美国政府批准英伟达H200芯片对华销售：市场影响与前景分析

在经历了数月的市场传闻和媒体炒作，包括英伟达CEO黄仁勋与白宫方面的互动以及关于H200芯片销售政策的讨论后，美国总统特朗普最终高调宣布，美国政府将允许英伟达向中国出口H200芯片，同时其他芯片制造商也可销售与H200规格相似的产品。

然而，最新的Blackwell架构及下一代Rubin芯片仍被排除在销售名单之外。此外，美国政府将从每笔销售额中抽取25%的分成。

而英伟达在第四季度因供应链融资问题、ASIC技术崛起、中国市场收入归零以及AI投资泡沫等因素，其增长已陷入停滞状态。

海豚君在近期的AI供应链话语权分析《AI 泡沫 “原罪”：英伟达是 AI 戒不掉的 “金毒丸”？》中指出：

在市值压力达到4-5万亿美元的背景下，英伟达需要持续交付芯片以支撑美股市场，从而成为全球AI大基建时代的“黑色石油”。

实现这一目标的关键任务之一是将英伟达的技术扩散到全球市场，例如特朗普推动GPU厂商在中东等地签单。也因此，英伟达在中国市场的份额从95%骤降至几乎为零，导致黄仁勋发出美国可能输掉AI战争的担忧。

半年前，美国政府甚至不愿批准销售阉割版的H20芯片，如今却开始允许H200及同等标准芯片的销售。这引发了几个核心问题：

1) 在这半年间，究竟发生了什么变化？

2) 美国批准H200后，销售是否会一帆风顺？

3) 重新赢得中国市场，能为英伟达带来多大的增长弹性？

以下是详细分析

01 半年之间180度的态度大转弯，到底什么发生了变化？

众所周知，美国本土企业在使用H200芯片时，向中国提供的是性能阉割版的H20。但在后续的博弈中，当美国同行已获取新一代Blackwell系列芯片时，中国连H20都无法使用；后来美国政府单方面放行，却又被中国政策所阻挠。

这一决策的背后在于H20在“硬性”参数上相比国内竞品并无明显优势，如果不考虑CUDA生态和批量供应问题，其在算力、内存、互联带宽和集群能力等方面甚至不及华为等国内厂商。

美国以往在技术限制上倾向于卡住高端产品，一旦国内实现量产，便以低价放开销售被卡产品。此次政策调整延续了这一思路，其放开部分源于中国AI产业链的快速追赶，也是基于产业进展进行灵活博弈的体现。

02 H200，2026年会是一个“称职竞品”吗？

尽管本次批准的并非英伟达最新的Blackwell系列，但H200的性能仍是此前H20的6倍，目前在海外各大厂中处于服役状态。

由于H200产品从2024年二季度开始量产，至今不到2年，结合各大厂的折旧年限（通常为4-6年），H200仍处于正常使用周期内。

当前海外前沿大模型主要基于H100训练（H200相比H100主要在HBM上升级），尚未有使用Blackwell进行预训练的模型；已部署的Blackwell主要用于推理引擎和微调加速。下一代前沿模型预计将基于Blackwell训练。

换言之，美国此次放开的H200与新一代训练芯片Blackwell存在代差（英伟达产品代际间隔约为2年，Blackwell因更偏系统级解决方案而上量磨合期较长）。

但H200在当前中国竞品中，算力优势依然明显。国内在算力上接近的厂商除华为外，多数尚未解决量产问题。

目前国内算力卡的核心短板在于训练卡缺位，缺乏真正可用的训练算力卡。H200能够构建与美国同等性能的FP8训练超算，这将加速大模型研发（如GPT-4级MoE模型）与产业应用（如智能代理、云服务）。

当前FP8是主流训练/推理格式，FP4仅少数企业探索（如OpenAI）。H200不支持原生FP4，但可通过“FP4存储+FP8计算”兼容FP4模型，缩小与Blackwell的差距。

从技术路线图看，能与H200竞争的将是华为下一代950芯片（适用于FP8），它将是首款可用于训练且内存配置、卡间互联和集群能力较强的国产芯片。

即使是一年后的950芯片，在总处理性能（TPP）上仍难以赶上H200，需等到2027年四季度的华为Ascend 960系列产品。

换句话说，若华为按计划推进，英伟达H200芯片领先国产AI芯片约2年。若差距仅一年半载，H200可能重蹈H20放行时“热脸贴冷屁股”的覆辙。

两年的硬件差距在当前下游模型以半年为迭代周期的背景下仍显显著，因此有传闻称国内部分前沿模型选择在海外训练后回传。

03 H200：在中国到底卖多久、用哪里？

从当前节奏看，H200在中国可能有一年半到两年的出货窗口，但英伟达能否借此重回中国市场95%-100%的份额时代？对此，海豚君持深度怀疑态度。

首先，在推理场景中，对计算性能要求相对宽松，且国内大厂出于成本经济性考虑，偏好性价比方案；而在训练场景中，国内竞品仍较为稀缺。

其次，从政策角度，为确保国产芯片有足够的产业链造血循环来支撑上游代工资本开支和研发，中国云厂商的资本开支规划必须分配相当份额支持国内产业链。

再次，AI软硬件技术迭代迅速，技术演进本身可能成为谈判新筹码，结合H20到H200的博弈过程，未来政策存在极大不确定性。因此，AI算力自主和全栈自研仍是国内云大厂的核心诉求。

综合这三点，海豚君估计，英伟达H200可能被精准定位在1-2年的出货期，并主要用于中国算力部署中的“训练”场景，而推理场景无论主动或被动，都可能以国产芯片为主。

在实际销售中，H200在中国的购买很可能采用政策许可制，云厂商需明确说明使用场景及为何必须采购H200。

04 英伟达，为何非“中国”不可？

尽管英伟达盈利丰厚，但站在2026年的起点，它仍面临多重焦虑：

中国市场基本已经丢失：

原本英伟达可在中国销售H20芯片，但在H20被禁后，中国市场在英伟达最近财报中的份额已滑落至5%左右（此前中国市场贡献约2成收入）。

结合英伟达在财报交流中透露的H20销售收入约0.5亿美元，上季度中国地区收入基本来自PC、游戏等非AI芯片。

“谷歌Gemini+博通”阵营的潜在威胁：

在英伟达高额垄断溢价下，谷歌、亚马逊等大型CSP已开启自研芯片。尤其在谷歌TPU持续拉货下，博通AVGO成长为AI芯片市场“老二”（市占率约10%）。

另一方面，Gemini模型和Anthropic模型展现出优异性能，前者完全未使用英伟达产品，后者仅部分使用。这表明英伟达产品并非大模型“必选项”，而“谷歌Gemini+博通”提供了新思路。

尽管谷歌TPU目前主要对内供应，但近期市场传闻谷歌TPU正与Meta进行外供谈判。一旦谷歌TPU开始外供，将对英伟达市场竞争力构成直接威胁。

对英伟达而言，H20被禁后中国市场AI芯片收入几乎归零，同时面临谷歌TPU对毛利率和订单的潜在威胁。英伟达当前市值对应下一财年净利润仅22倍PE，明显低于博通（40倍PE），这侧面反映市场对其在算力降本时代稀缺性减弱的担忧。

正因如此，黄仁勋迫切希望重开中国市场。尽管H200需向美国政府上交25%销售额分成，这会拖累整体毛利率（原H200毛利率约65%，分成后约40%），但由于公司此前展望未计入中国市场AI芯片收入，若中国政府放行，H200将立即贡献收入增量。

05 重回中国市场，是英伟达冲刺6万亿市值的王牌吗？

结论是，重回市场能带来增量，但在H200被精准限定于中国“训练算力2年空窗期”的情景下，其增量规模和可持续性将大打折扣。

以下是海豚君对英伟达重获中国市场增量收入及估值影响的分析。显然，重回中国市场并非英伟达冲刺6万亿市值的关键王牌。

首先，海豚君将中国AI芯片客户分为三类：互联网大厂（字节、腾讯、阿里、百度）、华为云、运营商及政企云（中国移动、联通、电信等）。

a）互联网大厂类：基本采用“英伟达/AMD+国产算力+自研算力”组合，将是H200放开的潜在主要购买方；

b）华为云：完全依托自身体系的“华为算力”，自给自足；

c）运营商及政企云：全部依赖华为等国产算力，不会采购海外芯片。H200放开不会带来需求。

此外，H200放开带来的购买需求主要集中于模型训练，即云大厂（字节、阿里、腾讯、百度）为满足训练需求采购，而非推理。当前算力用量中，推理与训练的token消耗比约为35:65，且持续向推理倾斜。

因此，H200销售额取决于未来两年云大厂Capex支出中的份额。结合国内云厂商资本开支及市场情况，海豚君预期2026年中国云厂商合计资本开支达1230亿美元，同比增长40%。

中国AI资本开支中约30%用于AI芯片采购，故2026年AI芯片市场规模约381亿美元。2025年英伟达在中国AI芯片市场份额约40%（主导训练需求及部分推理）。

鉴于国内训练芯片仍落后于H200，假设英伟达在2026年中国市场获取35%份额（即大厂采购开支的35%），则H200放行为英伟达下一财年带来约133亿美元收入增厚。由于英伟达此前指引未计入中国地区收入，这将是纯增量。

假设H200毛利率为65%，美国政府抽取25%分成后，实际毛利率约40%。考虑英伟达经营费用率约10%，则133亿美元收入仅贡献约40亿美元利润增量。

海豚君预估英伟达2027财年净利润约1923亿美元（营收同比+57%，毛利率75%，税率15.9%）。当前市值（4.5万亿美元）对应2027财年PE约22倍。

即使H200放开，中国AI芯片带来的利润增量仅40亿美元（对业绩增厚约2%），对估值影响微乎其微。

相比中国市场，市场更关注“谷歌Gemini+博通”的竞争影响，这是压制英伟达估值的主因，尤其担忧2027年及后的市场竞争力。若TPU开始外供，将直接冲击英伟达毛利率和市占率。

本次H200放开短期将增厚业绩，但如上分析影响有限（仅2%），公司股价在该事件后反应平淡（上涨约1%）。未来算力芯片的获准情况仍将是博弈筹码。

相对而言，英伟达更应着力强化与下游客户合作，提升自身竞争力，以应对TPU等定制ASIC芯片的威胁。