英伟达拟按GPU收AI软件年费：每块2000美元，智能体服务要单独付费？

在最近于柏林举行的GTC大会上，NVIDIA CEO黄仁勋谈到了AI软件收费授权的设想：英伟达芯片上跑Agent所用的软件，可以按GPU数量来授权，他给出的参考价是每块GPU每年约2000美元，折合人民币约1.35万元。不过这套方案还没有正式公布，价格也可能随GPU型号和服务项目作出调整。

此前在BG2播客节目中，黄仁勋说过，总有一天人们或许不再把NVIDIA看作一家芯片公司。确实，作为GPU领域的领头羊，NVIDIA这几年一直在往别的方向铺路，汽车、电信、医疗保健、生命科学等前沿领域都有涉足。

问题是，企业买NVIDIA的GPU要掏一次钱，用AI软件服务还得再掏一次，看上去有点"一鱼两吃"的味道。

卖GPU不如卖服务，NVIDIA要赚长期的钱

其实靠AI软件服务挣钱，NVIDIA并不是头一回。2021年该公司就推出了面向生产环境的企业级AI软件订阅服务AI Enterprise，定价高达每块GPU每年4500美元（约合人民币3万元）。

两者的区别在于，AI Enterprise盯的是企业AI模型的部署与运维场景，支持vGPU计算虚拟化、完整Run:ai集群调度、Omniverse、全套RAPIDS，核心服务涵盖NIM微服务、NeMo框架、企业AI平台等，能帮企业把预训练模型、检索增强、模型编排等能力落到生产环境里。

（图源：NVIDIA）

新的AI软件订阅服务则面向Agentic AI，核心是长时间运行的智能体、带工具调用的生产推理，让AI智能体在算力集群上安全调用工具、读取数据、自动执行任务，为AI工厂中的计算设备提供运行AI大模型代理所需的软件、管理工具和配套能力。

雷科技（ID：Leitech）认为，NVIDIA在AI Enterprise之后又推新的AI软件订阅服务，是想把软件收入拆成硬件捆绑层、企业平台层、智能体软件层等几个层级，一层一层往上收钱。

要说明的是，每块GPU每年2000美元只是现阶段的定价，并非最终价格，新服务的软件范围、授权期限和服务内容，以及它与AI Enterprise差多少，目前也都还不清楚。

借着AI时代的势头，NVIDIA市值从2022年底的不足1万亿美元一路涨到超过5万亿美元。但NVIDIA也很清楚，卖GPU只能赚一锤子的钱，卖订阅服务才能赚长期的钱。

半导体分析公司TechInsights的数据显示，仅2023年NVIDIA就向数据中心卖出了约376万块GPU，随着AI产业快速发展，数据中心的NVIDIA GPU保有量早已突破千万级大关。假设有500万块GPU购买了新的AI软件订阅服务，每年就能给NVIDIA带来100亿美元收入。

（图源：豆包AI生成）

作为对比，NVIDIA 2026财年（2025年2月到2026年1月）总营收约为2159亿美元，100亿美元占比已经不小。而且数据中心NVIDIA GPU的数量还在高速增长，每一块GPU都有可能为NVIDIA贡献每年2000美元收入。

更关键的是，一旦企业的智能体安全、编排、可观测性全部跑在

软件订阅比芯片本身的锁定效应更强，能把客户牢牢地与NVIDIA绑在一起。即便未来AMD、Intel或其他半导体厂商推出竞争力较强的GPU，客户也未必愿意花高昂成本开发并迁移一整套架构。

AI软件服务给了NVIDIA赚更多钱、赚更长时间钱的路径，但NVIDIA想赚到这笔钱，前提是客户愿意接受新的AI订阅服务。

百万级GPU规模之下，2000美元不是一笔小钱

对一家AI企业来说，2000美元只是小钱，可GPU规模上来之后，企业每年要向NVIDIA交的"软件税"就成了大钱。

近期路透社报道称，中国互联网三巨头腾讯、阿里巴巴、字节跳动联合向NVIDIA订购了超过300万块RTX PRO 5500 GPU，主要用于AI推理任务。倘若这批GPU全部购买NVIDIA新的AI软件服务，每年要支出60亿美元，平均一家企业20亿美元（约合人民币133.37亿元）。

即便是一年在AI领域投入数百亿到上千亿元的互联网巨头，20亿美元也不算小钱。更别说20亿美元只是这一批新采购显卡的软件订阅成本，算上已购和未来会购买的GPU，NVIDIA的全新AI软件订阅成本会令部分互联网公司都难以接受。

（图源：豆包AI生成）

在生态构建这方面，NVIDIA全新AI软件服务最好的前例是自家的CUDA。在通用GPU加速、AI大模型训练、科学计算（HPC）等领域，基础工具包免费开放的CUDA几乎处于垄断级地位。

不过，CUDA虽然优势不少，但它与NVIDIA GPU深度绑定，迁移成本可能很高，不少企业因此仍在尝试摆脱对CUDA的依赖。

今年10月，亚马逊上线了TorchNeuron，开发者几乎不用改代码，就能把基于PyTorch写的AI程序跑在自研Trainium芯片上。微软这边拿出了自研AI芯片Maia 200，把OpenAI开源的编译器Triton集成进去，硬件和软件两头同时下手，减少对NVIDIA CUDA生态的依赖。Google和Meta则联手为自研张量处理单元（TPU）推出了原生PyTorch框架TorchTPU。

国内厂商动作也不慢。摩尔线程的MUSIFY工具可以把CUDA代码自动转译成自家的MUSA格式；DeepSeek V4模型发布之后，八家国产GPU厂商很快完成了“Day0”原生适配。

全球头部AI企业都清楚，鸡蛋不能放在一个篮子里。CUDA高效、完善还免费，优势摆在那里，企业照样在找别的出路。免费的CUDA尚且留不住人，收费的NVIDIA全新AI软件服务就更不用说了。

（图源：豆包AI生成）

雷科技判断，头部AI企业对NVIDIA这套AI服务的态度可能走向两极。每块GPU每年2000美元，成本会明显抬高，企业要么接受涨价，要么加快自研替代方案，或者转向其他芯片方案和开源软件方案。

铁了心自研的头部企业研发团队庞大，模型部署层、推理框架都能自己搭，比如阿里的自研推理引擎RTP-LLM、阿里云自研部署平台层PAI-EAS和编译优化层BladeDISC等。另一类头部企业看重Agent场景，自研意愿又不强，它们会成为NVIDIA全新AI软件服务的主要客户。

小型企业受到的冲击相对小。本地调试、跑实验、开源原型阶段，CUDA、cuDNN、基础框架仍然免费用，只有对外提供服务、需要官方SLA、长期维护分支、NIM商用部署时，才会碰到订阅门槛。中型企业恐怕得找替代品，把这笔“软件税”绕过去。

英伟达软件收费是好棋，也是险棋

看互联网行业这些年的路子，买断制没消失，可势头明显比不过订阅和内购。到了AI时代，智能体安全、编排、可观测性这些软件价值是真实存在的，经常性收入、用户粘性、估值重构三重收益，NVIDIA没理由拒绝推出AI软件服务。

问题是，这套新服务得让客户觉得“值这个价”。一旦客户认为“软件税”难以承受，转头就会另寻出路。

CUDA原本的吸引力之一，就是开发者友好、免费可用。上层生产工具要是持续收费，开源社区去CUDA化的步子会加快，更多项目会把兼容ROCm或其他开源方案放在优先位置。

说到底，NVIDIA这套AI软件订阅服务，抓的是Agent规模化落地、AI工厂爆发这个节点，把CUDA多年攒下的生态红利，从一次性卖硬件变成持续收的平台服务费。

短期看，NVIDIA的全新AI服务会抬高规模化AI部署企业的成本，生态壁垒也会更厚；往中长期走，全球算力软件栈会加速分化，国产自主软件生态的必要性和商业价值会更加突出。