一月的最后一個周六，一篇名為《The Short Case for Nvidia Stock》的博客文章在深夜發(fā)布，24小時內(nèi)閱讀量迅速突破50萬。

作者Jeffrey Emanuel在投資圈不算出名，文章也不是今年第一篇看空英偉達的報告，甚至很多觀點也談不上新穎。但它是第一篇將DeepSeek的技術(shù)細節(jié)與英偉達估值聯(lián)系起來的報告。

Jeffrey Emanuel既搞投資也懂AI，先是詳細羅列了英偉達的“四大危機”，接著用英雄惜英雄的口吻對DeepSeek不吝贊美，儼然外星科技。

報告發(fā)布后的第一個工作日，英偉達跌沒了6個英特爾，打破了由自己去年9月創(chuàng)下的美股單日市值蒸發(fā)記錄（2790億美元），網(wǎng)上隨即流傳出一封很像DeepSeek生成的“黃仁勛內(nèi)部信”。

MarketWatch稱該報告將成為“史上最成功的做空報告之一[1]”，搖旗吶喊的大鱷包括“新四大股神”之一的Chamath Palihapitiya，以及看熱鬧不嫌事大的Altman的前同事Jared Friedman。

DeepSeek并不是英偉達的競爭者，反而是大客戶。但它的橫空出世像一顆光芒耀眼的信號彈：是時候跟英偉達算算總賬了。

在英偉達身上栽過跟頭的投資機構(gòu)迅速團結(jié)起來，共同醞釀了一場價值5890億美元的“1·27慘案”。

讓子彈飛

二月第一天，方舟基金掌舵者Cathie Wood“木頭姐”做客彭博電臺，主持人開場提問零幀起手：你什么時候抄底英偉達？

木頭姐的回答非常冷靜：再看看。

木頭姐接受彭博社電臺采訪

木頭姐是業(yè)內(nèi)最早看多英偉達的分析師之一，也是賣飛英偉達的第一批烈士。

方舟基金在2016年就開始大量持有英偉達股票，但相比對特斯拉的專情，木頭姐只陪英偉達走了一小段路，在2022年末大量賣出，理由是價不配位。

按照木頭姐的理論框架，賣GPU的英偉達和當年的思科沒什么兩樣，都定位于新技術(shù)的基礎(chǔ)設(shè)施，那么基建完成意味著利好出盡。

同時，木頭姐認為人工智能時代，每一美元的硬件支出能換回8-21美元的軟件收入，投資下游軟件回報率更高，因此投資者要見好就收。木頭姐本人也知行合一，早早算出了撤退的良辰吉日。

方舟賣出英偉達時，后者股價累計上漲了接近80%，但架不住后面又狂漲了800%，Business Insider給木頭姐算了一筆賬——整整少賺了12億美元[3]。

到去年年中，方舟基金賬上只剩下2.6萬股英偉達股票，木頭姐借反思復盤，又吹了一波自己心愛的特斯拉[4]：

“如果早知道市場會獎勵英偉達和其他科技六巨頭（Meg 6），但不包括AI的主要受益者——全球最大的AI項目特斯拉，那么我們就會持有它（英偉達）?！?/p>

此番大仇得報的還有估值大師達摩達蘭（Aswath Damodaran），達摩達蘭理論知識過硬，但實操環(huán)節(jié)吃了不少回旋鏢，其中就包括錯判特斯拉和英偉達。

達摩達蘭

2023年中，達摩達蘭一口氣減持了一半的英偉達股票，附帶一份讓文科生頭皮發(fā)麻的估值報告，給出了較當時409美元的股價幾乎腰斬的目標價，理由英偉達的市場地位與估值明顯背離[5]。

達摩達蘭估值模型（2023.6.23）

2024年，達摩達蘭繼續(xù)減持1/4的英偉達股票，同時大砍目標價至87美元（當時股價106美元）?！?·27慘劇”發(fā)生后，達摩達蘭趕盡殺絕，將目標價進一步殺到78美元。

但在墻倒眾人推的氛圍下，分歧仍在滋生。

機構(gòu)攜手退場的1月27日，散戶凈買入英偉達股票達到創(chuàng)紀錄的5.62億美元，嚇得野村證券分析師直言，這輩子沒見過這么夸張的交易失衡。

隨著恐慌情緒的稀釋，這種分歧還蔓延到了機構(gòu)內(nèi)部。摩根士丹利大中華區(qū)分析團隊4日大砍英偉達GB200在2025年出貨量（3萬-3.5萬下調(diào)至2萬-2.5萬），隔天北美團隊就重申英偉達仍是買入首選，直言當下的拋售是買入機會。

也就是說，DeepSeek的出現(xiàn)并沒有改變英偉達的估值邏輯，但放大了資本市場對英偉達的看法分歧。

打開的魔盒

在接受彭博采訪時，木頭姐給“抄底英偉達”的時機明確了兩個考察指標：一是推理芯片市場的增量，二是英偉達在推理端是否具有統(tǒng)治力。

這也是資本市場針對英偉達長期博弈的焦點之一，并隨著DeepSeek的出現(xiàn)而放大。

簡單來說，大模型可以劃分為訓練和推理兩個階段，前者的目標是通過向模型輸入大量數(shù)據(jù)，優(yōu)化調(diào)參，得到一個可用的模型，后者是利用訓練好的模型來解決實際問題。

以自動駕駛為例，算法要先在數(shù)據(jù)中心被訓練，然后在汽車上“推理”，實現(xiàn)自動駕駛功能。

訓練端遵循著明確的scaling law路徑、以算力堆疊迭代進步，推理端與終端捆綁，本應(yīng)承擔投資回報的重任，卻呈現(xiàn)出“看起來很忙、但不知道在忙什么”的迷茫。

終端產(chǎn)品要實現(xiàn)推理有兩條路徑，但各有各的難：

一是直接搭載大廠的大模型，但這類大多強調(diào)通用性，與終端需求常有不適配的問題，且由于閉源，終端廠商很難自行調(diào)試。滿漢全席配挖耳勺，怎么都吃不痛快。

二是自研模型，但需要付出高昂的訓練成本，像特斯拉這種自己部署數(shù)據(jù)中心的企業(yè)鳳毛麟角。

由于DeepSeek本身開源，下游可以針對性地開發(fā)；同時，DeepSeek證明低成本、低算力也可以訓練出功能強大的模型，降低了模型開發(fā)的難度和成本。

但推理的路走通了，對英偉達來說卻不一定是好事。

英偉達在訓練場景的優(yōu)勢非常明顯，模型訓練需要的高精度計算、大顯存、通用性等特點，都是英偉達的傳統(tǒng)優(yōu)勢項目，市場份額接近90%。按照Nextplatform的分析，DeepSeek的訓練就使用了英偉達的H800 SXM5。

但在推理場景，英偉達稱王的底氣稍顯不足。

嚴格意義上來說，并不存在專門的“訓練芯片”和“推理芯片”，鐵了心用H100搞推理也不是不行，畢竟沒人規(guī)定不能開保時捷送外賣。但在實際應(yīng)用中，兩類芯片的架構(gòu)往往有較大區(qū)別，因此常被視為兩個市場。

比如英偉達的通用性在訓練場景是無可比擬的優(yōu)勢，但換到任務(wù)明確的推理場景，就變成了實用性差、資源浪費的劣勢。

大客戶們無言，只是加快了自研。GPU的虔誠信徒谷歌早在AlphaGo與柯潔一戰(zhàn)中就換上了自家的TPU，車端客戶們更是在特斯拉FSD的“不良示范”下紛紛叛逃。

Jeffrey Emanuel在報告中給英偉達拉來了兩個競爭對手——主攻推理芯片的Cerebras和Groq，斷言至少能破除當前估值中對英偉達未來2-3年增長的高預期的幻覺[2]。

較之訓練芯片市場，推理芯片依然是群雄逐鹿的曠野，英偉達沒贏，但也不代表輸了。

堅固的壁壘

對英偉達未來業(yè)務(wù)情況的判斷，可以簡單粗暴地套用一個公式：營收 = AI芯片市場規(guī)模 X 市場份額，由此拆解為兩個維度的討論。

第一個維度的判斷，構(gòu)成了達摩達蘭進一步下砍英偉達目標價的最大依據(jù)。

在他看來，DeepSeek的出現(xiàn)會導致對科技公司對AI硬件的投資變得更加謹慎[6]，因此AI芯片市場規(guī)模的預估從去年9月的5000億美元，極速縮水至最新報告的3000億美元。

來源：達摩達蘭估值報告（2025.1.31）

這也符合一種樸素的邏輯：能用更便宜的價格買到相同功能的產(chǎn)品，誰還會去買高價貨呢？

但這一預判被光速打臉。DeepSeek出現(xiàn)恰逢美國科技公司財報季，按照谷歌、微軟、亞馬遜、Meta最新公開的2025年資本開支，四巨頭在AI和數(shù)據(jù)中心上的投資合計將達到3200億美元，比2024年還多了900億美元。

谷歌在財報電話會上表示，云計算業(yè)務(wù)增長放緩主要還是因為投資不夠，后面還得繼續(xù)花錢。

達摩達蘭的判斷忽視了一個更宏觀的影響：技術(shù)門檻下降也會推動市場整體規(guī)模的擴大。LED燈耗電量僅為白熾燈的1/10，但在LED燈普及的過程中，技術(shù)降本推動需求擴容，用于照明的電力消耗總量反而在增加。

大模型商業(yè)化的一個難題是價格與服務(wù)不匹配，DeepSeek讓產(chǎn)業(yè)看到了彌合兩者縫隙的可能，最終帶來的結(jié)果大概率是終端消費意愿提升，那么對算力和AI芯片的整體需求可能還會增長。

另一方面，英偉達的通用性與推理場景似乎并不適配，但帶來了無可比擬的成本優(yōu)勢。

黃仁勛在多個公開場合解釋過英偉達的最大優(yōu)勢——即相同算力下的“最低持有成本”，也就是說，綜合芯片單價和運行成本，英偉達GPU提供的每TOPS算力是最便宜的。所以英偉達的芯片越賣越貴，但單位成本越來越便宜。

被Jeffrey Emanuel拿來拉踩英偉達的Groq，其芯片采用了與GPU不同的LPU計算核心，號稱推理速度比英偉達GPU“快10倍”，價格卻是后者的1/10。然而，計算持有成本并不僅僅考量芯片的購買成本。

賈揚清曾給Groq算了一筆賬：由于Groq卡內(nèi)存僅為230MB，要運行自家LLaMA 70b模型得購買572張，加上電費，三年運行成本高達1220.2萬美元。但用H100只需要8張，而且電費只是前者的1/10，總運行成本僅為37.2萬美元。

賈揚清博文

GPU算力的提升常被冠以“暴力”，也掩蓋了英偉達在系統(tǒng)構(gòu)建上的精打細算。

英偉達的芯片產(chǎn)品線里，不僅內(nèi)存大小精心設(shè)計，還在通過NVLink等連接技術(shù)在GPU間數(shù)據(jù)傳輸速率上做文章，保證即使單顆算力不是最強，也能讓“1+1”的實際算力碾壓對手。

事實上，Jeffrey Emanuel在報告中列舉的英偉達“四大危機”，多少有點老生常談：

比如Cerebras、Groq這些芯片公司一直被冠以“英偉達殺手”，但實際戰(zhàn)績的說服力并不強；CUDA的競爭對手和大廠自研芯片同樣是舊話重提；英偉達的GPU的確依賴臺積電的生產(chǎn)能力，但Jeffrey Emanuel開出的藥方是，“有能力挖到英偉達的芯片設(shè)計師”。

至于DeepSeek的沖擊，木頭姐在彭博的訪談中也提到了自己的看法。他認為在DeepSeek出現(xiàn)前，帶領(lǐng)AI產(chǎn)業(yè)成本下降的反而是英偉達自己[9]：

在英偉達帶領(lǐng)下，AI訓練成本每年降75%，推理成本每年降85-90%。DeepSeek只是讓這個降價的速度更快了。

而鑒于賣飛過特斯拉和英偉達的經(jīng)歷，達摩達蘭在報告中一邊調(diào)低英偉達的目標價，一邊反復給自己疊甲：“我對AI架構(gòu)和機制的了解很淺顯”、“我可能是錯的”……

英偉達的諸多“危機”都有一個沒辦法忽視的前提：從長遠來看。即英偉達的危機論多基于長期假設(shè)，但短期市場依然更關(guān)注其不可替代性。

這兩種說法都沒錯，但就像凱恩斯回應(yīng)自己的批評者時說的那樣：從長遠來看，我們都死了(In the long run, we are all dead)。

參考資料

[1] The blogger who helped spark Nvidia’s $600 billion stock collapse and a panic in Silicon Valley, MarketWatch

[2] The Short Case for Nvidia Stock, Jeffrey Emanuel

[3] Cathie Wood's ARK Invest missed out on more than $1 billion in returns by selling Nvidia stock too early, Business Insider

[4] Cathie Wood says she wouldn't have sold Nvidia stake 'had we known that the market was going to reward it', Business Insider

[5] AI's Winners, Losers and Wannabes: An NVIDIA Valuation, with the AI Boost, Aswath Damodaran

[6] DeepSeek crashes the AI Party: Story Break, Change or Shift？Aswath Damodaran

[7] The Power of Expectations: Nvidia's Earnings and the Market Reaction, Aswath Damodaran

[8] Cathie Wood：我為何拋棄了英偉達，新硅NewGeek

[9] “木頭姐”談DeepSeek沖擊：英偉達受到挑戰(zhàn)，但不會繼續(xù)跌；AI將會有更廣泛應(yīng)用，DeepTech深科技

編輯：李墨天

視覺設(shè)計：疏睿

責任編輯：何律衡

封面圖片來自ShotDeck