AI竞赛中的赢家诅咒：英伟达股价下滑与谷歌TPU逆袭及国产算力新动态

“赢家诅咒”的效应正逐渐清晰。

自11月3日英伟达以208.08美元开盘后，至11月28日（美东时间），其股价已跌至177美元，整体跌幅接近15%。

在人工智能热潮的喧嚣中，英伟达面临挑战。据流传的内部会议讲话，创始人黄仁勋展现出深刻的危机感，尽管公司2026财年第三季度财报再次超过市场预期，但做空压力持续上升。

与此同时，另一科技巨头谷歌正被赋予“强势回归”的叙事。以同一时间段为观察点，谷歌股价从282.42美元攀升至320.12美元，涨幅超过13%。

近期发布的Gemini 3.0成为重振投资者信心的关键，谷歌一扫此前在AI领域的低迷，被认为重新跻身AI竞争前列，而支撑Gemini训练的TPU芯片，更被视作英伟达的强劲竞争对手。

然而，无论是谷歌还是英伟达，都需面对一个根本性论断：“规模扩张时代已经结束。”OpenAI前首席科学家Ilya Sutskever在接受采访时指出，单纯依赖算力堆砌和规模扩大的路径已触及天花板，人工智能亟需新范式突破。

三年前的11月30日，OpenAI发布ChatGPT-3.5版本，震撼全球。自此，AI发展日新月异，人类以前所未有的速度迈向新时代。

如今，这场技术革命是否会以相同节奏持续？乐观派所描绘的究竟是理想国，还是脆弱幻影？

1 “折旧周期”的争议迷雾

“愚蠢之举。”11月24日，以精准预测2008年次贷危机闻名的“大空头”迈克尔·伯里（Michael Burry），在一篇题为《泡沫的首要特征：供给侧贪婪》的文章开篇如此写道。

伯里自比希腊神话中的“卡桑德拉”——一位预言真相却无人信服的悲剧人物。他将当前美国人工智能热潮描述为“一场华丽的闹剧”，并预警英伟达的“衰落”可能预示AI行业泡沫破裂，理由是科技巨头在数据中心和芯片采购上投入巨资，但下游应用收入难以匹配成本。

伯里并非唯一质疑者。结合红杉资本对“AI的6000亿美元问题”的测算，以及贝恩等机构对2030年AI收入需求的场景分析，目前可确认的AI直接收入仅数百亿美元量级，而要消化正在进行的数千亿美元基础设施投资，部分研究认为到2030年全球AI相关年收入需达数万亿美元规模，显示投资预期与实际收入间存在显著差距。

更激烈的辩论聚焦于“循环融资风险”和“GPU折旧周期虚增”。

悲观观点认为，前沿GPU的经济寿命仅三年，这非因物理损耗，而是技术迭代导致。随着AI模型快速演进，人工智能数据中心约78%的经济产能在前三年内耗尽，假设投资100美元于前沿AI计算，到第三年仅剩22美元具备经济竞争力。

英伟达的产品更新节奏侧面印证此点。近五年，英伟达约每18至24个月推出新架构（从Hopper到Blackwell再到Rubin），如今采购的芯片，三年后恐成“过时”设备。

但从超大规模数据中心运营商的财务操作看，趋势相反——他们正延长GPU折旧周期。硅谷AI交易专家Henry Zhang在《折旧幻象：大型科技公司如何制造每股收益》文中分析：2023年，微软将服务器使用寿命从4年延至6年，此会计变更增加营收数十亿美元，变相补贴Azure利润率；2025年，Meta将服务器和网络资产期限延至5.5年（原为4年）。

“仅此调整预计今年带来约29亿美元额外收入。”Zhang指出，谷歌和甲骨文也将服务器寿命延至6年，优势明显：每年折旧成本下降，利润上升，市场为“创纪录每股收益”和“AI增长”欢呼。

然而，延长折旧周期无法确保未来这些成本产生稳定收入。伯里认为，巨头们在2026至2028年间将低估折旧额1760亿美元。2028年，甲骨文盈利可能虚报26.9%，Meta虚报20.8%，依此类推，“情况可能更严峻”。

乐观方持不同看法。知名研究机构Bernstein认为，老旧GPU实际可运行6～7年，度过初期六个月的高故障率后，后续运行相对稳定。关键在于，尽管英伟达芯片更新快，客户倾向于将最苛刻训练任务分配给最新卡，旧卡降级用于推理或轻量任务，时长可延展，因此租赁成本降幅有限。

“至少目前，A100芯片仍近乎满负荷运转。”Bernstein分析称。但一位国内半导体从业者表示，国内情况不同。虽云服务商与大厂签五年长约，但常在一两年后，甲方即便支付违约金也重签协议，因租赁价格大幅下降。

“长期看，英伟达GPU6～7年折旧周期对国内云服务商风险不大，因国内算力芯片与英伟达最先进芯片代际差约3～5年，故更关注超节点堆叠，而非单芯片算力。”另一云服务商透露。

2 TPU路径迎来突破

实际上，英伟达面临更大压力来自其客户。

硅谷巨头正纷纷投身“自造工具”之路。特斯拉CEO马斯克近日宣布，已组建顶尖芯片研发团队，在车辆控制系统和数据中心部署数百万自研AI芯片。他称将“深度参与”芯片设计，目标“每年量产一款新品”。

TPU的成功更被视为英伟达“泡沫破裂”的潜在因素。中昊芯英（杭州）科技有限公司是国内最早布局TPU的芯片企业，其创始人杨龚轶凡曾参与谷歌TPU核心研发。

中昊芯英首席解决方案架构师平晓峰向《IT时报》表示，谷歌最新TPUv7在原有架构上采用更先进制程和更大容量HBM，强化脉动阵列技术的能效比，让芯片专注于计算而非数据等待，“更多模型厂商可看到谷歌Gemini如何通过TPU集群以更低成本、更高效率实现，甚至超越基于GPU的OpenAI模型，这将对TPU市场产生类似OpenAI对英伟达的影响。”

甚至在英伟达的生态壁垒CUDA方面，谷歌也推出应对方案。为降低客户切换门槛，谷歌发布“TPU命令中心”软件，旨在简化TPU集成与管理。

该工具借鉴Meta开源框架PyTorch，允许开发者无需精通谷歌JAX语言即可操作TPU集群。

此举不仅提升TPU易用性，还借助Meta开源贡献形成生态闭环。通过该软件，客户可轻松监控集群性能、优化资源分配，模拟云端环境。有消息称，Meta计划用TPU训练全新AI模型，不限于推理任务。

平晓峰补充，TPU架构专为AI/ML设计，专注张量运算以实现更高计算速度，同等制程下性能较GPU提升3-5倍。但在国内市场，说服基于英伟达GPU的团队迁移至国产芯片，最大难点仍是“迁移成本”和“生态惯性”。开发者习惯CUDA的便利和丰富资源，担心迁移后效率降低、问题难解。

因此，中昊芯英的解决路径是：先助客户将部分计算密集型任务迁移至智算系统，实现“混合算力”部署，快速降本增效；再通过技术支持确保迁移顺畅；最终，持续迭代易用软件工具链，使迁移过程日益平滑，形成新生态平衡。

3 国产算力开辟自主道路

尽管硅谷AI泡沫争议不断，国内AI业界反响相对平静。

英伟达在华营收占比持续下降，从历史高点约26%降至2025财年13.1%，黄仁勋甚至在采访中称“中国市场占比已归零”。

与此同时，本土替代加速。消息显示，华为昇腾910C的AI推理性能约为英伟达H100的60%，“电子茅台”寒武纪业绩爆发，2025年上半年营收同比激增44倍，净利润扭亏为盈。

Fortune预计，中国AI芯片本土化率将从2023年17%升至2027年55%。即便近期传闻美国将放行英伟达H200，多名国内云服务商人士向《IT时报》表示，“这对国内算力市场影响有限，算力国产化已成定局，而非备选。”

平晓峰认为，大厂自研芯片与独立芯片厂商并存，将是未来国产AI算力市场常态，格局趋向“分层多元”。

大厂自研芯片主要服务内部特定业务，追求极致专业化，属垂直整合；而如中昊芯英的独立厂商，核心价值在于提供通用性强、性价比高、服务灵活的“商品化”算力产品，满足广泛市场需求。两者服务对象与商业模式不同，市场不会过度拥挤，而将自然分层。

未来不会出现单一垄断，而是形成“通用GPU+专用TPU+行业定制ASIC”的多层次、差异化市场格局。百家争鸣背后是各司其职，共建健康生态。