诩为“卡桑德拉”——希腊神话中一位总是预言真相，却不幸地知道没有人会相信她的女孩。他将当前美国人工智能热潮描述为“一场壮丽的荒唐之举”，并指出英伟达的“陨落”将是美国AI行业泡沫破裂的前兆，理由是科技巨头们在数据中心建设和芯片采购上投入巨额资金，但下游应用端实际收入难以覆盖成本。

迈克尔·伯里并不是唯一的质疑者。综合红杉资本对“AI’s$600BQuestion”的测算以及贝恩等咨询机构对2030年AI收入需求的情景分析，目前可识别的AI直接收入仍只有数百亿美元量级，而要完全消化正在发生的数千亿美元级AI基础设施投入，部分研究认为到2030年全球AI相关年收入可能需要提升至数万亿美元规模，这意味着投资预期与现实收入之间仍存在显著缺口。

更激烈的争议发生在“循环融资风险”和“GPU折旧周期虚增”的讨论中。

悲观者认为，前沿GPU的经济寿命只有三年，这并非由于物理性能的退化，而是源于技术的过时。随着AI模型技术的高速演进，人工智能数据中心约78%的经济产能会在前三年内耗尽，假设在前沿人工智能计算方面投资100美元，到第三年仅剩下22美元具有经济竞争力的产能。

英伟达发布新品的节奏从侧面印证了这个观点。近五年来，英伟达几乎每18～24个月就会发布一款新架构（从Hopper到Blackwell再到Rubin），今天购买的芯片，三年后实际上就成了“过时”硬件。

从当前所有超大规模数据中心运营商的财务操作来看，恰恰相反，他们是在拉长GPU的折旧周期。一位硅谷的人工智能交易专家HenryZhang在其一篇名为《折旧幻象：大型科技公司如何制造每股收益》的文章中如是分析：2023年，微软将服务器使用寿命从4年延长至6年，这一会计变更使营业收入增加了数十亿美元，实际上在账面上补贴了其Azure的利润率；2025年，Meta将服务器和网络资产的期限延长至5.5年（原为4年）。

“仅此一项调整预计今年就能为其带来约29亿美元的额外收入。”HenryZhang表示，谷歌和甲骨文的服务器使用寿命也都延长至6年，好处显而易见，计入每年的折旧成本下降，利润上升，市场对“创纪录的每股收益”和“人工智能增长”欢呼雀跃。

然而，拉长折旧周期并不能保证几年后这些成本能带来同样稳定的收入。迈克尔·伯里认为，巨头们将在2026年至2028年期间低估折旧额1760亿美元。2028年，甲骨文的盈利将虚报26.9%，META将虚报20.8%，以此类推，“情况还会更糟”。

乐观者并不同意这种说法。知名研究机构Bernstein认为，老GPU真能跑6～7年，一旦过了刚上线容易烧卡的前六个月，后面的故障率其实很低。更关键的是，Bernstein认为，尽管英伟达的芯片更新很快，但客户更喜欢把最苛刻的训练任务扔给最新卡，旧卡被降级去做推理或者轻量任务，这个时间可以持续很长，因此租赁成本并没有下降很多。

“至少现在，A100还是基本满负荷的。”Bernstein分析认为。不过，一位国内半导体人士向记者表示，国内的情况并不太一样。尽管此前云服务商出租给大厂时基本是五年长约，但往往过了一两年，甲方哪怕是付违约金也会跟乙方重签，因为租赁价格降得太厉害。

“长期来看，英伟达GPU6～7年的折旧周期，对于国内云服务厂商而言，并不会有太大风险，因为国内算力芯片和英伟达最先进芯片的代际差，目前至少有3～5年，因此当前更关注超节点堆叠方式，对于单芯片的算力不会那么在意。”另一位云服务商告诉记者。

2 TPU路线曙光出现

事实上，英伟达更大的压力来自自己的客户。

硅谷巨头们正纷纷踏上“造铲”之路。特斯拉CEO马斯克近日宣布，已组建起一支具备行业顶尖水平的芯片研发团队，并在车辆控制系统与数据中心部署了数百万颗自研AI芯片。他表示，其本人将“深度参与”特斯拉的AI芯片设计，并称其目标是“每年量产一款新芯片”。

TPU的成功更被认为是英伟达“泡沫破灭”的可能因素之一。中昊芯英（杭州）科技有限公司（简称中昊芯英）是国内最早走TPU路线的芯片公司，其创始人杨龚轶凡曾是谷歌TPU芯片核心研发者。

中昊芯英首席解决方案架构师平晓峰告诉《IT时报》记者，谷歌最新的TPUv7是在原有的TPU架构上采用更先进的制程和更大更快的HBM容量，来强化TPU脉动阵列技术带来的极致能效比，让芯片把时间花在计算上，而不是等待数据上，“更多的模型厂家可以看到谷歌Gemini通过其TPU集群如何以更低成本、更高效率达成，甚至超越OpenAI基于GPU开发的模型，这将为TPU市场带来OpenAI给英伟达那样的影响。”

甚至在英伟达最强大的生态护城河CUDA上，谷歌也已有了应对方案。为降低客户切换门槛，谷歌推出“TPU命令中心”软件，这款工具旨在简化TPU的集成与管理。

它借鉴了PyTorch框架——由Meta首创并开源的AI开发利器，允许开发者无须精通谷歌的JAX语言，即可操控TPU集群。

这个操作不仅提升了TPU的易用性，还借力Meta的开源贡献，形成生态闭环。通过该软件，客户能轻松监控集群性能、优化资源分配，甚至模拟云端环境。有消息称，Meta有意用TPU训练全新AI模型，而非仅限于推理任务。

平晓峰也告诉记者，TPU架构专为AI/ML而生，专注于张量运算以实现更高的计算速度，同等制程下相较GPU可实现性能3-5倍跃升。但在国内市场，如果想说服一个已经基于英伟达GPU开发的AI团队迁移到国产芯片，最大的难点依然是对“迁移成本”和“生态惯性”的担忧。开发者习惯了CUDA的便利性和丰富的社区资源，担心迁移后开发效率降低、遇到问题无人可解。