黄仁勋辞任CEO后英伟达股价回撤37%,CUDA护城河还能守多久
近日,英伟达交出了一份超预期的季度财报。尽管新任管理层高调亮相给出明确的业绩指引,却依然未能挽回二级市场的颓势。
英伟达,必有一劫

出品 | 妙投APP
头图 | AI制图
英伟达最新一份季度财报超出市场预期,新管理层也高调露面、给出了清晰的业绩指引,可二级市场并不买账,股价照跌不误。
自打创始人黄仁勋辞去CEO一职的消息传开,英伟达股价已一路累计下跌约13%,与52周高点相比,回撤幅度更是达到37%。
在妙投看来,黄仁勋辞职只是表面上的导火索。真正那头灰犀牛是:资本市场已经开始重新掂量英伟达底层护城河到底稳不稳,长期还值不值得投。
一、护城河变窄
英伟达能打遍天下,芯片性能强只是一方面,更关键的是CUDA生态把开发者牢牢锁住了。
它的打法是“卖硬件、送软件”:把cuDNN这类底层数学库打磨得相当出色,开发者用久了就形成很强的路径依赖。
再加上网上的教程讲的是CUDA,招聘要求写的是CUDA,工程师在学校里学的还是CUDA。想换一套系统,等于整个团队得重新学开车。这种“人的成本”看不见摸不着,却比改代码贵得多。
说到底,CUDA护城河的本质就是迁移成本太高。
不过,AI编程智能体的出现打破了这个局面,已经露出让CUDA迁移成本趋近于零的苗头。
2026年11月,Anthropic在IPO路演中披露,团队借助Claude,只花了约3天就把核心GPU算子(kernel)完整移植到AMD MI355X平台上并稳定跑通(但仅在prefill阶段达到“可用性能”);而在过去,这项工程通常要数十名顶尖工程师耗费6至12个月。

(图片来源:X平台)
更早的同年7月,AMD Advancing AI大会上就出现过戏剧性的一幕:一名工程师试着把Claude接入MI355X集群,只过了一个周末,系统性能曲线就自动收敛爬升。据称苏姿丰亲口确认,AMD原本备好的现场工程支援压根没派上用场。
适配底层软件栈,向来是亚马逊Trainium、谷歌TPU这类外围算力平台最难翻过的一座山。过去亚马逊的Trainium、谷歌的TPU劝退外部用户,门槛正在这里。
Anthropic这个案例等于证明了一件事:“新芯片底层适配(bring-up)从数月压到数天”。也就是说,自研定制处理器最大的隐性成本——生态从零起步——被AI大幅压缩了。
很明显,CUDA的迁移成本已经出现下滑迹象。
以前客户就算觉得英伟达GPU价格偏贵,也可能碍于软件迁移成本太高而不愿换。如今AI编程拉低了部分软件适配门槛,客户至少有机会用更低的成本去试一试其他芯片。
客户的选择一多,英伟达过去靠CUDA生态撑起来的定价权,就可能受到挑战。
二、战场重心迁移
模型训练堪称CUDA最难攻破的堡垒,相比之下,推理场景就是它防线上最脆弱的一环。
大模型训练阶段的目标一直在变,架构每周都在换,错误还会悄悄冒出来,所以它需要一块“什么都能干、随时能改、还能精确调试”的通用并行平台。
这样一来,软件栈就必须灵活、容易调试,还得可扩展。
而一个前沿大模型的训练任务,组合起来可能要调用成百上千种不同的算子实现,每一种都得在特定形状、特定精度下跑满带宽。本质上,它需要的是一整套都能跑满的算子库。
这种算子库没有捷径可走,拼的就是时间与积累。CUDA库栈里的cuDNN、NCCL以及内核工具,过去约20年一直在做这件事,正是这个道理。
云厂商自己流片定制的ASIC芯片,架构一固化,训练场景那种底层频繁调整的极端弹性就很难兼顾。
推理侧的情况完全反过来。推理是把已经训练好的固定模型放到生产环境里跑,图的是全天候运转下的能效比和经济性。它用不上CUDA那么富裕的灵活性,只要在特定计算模式下把性价比做到最高就行。
定制芯片的软肋同样清楚。算法范式一旦切换,比如从CNN转向Transformer,专用硬件就有过时的风险。软件生态也相当贫瘠,缺少CUDA那样成熟的工具链,开发调试的成本居高不下;何况只有出货量足够大的厂商,才摊得开研发投入。
算力结构的天平正在从训练偏向推理,ASIC的比较优势因此被放大。德勤的数据显示,全球AI推理算力占比从2023年的约1/3,升到2025年的1/2,2026年预计进一步达到约2/3;Gartner则预计,2026年AI优化型IaaS支出中有55%用于推理,2029年这一比例将超过65%。
通用GPU和ASIC之间到底怎么选,最后还是得算成本账。
英伟达前CEO黄仁勋此前的说法是,英伟达的优势在总拥有成本(TCO)。他判断,哪怕对手的ASIC芯片白送,整体系统在运营成本上依然拼不过英伟达的方案。
SemiAnalysis和Bernstein的估算给出了另一组数字:大规模推理部署中,ASIC相对通用GPU的总拥有成本(TCO)优势在40%至65%之间;AI图像生成平台Midjourney换成谷歌TPUv6e之后,月度计算成本从210万美元降到70万美元。
英伟达新推出的Rubin Ultra处理器,倒也有可能把这局面扳回来。换句话说,黄仁勋口中总拥有成本(TCO)的优势并非铁板一块,被抹平甚至被反超都有可能。
专用芯片也并不等于只能做推理。训练侧的验证同样在发生:谷歌Gemini3主要靠自研TPU训练,在多模态领域登顶;Anthropic也公开披露,其模型训练走的是TPU、Trainium、GPU并行的多元算力路线。
再看采购端,OpenAI向Cerebras下了超200亿美元的订单,微软Maia200已经进入数据中心。头部AI公司正把“算力多样化、避免单点依赖”当成明确战略。
摩根大通分析师Michael Cembalest在最新研报里指出,前沿AI实验室正把采购重心分散到AMD、谷歌、亚马逊等多家供应商,英伟达在2026年后计算协议中的份额只占28%。
三、定价权松动与毛利率的“向下重估”
看英伟达的商业模式,CUDA工具链免费但闭源,公司不收软件授权费,而是把生态黏性换成硬件议价权。CUDA垒起的极高迁移成本,最终都兑现成GPU的超额溢价,也就是极高的毛利率。
跟从前比,英伟达的护城河已经露出收窄的迹象。那这会不会动摇它的盈利能力和毛利率?
盈利能力上,英伟达第三财季非GAAP调整后毛利率为74.9%,上一财季是75.0%,略有一点下滑。
毛利率指引方面,2027财年Q4英伟达预计为71%-72%,2028财年为72%-73%。
近期的电话会上,瑞银分析师把这个疑问直接摆上了台面:前沿实验室越来越激进地押注ASIC、把算力效率当成新KPI,那英伟达为保住竞争地位,能接受多大幅度的毛利率压缩?
面对当季业绩,英伟达临时CEO Kress给出的说法落在成本和旧订单上:供应成本涨了不少,公司自己扛下一部分,按原价把货交完,新价格要到明年才生效,Q4即为底部。
可被问到"长期毛利率能守在哪",她只回了一句"定价是深思熟虑过的,但那是未来的事",区间一个字没给。

(图为英伟达临时CEO,来源:英伟达官网)
Kress没正面接这个问题,资本市场的目光却仍落在英伟达的定价权和长期增长的确定性上。
一位投资分析师对妙投说,"黄仁勋走了,其实影响还挺大。这种公司如果是职业经理人管,很容易走下坡路。当年英特尔也是换职业经理人后面搞成这样。"
短期来看,技术和业务层面估计不会受什么影响。我更担心的是,往后硬件得向下方让渡利润,才能把生态维持住。眼下硬件利润这么高,下游的现金流和利润却都没转正,这样撑不下去。
该分析师接着判断,"如果下游没有改善,资本投入肯定也会放缓"。
照这个逻辑走下去,英伟达面前很可能摆着一道选择题:要么"降价让利",要么"缩量保利"。
另一头,董事会并没有让黄仁勋重回英伟达的打算,他的一些战略也不会延续下去。
例如此前黄仁勋为新兴云服务商站台融资,如今Kress的说法是,英伟达在支持新兴云客户时会变得更"克制和挑剔"。
下一轮订单,才是真正需要警惕的地方。
ACIE 板块(AI 云、工业与企业客户)在2027财年Q2占数据中心收入的45.3%。这类客户的扩张高度依赖债务融资,一旦融资环境继续收紧,该板块增速明显回落的风险就摆在那里。
再加上北美不少州已表态要对数据中心建设从严审核,整体AI算力资本开支存在下降的可能。
这些潜在风险不会在本季度或下季度就直接显形,要到未来1到2年才开始体现。
按算力产品营收口径,半导体研究机构SemiAnalysis把英伟达2027年至2030年的出货预测分别下调22%、39%、56%和66%;若按包含整个系统在内的总功耗口径算,下调幅度分别是14%、35%、50%和59%。
SemiAnalysis的看法是,除了HBM成本下降带来的影响,英伟达还得压低产品加价幅度、接受更低的毛利率,才谈得上维持竞争力。
妙投则认为,拉长时间看,英伟达竞争力确实有减弱的可能。出货一旦不及预期、毛利率开始下调,其"稀缺性"定价也会被削弱,估值面临回调风险。
眼下英伟达还是一枝独秀,难题要到后面才会出现。