AI技术革命中的英伟达

ChatGPT发布后的近4年里，英伟达股价从约16.9美元涨到约217美元（拆股调整后），涨到了原来的约13倍。2024年6月18日，它超过微软和苹果，一度成为全球市值最高的公司，是这轮AI技术革命当之无愧的领头羊。回顾历史，类似的技术革命曾经发生过多次：1790年代英国的运河热潮，1840年代英国的铁路狂热，1990年代末的互联网和通讯设备泡沫。它们都走过相同的路径：从狂热投资，到泡沫破裂，再到长期增长。

技术革命周期

技术革命的三个阶段

佩雷斯在《技术革命与金融资本：泡沫与黄金时代的动力学》（Technological Revolutions and Financial Capital: The Dynamics of Bubbles and Golden Ages）一书中，把技术革命周期分为三个阶段[1]：

• 导入期：新技术出现，资本涌入炒作，形成泡沫。
• 转折点：泡沫破裂，经济衰退，制度和监管随之调整。
• 展开期：技术真正铺开到整个经济，带来长期繁荣，最终走向成熟，等待下一次革命。

导入期的增长由投资驱动，资金快速流向做基础设施的公司，也就是卖铲人；随后高预期撞上现实的摩擦，泡沫破裂，行业重新整合，进入转折点；最后，幸存者在廉价的基础设施上开展业务，社会逐渐适应新技术，开启由消费驱动的长期增长。

从速度上看，导入期的增长很快，因为预期和投资可以瞬间涌向同一个节点，即卖铲人；转折点的破裂更快，恐慌总比贪婪跑得更快；展开期最慢，消费驱动的业务要克服现实世界的种种摩擦，但增长空间也最大。

历史上的三个案例

三个案例都能放进同一套周期框架：导入期由投资驱动，卖铲人和资产价格暴涨；转折点由资金收紧触发，卖铲人跌得最狠；展开期由真实使用驱动，新业务在廉价的基础设施上长期增长。

运河狂热（英国，1761–1830年代）

运河是工业革命初期的新基础设施：一匹马在陆路只能拉约1吨货，在运河上却能拉30到50吨。这一时期没有独立的设备商，运河公司本身就是卖铲人。

• 导入期（1761–1793）：1761年布里奇沃特运河通到曼彻斯特，当地煤价随即减半，成为示范项目。此后近30年，投资仍然谨慎，直到1790年代初才进入狂热：议会每年批准的新运河从1790年的1项增至1793年的21项，获批运河的授权资本从9万英镑增至约282万英镑；1792年10月，大枢纽运河的股票一个月内从面值100英镑涨到472.75英镑[2]。
• 转折点（1793–1797）：1793年2月法国对英宣战，信贷收紧，金融恐慌爆发，当时约400家地方银行中约四分之一倒闭。到1795年，大枢纽运河股跌回约100英镑，较高点下跌约79%；1797年，英格兰银行暂停纸币兑换黄金[3]。
• 展开期（1797–1830年代）：泡沫期立项的运河陆续完工，到1815年运河网基本建成，总长约4,000英里。煤炭和原棉得以廉价运抵工厂，英国原棉进口从1790年的3,100万磅增至1830年的2.64亿磅，工厂制棉纺成为工业化的主导产业。

铁路狂热（英国，1829–1873）

历史学者奥德利兹科认为，按多项指标衡量，这是历史上规模最大的技术狂热[4]。这一轮的卖铲人是铁路公司，以及为其供应铁轨和机车的钢铁业。

• 导入期（1829–1845）：1829年雨山机车大赛、1830年利物浦至曼彻斯特铁路通车，客运需求远超预期，铁路公司分红丰厚。1843年后进入狂热：议会每年通过的铁路法案从1844年的48项增至1845年的120项，认购新线路只需付约10%的定金，报纸一半以上的版面是铁路广告。1845年10月，铁路股指数见顶，较1843年初上涨106%。
• 转折点（1845–1850）：英格兰银行加息后，指数一个多月内下跌20%，但建设惯性仍在：1846年议会批准272项法案、约9,500英里线路，1847年铁路投资达4,400万英镑，约占GDP的7%。同年，股东被要求补缴股款，又叠加粮食危机，金融恐慌爆发[5]。1849年，「铁路大王」哈德森用资本金发放股息的丑闻曝光；1850年4月指数见底，较高点下跌64%[4]。泡沫期批准的线路仍在陆续完工，铁路网从1845年的约2,500英里增至1850年的约6,600英里。
• 展开期（1850–1873）：客运量从1842年的2,470万人次增至1870年的3.22亿人次。托马斯·库克的火车旅行团开创了现代旅游业，1851年万国博览会吸引了约600万人次参观，其中大批人乘火车前往；1855到1856年的有限责任立法确立了现代公司融资制度。

通讯设备与光纤泡沫（美国，1984–2008）

互联网让市场相信带宽需求会无限增长，资本涌向运营商和为其供货的设备商，思科、朗讯和北电是这一轮的卖铲人。

• 导入期（1984–2000）：1984年AT&T拆分、思科成立；1995年8月网景上市，互联网投资热就此开始；1996年电信法放开竞争，新兴运营商大举借钱铺设光纤。思科营收从1995财年的22亿美元增至2000财年的189亿美元，增长约8.6倍[6]。2000年3月10日，纳斯达克见顶5,048点；3月27日，思科市值约5,550亿美元，短暂成为全球市值最高的公司，市盈率约200倍。
• 转折点（2000–2002）：美联储连续加息后，运营商的资本开支断崖下跌。思科营收在股价见顶后仍惯性增长到2001财年的223亿美元，但当年计提了约22亿美元的库存减值；朗讯全年亏损约160亿美元，北电单季亏损约194亿美元。2002年7月，世通财务造假曝光，以1,070亿美元资产申请破产；10月9日，纳斯达克跌至1,114点（较高点−78%），思科跌至8.12美元（−90%），而当时美国已铺设的光纤只有约2%到5%被点亮[7]。
• 展开期（2002–）：过剩的光纤让带宽成本大幅下降。谷歌营收从2001年的8,640万美元增至2008年的218亿美元，其间于2004年8月上市；美国成年人的家庭宽带普及率从2000年的1%增至2007年的54%[8]，同年iPhone发布。卖铲人却恢复缓慢，思科股价直到2025年12月才收复2000年的高点[9]。

周期为什么反复出现

导入期的增长由投资驱动，而投资来自预期。凯恩斯把这种驱动力称为「动物精神」：未来无法精确计算，投资很大程度上取决于信心和想象。一个好故事可以在几个月内传遍市场（席勒称之为叙事经济学），再经宽松的资金放大，估值随之飞速膨胀；现实世界却处处是约束和摩擦，运河要挖十几年，用户养成新习惯也需要时间。竞争又让过度投资成为每家公司的理性选择：投入少了就可能出局，于是人人都按赢下整个市场的规模去建设，个体理性加总起来就是集体过剩，也就是经济学所说的合成谬误。所以泡沫期间从不缺清醒的警告者，比如1996年格林斯潘的「非理性繁荣」讲话[10]，但他们从来拦不住泡沫继续膨胀。

预期与现实的差距越拉越大，一旦资金变贵，转折就会到来：1793年英法开战，1845年英格兰银行加息，2000年前后美联储连续加息，明斯基和金德尔伯格描述的「信贷扩张、狂热、恐慌」一再重演。卖铲人跌得最狠，原因有两层。一是加速器原理：资本品的订单取决于需求的增速，而不是需求本身，增长只要从飞速回到正常，订单就会断崖下跌，2001年思科的巨额库存减值就是订单突然消失的结果。二是估值：卖铲人在导入期承载着最高的预期，转折时盈利和估值一起下杀，2002财年思科营收与2000财年基本持平，股价却跌了90%，跌掉的主要是约200倍的市盈率。

但泡沫留下的运河、铁路和光纤耐用且通用，被后来者低价接手，长出了棉纺工厂、大众旅游和互联网服务，开启佩雷斯所说的由生产资本主导的长期增长。耐用的基础设施对后来者是福音，对卖铲人却是负担：过剩的产能要用很多年才能消化，这期间没有人需要买新的，思科股价因此花了25年才回到高点。AI时代的数据中心和电网能用几十年，GPU却通常三到五年就要更换，这一点决定了英伟达会在多大程度上重演思科的剧本，后文供给部分会再展开。

对英伟达的理解

按照前面的周期框架，英伟达处在导入期卖铲人的位置，和2000年的思科、1840年代的铁路股相似。判断它的走势，关键看两条线：需求端看大厂资本开支的增速，竞争端看英伟达的利润率。

不过，英伟达和当年的思科有一个重要区别：估值。思科见顶时市盈率约200倍，而英伟达2026年年中的远期市盈率约23倍[11]，这几年股价的上涨主要由利润增长推动，而不是估值扩张。这意味着即使泡沫破裂，英伟达更可能经历的是利润下滑带来的下跌，而不是思科那样利润和估值的双杀，破裂可能相对温和。

下面从收入结构、需求、竞争、供给和地缘几个方面展开，每一项都附上需要盯紧的指标。

收入结构：高度依赖大厂的资本开支

英伟达2027财年上半年（2026年2月至7月）营收1,778亿美元，其中数据中心1,642亿美元，占比约92%，同比增长约105%，其余业务合计不到一成[12][13]。按英伟达新的披露口径，公有云和大型互联网公司贡献了数据中心收入的约一半[14]，也就是亚马逊、微软、谷歌、Meta等几家大厂，英伟达的收入在很大程度上取决于它们的资本开支。

以亚马逊为例，它的2026年资本开支指引从约2,000亿美元上调到2,200亿美元[15]，一季度单季资本开支432亿美元，比去年同期的243亿美元增长近八成；截至二季度，过去12个月的自由现金流已经从一年前的182亿美元降到−76亿美元[16]。大厂的资产负债表足以支撑借钱继续投入，所以真正不可持续的不是投资本身，而是资本开支的增速长期快于经营现金流的增速。按照加速器原理，增速一旦见顶，英伟达的订单就会先于AI的实际使用量下滑。另外，亚马逊上调资本开支的主要理由是内存涨价，可见资本开支的增长里有一部分是成本通胀，而不是更多的算力。

观测指标：大厂下一季的资本开支指引，重点看增速而不是总额；大厂经营现金流与资本开支之比；英伟达前几大客户的收入占比。

循环融资：熟悉的危险信号

导入期后期，卖铲人往往开始借钱给客户买自己的产品。2000年前后，朗讯、北电向新兴运营商提供了大量供应商融资，客户倒闭后，这些贷款和订单一起消失。2025年9月，英伟达宣布最高向OpenAI投资1,000亿美元，OpenAI再用这笔钱采购英伟达的芯片[17]；谈判拖了几个月，2026年2月据报道缩减到约300亿美元[18]。数据中心收入的另一半里，也有相当一部分来自CoreWeave、Nebius这类AI云厂商，它们大量借债建设算力，最大的客户又是OpenAI和微软，英伟达自己也持有其中部分公司的股份。这类安排会让收入看起来比真实需求更强，也把客户的风险转移到了卖铲人自己身上。

观测指标：英伟达对客户的投资和融资承诺规模；大厂、AI云厂商和AI公司资本开支中借债的比例。

需求一：如果挑战者退出，训练需求会收缩

训练前沿模型的门槛越来越高。一旦头部模型的能力拉开明显差距，追不上的挑战者就不会再砸钱训练前沿模型，转而调用领先者的模型，或者专注细分场景。领先者还会继续投入，但买家数量会大幅减少；而且对手退出后，军备竞赛的压力减轻，领先者也不必再不计成本地抢时间，训练投入的增速会回到由收入支撑的水平，加总起来，训练的总需求随之下降。这和历史上转折期的行业整合一致：1850年铁路狂热结束时，15家大公司（只占公司总数的8%）掌握了英国铁路61%的资本[19]。

买家集中还有一个后果：剩下的几家大买家议价能力更强，而它们最直接的议价手段就是自研芯片，剩下的训练需求也更容易流向TPU和Trainium。需要说明的是，目前顶尖模型之间的差距仍在反复拉开又收窄，这是一个尚未发生、但需要提前跟踪的风险。

观测指标：在建前沿规模训练集群的实验室数量；是否有挑战者缩减训练投入或转为调用别家模型；顶尖闭源模型之间的能力差距。

需求二：开源模型触顶，自部署放缓

出于数据安全和成本考虑，很多企业、政府和中小云厂商会自己部署开源模型，这是英伟达在大厂之外最重要的一块需求。头部开源模型很大一部分来自中国，而中国实验室受出口管制限制，算力和数据都可能撞到上限。一旦开源模型的能力停滞，企业就不需要为下一个更大的模型提前准备算力，买卡需求会从由能力驱动的升级周期，变成由使用量驱动的线性增长。

另一股力量在同一方向推动：同等能力下，开源模型越来越小，蒸馏和量化不断降低部署所需的硬件，同样的使用量需要的卡越来越少。英伟达从本财年起把数据中心收入拆分为Hyperscale（公有云和大型互联网公司）和ACIE（AI云、工业和企业）两部分，自部署需求主要落在后者。但ACIE里还包括CoreWeave这类AI云厂商，它们的大客户恰恰是OpenAI和微软，所以ACIE的增速只能作为自部署需求的粗略参考。

观测指标：ACIE中企业和主权AI部分的增速；开源模型的发布节奏、参数规模和能力；同等能力下自部署所需硬件成本的变化。

需求三：token需求取决于Agent的扩散速度

目前AI的使用场景主要分两类：普通人用聊天机器人，消耗的token有限；Agent消耗的token多，但主要是程序员等专业人士在用，人数较少，而且他们会把CRUD、文件整理这类简单任务交给更小、更便宜的模型。所以token需求能否持续高速增长，取决于Agent能不能从编程扩散到更多行业、更多普通人。

这正是从导入期进入展开期的条件：铁路的展开期靠旅游业和全国市场，互联网的展开期靠搜索和电商，AI的展开期需要编程以外的新业务场景。Agent扩散得快，消费会持续增长；扩散得慢，资本开支和实际使用之间就会出现缺口。反过来看，Agent的人均token消耗远高于聊天机器人，而且可以由业务流程自动触发，不依赖人来操作，一旦在企业里铺开，增长可能很快。

观测指标：非编程用途的token占比；企业在编程以外部署Agent的普及程度；头部AI公司收入增速与大厂资本开支增速之比。

竞争：定制芯片与生态迁移

英伟达的垄断地位正在松动。Anthropic的主要训练伙伴是AWS，用Trainium芯片训练模型，同时签下了最多100万颗谷歌TPU，也在使用英伟达GPU[20]；Meta在2026年2月签下了租用谷歌TPU的多年合同[21]；谷歌在2026年4月发布了专门用于推理的TPU 8i[22]。Coding Agent还大幅降低了把软件从CUDA迁移到其他平台的成本，CUDA生态的护城河正在变浅。

英伟达的优势正在从单颗芯片和CUDA转向整机柜系统、网络和供应链，2026财年四季度网络收入约110亿美元，同比增长约2.6倍[23]。竞争压力最先会体现在利润率上，而不是出货量上。英伟达目前约75%的毛利率还高于一年前的72.4%，竞争的压力尚未显现，这也是观察竞争最敏感的指标[13]。

观测指标：英伟达毛利率；数据中心AI芯片的市场份额；TPU、Trainium等定制芯片的外部客户数量。

供给：内存带宽与电力瓶颈

大模型推理时，生成速度主要受显存带宽而不是算力限制，而HBM带宽越往上越难提升，产能也集中在少数几家厂商手里，前面提到的内存涨价正是这一点的体现。电力是另一个瓶颈，数据中心的扩张越来越受限于电网接入和发电能力。

这两个瓶颈对英伟达的影响是双向的。一方面，电力越紧张，能效更高的新一代芯片越值钱，客户有动力用新卡替换旧卡，这对英伟达有利。另一方面，如果HBM进步缓慢，新一代GPU相对旧卡的提升就会变小，客户换卡的动力随之减弱，旧卡的可用年限变长，大厂也会顺势拉长GPU的折旧周期。GPU越耐用，就越像当年的光纤和路由器：泡沫期买下的过剩算力要用很多年才能消化，这期间新卡的需求会长期低迷，英伟达也就越接近思科的剧本。

观测指标：HBM的工艺进展、产能和价格；数据中心的电力接入和电网建设情况；大厂对GPU折旧年限的调整。

地缘政治：台湾与中国

英伟达几乎所有高端GPU都由台积电在台湾制造，先进封装也主要在台湾，美国本土产能短期内只能分担一小部分。一次围台军演或封锁就可能打断供应，打破市场对产能的预期，引发连锁反应，这是供给端最大的单点风险。

中国市场的风险则已经兑现：黄仁勋表示英伟达在中国的份额基本归零，即使美国批准了H200出口，英伟达的业绩指引里仍把中国数据中心收入算作零[24]。短期看，这部分已经反映在股价里；长期看，被挡在门外的中国市场正在培养华为等国产替代，它们未来可能成为全球市场上的竞争者。

观测指标：中美关系和台海局势；台积电美国工厂的投产进度；华为等国产AI芯片的出货量。

结论

历史上的每一轮技术革命都没有跳过转折点，英伟达作为这一轮的卖铲人，也终将迎来泡沫破裂的时刻。真正的问题不是会不会，而是什么时候、以什么方式。转折往往需要一个导火索：可能是一次围台军演打断供应，可能是美联储重新加息让资金变贵，也可能是链条上某个高杠杆的玩家债务违约，沿着循环融资把风险传导开来。

与2000年的思科相比，英伟达的估值没有那么夸张，股价更多由真实利润支撑，所以即使泡沫破裂，过程也可能相对温和。但温和不等于没有风险，上面各节列出的观测指标就是提前发现转折的信号，需要持续观察和留意。

参考资料

• Wikipedia. Technological Revolutions and Financial Capital. en.wikipedia.org
• Wikipedia. Canal Mania. en.wikipedia.org
• Liberty Street Economics（纽约联储）. Crisis Chronicles: Canal Mania (1793). libertystreeteconomics.newyorkfed.org
• Andrew Odlyzko. Collective hallucinations and inefficient markets: The British Railway Mania of the 1840s. umn.edu/…/hallucinations.pdf
• Liberty Street Economics（纽约联储）. Crisis Chronicles: Railway Mania, the Hungry Forties, and the Commercial Crisis of 1847. libertystreeteconomics.newyorkfed.org
• Cisco. Annual Report Fiscal 2002 (Form 10-K, Exhibit 13). sec.gov
• Wikipedia. Dark fibre. en.wikipedia.org
• Pew Research Center. Home Broadband Adoption 2008. pewresearch.org
• Yahoo Finance. Cisco Systems (CSCO) Shares Hit a Record High For The First Time In Over 25 Years. finance.yahoo.com
• Federal Reserve. Remarks by Chairman Alan Greenspan: The Challenge of Central Banking in a Democratic Society. federalreserve.gov
• The Motley Fool. Nvidia’s Forward P/E Has Actually Fallen as Its Stock Price Rose. Here’s How That’s Possible. fool.com
• NVIDIA. NVIDIA Announces Financial Results for First Quarter Fiscal 2027. nvidianews.nvidia.com
• NVIDIA. NVIDIA Announces Financial Results for Second Quarter Fiscal 2027. nvidianews.nvidia.com
• CIO Dive. Nvidia posts $82B in revenue as it diversifies its customer base. ciodive.com
• Let’s Data Science. Amazon Raises 2026 Capital Spending Forecast to $220 Billion. letsdatascience.com
• Amazon. Amazon.com Announces Second Quarter Results (Form 8-K, Exhibit 99.1). sec.gov
• Bloomberg. Nvidia, OpenAI Make $100 Billion Deal to Build Data Centers. news.bloomberglaw.com
• The Decoder. Nvidia reportedly set to invest $30 billion in OpenAI. the-decoder.com
• T. R. Gourvish. Railway Enterprise (in The Dynamics of Victorian Business). taylorfrancis.com
• Anthropic. Expanding our use of Google Cloud TPUs and Services. anthropic.com
• Dataconomy. Meta signs multibillion-dollar deal to rent Google TPUs for AI training. dataconomy.com
• SiliconANGLE. Google unveils new TPUs to power the next wave of AI training and inference. siliconangle.com
• NVIDIA. CFO Commentary on Fourth Quarter and Fiscal 2026 Results. sec.gov
• TechRadar. Jensen Huang says Nvidia’s China market share fallen to zero. techradar.com