融资观察 / 第006期 / 2026年4月 / 阅读时间约12分钟

一家成立仅两年的太空基础设施公司，以$1.1B估值完成A轮融资，17个月成为Y Combinator史上最快独角兽。当地球上的数据中心被电力、用水和审批周期卡住脖子时，Starcloud选择把GPU送入近地轨道。本文拆解Benchmark为何在这个节点重注太空算力，以及这笔融资照亮了哪些尚未被定价的左侧机会。

一、这笔融资为什么不普通

2026年3月30日，太空数据中心公司Starcloud宣布完成1.7亿美元A轮融资，估值11亿美元。领投方是Benchmark和EQT Ventures，跟投阵容包括全球最大基础设施基金之一麦格理资本（Macquarie Capital，管理规模超5000亿美元）、NFX、Nebular、Y Combinator、Adjacent、776 Ventures、Fuse Ventures、Manhattan West及Monolith Power Systems。天使投资人中出现了美国空军退役上将Stephen Wilson、波音前CEO Dennis Muilenburg和星巴克前CEO Kevin Johnson。

融资本身的数字并不罕见，罕见的是四个细节叠加在一起的结构性信号。

第一，速度异常。Starcloud成立于2024年1月，从YC毕业到达成独角兽估值仅用了17个月，打破了Y Combinator历史上所有公司的纪录。此前这一纪录由Brex保持，而Brex是金融科技赛道的明星公司。一家航天基础设施公司跑出了FinTech的估值节奏，这本身就是一个赛道认知错位的信号。

第二，Benchmark亲自下场。Benchmark是硅谷最挑剔的早期基金之一，每年只投极少数项目，合伙人Chetan Puttagunta亲自加入Starcloud董事会。Benchmark上一次在基础设施领域做出如此高调的A轮押注，还是在云计算早期。Puttagunta此前的投资组合集中在云基础设施和企业软件，他将目光转向太空，本身就是一个判断——地面算力基建正在撞上物理天花板。

第三，EQT Ventures的角色不只是财务投资人。EQT集团旗下运营着超过70座地面数据中心，是欧洲最大的数据中心运营商之一。一个深度参与地面算力基建的产业资本，选择在同一时间押注太空替代方案，这不是分散风险，而是对冲未来——当地面数据中心的扩张速度无法追上AI训练的算力需求时，轨道计算就不再是科幻，而是基建规划的B方案。

第四，天使投资人的军工与航空背景构成了一张隐性背书网。退役空军上将、波音前CEO、星巴克前CEO——这些人不是典型的科技天使。他们的出现意味着Starcloud的叙事已经穿透了硅谷圈层，触达了国防安全、航空制造和大型企业管理层。

四个细节指向同一个结论：这不是一笔普通的太空创业融资，而是一次关于算力基建范式转移的早期押注。问题是——这个判断成立吗？

二、为什么是这个方向：赛道逻辑与反叙事

2025年到2026年初，全球AI算力的主流叙事是「在地球上建更多数据中心」。微软在威斯康星投入百亿美元、Meta在路易斯安那规划超大规模园区、亚马逊在俄勒冈和弗吉尼亚批量拿地。超级大厂的资本支出计划年年创新高，华尔街分析师的模型里，数据中心就是AI的基础设施，基础设施就是地皮加电网加冷却塔。

Starcloud选择了一条与这一叙事正面相悖的路：把GPU送上近地轨道。

这不是一个异想天开的科幻项目。Starcloud的创始团队构成本身就在回答「为什么现在可以做」这个问题。CEO Philip Johnston曾在麦肯锡负责国家航天机构的卫星项目，拥有哈佛公共管理硕士（国家安全与科技方向）和沃顿MBA；CTO Ezra Feilden在空客防务与航天部门（SSTL）拥有十年卫星设计经验，曾参与NASA月球探路者任务，帝国理工材料工程博士；首席工程师Adi Oltean此前是SpaceX的首席软件工程师，曾负责Starlink的在动网络架构（包括Starship），更早之前在微软工作了20年，参与大规模GPU集群的生产运营，持有超过25项专利。

这个组合的信号是：他们同时理解卫星工程、GPU集群和大规模基础设施运营。这不是一群航天爱好者在做概念验证，而是一群在SpaceX、空客和微软打过硬仗的工程师在执行一个工程计划。

太空数据中心为什么在2026年从「概念」变成了「可融资的工程项目」？三个结构性变化正在同时发生。

第一，地面数据中心撞上了物理天花板。新建数据中心从选址到通电平均需要3到5年的环评、审批和电网建设周期。电力供应成为最硬的瓶颈：弗吉尼亚北部的数据中心走廊已经出现电力排队现象，部分项目审批排期长达2030年以后。这不是资金问题，而是物理约束压缩了超大规模云厂商的扩张节奏。

第二，太空发射成本的断崖式下降。SpaceX Falcon 9将每公斤发射成本从航天飞机时代的5.4万美元压缩到约2700美元，Starship的目标更是低于200美元/公斤。发射成本的指数级下降，使得「把硬件送上去」从天价变成了可计算的资本支出项。

第三，太空环境提供了两个地面无法复制的自然优势。近地轨道上几乎无限的太阳能供应，消除了电力瓶颈；真空环境本身就是完美的散热介质，通过红外辐射将废热排入深空，不需要地面数据中心消耗大量淡水的蒸发冷却塔。Starcloud测算，太空数据中心的能源成本将比地面低10倍。

Starcloud已经用实际行动验证了这条路径的可行性。2025年11月，重60公斤的Starcloud-1卫星搭载NVIDIA H100 GPU成功入轨，成为人类历史上第一个在太空运行的商用GPU计算节点。更关键的是，团队在轨道上成功训练了NanoGPT——一个由OpenAI联合创始人Andrej Karpathy创建的语言模型。这不是「演示」，这是工程验证。

下一步是2026年晚些时候发射Starcloud-2卫星，搭载NVIDIA Blackwell B200芯片，发电能力是Starcloud-1的100倍。从单GPU验证到多芯片集群，从H100到Blackwell，这是一条清晰的工程扩展路线图。

三、投资人结构解读

这轮融资的投资人组合本身就是一篇值得逐行阅读的「产业判断宣言」。

Benchmark：从云基础设施到太空基础设施的逻辑延伸

Benchmark的投资哲学以「少而精」著称——基金规模刻意控制在较小水平，每年只投个位数项目，每一笔都是合伙人全力以赴的重注。Chetan Puttagunta此前的代表项目集中在云基础设施和开发者工具领域，他的核心判断框架是：寻找那些解决「物理约束」的基础设施公司。

Puttagunta加入Starcloud董事会，传递的信号是——在他的判断体系中，AI算力的瓶颈已经从软件层（模型优化、推理框架）下移到物理层（电力、散热、建设周期），而太空提供了一种绕过地面物理约束的结构性替代方案。这不是一笔追热点的投资，而是Benchmark对「下一代计算基础设施在哪里」这个问题的回答。

EQT Ventures：运营70+地面数据中心的产业资本亲自押注替代方案

EQT Ventures背后的EQT集团是欧洲基础设施领域的巨头，旗下运营超过70座地面数据中心。一个深度经营地面算力基建的产业资本，选择在A轮阶段联合领投太空数据中心，这种「自我对冲」的投资逻辑耐人寻味。

最合理的解读是：EQT比任何纯财务投资人都更清楚地面数据中心扩张的真实瓶颈——不是钱不够，而是电不够、水不够、审批不够快。它们看到了自己现有业务的天花板，同时看到了Starcloud提供的可能绕过这一天花板的路径。EQT的入场，等于一个「业内人士认证」——地面算力基建的确正在接近结构性约束。

麦格理资本：$5000亿基础设施巨头的早期布局

麦格理资本管理着超过5000亿美元的资产，是全球最大的基础设施投资者之一，其投资组合横跨公路、电网、港口、数据中心等实体基础设施。这样一家超大型基础设施基金出现在一家A轮太空创业公司的投资人名单中，是一个极不寻常的信号。

麦格理的投资逻辑通常以「基础设施生命周期」为框架，偏好那些在未来10到20年内有望成为基础设施底层的资产类别。它选择在Starcloud的A轮入场，意味着在其内部评估中，太空数据中心已经从「前沿概念」进入了「基础设施规划」的范畴。

天使投资人网络：军工-航空-企业管理的三角背书

退役空军上将Stephen Wilson、波音前CEO Dennis Muilenburg、星巴克前CEO Kevin Johnson——这三位天使投资人分别代表了国防安全圈层、航空工业圈层和大型企业管理圈层。他们的集体出现意味着Starcloud的技术叙事已经通过了三个不同领域专业人士的「常识检验」——这不是一个只有硅谷科技圈才觉得合理的故事。

四、护城河拆解

表面护城河：先发优势——第一个在太空运行商用GPU的公司。

这个先发优势是真实的，但需要拆解它到底领先了多少、领先的是什么。

真正的护城河：在轨运行数据和工程经验的不可压缩积累。

Starcloud目前拥有一个其他所有竞争者都没有的资产：真实的在轨GPU运行数据。Starcloud-1自2025年11月入轨以来积累的遥测数据——芯片在太空辐射环境中的性能衰减曲线、温控系统的真实表现、卫星姿态控制对计算负载的影响——这些数据只能通过实际在轨运行获得，无法在地面模拟中完全复制。公司自己的说法是，他们在在轨数据和遥测方面领先竞争对手两年。

两年的数据领先意味着什么？在航天工程中，每一次发射都是对前一次数据的迭代。Starcloud-2搭载Blackwell B200的设计方案，是基于Starcloud-1的在轨运行数据做出的工程决策。竞争对手即使今天开始造卫星，也需要经历同样的「发射-收集数据-迭代设计」循环，而这个循环的最小单位是一次发射周期（通常6到12个月）。

竞争格局与天花板：

竞争者正在涌入。Google的Project Suncatcher计划2027年发射两颗搭载TPU的原型卫星；中国ADA Space（国星宇航）在2025年5月已发射12颗AI卫星，目标是2800颗的星座网络；Lonestar计划2026年第四季度启动商业服务。

Starcloud的护城河可能在两个场景下失效：一是SpaceX自己决定进入太空计算领域（Adi Oltean的SpaceX背景是优势也是风险——他最了解SpaceX的能力边界，但SpaceX也最了解这个方向的可行性）；二是地面数据中心通过核能小型反应堆等方式突破电力瓶颈，削弱太空方案的相对优势。

关键验证节点： Starcloud-2的成功发射与Blackwell B200的在轨性能数据将是护城河是否持续的决定性验证。如果Starcloud-2能够证明多GPU集群在轨道上的稳定协同计算能力，那么先发优势将从「时间领先」升级为「工程体系领先」。

五、被市场低估的周边机会

Starcloud的A轮估值已达11亿美元，对一级市场投资者而言，直接参与的早期窗口正在收窄。但这笔融资照亮了三个尚未被充分定价的周边方向。

机会一：太空级芯片封装与辐射加固技术

太空环境对芯片的要求与地面截然不同——宇宙射线导致的单粒子翻转（SEU）、极端温差循环、真空环境下的散热机制。Starcloud验证了消费级GPU（H100）在太空的可用性，但规模化部署将催生专用的太空级芯片封装和辐射加固解决方案的需求。这是一个典型的「铲子生意」——无论哪家太空数据中心公司最终胜出，芯片防护和封装供应链都将受益。

追踪信号：关注NVIDIA是否发布太空专用GPU SKU；关注辐射加固芯片公司（如Microchip Technology旗下的Microsemi）的合同动态。

机会二：星间光通信（Inter-Satellite Laser Links）基础设施

太空数据中心的「最后一公里」问题不在地面，而在天上——如何将轨道上的计算结果以低延迟、高带宽传回地面。Starcloud计划使用高带宽光学激光进行星地数据传输。随着太空计算节点数量增加，星间和星地光通信将成为核心基础设施层。这个方向目前参与者稀少，但需求确定性正在被Starcloud等公司的融资进展反复验证。

追踪信号：关注Mynaric、CACI International等激光通信公司的订单增速；关注SpaceX Starlink激光链路技术是否对外授权。

机会三：轨道服务与在轨维护（On-Orbit Servicing）

当GPU集群在轨道上从一颗卫星扩展到几十颗甚至上百颗时，硬件故障、软件升级和轨道调整将催生一个全新的「太空运维」市场。不同于地面数据中心可以随时派工程师进机房，轨道上的硬件维护需要专用的在轨服务飞行器。这是一个滞后于太空数据中心建设但必然出现的衍生需求。

追踪信号：关注Astroscale、Northrop Grumman Mission Extension Vehicle等在轨服务公司的融资与合同进展。

六、黑马判断

投黑马 · 独家评级

赛道热度：🔥🔥🔥🔥    太空算力从科幻叙事进入工程验证阶段，Q1全球风投$300B创纪录，AI基建是最大驱动力
左侧机会：⭐⭐⭐⭐⭐    赛道认知差极大，绝大多数投资者仍将太空数据中心视为「概念」，而非可融资的基建项目
布局紧迫度：⚡⚡⚡⚡    Starcloud-2发射在即，Google Project Suncatcher 2027年入场，窗口正在收窄

推荐关注层次：
太空级芯片封装/辐射加固供应链 > 星间光通信基础设施 > 在轨服务与维护

赛道成熟度：████████░░ 4.0/10    工程验证已完成，商业化尚需2-3年规模化部署验证
团队信号：  █████████░ 9.0/10    SpaceX+空客+微软的三角组合，兼具航天工程与大规模计算运营经验
市场空间：  █████████░ 8.5/10    轨道数据中心市场2029年$17.7亿，2035年$390亿（CAGR 67.4%），天花板取决于发射成本持续下降
左侧紧迫度：████████░░ 7.5/10    Benchmark+EQT的联合领投是强信号，但商业收入验证尚未到来，仍属早期左侧窗口

Starcloud是2026年最具范式转移潜力的基础设施项目之一。Benchmark的重注、EQT的产业对冲、麦格理的超长期布局——三类截然不同的资本同时入场，指向同一个判断：地面算力基建正在撞上物理天花板，太空不是备选项，而是结构性补充。风险在于工程节奏——从单GPU验证到多芯片集群的跨越并非线性外推。

分层布局建议

对于一级市场投资者：
Starcloud本轮A轮已经以$1.1B估值完成，直接参与窗口收窄但未完全关闭——公司累计融资$2亿，相较于2035年$390亿的潜在市场规模，当前估值仍处于早期。更值得关注的是周边供应链：太空级芯片封装（辐射加固技术提供商）和星间光通信是两个竞争者稀少、需求确定性正在上升的细分方向。筛选标准：已有在轨客户或已签署在轨测试合同的公司优先。

对于二级市场投资者：
短期无直接对标标的。间接参与路径包括：NVIDIA（太空GPU唯一供应商，但太空业务占比极小）、Mynaric（激光通信，已上市但市值较小）、以及关注SpaceX潜在IPO进展（发射成本下降的最大受益者）。需注意：太空数据中心赛道的商业化节奏与二级市场的估值节奏存在显著错配，不宜用地面数据中心REITs的估值框架套用。

对于创业者：
这笔融资揭示的市场空白在于「太空算力的运维层」和「星地数据传输层」。当前所有玩家都在解决「把GPU送上去」的问题，但「如何在轨道上维护数百颗计算卫星」和「如何以低延迟将计算结果传回地面」尚未出现领跑者。具备航天工程或光通信背景的创业者，有机会在这两个方向建立早期壁垒。

风险披露

1. 工程节奏风险： Starcloud-2的发射与Blackwell B200的在轨性能尚未验证，从单GPU到多芯片集群的跨越存在非线性技术挑战，任何发射延迟或在轨故障都可能显著推迟商业化时间表。
2. 竞争加剧风险： Google Project Suncatcher（2027年）、中国ADA Space（2800颗卫星计划）正在入场，SpaceX自身进入太空计算领域的可能性不可忽视。太空算力从「无人问津」到「巨头入场」的时间窗口可能比预期更短。
3. 技术替代风险： 地面数据中心的电力瓶颈如果通过小型模块化核反应堆（SMR）、地热能等新能源方案得到缓解，太空数据中心的相对优势将被削弱。太空方案的核心价值主张建立在「地面电力约束持续存在」的假设之上。
4. 监管与空间碎片风险： 大规模轨道部署面临日益收紧的太空碎片法规和频谱协调要求。各国对近地轨道利用的监管框架仍在形成中，政策不确定性可能影响部署节奏和运营成本。

结语

17个月，从YC Demo Day到独角兽。Starcloud的融资节奏看似反常，但背后的逻辑并不复杂：当AI算力的需求增速持续超过地面电网的扩张速度，物理天花板就会倒逼基建范式的转移。Benchmark、EQT和麦格理三种截然不同的资本同时押注同一个方向，这本身就是最强的左侧信号——不是因为太空数据中心已经成功了，而是因为地面方案的天花板已经足够清晰。

这就是左侧投资的本质：你不需要等待答案被证明，你只需要确认问题已经足够真实。

── 投黑马研究团队

黑马雷达 / 第004期 / 2026年3月 / 阅读时间约15分钟

2026年第一季度，全球具身智能赛道融资超过250亿元，每天平均有逾5亿元涌入这个赛道。但投黑马的判断是：90%的资本正在挤进最拥挤的地方——整机本体，而最具左侧价值的三个层次，几乎无人在认真布局。本文拆解具身智能的三层架构，点名当前竞争格局中的真实赢家和潜在输家，并给出四个被市场严重低估的早期机会坐标。

一、为什么现在是关键窗口

具身智能投资正在经历一场认知错位：每个人都知道这个赛道很重要，但绝大多数人正在把钱押在错误的地方。

2026年3月，新浪财经的一篇报道提供了一个刺眼的数据：仅中国一级市场，第一季度就发生了超过30笔具身智能融资，披露金额合计约200亿元，有9家公司估值突破百亿元。全球范围内，Skild AI刚完成14亿美元C轮融资，将自身估值推上140亿美元；Apptronik在一年内完成两轮融资，累计超过10亿美元。这个数字放在三年前，足以让整个一级市场集体失声。

问题在于：这些钱大多数流向了哪里？

如果你打开任何一份一级市场的具身智能融资清单，你会发现一个共同规律：资本高度集中在「整机本体」和「知名整机品牌」身上——Figure AI、宇树科技、Agility Robotics、银河通用……这些能让投资人拍一张机器人站立行走的照片、发一条朋友圈的公司，获得了绝大多数关注。

但投黑马的核心判断是：在具身智能真正商业化落地的路径上，整机本体不是壁垒最高的层次，也不会是回报最丰厚的层次。

类比一下移动互联网的历史。2007年iPhone发布后，绝大多数资本涌入了手机硬件制造商，而不是那家叫做Android的操作系统、那些叫做App Store或Google Play的分发平台，以及那些叫做ARM、高通的芯片IP公司。十年后，谁是移动互联网的真正赢家，答案不言而喻。

具身智能正在经历类似的认知错位。整机本体是最容易被理解的投资标的——你能看到它，能拍到它，能给投资人演示它。但真正的壁垒，往往在你看不见的地方：控制机器人每一个动作的大脑模型、让大脑高效执行垂直任务的小脑策略层、以及给大脑持续「喂食」的数据基础设施。

2026年，具身智能的关键窗口正在开启。不是因为机器人变得更好看了，而是因为一个底层变量正在临界点：机器人基础模型的能力，正在从「演示级」跨越到「部署级」。NVIDIA在GTC 2026上宣布GR00T N1.7已达到「可商业化部署」级别；Physical Intelligence的π0.5模型在68个任务上实现了零样本泛化；Skild AI的商业化收入在数月内达到3000万美元。

这意味着什么？意味着接下来的18-24个月，是左侧投资者建立头寸的最后窗口。在聚光灯完全照亮这个赛道之前，真正的机会正在三个被市场忽视的层次中悄然聚集。

二、核心变量 / 战场定义：具身智能的三层架构

要理解具身智能的投资逻辑，首先要打破一个错误的认知框架：「具身智能 = 人形机器人」。

这个等式导致了大量投资者在做一件本质上相同的事：为机器人的「身体」付溢价，却对驱动这具身体运动的「大脑」和「小脑」视而不见。

投黑马将具身智能的技术架构拆解为三个层次：

第一层：大脑（Cortex）——通用机器人基础模型

大脑层负责最高层次的感知、推理和规划。它类似于LLM对自然语言的作用：在海量机器人操作数据上预训练，形成对物理世界的通用理解能力。这一层的核心产出是Vision-Language-Action（VLA）模型——能够理解自然语言指令、感知视觉输入、输出动作序列。

代表玩家：Physical Intelligence（π0/π0.5）、Skild AI（Skild Brain）、NVIDIA Isaac GR00T N系列。

这一层的核心壁垒是数据规模和多任务泛化能力，而非算法创新本身——这是一场「谁能喂进去最多、最多样化的机器人行为数据」的竞赛。

第二层：小脑（Cerebellum）——垂直场景策略模型

小脑层负责将大脑的通用能力「微调」为特定场景的高精度执行。它类似于在通用LLM基础上训练的垂直行业模型：同样需要基础模型能力，但核心竞争力在于特定场景的数据积累和执行精度。

比如：工业流水线上的精密零件组装（±0.1mm精度）、外科手术辅助（颤抖抑制+力觉反馈）、餐饮服务（液体控制+软体物操作）。每个场景都需要一个独立的「小脑」，因为通用大脑在极高精度要求下表现会急剧下降。

代表玩家：目前这个层次几乎是空白——正是本文最重要的机会之一。

第三层：本体+感知（Body+Perception）——硬件+传感器

这是最容易被理解、被投资、也最容易陷入价格战的层次。本体层包括机械结构、驱动器、电源系统；感知层包括视觉传感器、触觉传感器、力矩传感器。

这一层的竞争正在快速走向红海：宇树科技已经将人形机器人本体价格压至15万人民币以下，这个数字还在继续下降。当一件商品化的事情在发生，投资逻辑就要转移。

三层的关系：不是独立存在，而是相互依赖

真正理解这个架构后，一个反常识的结论会浮现：控制整机本体的公司，不一定控制整个价值链。

理由在于：大脑模型可以是「跨本体」的——同一个Skild Brain，可以同时驱动Figure AI的人形机器人、宇树科技的H1机器人、以及工厂里的工业机械臂。这意味着大脑层具有天然的平台化潜力，而本体层的竞争者越多、商品化越快，反而对大脑层的需求越强。

这和移动互联网时代Android的崛起逻辑几乎相同：硬件竞争越激烈，操作系统层的价值就越凸显。

三、竞争格局分析：谁在赢，谁在输，为什么

Physical Intelligence (π)：学术基因的「模型先行」派

卡位逻辑：由前斯坦福、Google DeepMind研究人员创立，以模型研究能力和数据规模为核心优势。π0是业内第一个真正意义上的「通用机器人策略」——在7类机械臂平台、68项任务上训练，实现了从叠衣服、收餐具到组装纸箱的零样本泛化。其最新模型π0.5进一步扩展了开放世界的泛化能力。

护城河：最强大的学术研究网络，加上50亿美元估值背后的顶级投资者（Spark Capital、Lux Capital等）带来的数据合作关系网络。π0在2026年初开源后，迅速成为机器人研究社区的基准模型，形成了社区飞轮——这是极少数「开源反而强化品牌」的成功案例。

隐患：开源π0是一把双刃剑——社区贡献加速了改进，但也削弱了模型本身的独家壁垒。最大的风险是：当NVIDIA的GR00T N系列在性能上持续追赶，Physical Intelligence的差异化叙事将变得越来越难以维持。此外，公司至今没有清晰的收费模型，「最好的机器人大脑」如何转化为可持续商业收入，仍是悬而未决的核心问题。

投黑马判断：最具研究深度的「大脑」玩家，但商业化路径仍不清晰，估值与收入严重不匹配。2026年的关键验证点是：能否将π0.5转化为可计费的API服务，建立可重复的商业循环。暂不建议在当前估值水平追入，等待商业化信号确认。

Skild AI：目前「商业化最快」的大脑

卡位逻辑：由CMU机器人学教授创立，选择了与Physical Intelligence截然不同的路线——不追求模型研究突破，而是以「全身脑」（Omni-bodied Brain）概念抢先商业化。Skild Brain已在安保巡逻、仓储搬运、工厂检测三个场景实现规模部署，并在数月内实现3000万美元收入。14亿美元C轮（估值140亿美元，投资方包括Lightspeed和Bezos Expeditions）进一步巩固了其资金优势。

护城河：数据飞轮已经开始转动——每次商业部署都在生成新的真实世界训练数据，而这些数据反哺模型改进，形成良性循环。「先商业化、后飞轮」的策略在AI领域被证明是最有效的壁垒构建方式之一。

隐患：3000万美元收入听起来很亮眼，但与140亿美元估值相比，市销率高达467倍——这个数字建立在「数据飞轮会持续加速」的假设上。如果早期商业部署中机器人的实际表现不达预期，客户续约率和扩张速度将大幅低于预期，估值将面临重新定价压力。

投黑马判断：当前最值得紧密追踪的大脑玩家。商业化节奏领先，数据飞轮逻辑自洽，但估值已提前消化了大量预期。早期布局已失去左侧窗口，重点追踪其季度收入增长数据和客户留存率。

NVIDIA：想做「机器人界的Android」

卡位逻辑：NVIDIA的真实战略意图不是制造机器人，而是成为机器人AI的底层平台——Isaac GR00T N系列模型+Isaac仿真框架+Jetson边缘计算芯片，三位一体构建生态锁定。GTC 2026宣布GR00T N1.7达到「可商业化部署」级别，同时已有110个机器人大脑开发商基于GR00T平台构建，涵盖ABB、KUKA、Figure AI、Agility等核心玩家。

护城河：GPU + CUDA的生态锁定效应是科技史上最强护城河之一；Isaac仿真框架的合成数据生成能力创造了颠覆性优势——11小时可生成78万条合成轨迹，等效6500小时人工演示数据，将整个生态的数据成本降低了数量级。GR00T N2基于DreamZero架构的预告版本显示其在新环境下的任务成功率已是领先VLA模型的两倍以上。

隐患：平台策略的天敌是「生态反叛」——如果Physical Intelligence、Skild AI等核心玩家在模型能力上显著超过GR00T，开发者生态可能发生分裂。此外，NVIDIA的机器人业务目前仍是GPU主营业务的「附属叙事」，当GPU周期下行时，机器人生态的战略优先级可能下调。

投黑马判断：最安全的间接标的，但已经是公开市场标的，左侧价值有限。对一级市场投资人的意义在于：在NVIDIA所构建的平台生态中，寻找尚未被充分定价的「应用层和工具链」公司。GR00T N2一旦开源，将是重要的时间节点信号。

Figure AI：硬件整合派的「亚马逊验证」

卡位逻辑：Figure AI是整机本体路线中最有商业说服力的公司之一——它是少数几家真正拿到大型企业量产订单（而非试点合作）的公司，亚马逊在其仓储自动化项目中采购了Figure机器人，进行了可量化的商业验证。估值超过30亿美元，投资方包括微软、英伟达、亚马逊AWS等战略资本。

护城河：核心护城河不是机器人本身，而是与亚马逊共同开发的「亚马逊仓储场景专有数据集」——这是任何后来者在相同时间窗口内难以复制的资产。与Helix基础模型（OpenAI联合开发）的深度绑定也提供了额外的技术护城河。

隐患：整机本体是竞争最激烈的层次。特斯拉的Optimus已在内部工厂大规模部署，宇树科技在价格上构成强力压制。如果Figure无法将仓储场景的成功复制到其他行业，其商业化路径将显著收窄，高额研发投入的回收周期将被拉长。

投黑马判断：整机本体路线中的优质标的，但不是左侧机会。亚马逊验证提升了确定性，同时也压缩了超额回报空间。适合作为组合配置中的「验证型」标的，而非「非共识型」押注。

宇树科技 (Unitree)：价格战的发动者，也是价格战的受害者

卡位逻辑：宇树用硬件工程能力把四足机器人和人形机器人的价格打穿——H1人形机器人本体在2025年末降至9万美元，到2026年初进一步降至约15万人民币。这一策略使其成为全球出货量最大的机器人本体制造商之一，也是NVIDIA、Physical Intelligence等生态玩家的重要硬件合作伙伴，GR00T N1.7支持的参考本体之一即为宇树H1。

护城河：供应链效率和制造成本控制是真实壁垒，短期内中国以外的竞争者难以复制。规模化出货量也带来了一定的学习曲线优势。

隐患：价格战没有终点。当宇树把价格压到15万人民币，市场上立刻出现了目标价格为8万人民币的竞争者。本体的商品化意味着利润空间将持续被压缩，除非能控制上游的大脑模型层或关键感知器件层。目前宇树在软件层投入有限，是其最大的结构性弱点。

投黑马判断：优质的硬件制造商，长期价值将面临价格战压力。值得关注的是宇树是否会向软件层延伸——这是判断其能否从「制造商」升级为「平台」的关键信号。如果2026年H2出现宇树与大脑模型公司的深度合作或收购动作，则需要重新评估其估值逻辑。

银河通用：中国大脑派的早期代表

卡位逻辑：银河通用是少数坚持「大脑优先、本体中立」路线的中国公司，其Galbot G1配备自研大脑模型，强调多本体兼容性。获得字节跳动和红杉中国领投的10亿元融资，是2026年开年最大的中国具身智能单笔融资之一。百亿估值使其成为中国具身智能「大脑派」的旗帜性标的。

护城河：在中国场景下的数据积累，以及字节跳动在内容和用户行为数据处理方面可能的技术溢出效应。更重要的是，银河通用的「大脑中立」策略意味着它在未来可以与多家整机厂商合作，避免了单一硬件合作伙伴依赖的风险。

隐患：中国场景数据的多样性和复杂度与海外场景有显著差异，在高端工业和医疗场景，中国公司的数据优势尚未体现。此外，百亿估值与当前收入规模之间的差距，使得其后续融资和估值压力不小。

投黑马判断：中国大脑派的代表性观测窗口。2026年H2能否拿到规模化工厂订单，是判断其故事能否兑现的关键节点。字节跳动的战略意图（是否将其整合进自身AI基础设施体系）也是需要持续追踪的变量。

四、被市场低估的早期机会

机会一：机器人技能数据基础设施

核心逻辑：具身智能的「大脑」训练，本质是一场数据战争。训练一个具有真实商业价值的机器人基础模型，需要数十万乃至数百万条高质量的机器人操作轨迹数据——而收集这些数据，需要人工遥操作、传感器采集和数据标注的完整流水线。这是一个规模超大、专业门槛极高、但目前极度碎片化的市场。

当前空白：NVIDIA用合成数据部分解决了这个问题（11小时生成相当于6500小时人工演示数据），但合成数据与真实数据之间存在「物理差距」（sim-to-real gap），需要一定比例的真实数据来校准。这个「真实数据采集和处理」的服务市场，目前没有规模化的独立服务商。Scale AI正在向机器人行为数据标注方向延伸，但其体量和定价对早期机器人公司并不友好。

护城河来源：积累特定场景的高质量数据集形成先发优势；建立与机器人本体厂商的深度集成降低数据采集边际成本；构建数据标注质量标准形成话语权。

追踪信号：Universal Robots与Scale AI在2026年3月联合发布的「模仿学习系统」（Imitation Learning System）是一个早期市场验证信号。如果这个方向在Scale AI体量上取得成功，说明独立机器人数据基础设施公司的市场空间足够大。另一个信号是NVIDIA Isaac仿真框架的API调用量——如果2026年Q2-Q3出现显著加速，意味着对高质量「仿真-真实」数据转换工具的需求正在爆发。建议关注2026年Q2是否出现专注机器人遥操作数据采集、完成千万人民币级别天使轮的中国团队。

机会二：触觉感知与灵巧手——「最后一厘米」解决方案

核心逻辑：机器人的手，是整个具身智能商业化最大的物理瓶颈。目前所有主流人形机器人都能做到「拿起一个苹果」，但几乎没有一家能稳定做到「拿起一个生鸡蛋而不破」。这个差距背后，是触觉感知系统的缺失——机器人的手指没有感觉，导致力度控制极不稳定，限制了绝大多数需要精细操作的应用场景（食品加工、手术辅助、电子组装）。

当前空白：主流人形机器人厂商对触觉传感器的集成普遍不足，这是商业化路径上已知的最大技术瓶颈，但专注于「触觉感知+灵巧手」的独立公司，目前仍处于极早期阶段，几乎没有头部资本进入。清华大学在2026年1月披露了柔性「类皮肤」触觉传感器的技术突破，结合视觉触觉反馈循环实现了对材质属性和握力稳定性的精准感知，但相关团队尚未进入创业状态。

护城河来源：物理传感器设计本身具有相当高的技术壁垒（材料学、信号处理、与AI模型的联合优化）；且一旦某个触觉感知方案被主流本体厂商采用，供应链切换成本极高；灵巧手作为独立可替换模组的「标准件」化，能够在多个本体上销售，形成规模效应。

追踪信号：①清华大学类皮肤触觉传感器团队是否分拆创业（2026年Q2-Q3为关键观察窗口）；②Figure AI、宇树科技等头部整机厂商是否发布「触觉传感器合作伙伴计划」——如果发布，意味着上游供应链窗口打开，独立触觉感知公司将迎来批量询价机会。

机会三：垂直场景专用「小脑」——被遗忘的精度层

核心逻辑：通用大脑模型的泛化能力在±5mm精度内表现优异，但工业制造、外科手术、珠宝首饰加工等场景要求±0.1mm甚至更高的精度——通用大脑在这里「不够用」。这就是垂直场景「小脑」的价值：在通用大脑基础上进行场景专属微调，并结合力反馈、视觉伺服等传统机器人控制技术，实现高精度执行。

当前空白：大脑层已经有Physical Intelligence、Skild AI在争；整机本体层有Figure AI、Agility、宇树在争；但夹在中间的「场景专用小脑」层几乎没有独立公司进入，绝大多数整机厂商在自己做，且大多数做得很粗糙。这是一个「需求真实 + 当前解决方案稀缺 + 认知差显著」的典型左侧机会。

护城河来源：特定场景的训练数据积累（比如5000小时的外科辅助手术数据）是极难复制的资产；场景认证和法规合规（医疗领域的FDA审批、工业领域的安全认证）是天然护城河；与垂直行业头部客户的深度绑定提升了切换成本。

追踪信号：①是否出现专注单一垂直场景（如「手术机器人小脑」「PCB组装小脑」）且完成Pre-A轮的公司——建议在YC、Sequoia Scout、以及具身智能专项基金的portfolio中进行地毯式扫描；②NVIDIA Isaac平台上垂直行业SDK的发布节奏——每发布一个新行业SDK，意味着NVIDIA在帮这个行业验证数据和技术可行性，对应的垂直小脑机会随即出现。

机会四：机器人仿真与评测工具链

核心逻辑：当整个行业有数十个机器人本体型号、数百个基础模型变体在同时迭代时，「如何客观评估一个机器人大脑/小脑的能力」变得极其重要。但目前没有一套被行业广泛认可的标准测评体系——机器人公司的能力宣称大多依赖自行设计的演示场景，缺乏第三方可重复验证的基准。

当前空白：这是一个典型的「行业发展到一定阶段必然出现的工具层需求」。类比AI大语言模型领域：当GPT-3发布后，HELM（斯坦福）、SuperGLUE等测评基准迅速成为行业标准，背后公司获得了不成比例的话语权和商业价值。具身智能目前还没有这样的权威评测机构或工具链公司，现有的评测框架（如OpenAI的RoboSuite、DeepMind的AlfWorld）在工业实用性上仍有很大差距。

护城河来源：先发的基准设计权——谁先设计出被行业认可的评测基准，谁就占据了技术话语权；仿真环境的逼真度和多样性是壁垒（需要大量场景建模和物理引擎优化）；标准一旦被采用，替换成本极高（因为历史数据的可比性依赖于持续使用同一套基准）。

追踪信号：①学术界是否出现被引用超过100次的具身智能综合评测论文（2026年H1如果出现，说明学界在推动标准化，商业化机会随之出现）；②是否有专门针对「机器人能力评测即服务」（Evaluation-as-a-Service）的公司在Y Combinator S26批次或类似孵化器中出现——这是行业认可的先行指标。

五、关键变量追踪

变量一：数据飞轮速度

为什么这个变量是关键指标：具身智能的大脑模型能力，不是由算法突破驱动的，而是由训练数据的规模和质量驱动的——这是物理AI领域区别于语言AI最重要的特征之一。数据飞轮速度决定了谁能在模型代际迭代中保持领先，也决定了现有领先者的护城河是否真实可持续。

追踪信号1：NVIDIA Isaac仿真框架的月活跃开发者数量（来源：NVIDIA季报/GTC大会开发者数据）——这是合成数据生产能力的代理指标。如果2026年Q3月活跃开发者超过5万，意味着合成数据生产速度已到达「供给过剩」临界点，行业竞争焦点将转移到真实数据差异化，对应的机会是真实数据采集服务商的价值大幅提升。

追踪信号2：Physical Intelligence开源π0模型在Hugging Face的下载量增长曲线（来源：Hugging Face公开页面）——这是社区数据飞轮速度的代理指标。如果季度环比增速超过100%，说明开源社区正在形成对该模型的数据贡献飞轮，Physical Intelligence的「开源战略」将被证明是成功的护城河构建方式。

变量二：工厂量产订单转化率

为什么这个变量是关键指标：工厂量产订单（区别于试点订单）是具身智能商业化的真实分水岭。试点订单证明概念，量产订单证明经济性和可靠性。2026年是否出现第一批「超过1000台单次订单」，是行业从「演示期」进入「商业化期」的关键节点，也是判断整个估值体系是否可持续的关键数据。

追踪信号1：Figure AI/Agility Robotics与亚马逊、宝马等头部客户的合同披露（来源：企业新闻稿、美国证券备案文件，如IPO前的S-1文件）——具体关注「部署台数」和「合同金额」，而不仅仅是「合作宣布」。没有具体台数的「战略合作」不构成有效信号。

追踪信号2：宇树科技H2本体的月度出货量数据（来源：中国海关出口数据、供应链上游零部件采购量的行业渠道核查）——宇树作为价格最低的头部玩家，其出货量变化是最敏感的市场温度计。如果2026年Q3月出货量超过500台，意味着工厂采购决策已从「观望」转向「行动」，整个行业的商业化判断需要上调。

变量三：基础模型开源化进展

为什么这个变量是关键指标：机器人基础模型的开源化，对整个行业生态有结构性影响——它降低了小脑层和工具链公司的进入门槛，同时加速了数据生产的社区化。如果NVIDIA、Physical Intelligence等继续推进大模型开源，将显著加快整个生态的成熟速度，并提前引爆对「垂直场景小脑」的商业化需求，即本文机会三的兑现时间线将被压缩。

追踪信号1：NVIDIA GR00T N2（预告中的下一代机器人基础模型，基于DreamZero架构，在新环境任务成功率上优于领先VLA模型逾一倍）的发布时间和开源计划（来源：NVIDIA官方公告/GTC 2026发布节奏）——GR00T N2一旦开源，标志着基础模型层已进入「基础设施」阶段，投资重心将快速向上层应用和工具链迁移。

追踪信号2：GitHub上具身智能相关开源项目的月度Star增长率（来源：GitHub trending公开数据）——如果包括openpi（Physical Intelligence开源项目）在内的机器人基础模型项目，2026年月度新增Star超过10000，意味着开发者社区已形成规模，商业生态的爆发时间点即将到来。

三个变量的联动逻辑：

[数据飞轮加速] → [基础模型迭代速度加快] → [工厂客户对机器人能力的信心提升] → [量产订单转化率上升] → [更多真实部署数据回流飞轮] → [模型进一步改进] → [市场重新定价]

投黑马 · 独家评级

赛道热度：🔥🔥🔥🔥🔥　　2026年全球融资最热赛道之一，每天超5亿元进场，无需争议
左侧机会：⭐⭐⭐⭐　　　　整机本体已失去左侧窗口，但大脑/小脑/数据三层仍有显著认知差
布局紧迫度：⚡⚡⚡⚡　　GR00T N1.7商业化节点已到，量产订单窗口18个月内打开，格局即将固化

推荐关注层次：
机器人数据基础设施 ＞ 垂直场景专用小脑 ＞ 触觉感知与灵巧手

分层布局建议 + 风险披露 + 结语

分层布局建议

第一层：低风险 / 长周期——数据与工具链基础设施

投资逻辑：机器人大脑模型的训练需要持续的数据供给，无论最终谁赢得「大脑」层的竞争，数据和工具链基础设施都是必要的上游。这是一个「卖水」而非「挖金」的逻辑，在赛道格局未定之前，先布局这一层更稳妥，且不需要押注特定的技术路线赢家。

选股标准：团队要求——至少一位在机器人学/控制系统方向有10年以上经验，不接受纯AI背景团队；数据方向——已与至少2家头部整机厂商建立正式数据采集合作协议（不是意向书）；工具链方向——已有被≥3个知名研究机构采用的开源评测框架，且GitHub Star超过500。

时间窗口：2026年Q2-2027年Q1。在机器人基础模型能力验证完成、行业开始进入规模商业化之前完成布局，Pre-A至A轮为理想进入节点。

第二层：中风险 / 中周期——垂直场景专用小脑

投资逻辑：当通用大脑完成从「演示」到「部署」的跨越后，精度要求最高的垂直场景将成为下一个需要专项解决方案的市场。工业制造（±0.1mm精度）、医疗辅助（颤抖抑制+力控）、食品加工（软体物操控）是三个需求最真实、当前解决方案最稀缺的场景。

选股标准：团队——至少一位在目标垂直场景有5年以上行业经验（非纯AI背景）；场景验证——已在目标场景完成≥100小时的真实部署数据采集，且有客户付费意愿书（LOI）；精度指标——目标场景的关键精度指标（如力控精度、成功率）优于通用大脑至少50%，且有可复现的第三方测试数据。

时间窗口：2026年Q3-2027年Q2，在垂直场景客户完成「试点→量产」决策窗口之前完成布局。

第三层：高风险 / 短周期——平台层非共识押注

投资逻辑：具身智能「大脑」层存在平台化的可能——如果某个基础模型以「跨本体」「可商用API」的方式快速扩张，它可能成为类似OpenAI API在语言AI领域的存在。这是最高风险、但也是潜在回报最高的押注。目前Skild AI是这条路线最接近验证节点的公司，但估值已相当高；值得关注的是是否有中国本土的「跨本体大脑」公司在A轮前完成商业化验证。

选股标准：已有商业化收入（不仅是试点，需要付费合同）；已验证跨≥3类本体的部署能力；季度收入环比增速超过30%；具备清晰的数据飞轮机制（真实部署→数据采集→模型迭代的闭环）。

时间窗口：2026年内天使/Pre-A轮是左侧进入的最后窗口。对于Skild AI的S-1文件（如果IPO计划在2026-2027年落地），届时二级市场的介入策略另行讨论。

风险披露

风险一：sim-to-real gap迟迟未被解决

即使合成数据生产速度大幅提升，如果仿真物理环境与真实世界的差距始终无法收敛到商业可用水平，具身智能的规模商业化时间线将大幅延后2-3年。这一风险对「数据基础设施」层影响最大——如果真实数据需求大幅超出预期，数据采集成本将阻碍规模化。概率判断：较低（GR00T N1.7和Skild Brain的商业化数据已部分证伪这一风险），但监测信号为2026年Q3-Q4工厂量产订单是否如期出现。若Q4仍未出现1000台级别订单，则需重新评估整个商业化时间线。

风险二：大厂战略收割

如果NVIDIA决定将Isaac平台「全面闭源」并垂直整合，或者Physical Intelligence/Skild AI被苹果、微软等大厂以战略价格收购，整个开放生态的发展逻辑将被打断——对独立数据和工具链公司的影响尤其显著。针对这一风险，早期投资者应优先选择与多个平台保持兼容性、避免单一平台依赖的公司，并在投资协议中明确加速条款（acceleration clause）。概率判断：中等，大厂收购在AI领域已是常见退出路径，但对被收购公司的投资人而言未必是坏事。

风险三：中美技术脱钩加剧

NVIDIA芯片出口限制的持续收紧，可能导致中国具身智能公司在算力获取和模型迭代速度上落后于美国竞争者2-3代。这一风险对「在美上市计划」和「跨境技术合作」均有直接影响，且执行层面的不确定性极高，难以提前对冲。对于人民币基金，建议优先布局中国本土数据和场景优势明确的公司，规避依赖美系芯片和模型的标的，并对美元基金跨境结构保持谨慎。

风险四：整机商品化速度超出预期

如果宇树科技或其他中国整机厂商在2026年底前将人形机器人本体价格降至5万人民币以下，整机层的利润池将被彻底摧毁，布局整机本体的投资人将面临直接损失。但这对大脑层和数据层是利好——这将加速大脑模型的采购需求，并验证本文的核心判断。这一风险的「利好转化」机制要求投资者在组合层面做好对冲，而非在单一层次上all-in。

结语

具身智能的这轮浪潮，与其说是机器人革命，不如说是「AI如何学会使用身体」这个根本性问题正在被解决。每天5亿元涌入这个赛道，但投资的质量远比数量更关键。整机本体的聚光灯之下，隐藏着三个几乎无人覆盖的关键层次——而这三个层次，恰恰是具身智能真正商业化的底层支柱。

数据飞轮、精度壁垒、评测标准——这三件事，没有任何一件能出现在朋友圈里机器人行走的视频中，但它们决定了十年后谁是这个行业真正的平台公司。

聪明的左侧投资者知道：最好的机会，永远不在最响亮的地方。在聚光灯照亮之前，我们已经在那里。

投黑马 · 信号解读

具身智能2026年的核心信号不是融资数字，而是「数据飞轮是否真的开始转」。Skild AI的3000万美元收入、Physical Intelligence的π0开源社区、NVIDIA GR00T N1.7的商业化宣布——这三件事同时在2026年Q1发生，不是巧合，而是整个行业从「研究演示」向「商业部署」临界点跨越的集体信号。但这个信号对于整机本体层的投资价值已经基本透支，真正还在左侧的，是那三个没有PR、没有发布会、没有朋友圈视频的关键层次。

左侧投资者现在真正应该追踪的不是哪家整机公司拿到了大客户，而是以下三个具体信号：①机器人数据采集和标注服务市场中是否出现第一家季度收入超过1000万元的独立服务商；②在工业制造、医疗或食品加工三个场景中，是否出现声称「精度优于通用大脑50%以上」的垂直小脑公司并完成Pre-A轮，且有可验证的第三方精度测试数据；③NVIDIA GR00T N2的发布时间——一旦发布即说明基础模型层已进入基础设施阶段，投资重心将快速上移至应用和工具链。这三个信号中任何一个率先出现，都意味着左侧布局窗口即将关闭。

── 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