黑马雷达 / 第003期 / 2026年3月 / 阅读时间约15分钟

本文从黄仁勋「Token经济学」宣言切入，拆解Token作为新货币单位的生产逻辑、商品化压力与价值换算空白，绘制这场经济范式迁移中的赢家与输家全景，点名被市场低估的三类早期机会，并给出可持续追踪的三个核心变量信号。读完本文，你将理解为什么「谁来换算Token的商业价值」是当前AI产业链中最被低估的投资坐标。阅读要点：① Token经济学的底层逻辑是什么；② 为什么Token生产层正在商品化；③ 价值换算层为何是真正的战场；④ 三类被低估的早期机会；⑤ 左侧投资者应追踪的三个核心变量；⑥ 投黑马的分层布局建议。

一、为什么Token经济是当前最值得严肃对待的投资命题

2026年3月，Token经济正在从一个技术术语演变为重新定义企业成本结构的基本单位。

黄仁勋在英伟达年度GTC大会上给出了这样一幅图景：未来每一家使用AI的企业，都将把「每月可调用的Token数量」纳入员工成本核算——就像今天的「薪资 + 差旅预算」一样自然。企业的智能生产力，将以Token的产出效率来衡量。

这不是一个遥远的预言。这是一个正在被悄然部署的经济框架。

三个信号证明Token经济已经从概念进入现实：

第一，定价基础设施正在成熟。 OpenAI、Anthropic、Google的API定价，全部以「每百万Token」为基本单位。这不是巧合，而是整个产业链在用同一套语言对话——Token正在成为AI产业的「度量衡」。

第二，企业采购行为开始重构。 微软Copilot、Salesforce Agentforce、ServiceNow的企业级AI产品，已经开始向客户提供「Token额度包」的采购方式。企业HR部门正在被要求回答：「一名知识工作者每月需要消耗多少Token？」这个问题以前根本不存在。

第三，推理模型使Token消耗量级跃升。 自OpenAI o1以来，推理型模型在给出答案前会执行大量内部「思考」步骤，Token消耗量是传统模型的5至20倍。加上Agent的多步骤任务执行，企业的Token账单正在以指数级增长。Token经济的规模效应，比大多数人预期的更快到来。

但黄仁勋的演讲里有一个被主流媒体忽视的核心空白：他解释了Token如何被生产和消耗，却没有解释Token如何被换算为商业价值。

这个空白，是这篇文章真正想讨论的事情。

二、Token经济的底层结构：三层拆解

理解Token经济，需要把它拆解为三个独立但相互依存的层次：

第一层：Token生产层（算力基础设施）

这是黄仁勋最熟悉的领域。英伟达的GPU、Groq的LPU、Cerebras的晶圆级芯片，以及AWS、Google Cloud、Azure的推理云服务，都在这一层竞争。

这一层的核心经济逻辑是：规模即优势，成本是唯一的护城河。 谁能以最低成本生产每一个Token，谁就在这一层获得定价权。

但这也是这一层最大的问题所在——它正在快速商品化。两年前，生产100万个Token的成本约为33美元；今天，最便宜的模型已经将这一成本压缩至9美分。跌幅超过99%，且趋势没有放缓的迹象。当所有玩家都在使用同类芯片、同类架构优化时，Token生产本身将越来越像云存储——一门可以赚钱但难以维持超额利润的基础设施生意。

第二层：Token分发层（模型与平台）

这是OpenAI、Anthropic、Google Gemini所占据的位置。它们不直接生产算力，而是将算力转化为可调用的智能服务，并向下游开发者和企业收取费用。

这一层的护城河曾经非常清晰：模型能力的差异化。但随着开源模型（DeepSeek、Llama、Qwen）的能力快速追赶，闭源模型的溢价空间正在被压缩。闭源模型公司的真正护城河，正在从「模型能力」迁移向「生态系统」和「企业信任关系」——这是一个更软、更难量化、也更难维持的护城河。

第三层：Token换算层（价值转化基础设施）

这是整个Token经济中最空白、最被低估、也最接近左侧机会的一层。

Token换算层要解决的问题是：一家企业消耗了100万个Token，这创造了多少商业价值？哪些Token调用是有效的，哪些是冗余的？如何在不损失业务质量的前提下，优化Token的使用效率？

这个问题今天没有成熟的答案。企业只能通过月度账单事后追踪，无法做到实时监控、主动优化和ROI归因。而随着企业Token支出从「可以忽略」变成「财务重大项」，这一层的需求将从无到有，出现爆发性增长。

Token生产层正在商品化；Token分发层的护城河在迁移；Token换算层几乎是空白。

左侧机会，在第三层。

三、竞争格局：谁在赢，谁在输，为什么

英伟达：Token经济的最大受益者，也是最大的叙事构建者

黄仁勋的「Token经济学」演讲，是一次精心设计的叙事工程。它试图做到的事情是：把华尔街的注意力从「英伟达的GPU有多贵」转移到「Token生产效率有多重要」——而英伟达的芯片，恰好是目前生产Token效率最高的工具。

这个叙事是自洽的，但有一个内在矛盾：如果Token生产成本持续趋零，即使英伟达的芯片每次都是最高效的，整个Token生产市场的总收入天花板也会随成本下降而收缩。英伟达的真正对赌，是Token消耗总量的增长速度将永远快于单价的下降速度。目前看来这一判断成立，但这是一个需要持续验证的假设，而非确定性结论。

英伟达的护城河：CUDA生态的开发者锁定是真实的，短期内无可替代。 英伟达的隐患：专用推理芯片（Groq、Cerebras）在特定场景的成本优势已经显现，云厂商自研芯片（AWS Trainium、Google TPU）的替代渗透率在持续上升。

OpenAI：从Token分发者到Token经济操作系统

OpenAI最新的战略动作，是试图从「卖Token」转型为「管理Token使用」。Operator、Tasks、以及正在测试的「企业Token配额管理」功能，本质上是在向Token换算层延伸——它想成为企业管理AI支出的中枢，而不只是AI能力的提供者。

这是正确的战略方向，但执行面临两个障碍：企业客户对将核心AI支出数据托管给单一供应商的顾虑，以及OpenAI自身在企业服务能力上的历史积累不足。

OpenAI的护城河：品牌认知最强，开发者生态最成熟，ChatGPT的消费者端数据优势无可复制。 OpenAI的隐患：商业化压力与安全使命之间的内部张力，以及对单一模型能力优势的过度依赖。

微软：企业Token经济的最深层布局者

微软是这场Token经济战争中被市场最系统性低估的玩家。

原因很简单：微软不需要赢得Token生产战，它只需要成为企业「Token使用管理」的默认入口。Copilot深度嵌入Office 365、Teams、Azure的全家桶，意味着对于绝大多数企业而言，「管理AI支出」天然从微软的产品界面开始。

更重要的是，微软Azure正在演变为企业Token经济的「结算基础设施」——企业的AI预算、Token额度分配、使用追踪，越来越多地通过Azure的计费系统流转。这是一个典型的「坐在流量中间」的战略位置。

微软的护城河：企业客户锁定最深，数据优势无可比拟，Azure作为结算基础设施的地位正在强化。 微软的隐患：创新速度受大公司体制制约，对OpenAI的依赖是双刃剑。

Anthropic：协议层的安静布局者

Anthropic的Model Context Protocol（MCP）在Token经济框架下，具有比表面看起来更深远的战略意义。

MCP定义了Agent如何与外部工具交互，本质上是在定义「一次任务调用应该消耗多少Token、以什么方式消耗」的标准。如果MCP成为行业协议，Anthropic就在Token的「使用规则」层面建立了类似TCP/IP的基础地位——不控制Token的生产，但影响Token的流动方式。

Anthropic的护城河：安全研究最深，企业合规场景的信任度最高，MCP协议的先发优势。 Anthropic的隐患：商业化节奏偏慢，协议标准的行业采纳速度存在不确定性。

开源阵营：Token经济的最大颠覆变量

DeepSeek R1用600万美元的训练成本复现了GPT-4级别的推理质量，这件事的真正意义不在于模型能力的比较，而在于它对「Token生产成本下限」的重新定价。

当开源模型可以在私有部署环境中以极低成本生产Token，「谁来生产Token」的问题将被彻底去中心化。这对Token分发层（OpenAI、Anthropic）的定价权构成持续压力，但对Token换算层（谁来帮企业用好Token）反而是利好——需求更加分散，换算工具的中立价值更加凸显。

四、被市场低估的三类早期机会

大厂的竞争格局已经清晰，但对于左侧投资者而言，真正的Alpha永远不在大厂身上。大厂争夺的是Token生产层和分发层的控制权——这是资本密集、周期漫长、赢家通吃的消耗战。真正适合左侧布局的机会，藏在Token换算层的三个细分方向里。

机会一：企业Token支出管理平台

这是Token经济中最接近「刚需基础设施」属性的早期机会，也是目前市场供给最稀缺的方向。

核心逻辑： 当企业的月度Token账单从几千美元增长到几十万美元，CFO会开始问同一个问题：「这些钱花在了哪里，产生了什么价值？」今天没有任何成熟的工具可以回答这个问题。企业只能看到云厂商提供的原始账单，无法做到部门级、项目级、甚至员工级的Token支出归因。

当前空白： 大厂有动力把这个功能内置到自己的平台，但它们的利益诉求是「让企业用更多Token」，而非「帮企业用更少但更高效的Token」——这个利益错位，是独立中立工具存在的结构性理由。

护城河来源： 先发的数据网络效应。接入企业越多，跨企业的Token使用基准数据就越丰富，benchmarking能力就越强，对新客户的价值就越大。这是一个典型的数据飞轮。

追踪信号：

• Salesforce、ServiceNow等企业软件巨头是否开始在产品中内置Token用量仪表盘——若大厂开始做，说明市场需求已经成熟，独立工具的窗口即将收窄
• 头部咨询公司（麦肯锡、BCG）是否开始为客户提供「AI支出审计」服务——咨询公司通常是企业需求的先行指标，其服务目录的变化是需求爆发的领先信号

机会二：垂直场景的Token ROI计算引擎

这个机会比前者更细分，但壁垒更高、商业价值更直接。

核心逻辑： 不同行业对「Token换算为商业价值」的计算逻辑完全不同。一家律所关心的是「一份合同审查消耗了多少Token，节省了多少律师小时」；一家电商公司关心的是「一次客服对话消耗了多少Token，对应的转化率提升是多少」；一家医院关心的是「一份临床文档的自动生成消耗了多少Token，减少了多少医生的非临床时间」。

这些计算模型无法通用，必须深度定制。这给了垂直切入的早期公司建立真正护城河的机会——它们掌握的不只是工具，而是某个行业「Token价值换算」的独家知识体系。

当前空白： 现有的可观测性工具（Langfuse、Braintrust等）聚焦于技术层面的Token追踪，尚未向业务价值层延伸。从「Token调用了多少次」到「这些调用产生了多少业务价值」，中间有一个巨大的翻译空白。

护城河来源： 行业专属的价值计算模型 + 与客户系统的深度集成。一旦一家医院或律所把核心业务指标与Token消耗数据打通，迁移成本将极高。

追踪信号：

• Harvey、Abridge等垂直Agent公司是否开始向客户提供「Token ROI报告」——若头部垂直Agent公司开始将ROI可视化作为产品卖点，意味着客户对这类需求的意识正在觉醒
• 企业IT采购RFP（需求建议书）中是否开始出现「AI支出ROI追踪」作为评估维度——RFP的内容变化是企业采购意识最滞后但最可靠的确认信号

机会三：个人与小团队的Token预算工具

这是三个机会中最早期、也最容易被主流投资者忽视的方向——但它可能是Token经济最大的长尾市场。

核心逻辑： 一人公司和小团队正在成为Token经济的重要消费主体。一个独立开发者、一个自由撰稿人、一个两人创业团队，每月可能调用来自五到十个不同AI服务的Token——Claude用于写作、Cursor用于编程、Perplexity用于研究、Midjourney用于设计……这些支出分散在不同账单里，既无法汇总，也无法优化。

当「AI工具订阅费」成为个人或小团队的第二大固定支出（仅次于人力），对这类支出的管理需求将从零开始快速增长。

当前空白： 现有的AI工具管理产品（如某些浏览器插件）停留在账户聚合层面，无法做到跨工具的Token等效换算和优化建议。这个空白目前几乎无人填补。

护城河来源： 用户习惯的先发锁定 + 跨平台数据的积累。率先获取独立开发者社区用户的产品，将积累全球最丰富的「个人AI支出模式」数据集，这是后来者难以复制的资产。

追踪信号：

• Product Hunt上「AI支出管理」类产品的发布频率——这个平台是独立开发者需求最敏感的早期探测器，若此类产品开始密集出现，意味着需求已经从潜在变为显性
• Stripe的年度报告中「AI工具订阅」类目的个人支出数据——Stripe处理了全球大量个人开发者的订阅支付，其数据是这个市场规模最可靠的代理指标

五、关键变量追踪：左侧投资者的信号地图

变量一：Token商品化的速度与底线

这是Token经济最核心的结构性变量，它决定了整个产业链的利润分配格局。

Token生产成本的下降是确定的，但「下降到哪里停止」是不确定的。如果Token成本趋近于真正的零，Token生产层将彻底失去定价权，利润将向换算层和应用层集中。如果成本在某个水平形成稳定区间（因为计算物理极限或寡头默契），生产层仍然可以维持一定的利润空间。

这个变量的走向，将根本性地影响英伟达、云厂商和开源社区的相对竞争地位。

具体可观测信号：

• 主流模型API的季度定价变化幅度——若每季度降幅从过去的30-50%收窄至10%以下，意味着Token生产成本正在接近当前技术架构的下限，商品化减速
• DeepSeek、Llama等开源模型与GPT-4o、Claude 3.5的性能差距变化——差距每缩小10个百分点，闭源模型的定价溢价空间就压缩一分；若差距收窄至5%以内，Token分发层将面临定价体系的根本性重构

变量二：企业Token支出的预算化程度

这个变量是Token换算层需求爆发的触发器。当Token支出从「工具费用」升级为「独立预算科目」，企业对支出管理和ROI追踪工具的需求将从无到有，出现非线性增长。

这个转变通常发生在两个条件同时满足之后：月度Token账单超过企业IT支出的5%，以及CFO开始要求AI项目提供ROI报告。

具体可观测信号：

• 微软Azure、AWS在财报中披露的「AI服务」营收占云计算总营收的比例——当这一比例超过15%，意味着Token支出已经成为企业IT预算的重要组成部分，管理工具的需求将随之启动
• Gartner、Forrester等咨询机构发布的企业AI支出调研报告中，「AI成本管理」和「ROI追踪」被列为首要挑战的比例——这类报告通常滞后市场6-9个月，但它们是企业CFO决策的重要参考，其内容变化会直接影响企业采购行为

变量三：Token配额成为劳动合同标准条款的速度

这是黄仁勋预言中最具颠覆性的那部分——「薪资 + 每月一定数量的Token」成为白领就业的标准包。这个变量一旦触发，将引发劳动力市场、企业人力成本核算和个人职业发展路径的系统性重构。

目前这仍是少数科技公司的早期实验，但它的传播速度值得密切关注。

具体可观测信号：

• 硅谷科技公司（Google、Meta、Salesforce等）的招聘JD中是否开始出现「AI工具配额」或「Copilot访问权限」作为薪酬福利条款——LinkedIn上的JD文本变化是这一趋势最早的公开数据来源
• 企业软件公司（Workday、SAP、Oracle）的HR模块是否开始增加「员工Token配额管理」功能——这些公司的产品路线图变化，是企业HR部门需求最滞后但最可靠的确认信号

三个变量的联动逻辑

Token商品化加速 → 生产成本趋零 → 企业Token支出规模扩大（低价刺激更多调用）→ Token账单从可忽略变为预算重大项 → 企业开始要求ROI追踪 → Token换算层需求爆发 → Token配额开始进入劳动合同 → 个人Token预算管理需求随之启动 → 整个Token换算层的市场规模从零快速扩张。

这个飞轮的启动信号，是企业Token支出首次进入CFO的视野。根据我们的追踪，这个时刻大概率在2026年底至2027年上半年之间到来。

投黑马 · 独家评级

赛道热度：🔥🔥🔥🔥🔥　　Token经济框架已获黄仁勋背书，认知扩散加速
左侧机会：⭐⭐⭐⭐⭐　　换算层几乎空白，窗口处于最早期
布局紧迫度：⚡⚡⚡　　　需求爆发在12-18个月后，现在是播种期

推荐关注层次：
Token换算层基础设施 ＞ 垂直场景ROI引擎 ＞ 个人Token预算工具

七、分层布局建议与风险披露

分层布局建议

第一层：Token换算层基础设施（低风险，长周期）

这是当前性价比最高的播种方向。押注逻辑不依赖于任何单一公司的胜出，而是基于一个几乎确定的结构性判断：只要Token经济持续扩张，企业对支出管理和ROI追踪工具的需求就必然从无到有。

这一层类似于淘金热中的「卖铲子」——不需要判断哪个AI应用最终胜出，只需要确认Token规模化使用这件事会发生。

选股标准：团队是否有企业财务软件或云成本管理的从业背景（而非纯AI工程背景）；产品是否对接了主流云厂商的计费API；是否已有3-5家真实付费的企业早期客户；商业模式是否与「帮企业节省Token支出」直接绑定（利益对齐）。

时间窗口：建议在2026年底前完成核心布局，届时企业Token支出将开始进入CFO视野，需求将从潜在变为显性，估值随之进入右侧定价区间。

第二层：垂直场景Token ROI引擎（中风险，中周期）

选择一到两个壁垒高、数据优势明显、且Token调用频率高的垂直行业重点布局。我们目前最看好法律和医疗两个方向：法律行业的合同审查和文档处理Token消耗量大、价值可量化；医疗行业的临床文档自动化有明确的时间节省指标，ROI换算相对清晰。

这一层的关键选股标准：是否已经有行业客户的真实Token消耗数据；是否能将Token消耗与具体业务指标（律师小时、医生非临床时间）直接挂钩；产品路线图中是否有明确的「ROI报告」功能规划。

第三层：个人Token预算工具（高风险，短周期）

这一层的市场时机最难把握——太早进入，个人Token支出尚未到达「需要管理」的量级；太晚进入，大厂会将聚合功能内置到浏览器或操作系统层面。最佳布局时机是独立开发者社区中开始出现自然增长的此类产品，且月活跃用户突破一万的那个时间点前后。

这一层需要最强的产品判断力，也需要最快的决策速度。

风险披露

左侧研究的诚实，要求我们同样清晰地列出这个判断可能出错的理由：

风险一：大模型推理能力的跃升使Token消耗效率大幅提升 如果下一代推理模型可以用更少的Token完成同等质量的任务，企业Token账单的增长速度将低于预期，CFO的关注度也将延迟到来。届时，Token换算层的需求爆发时间表需要相应延长。这是概率中等但影响较大的执行风险。

风险二：云厂商将Token管理工具内置化 AWS、Azure、Google Cloud完全有能力将企业级Token支出管理作为云服务的标配功能推出，且可以凭借平台地位提供独立工具无法匹敌的数据深度。若三大云厂商同时行动，独立Token管理工具的商业空间将被大幅压缩。这是对第一层布局影响最直接的风险。

风险三：Token经济框架被更新的计量范式取代 黄仁勋的Token经济学建立在当前大语言模型架构之上。若下一代AI系统采用根本不同的计算范式（如神经符号系统或量子计算加速），「Token」作为基本计量单位可能被新的概念取代，整个Token经济的基础设施投资将面临搁浅风险。这是概率最低但影响最大的尾部风险。

风险四：隐私与数据主权监管的收紧 Token换算层工具需要接入企业的AI调用数据才能提供有价值的分析。若欧盟、中国等主要市场的数据监管进一步收紧，跨境数据流动限制将显著增加此类工具的合规成本，并可能导致市场碎片化。垂直场景ROI引擎在医疗行业受此影响最大。

结语

1971年，尼克松宣布美元与黄金脱钩，布雷顿森林体系崩溃。从那一天起，全球经济运行的基础货币从「黄金」切换为「美元信用」。

这次切换用了将近十年才被市场完全消化——期间产生了无数的混乱、通胀、以及最终的财富重新分配。

今天，黄仁勋正在宣告另一次类似的切换：衡量企业智能生产力的基础单位，正在从「人力工时」切换为「Token」。

这次切换同样不会在一夜之间完成。企业需要时间重建成本核算体系，劳动合同需要时间纳入Token条款，CFO需要时间学会看懂Token账单。

但方向是确定的，时间是唯一的变量。

左侧投资者的机会，永远在切换发生之前、市场共识形成之后。Token换算层的空白，正在等待那些足够早看见它的人。

在聚光灯照亮之前，我们已经在那里。

投黑马 · 信号解读

黄仁勋的Token经济学宣言，本质上是一张尚未兑现的支票——他描述了Token如何被生产和消耗，却没有回答Token如何被换算为商业价值。这个空白，是当前AI产业链中最接近「基础设施级」的左侧机会。

左侧投资者真正需要盯住的信号只有一个：企业CFO第一次在季度财报电话会上主动提及「AI Token支出管理」——那一刻，Token换算层的需求将从潜在变为显性，窗口将从开放走向收窄。

── 投黑马研究团队

3月30日，美国升级对华芯片出口禁令，表示将对中国出口的AI半导体产品采取“逐案审查”政策规则，全面限制英伟达、AMD以及更多更先进AI芯片和半导体设备向中国销售。

这一举动实质影响有限——在2022年和2023年，美国已经两度收紧对华AI芯片出口。产业界普遍对出口的口子被重新扩大不抱幻想。从2022年下半年开始，中国公司就开始疯狂抢购英伟达等AI芯片，一张GPU售价一度飙涨至接近40万元。

一个被普遍接受的观点是，在国产芯片能够逐渐替换英伟达之前，仍旧有至少三五年的过渡期。拥有足够多的英伟达芯片，目前暂时是大多数中国公司参与新一轮AI竞争的生命线。

这也催生了一个特殊职业：倒卖英伟达芯片。传闻里，这生意一本万利，倒爷们神通广大，赚得盆满钵满。果真如此吗？

我们试图讲述一位掮客在此间经历的疯狂、欲望和欺骗。人类历史上下一场科技革命最重要的燃料，世界上最稀缺的算力资源，如何在无数隐蔽的小黑屋和推销电话里，被决定了流向——这正是阿诚的故事的特别之处。

“5个亿”

阿诚号称自己搞成了5个亿的生意。

他曾是一个普通的英语老师。2023年9月，阿诚入职深圳一家卖英伟达芯片的分销公司。做的第一件事，是给自己整了一套全新的名片。即使那时他身上已经装了六七种不同身份的名片，随时可以对不同的人展开不同的说辞，但没有哪个身份比这张名片上的头衔更让他觉得有面子了——新纪元科技有限公司中国区销售总负责人。

只要他不说，没有外人会猜到，包括总负责人在内这公司只有两个销售——阿诚是其中一个，再加上老板、财务、售后，他们就开始搞事了。

在绝对的产品力面前，任何销售技巧都是多余的。在一个500人的芯片大群里，我只加了诚哥一个人，因为他的群昵称太有诱惑力了：诚哥H800。

H800，英伟达特供中国的一款数据中心GPU，也是2023年大模型算力竞赛里中国公司能合法买到的最先进的GPU。当下，英伟达就是训练大模型所需算力的最优解。全世界都在抢购。有人说，大模型的风吹了一年多，只有两拨人赚到了钱：一拨人卖AI课、一拨人炒英伟达芯片。

2023年10月，美国宣布扩大对华芯片管制，H800等四款产品也被要求禁运。当天，英伟达特供中国的A800和H800芯片停止接单。接下来，价格是按小时涨的，短短一周内，单张H800卡的报价几乎从20万元人民币翻了一番。一台H800服务器在10月初的服务器售价为220万元，到了10月底已经飙涨到300万元。

半年后，在深圳南山附近的一家咖啡店里，诚哥问我，“你猜我们五个人，一个月卖了多少钱？”

“5——个——亿哦。”许是很满意我已经惊讶到接不上话，他主动吐露了答案。我看着这个西装下穿着运动鞋、风尘仆仆的80后男人，他看起来真诚、老实，微微含着肚腩，给人一种腼腆的感觉，只有瞳孔因为兴奋而明显放大——我突然相信了，他刚才告诉我他老板说他炒芯片时的状态——“阿诚啊，你一炒芯片就眼睛发光，肯定是要发大财哇。”

H100，财富密码

发财，首先要有机会。两年前，对阿诚来说，机会还显得那么有距离。

那时他在英语教培机构工作，别说大财了，想在深圳买房要攒钱到下辈子。他不甘心。2021年7月。双减政策一出，阿诚是机构里第一个跑路的人。

一个没了工作的35岁男人，在不少地方要被归类为中年loser（失败者）。但是深圳有自己独特的造富生态，单车变摩托的故事俯拾皆是。在阿诚看来，早年卖山寨机，“互联网+”兴起时玩地推，等到比特币行情起来了再用显卡挖矿，发币割韭菜的，很可能就是同一拨人。

风口在变，身份都是自己给的。

当时，这个风口是“炒芯片”。既然是炒，就说明有套利的空间。疫情后缺芯危机愈演愈烈，珠三角活跃着上万个芯片黄牛，一些公司一个月就可以招聘100个芯片销售。阿诚折腾起了芯片。在外人看来。从英语老师转行卖芯片实在是匪夷所思，但是在诚哥的口中，这个难度并不存在，“公司招人时，对我发了个面试邀请，我就过来了”。
不需要专业知识吗？我很怀疑。

“其实……”他顿了一下说，“很多时候都是现学的。”

他认为，高杠杆的事情才有得赚。倒卖信息差就是杠杆最高的赚钱方式。越是风口上的行业，信息差越高，杠杆越高。如果在风口上，个人能力的参差似乎并不重要。

问题是，一穷二白的人如何跟上风口？

诚哥其实也不知道，他能做的，就是跑动得勤快一些。短短一年不到，他加了几百个行业群，跑了几百场会，换了几百张名片，他的身上有一种深圳式的搞钱执着。即使千里迢迢跑到外地去参会他也很少觉得辛苦。

他深信一点：只要圈子对了，赚钱就像呼吸一样简单。

珠三角成为中国电子信息产业集聚地已经快40年，近些年一个越来越明显的变化是，国际局势任何风吹草动，都可能改变这里一群人的生计。

2022年底，大模型开始席卷科技圈。诚哥发现，有一个词高频地出现在圈子中。这些人无论原来是在挖矿、玩NFT、搞元宇宙，现在，他们有了一个新的财富密码：H100。

H100，英伟达这一轮市场行情的起点。如果说英伟达当下是训练大模型所需算力的最优解，H100就是最优解中的明珠。

大模型的竞争会被称为算力军备竞赛，是因为大模型本质上还是一种大力出奇迹的暴力美学，换句话说，想要获得更强大的模型效果，就得靠堆卡，堆更多、更强大的卡。

供需极度失衡。行业媒体GPU Utils曾经做过一个测算，H100一年的出货量大约也只有55万张。但是，仅美国大型科技公司和少数几家明星初创公司，对H100的需求量一年内就达到了43万张。对Meta之类的巨头公司来说，囤上10万张H100在商业竞争中才有先机。而对初创企业来说，没有1万张H100，连坐上牌桌的资格都没有。

中国也差不多的情况，但中国公司的需求被美国政府的出口限制强行摁住。2022年10月，美国对华启动芯片管制。几乎是在H100和比其性能稍弱的A100被禁运的同一时间，OpenAI发布了chatGPT，从那时起，有多少张英伟达卡，成了中国科技公司AI实力的一把标尺。几乎所有选择宣布加码大模型的互联网大厂，在财报会上一定会被问的一个问题是，公司储备了多少英伟达卡？

第一拨行动者出现了。在2022年夏天之前，原价18万多元人民币的H100在中国需求量并不惊人，性价比低点的A100甚至有些滞销。然而，芯片禁令后市场上不多的存货就像被蝗虫过境，一扫而空。

四个月后，中国的大模型业进入了“百模大战”时间，英伟达面向中国客户推出H800，这个版本被俗称为H100的“阉割版”，英伟达在这个版本里去掉了受美国政府那一轮禁令管制的参数。加上此前已经推出的A100低配版A800，英伟达的中国客户还算有卡可用。抢卡的竞争又来到了一个新赛点。

至少有五类角色在疯狂抢购：电信运营商、服务器大厂、互联网和AI公司，以及业务和算力无关但是现金流充沛的大企业。

英伟达芯片在中国市场有四种渠道流通。其中两种可以订购中国特供版的官方渠道：一条通过英伟达自己的经销商体系，一条通过英伟达认证过的服务器大厂经销商体系，这两条渠道上挤满了排队下单的大厂，交付的时间则取决于英伟达，最快也要到2023年底。为了插队，大厂高管们八仙过海式的拉关系，甚至不乏上市公司老板直接飞去美国见英伟达CEO（首席执行官）黄仁勋。

另外两种渠道则通过黄牛，这个渠道多少有点暗箱操作：一类有海外背景，可以有特殊的海外渠道让H100/A100流入内地；另一类则是体量更小的散户，他们的货源来自内地，“至于具体是哪里，那就要看各自的本事了”。

“一卡难求”的情况甚至还推高了国产芯片的市场空间。诚哥一开始没有渠道，卖不了英伟达芯片。他花了四个多月，帮一家号称“中国英伟达”的国产AI芯片公司成交了一笔200多万元的合同。

可是，他却没能拿到一分佣金。

诚哥认为，之所以说好的佣金也不给他，是因为这公司自己处境艰难。他的依据很简单，市场上愿意买英伟达之外芯片的厂商寥寥，“客户买英伟达的卡是拼手速，秒慢没；买这公司的卡要磨磨蹭蹭，讨价还价”。即便卖出去了，客户的目的只是为了符合国产芯片需占一定比例的采购要求，买了卡也通常是堆在库房。

此时，对在2023年向英伟达下订单的大多数中国公司来说，H800遥遥无期，A800是唯一到货的产品。这一产品刚推出时售价为7.4万元，到了6月底，黄牛开出的高配版的售价逼近10万元，而到了7月下旬，价格已超过12万元。无论是出于抬高价格还是恐慌心理，市场在疯传，美国将要再次收紧芯片管制。

入局者也越来越多了。如果说一年前的夏天，大量囤英伟达卡的公司必定业务和其有相关，现在也可能是一个卖味精的公司或者是一家女装公司。囤卡的散户也从过去长期依赖英伟达显卡挖矿的大佬，变成了现在可能是任何一个毫无背景的人。比如一个曾经的英语老师。

诚哥就是那个时候入局的——新纪元这家公司当时成立才一个月，但有“渠道”。

“先签了再说”

从外表上看，新纪元实在是不够新。在大厂林立的深圳南山，这里着实太简陋了：两间屋子，五把椅子，还有一些电脑和手机，就是全部家当。

诚哥一进去就发现了这是个草台班子。虽然他之前只短暂卖过四个月国产AI芯片，但他已经是公司里经验最丰富的人。老板是个快60岁的老江湖，年纪不小，看起来却很有一股疯劲。他对阿诚直言不讳，招他来，是因为他有些经验但是又不多，“太会的人拿捏不住”。

被寄予厚望的诚哥获得了使用单独办公室的权利。不是因为他资深，而是他不喜欢和同事们在一起打电话。

这种古老的营销手段，在这个新圈子里却有用。诚哥和同事们获客的方式就是先在网上找到哪里出现了招投标的消息，再找到消息中参与公司的联系方式，直接打过去。

诚哥有一个观察，人们对陌生电话常充满警惕，但是对推销英伟达的陌生电话格外宽容。在听完他说“你好，我是卖英伟达卡的”之后，几乎所有人都会愿意聊下去。无论对方是一家上市公司AI业务总监，或是某个大型实验室采购负责人，通常对话不需要进行十句，双方加上微信，诚哥便会把报价和合同推过去。

在一个绝对的卖方市场里，有了货源就意味着有了权力。在中国，英伟达的两种官方渠道一类是原厂—总代理—经销商—市场；另一类是原厂—服务器大厂—经销商—市场。

看起来，每种渠道只有四类角色，是一个组织严密的金字塔状；但事实是由于市场过热，这两个结构已经被冲击成网格式的蜂巢状了——换句话说，每一类角色的背后，都可能分化出无数二道贩子，交易也不再是逐级流通。

诚哥的公司就是这样游离在第二种边缘。“我们老板和服务器大厂那边有些关系，能搞到卡。但我们没有大厂正规经销商的资质，充其量只能说是游击队。”不过，即使是游击队在当时也拥有了不一般的地位。诚哥说，他见客户从来都是“让客户过来”，和客户吃饭时“他们对能搞到货的人佩服得五体投地”。

如今，阿诚回想起来那段日子，能想到的形容词只有一个，“疯狂，太疯狂了”。10月17日，美国扩大对华芯片管制范围，英伟达在中国市场流通的所有AI芯片均被列入其中。

这份管制原定有30天公示期。这段时间也因此被行业人士视为“最后30天窗口期”。理论上说，最后30天，英伟达等企业会把所有先进AI芯片产能、库存都优先供给中国市场。这会是中国企业抢购英伟达芯片最后的“操作窗口”。

此时，H800单卡市场价已经飙升至21万元一张左右。很快，新纪元公司就成交了一笔4亿元的合同。还没有来得及庆祝，就又签下了一个1亿多元的单。

我在禁令出台当天和他通了一个电话，那时他刚刚接完一个十几亿元的订单垂询，声音嘶哑，但是是破音的那种兴奋。接下来，他的电话就再也没有打通过——他太忙了。

过去对他发消息从来不回的大厂高管，为了买卡一天发十几条消息。一家公司问他们能搞到多少张，“280万元以下的H800服务器有多少台我们都收”。诚哥在那几天几乎疯狂，不需要吃饭，也不会疲劳，只要在呼吸，就可以卖卡。他根本没有考虑过有没有货源能交付。

“先签了再说。”

他闭上眼睛，想睡一会，脑海里又响起来狂躁的询问声，“有卡吗！有卡吗！有卡吗！买卡吗！买卡吗！买卡吗！”

人类历史上下一场科技革命最重要的燃料，世界上最稀缺的算力资源，就这样在这些隐蔽的小黑屋和电话里，被决定了流向。

数字游戏

仅仅是在一周之后，阿诚就开始怀疑，这一切不过是在玩数字游戏。

10月25日，美国宣布禁令立刻生效，30天窗口期以一种戏剧性的方式被掐断。不久之后，和上次在英语培训机构一样，他先跑路了。

原因很简单。那些天价订单生意，随着交付日期的临近，他太担心老板要卷款跑路了。这担心始终存在于公司所有人的心里。空手套白狼的例子太多了——假设A公司什么也没有，也可以和B先谈妥一笔供应合同，A再去找C拿货，C的货可能也是从D或者E处加价买来，中间A发现F的开价比B要高，于是此前的一切白纸黑字都可以作废。

有多少合同能够落地？就像那笔4亿元的订单，货物从签单到完成交付中间隔了12周的时间，市场价涨了100多万元，而毁约只需要成单价1%的罚金，他很怀疑，老板不会选择交付。

那么那批货到哪里去了呢？

诚哥也不知道。他告诉我，自始至终，他没有见到那批货，就像他也没有见到那笔钱一样。

更重要的是，诚哥突然发现，90%的倒爷赚不到大钱，这让我意外。他给我算了一笔账，假设一台H100八卡服务器出厂价250万元，终端市场价280万元，中间看起来有30万元的差价，但是很可能倒了十次不止，一家只能赚3万元。这些利润大部分被掌握货源的老板吞掉，他作为打工人，抽成是利润的3%。

因此，这生意只有掌握货源的人才能赚到钱。他有一个切身感受，这两年来各家疯抢GPU的力度远远超过了真实需求，更类似于市场对美国随时有可能加码的芯片制裁的本能反应——只要科技竞争的阴影存在，高端AI芯片必然是期货。不少公司是在以此为投资。甚至可以说，找散户下单的公司，将来相当一部分还会选择再把芯片卖出去。

归根结底，二道贩子这么多，是因为货源太稀缺了。“无论芯片通过什么方式进入国内，就像水流一样，封锁当然不可能完全封锁，但已经足够锁住大部分的水流了。”阿诚说。

事实是，所有的疯狂都是徒劳。在2023年10月17日芯片禁令之后，合法渠道到货的H800寥寥无几。

财报显示，2023年第三财季，英伟达中国大陆收入高达40.3亿美元，环比大涨47%。出口管制规则出台后，2023年第四财季英伟达中国大陆收入仅为19.5亿美元，环比大降52%。当季，中国大陆仅占英伟达总营收的8.8%，是历史最低点。

英伟达和AI相关的数据中心业务在中国大陆的收入占比过去长期达到20%-25%。但自2023年10月起，该收入显著减少。英伟达高层表示，2023年第四财季，中国大陆在数据中心收入中的比例已降至个位数，预计下个财季也将保持这一水平。

对大多数渴望暴富的人们来说，那些像做梦一样的日子，最后真的落了一场空。

抛物线后半段

不过，英伟达的行情仍在持续。

2024年，英伟达将会推出H200等四款革命性AI计算产品。同时，根据瑞银近期的研究，其交付时间在缩短，已经从2023年末的8个至11个月缩短了一半时间。一些机构预测称，英伟达在今年将销售大约150万到200万个AI GPU，数量是2023年3倍。

看起来，这些与中国无关了。但是，这里有一个连锁反应在后，英伟达在全球范围内供应能力的增长将会给中国企业带来更大的竞争压力。随着全球AI应用水平因GPU供应的大量增加而快速提升，中国必须寻找替代方案来应对。

目前，通过官方渠道购买H/A800和H/A100已经不可能。黄牛之间流通的芯片价格略有回落，但依旧令人咋舌。离开新纪元以后，阿诚自己开了一家公司，刚刚给客户报了价，一台搭载八个H800的AI服务器价格还是约300万元。好在一些此前被囤积的芯片正在被释放，市场上现货充足，一般两周以内就能交付。

因为生意不稳定，他还同时在另一家英伟达代理商那里上着班。即使AI芯片受限，他还是坚定看好英伟达包括游戏显卡和自动驾驶在内其他业务在中国的前景。

这块市场英伟达无法放弃。在芯片禁令不久之后，英伟达再次针对中国市场推出了三款在数据传输速度等关键性能上进一步降低的芯片：H20、L20和L2。市场上传言，这些芯片性价比太低，并不受中国公司青睐。中国公司更愿意采购国产新品。

阿诚对这种传闻嗤之以鼻。“那些只是外界的一厢情愿”。具备推理能力的L20最先面世，但是迅速被几家互联网大厂抢购一空，没有多少能流入到市场上。而适用于大模型训练的H20也不是中国公司不想买，而是买不到。H20在今年1月开始接受预订，但仅限大客户。

中国公司想要通过正规渠道获得英伟达芯片，可能性越来越小了。

这反而激发了部分公司对特殊途径的需求。无论是将芯片通过非禁运国家以转运的方式进入中国市场，还是考虑把数据中心业务建在海外，在业内人看来，即使审查的手段越来越严。愿意冒险的公司数量仍在明显变多。

3月30日凌晨，美国商务部宣布了一项新的出口管制规定，对涉及美国和中国澳门等地区的对华半导体产品销售限制进行了调整，同时，美国对华出口的AI半导体产品将实施“逐案审查”政策，对技术等级、客户身份、合规计划等进行全面审查。也就是说，新规进一步限制英伟达、AMD以及其他先进AI芯片和半导体设备对中国的销售。

想要通过特殊渠道让芯片流入中国，也越来越难了。

这在意料之中。阿诚告诉我，这些变化在短期内影响不大。新规主要限制AI芯片未来流入中国的可能，但是中国市场在此前囤积的芯片已经足够很长一段时间供需。他注意到，交付周期在明显缩短。之前一些在疯狂抢卡的公司，现在已经开始卖卡和做算力租赁了。过去倒爷们只需要强调“有卡，速来”，现在还要强调“量大，可持续供应”。

不过，可以预见，在这一波囤积的算力释放之后，倒爷们会逐渐沉寂，也许最终大多数都会消失。“中国区需求量的高峰期是在去年三季度。炒货的高峰期是在去年四季度，但是需求量已经在减少了。”他认为，中国公司对英伟达的需求已经过了抛物线的高点。接下来，英伟达在中国的发展重点不是是否衰退，而是衰退的曲线如何变化。

技术的领先是有时间期限的。对中国公司来说，如果无法购买更先进的英伟达产品，现有存货的优势终将随着时间变化而减少。他听说了一些关于国产AI芯片如今供不应求的故事——情况和去年这时已经大不同了。他对华为芯片很感兴趣，有机会的话也想卖。

不过眼下，阿诚还得先做好英伟达，年前他刚刚成交一单700万元的生意。“一切都会越来越好的。”他充满信心，因为现在的圈子多得是企业中高层和行业大人物。他向我谈起一个关系密切的中间人，告诉我对方“是某某亚太AI协会的领导，协会里有100多位院士”。他说，之前对方帮他介绍过1笔500台以上的大订单，如果成了，他要付给对方一台3万元的中介费，也就是对方至少可以赚1500万元。

“可惜没有成。”我看着他一脸真诚的遗憾，有些常识不确定他知不知道，中国大陆并不允许公司注册名以亚太开头——所以我一看到以亚太为名的机构，很难不联想到注册在中国香港的皮包公司。

（文中新纪元和阿诚均为化名）

撰文｜顾翎羽
编辑｜谢丽容
摘编｜财经杂志

上周五，英伟达又创下了历史新高。英伟达花了整整24年时间，才使其估值达到1万亿美元的罕见高度，但这一次乘着AI浪潮，实现第2个万亿美元却只用了八个月。

• 如果你在2022年11月OpenAI刚刚发布ChatGPT时买入英伟达，并坚定持有到今天，你将获得564%的收益。
• 如果你嫌那时候太早，还没听说人工智能，那么如果你能在2023年3月GPT-4发布时买入英伟达，你将获得359%的收益。
• 如果你说去年下半年时有些人并不看好人工智能，觉得有些瓶颈一时半会突破不了，那么如果你在年底时想清楚，并且在今年1月买入英伟达，你将在短短的3个月里获得171%的收益。

对于英伟达的客户来说，很多科技领袖都在抱怨，要想买到英伟达的高阶GPU有多难，比如马斯克就曾调侃道：“现在GPU比毒品难买多了。”当时马斯克正在组建他的AI公司xAI。

据WSJ报道，在加州帕洛阿尔托的一家豪华日本餐厅里，甲骨文创始人兼董事长埃里森和马斯克，一起与黄仁勋共进晚餐，埃里森回忆说：“马斯克和我在乞求，我想用这个词来形容我们再合适不过了。吃了一个小时的寿司，也乞求了一个小时。”

我们今天这篇文章，将核心回答两个问题：一是英伟达的护城河坚固吗？二是苹果微软Meta谷歌等等科技巨头，都投入了大量资金进入AI，爆买英伟达芯片，这些投资到底给他们带来什么？

• 当英伟达实现2万亿美元市值时，护城河坚固吗？
• AI大革命还是股市投机？科技巨头的AI投资带来了什么？

由于利润暴涨，如果按市盈率（PE）计算，英伟达并不算高（英伟达是66，AMD是383，英特尔是110），并且英伟达的护城河也足够宽和深。未来一切要看客户们对AI的投资，能否转换为实际收入（有一些先行指标值得观察），否则仍然会陷入周期股的波折。以下，Enjoy：

Morgan Stanley对英伟达的股价预测（2月21日）：
牛市情况（BULL Case）1000美元/股：利润率更高的数据中心，以人工智能为中心的软件和服务增长加速；基于GPU的人工智能PC受到青睐，客户端TAM大幅增加；汽车以及自动驾驶行业腾飞，给公司贡献重要的新增长点。
基本情况（BASE Case）795美元/股：2024年收入增长73.2%，2025年增长5.8%；由于供应仍然受限，数据中心业务将在2024年继续增长；英伟达在AI训练方面保持领先地位。
熊市情况（BEAR Case）425美元/股：芯片供应的速度快于需求，增长大幅放缓；人工智能开发成本大幅下降，强大的竞争对手进入市场，或者客户开始内购定制硬件解决方案。

01
当英伟达实现2万亿美元市值时
护城河坚固吗？

翻开英伟达财报，确实满屏都写着：强劲。

2月“暴击”华尔街的财报，不仅仅比市场最乐观的预期还高，并且对下一个季度依然给予了高增长预测，原因是科技巨头们会持续高投入于AI，这个趋势可能会持续全年，而原本有些人认为下半年这个趋势会减弱。

英伟达的业务划分很清晰，主要有五大业务线（核心来自其中两条）：

• 数据中心（Datacenter）：近期势头最猛的业务，同比增长高达409%，在总营收中占据83%；
• 游戏（Gaming）：起家的核心业务（主要是游戏GPU），可以说没有游戏产业就没有英伟达，曾经在总营收中占大头，现在是13%；
• 专业视觉（Professional Visualization）：针对数字内容创作等领域，在总营收中占2%；
• 汽车（Automotive）：针对自动驾驶、智能座舱等领域，在总营收中占1%；
• OEM&其他：针对笔记本电脑OEM和加密货币挖掘等等领域，在总营收中占1%。

可以说，如今英伟达进入“美国市值前三、相当于意大利一国GDP”的征程，始于游戏产业。

首先，我们来简单解释一下，为什么英伟达曾经用于游戏的GPU芯片（英伟达在这个领域占据了80%以上的份额），如今非常适合训练AI大模型？

在5年前，英伟达的芯片产品主要针对一个垂直市场——游戏。英伟达的GPU也称为图形处理器单元，最初就是为了游戏设计的，越来越逼真的游戏，需要在屏幕上同时渲染无数像素，达到更高的画质和体验。

英伟达采取了并行处理的方式，将每次计算分成较小的块，然后将它们分配给芯片中的多个”内核”——处理器的大脑。这意味着，GPU的运行速度，远远快于以往按顺序完成任务的速度。

这种技术如今非常适合训练大模型。因为大模型的基础是机器学习算法，而深度学习使用了人工神经网络，在这些网络中，计算机从海量数据集中提取规则和大规模计算，此时如果像GPU处理游戏一样，把任务分解成较小的块+并行处理，是提高速度的理想方案。高性能GPU可以拥有超过一千个内核，因此可以同时处理成千上万的计算。

当英伟达意识到这一点之后，就开始专注于AI市场进行优化，以跟上大模型快速的发展步伐。如今，要想创建一个最复杂的AI大模型，通常会用到数万片英伟达先进的GPU H100。这些GPU的单价可达2.5万美元左右，成为了硅谷的稀缺品。

更进一步的是，英伟达的护城河不仅仅是芯片速度快（即将推出H200，推理性能是目前主打产品H100的两倍，以及下一代数据中心GPU B100），它还有两道非常重要的护城河：芯片网络，与几乎构成了行业标准的软件平台。

高性能芯片网络是英伟达重要的护城河。随着AI大模型参数量的飙升，负责训练这些大模型的数据中心，需要成千上万个GPU互相连接在一起，以提高计算能力，相比之下大多数计算机只使用少数几个GPU，这种技术被称为InfiniBand（无限带宽），它有着极高的高带宽和低延迟。英伟达在ChatGPT发布的9个月前，以70亿美元收购了以色列网络技术供应商Mellanox，就是为了能够把英伟达的芯片扩展为一整个数据中心的“超级芯片”，从而实现现代AI超级计算机。这也使得英伟达能够优化芯片网络的性能，这是竞争对手无法比拟的。

另一道护城河是CUDA，这是一个允许客户微调处理器性能的软件平台，也是加速计算密集型任务最为依赖的软件生态基石。英伟达长期投资于CUDA，并鼓励开发人员用它来构建和测试AI应用，目前CUDA 拥有超过400万开发人员，在CUDA架构下已经编写了数百万行代码，这使得用英伟达芯片开发新AI程序变得更加容易，CUDA也成为事实上的行业标准。

这两道护城河的存在，使得竞争对手即便造出了更好的硬件，也仍然是不够的。虽然英特尔和AMD都已加速推出自家AI芯片产品，以及英伟达的大客户亚马逊、谷歌和微软都在开发自主设计芯片，但英伟达仍然稳固地主导着AI芯片，因为它不仅能提供最好的芯片，还有最好的芯片网络和最好的软件，这使得任何眼红这块市场的竞争对手，都需要在这三个方面击败它，而在当下这几乎是不可能完成的任务。

02
AI大革命还是股市投机？
科技巨头的AI投资带来了什么？

英伟达的2万亿美元市值能否持续，关键在于它的客户们拿着AI能做什么，不要将股市热潮，与实际的业务收入混淆。

对于英伟达的客户们来说，现在处于疯狂花钱的投入期，投资者对此倒也十分买账。很多科技巨头也成为了主要受益者，谷歌、亚马逊、苹果、微软、Meta市值从2023年开始至今平均增长了70%。这些公司也都在最近的财报电话会议上说，计划在今年增加资本支出，直接购买英伟达芯片。

例如上个月，扎克伯格就在Instagram上说，Meta计划在今年年底前，要拥有35万枚英伟达H100芯片。按目前的芯片价格计算，这至少需要数十亿美元。

芯片还被用于吸引资金和人才。英伟达所投资的一家公司CoreWeave，在去年把所持有的H100芯片，用作抵押物融资了23亿美元。一些高校实验室在招募人才时，也会炫耀自己有多少H100芯片，比如普林斯顿大学的一个AI研究项目就在招聘中强调，自己拥有“一流的计算基础设施，有300枚英伟达H100 GPU”。

由于芯片的价值和重要作用，思科的CEO在一个峰会上说，这些芯片价值不菲，是（像黄金那样）由装甲车运送给思科的。

微软成立了一个“GPU理事会”，由高管决定如何在微软内部项目之间，分配剩余的计算资源。谷歌也成立了一个执行委员会，负责决定在公司内部和外部用户之间，如何分配计算资源。

如果从英伟达的财报来看，它非常依赖大客户。在上一财年，其中一个最主要的买家就为英伟达贡献了超过110亿美元销售额，占到总销售额的近五分之一。

而在最近一个季度里，英伟达就从谷歌、微软和亚马逊等云计算公司，获得了超过92亿美元的销售额，占到了这三家公司同期约350亿美元资本支出的四分之一。

但在2024年，一个重要的问题必须得到答案——这些对AI的巨额资本支出，到底能带来什么？

半导体市场的周期性是众所周知的，历史证明，英伟达的业务也不例外，在此前加密货币和疫情期间的游戏浪潮中，都在短期极大刺激了需求，造成英伟达收入剧烈波动。今天如果科技巨头们在进行疯狂采购后，也逐渐进入“消化期”，那英伟达也一样会陷入曾经的周期性。

很多投资者都在盯着科技巨头的财报，希望能从中发现一些AI落地的迹象。

微软的订阅式人工智能软件Copilot和云计算服务Azure，被市场认为是2024年人工智能早期商业化的晴雨表。这两项业务都有望通过与OpenAI的技术整合，而实现增长。Microsoft 365 Copilot在刚发布的头两个月，增长速度超过了前两个主要的Microsoft 365企业套件，但还缺乏更持久的数据。

从Meta的财报来看，人工智能被用于改进广告服务，这使得Meta上个季度的利润翻了两番。但Meta也在同期进行了严格的成本削减，尚不能说这个利润增长是来自AI的应用。

亚马逊在今年将发起“全面攻势，以便在人工智能领域迎头赶上”。在去年11月，亚马逊为其云服务用户推出了一款人工智能助手Amazon Q。但仍缺乏AI相关的具体数据。

Uber也在财报电话会中强调AI，其CEO说“优步的平台是由人工智能驱动的，在一切条件相同时，我们的人工智能算法将能够学习更多”。但其实Uber表现不错的最近一期财报中，增长并非来自人工智能，而是对滴滴、自动驾驶公司Aurora等等约60亿美元的股权投资，这些投资的价值波动较大，会对净收入产生影响。

很多投行也进行了调研，试图听听技术高管的意见。据Morgan Stanley针对上百位CIO的调研，最多的人群（33%的CIO）预计，他们的第一个AI大模型项目，将在2024下半年投入生产；15%的CIO预计，这些项目将在2025年或之后投入生产。

而根据UBS的调研，好消息是100%的受访者，都处于正在研究如何应用人工智能的阶段，但坏消息是，只有6%的公司正在投入生产，而70%的受访者表示，最有可能上线的时间范围是未来6-12个月。受访者的2024年平均AI支出预期，为165万美元，这个数字其实不大，预计要到2025年才可能会翻一番。

而对于“晴雨表”Microsoft Copilot的使用率，还比较乐观。约80%的受访者正在试用或计划试用Copilot，这可能会为2024下半年和2025年，实质性采用Copilot创造了潜力。

总体来说，相比于股市热潮，真实的应用进展还为时过早。微软其实也在努力抑制人们的预期，称Copilot可能要到2024下半年，才可能带来销售提升。

就障碍而言，“合规性和监管障碍”“缺乏合格人才”“不清楚的ROl”都是名列前茅的问题。

谨慎的一个重要原因是，大模型产出不准确结果的问题仍然存在，这削弱了许多商业环境中的应用价值。Salesforce的一位高管认为，这是一个足够大的问题，可能需要在AI工作的旁边，始终有一个“人类监督”来捕捉错误，并将语言模型与事实数据库链接起来，以便在需要时能够返回可验证的准确答案。

以上是软件层面，而对于硬件，AI与移动设备的结合，正随着苹果取消十年来最广受期待的电动汽车项目转向AI，逐渐变成下一个战场。

苹果的竞争对手三星，已经开始在手机中引入新的AI功能，新发布的Galaxy手机利用了生成式AI的一些最新进展，比如通话实时翻译、总结笔记和编辑照片等功能。苹果也宣布将在今年下半年推出的iPhone 16中，升级一些AI相关的功能，并计划在2025年推出更全面的GenAI功能。

高通CEO安蒙认为，我们现在有能力创建一款高性能的人工智能处理器，可以用在电池供电的设备上。它们可以一直运行，可以无处不在。这是第一个要素：拥有使其成为现实的计算引擎。

其次，随着模型训练得越来越好，模型的体积也越来越小，效率也越来越高，尤其是针对特定场景的模型，这一点正在向便携式设备发展，而且由于移动设备具有关于你正在做什么、你所在的位置等真实的环境数据，这可以使人工智能更加精确。第三，目前正在开发的很多应用，就是为了利用AI能力。所以未来我们的手机、个人电脑、汽车，都将具备AI相关的功能。

而未来AI在移动端的运行方式，有可能是在设备与云端同时进行。在需要调用大参数量的模型时，调用云端；而在其他场景中，则可以直接使用设备上的计算能力，从而保证经济性。

所以支持者认为，AI有可能在智能手机上创造一个新的升级周期。但这个过程同样不会很快，比如受限于手机的功耗、内存，以及当下还缺失的“杀手级应用”。

在人工智能驱动的商业大潮中，英伟达的估值迈入了2万亿美元行列，黄仁勋成为了科技界的王者。他成功地将把芯片设计从游戏引入人工智能，成为了微软、谷歌和特斯拉等科技巨头的必需品。

买到英伟达芯片如此不容易，以至于英伟达的客户们，都有点恐惧与其竞争对手打交道，虽然他们很希望市场上能有替代品。

英伟达的股价已经不太取决于其自身的基本面，因为足够好，而是取决于AI能否产生真正的商业化。虽然宏观预测讲述了一个积极的故事（高盛预计现在人工智能起步缓慢，占美国GDP不到半个百分点的情况下，但到2032年，支出将会大幅增加，达到GDP的2.5%以上）。

在市值超过100亿美元的316家美股公司中，只有15%给出了人工智能相关的数据披露（即对支出、收入、生产率收益的影响），但这些数字不一定能完全归因于人工智能。但在披露上向人工智能靠拢，却比以往任何时候都更有赚头，据投资机构Theory Ventures的数据分析，有AI相关披露的公司的市盈率，已达到没有AI披露的2.5倍。

过去的一年里，几乎每家科技公司都不得不提出一项生成式人工智能战略，但市场即将开始要求这项技术带来真正的收入和利润。

AI是否像支持者所声称的那样具有革命性，还是仅仅是IT工具库中的一个有限补充，今年会变得更加清晰，这是英伟达股价的决定性因素。2024年，我们将看到谁只是在打人工智能牌，而不是拥有真正的商业模式。

摘编 | 经纬创投

“失败再多次都无所谓，成功一次就够了。”

可在成功之前，每一位创业者会经历无数次失败，数次跌落创业低谷。尤其在当下，复杂多变的外部环境增加了创业者的难度，不少企业一不留神就可能滑入发展的低谷。

数年前，在YC 的晚宴上，来自硅谷的天使投资人Paul Graham 画了一条创业过程中创业者的情绪曲线，将创业者的心理活动状况大致分为亢奋期、低谷期、稳定期三个阶段。在整个创业过程中，这三个阶段不断循环的，其中低谷期是最灰暗漫长的。

创业低谷期，应该是创业者最无助的时刻。公司经营受阻，前路迷雾重重，身为掌舵人把控着公司未来走向，却不知道该如何抉择？如何熬过低谷、跨越周期？这些问题很难在传统的商业教材中找到答案。

前车之鉴，后事之师。其实，很多知名创业者在取得傲人成绩之前，也陷入过令人崩溃的低谷时期，或是市场选择失误，或者是陷入财务困难。进退维谷时刻，他们不断磨练心智，最终带领着公司走向创造更大价值的关键阶段。以下是他们身处低谷并奋起反击的故事，Enjoy：

马斯克：吞着玻璃凝视深渊

在外人眼里，“硅谷钢铁侠”马斯克风光无限、逆商超绝，总能在绝境中杀出一条血路。光环之下，马斯克作为创业者经历了数次至暗时刻，几乎快突破他所能承受的极限。马斯克曾经说过：创业就是一边咀嚼玻璃，一边凝视深渊。

时间回到2008年，全球金融危机爆发，马斯克意外滑落人生低谷。这一年，SpaceX三次试射失败，特斯拉接近破产边缘。

就在事业状况百出的时候，相恋10年结婚8年的发妻并将他告上法庭；原来的合作伙伴、特斯拉创始人起诉、讨伐他，试图将他踢出局；甚至有网站开设“特斯拉死亡倒计时”栏目，发布一系列文章……众人也貌似早已密谋好一样，一同将箭头指向他。

马斯克当时极为痛苦。“他有睡惊症，只在睡梦中尖叫，有时候还像是在挠我。那真的很恐怖。我很害怕，而他当时也很绝望。”马斯克女友曾回忆：“有时候他冲进洗手间开始呕吐，开始驼背，走路时脚趾发僵。”

“大多数经历过这种压力的人都退缩了。”投资人格拉西亚斯说，“他们会作出糟糕的决定。但马斯克变得更加理性，仍然能够做出清晰而有远见的决定，甚至做得更好。”面对外部重重压力，马斯克想尽办法筹措资金，还给SpaceX团队设定了六周内将新火箭运到夸贾林岛的最后期限。

2008年9月，SpaceX的第四次发射终于成功了。正如马斯克所说：“世界上完成这种壮举的国家屈指可数，这种项目一般都是由国家来完成的，而不是某个公司……这绝对是我人生中最棒的一天！”这也是马斯克一跃而起的支点。

庆功会结束没多久，马斯克就开始了新一轮融资之旅，因为公司已经几近弹尽粮绝。后来，马斯克筹措的资金成功救活特斯拉与SpaceX两家公司，SpaceX也在性命攸关之时获得了NASA 16亿美元的合同款，得以继续完成未竟的太空冒险。

现如今，马斯克依旧不知疲惫地经营着旗下诸多公司，为“殖民火星”、延续人类文明的使命不停歇地奋斗。在这过程中，他仍有过情绪崩溃的时候，但他越发坚强，并继续保持理性，并做出高质量的决策。

黄仁勋：Nvidia离破产只有30天

“在英伟达创立初期，我经历了失败，极大的失败，所有的失败都令人羞愧和尴尬。很多都几乎使我们走向了灭亡。”今年，英伟达创始人兼首席执行官黄仁勋现身中国台湾大学毕业典礼，并分享了曾经的低谷时刻。

选错市场方向可能是不少创业者走向失败的原因之一。在英伟达创立初期，押注在错误的技术方向也同样差点让英伟达走向破产的深渊。

1993年，黄仁勋与两位志同道合的工程师共同创立英伟达，立志将公司做到计算机图形处理领域的大哥。可现实就是残酷。起初，黄仁勋和团队耗时两年打造了第一款显卡产品NV1。但由于不兼容竞争对手3DFX的Glide 3D标准，销售表现十分惨淡，最终英伟达不得不停止销售NV1。

好在这款产品吸引了视频游戏制造商Sega的注意，并与之建立了合作。经过了一年的开发期程，英伟达的团队意识到其设计的架构是错误策略。同时，微软即将宣布基于反向纹理映射和三角形的Windows 95 Direct3D。这代表着如果英伟达完成了SEGA的游戏机，公司将会创造出与Windows不相容的产品。

“但如果我们不完成这个合约，我们就会破产。无论如何，英伟达都会面临倒闭的命运。”黄仁勋说。幸运的是，英伟达当时的合作方游戏公司Sega信守承诺，没有取消两家公司的合作，这让英伟达暂时拜托了倒闭的窘境。

可是，黄仁勋想要拯救奄奄一息的英伟达，就必须破釜沉舟。他将英伟达的战略从游戏主机转向PC市场，并挖来了从游戏设计公司晶体动力挖来DavidKirk博士担任首席科学家，组织了一个庞大的研发团队。在微软带动下，英伟达开始与下游厂商纷纷结成伙伴，最终活了下来。

或许正因为这次经历，黄仁勋才一直保持着创业初期的紧张感。据《经济学人》之前的一篇报道，黄仁勋常挂在嘴边的一句话是“我们总是离倒闭还有30天”（原文：Were always 30 days away from going out of business）。即便英伟达已经成为全球GPU领导者，黄仁勋依然视英伟达为创业公司来运营，快速决策并要求快速执行。

乔布斯：我的失败满城皆知

前不久，OpenAI罢免CEO Sam Altman的宫斗戏，以奥特曼（Sam Altman）班师回朝落下帷幕。这样的人事变动让不少人联想到乔布斯的故事，不同的是，奥特曼回归OpenAI只用了5天，乔布斯回归苹果花了12年时间。

在后人看来，乔布斯出走的12年时间依旧成就不少伟大的事业，值得称赞。可对于当时的乔布斯而言，这场突如其来的“辞退”犹如惊天巨雷，差点击垮意气风发的他。

在30岁那年，乔布斯创办的苹果公司刚发布一款很棒的产品——麦金塔电脑，而他本人却被自己亲自招聘的人“开除”。“我成年后全部生活的重心不复存在，这对我是一个毁灭性的打击。有几个月，我都真的不知道该做些什么。我觉得，我让企业界的先辈们失望了——我丢掉了传到我手上的接力棒。这个失败弄得满城皆知，我甚至想过逃离硅谷。”乔布斯在2005年的一场演讲中分享了当时的状态。

暂时离开未尝不是一件好事，乔布斯也很快意识到这点。“我渐渐地开始有了明确的想法——我仍然热爱我做过的一切。苹果公司发生的变故并没有丝毫改变这一点。我被驱逐了，但我仍然热爱我的事业。所以我决定重新开始。”

1985年，乔布斯离开苹果后创办了NeXT，专注打造计算机工作站，并于1988年推出了其突破性的NeXT Computer。虽然该款产品在当时销量不佳，但却为革新计算机行业做出了极大贡献。NeXT最突出的贡献之一，就是面向对象编程和图形用户界面，这也为科技行业的未来发展奠定了基础，也为乔布斯重回苹果埋下伏笔。

此外，乔布斯在离开苹果一年后，即1986年，从乔治·卢卡斯旗下的卢卡斯影业收购了图形部门，成立了一家名为皮克斯的新公司，致力于开发3D动画工具。该公司制作了世界第一部用电脑制作的动画片《玩具总动员》，它现在是世界上最成功的动画工作室。十年后，迪士尼以74亿美元的价格彻底收购了皮克斯，乔布斯因此成为迪士尼的单一最大股东，并一直担任董事会成员直至去世。

就在乔布斯新事业一路畅通的时候，苹果公司却发展得不及预期。自从乔布斯离开，苹果公司几乎每一款新产品都以失败告终。为了寻求重振Mac的方法，苹果公司购买了NeXT，希望基于NeXTSTEP构建新的Mac操作系统。借此机会，乔布斯回到了苹果公司，并让苹果公司起死回生，先后发布了一系列革命性的产品，如iPhone、iPad、Mac等，最终让苹果公司成为全球最具影响力和价值的科技企业之一。

达利欧：我的一败涂地是在我身上发生过的最好的事情之一

瑞·达利欧（Ray Dalio）被美国《时代》杂志评选为全球 100 位最有影响力的人物之一，创办的桥水基金也是世界上最赚钱的公司之一。

但达利欧不是传统意义上的“精英”，也曾经历过濒临破产的绝望阶段。1982年，达利欧经营的“桥水基金”（Bridge Water）有声有色，自己也在业内开始小有名气。这年8 月，墨西哥债务违约，几乎所有人都清楚地看到，很多其他国家也会步其后尘。这件事非同小可，因为美国银行正在向像墨西哥一样高风险的其他国家提供贷款，总额约为其资本金总和的 250%。

当时，达利欧作为专家出席了美国国会的经济听证会，并在公开场合自信地宣称，我们正在走向一场萧条，并解释了原因，后续也大幅做空股市。但事情发展超出达利欧的意料，美联储的成功兜底。这场判断失误几乎让他输光了一切，公司濒临破产，只剩他一人。

几乎破产的达利欧，甚至筹不到足够的钱买一张飞机票去得克萨斯州拜访一个潜在客户，尽管他知道自己可能从中赚到的服务费是票价的很多倍，但最终没有成行。最困难时，他向父亲借了4000美元维持生计，又卖掉家里的两辆车才熬过去。

好在这次低谷时期让达利欧有时间深刻反思。“回头来看，我的一败涂地是在我身上发生过的最好的事情之一，因为它让我变得谦逊，而我正需要谦逊来平衡我的进攻性。”之后，他总结失败原因，深入研究历史上经济和市场的发展，建立了债务周期模型。

2000年，达利欧带领桥水基金设计打造了“萧条计量指标”，在理解危机的基础上，打造了计算机决策系统，详细列出了在每种可能发生的情况下的应对之策。此后，他带领桥水基金穿越危机、逆势盈利，至今掌管资金约合15000亿元人民币，是全球最大对冲基金之一。

风起，兴盛。风止，陨落。在行业起起落落间，创业者常常陷入难以名状的低谷时刻。

马克·吐温曾经说过这么一句名言，“历史不会重演，但有其韵律（History may not repeat itself, but it does rhyme）”，每个人的创业故事都是独一无二，其他人很难复制，但创业者的精神内核可能大致相同。

一个企业从0出发，需要不停测试、验证才能减轻风险生存下去，这其中伴有着无数的失败。而创业者必须承受住不断地失败所带来的挫折感，并且愈挫愈勇、不断尝试，直到最后取得成功。这是创业圈每天都在发生的故事。正视挫折、享受低谷，并不断改进和精进，是创业者最宝贵的品质。

正如黄仁勋在最新的访谈中提到：「也许企业家身上的超能力就是，不问也不畏惧事情有多难，永远要让自己感觉：事情没有那么难。你需要欺骗你的大脑。」愿所有创业者都能将低谷中当作自己破茧成蝶的良机，往后种种荆棘皆是坦途。