过去几天,整个硅谷和华尔街都在吃英伟达的瓜。
掌舵三十三年的黄仁勋仓促辞职,留下一个没有接班人计划的两万亿帝国。
很多人把这一幕比作2018年Intel前CEO科再奇因办公室恋情狼狈下台的翻版——那一年之后,昔日芯片霸主便开启了长达数年的自由落体。
但就在11月16日,美国老牌科技杂志《连线》(WIRED)发了一篇极其冷峻的深度特稿:《在黄仁勋惹出乱子之前,英伟达就已经麻烦大了》。
黄仁勋
《连线》资深撰稿人威尔·奈特(Will Knight)根本没打算把笔墨浪费在桃色八卦上。他从英伟达最新财报的角落里,拎出了两个让华尔街脊背发凉的数字:
2024年,中国市场占英伟达总营收的20%;到了2026年,这个数字暴跌到了8%。
在截止2026年7月的财季里,英伟达总营收高达962亿美元,但来自中国(含香港)的直接收入只剩下79亿美元,占比8.2%。
投行伯恩斯坦甚至测算,英伟达在中国AI芯片市场的份额正从两年前的66%一路滑向8%甚至归零。黄仁勋曾痛心疾首地估算,这意味着英伟达每年白白丢掉了一个500亿美元的超级市场。
表面的风波是高管震荡,水下的暗流却是一场更残酷的市场悖论:美国把英伟达赶出中国,非但没能锁死中国AI的咽喉,反而可能正在亲手养大英伟达未来最危险的对手。
历史回旋镖:那座花了二十年修起的“精装豪宅”
要看懂英伟达今天面临的危险,得先把时钟拨回2006年。
很多人以为英伟达称霸世界靠的是“芯片算力最强”,这其实是个外行误区。
芯片行业从来不缺纸面参数惊人的挑战者,英伟达真正统治AI时代的核武器,是它在2006年强推的一套软件架构——CUDA。
那一年,显卡还只是极客用来打游戏的玩具。
黄仁勋做了一个当时华尔街眼里“彻底疯了”的决定:要求英伟达卖出的每一块游戏显卡,都必须强行塞进支持通用计算的CUDA架构。
这白白增加了芯片面积和制造成本,却几乎没人用,英伟达股价一度暴跌超过70%。
2006年GeForce 8800 GTX
黄仁勋硬扛了整整十年。
直到2012年深度学习大爆发,全世界的AI科学家突然惊喜地发现:只有英伟达的显卡插上电就能直接用高级语言写算法,换别家的芯片,程序员得像原始人一样从零敲底层机器码。
CUDA就像一座水电全通、拎包入住的“精装豪宅”,而AMD、Intel等竞争对手手里只有一片荒地。
哪怕后来对手造出了算力不输英伟达的硬件,也没人愿意跑到荒地里自己和泥巴盖房子。英
伟达靠着这座豪宅的“转换成本”,舒舒服服地收割了全球90%的AI税。
可商业史上有一条铁律:垄断者最怕的从来不是对手比自己强,而是客户“不得不寻找替代品”。
GB200 NVL72整柜系统
过去,中国互联网大厂也是这座豪华写字楼里最肥的VIP租客,一年交着几百亿美元的租金。
虽然嫌贵,但因为搬家成本太高,谁也不敢轻举妄动。直到华盛顿挥起禁令大棒,一脚把中国AI企业踹出了CUDA豪宅。
在禁令最初,有大概 20% 的算力还可以流向中国。但随着出口管制连远程租用海外云端算力的口子都要堵死,中国工程师彻底断了念想。
美国政府干了一件黄仁勋最怕的事:它用行政命令,强行替中国企业支付了那笔最痛苦的“初始搬家费”。
既然回不去豪宅,几百万名中国顶尖工程师干脆卷起铺盖,在华为昇腾CANN等国产芯片的荒地上,硬生生盖起了一座新城市。
算力大变天:当AI不再需要“米其林主厨”
如果仅仅是“被逼无奈”,故事还不足以让英伟达恐慌。真正让英伟达护城河松动的,是2026年全球AI算力底层逻辑的一次剧烈换挡。
过去几年,AI行业满脑子都是“大力出奇迹”,拼命把参数往大里堆,这叫模型训练(Training)。训练就像一家顶级餐厅在研发新菜品,主厨每天要试几万种奇葩食材组合,煎炒烹炸样样都得来,厨房里必须配一台售价3万美元、什么活都能干的“全能料理机”——这就是英伟达的通用GPU。
但到了2026年,大模型的基础研发已经进入深水区,商业竞争的主战场彻底转向了大规模推理(Inference)和自主干活的智能体(Agent)。
这就像餐厅的菜单已经定死了,现在要在全国开一万家分店,每天照着菜谱炒出一千万份“宫保鸡丁”。
这时候你还给每家分店配一台3万美元的全能料理机?
纯属败家!
你只需要一台专门炒宫保鸡丁的“全自动单功能炒菜机”——也就是定制专用芯片(ASIC)和国产NPU推理卡。
它干不了别的杂活,但炒这一道菜的速度比全能机器还快,电费只要一半,采购成本更是直接砍掉一大截。
看清这笔账的,绝不止中国企业。
大洋彼岸的硅谷巨头们,早就悄悄在背后捅了英伟达一刀:
亚马逊部署了超过140万颗自研Trainium2芯片(随后又推出了Trainium 3),宣布旗下Bedrock平台的绝大多数推理任务已经脱离了英伟达;
亚马逊Trainium2芯片实验室
微软掏出了配备216GB超高带宽显存的Maia 200专攻Token生成;
微软Maia 200推理芯片
谷歌把TPU迭代到了第八代;
谷歌Ironwood TPU计算板
连帮巨头们定制芯片的博通,单季AI半导体营收都暴涨221%冲到了167亿美元。
大客户集体“叛逃”,把锁死了台积电天量产能的英伟达逼出了极其魔幻的操作——过去一年,英伟达竟然掏出近1000亿美元去投资OpenAI、CoreWeave等算力买家,甚至亲自下场为客户的数据中心做百亿美元级别的租金担保。
说白了,就是“自己掏钱借给客户,条件是对方拿着这笔钱回头买英伟达的卡”。这种左手倒右手的金融杂技,本身就是高处不胜寒的信号。
更绝的是,技术本身也在“背叛”英伟达。
《连线》特稿披露了一个极其隐秘的行业前沿趋势:AI自己正在学会写底层代码,动手拆掉英伟达的围墙。
过去把一套模型从CUDA移植到其他芯片上,需要顶尖底层工程师团队苦干两三个月;
但如今,像硅谷初创公司Wafer以及中国团队研发的自动化算子编译器,直接让AI大模型去读取CUDA程序,自动“翻译”并重写成适配非英伟达芯片的底层指令,把几个月的移植周期压缩到了几天。
英伟达卖铲子养大了AI,结果长大后的AI干的第一件事,就是反手挖穿英伟达最引以为傲的软件护城河。
华为昇腾384超节点
贴身肉搏,与那座还没修宽的“独木桥”
在这场去英伟达化的浪潮里,中国AI军团走出的是一条极其硬核的“贴身肉搏”路线。
2026年1月,智谱AI联合华为开源了新一代图像生成模型GLM-Image,紧接着又放出了7450亿参数的旗舰基座GLM-5:
从底层数据处理到全流程训练,完全跑在华为昇腾Atlas 800T A2服务器和昇思MindSpore框架上,连一块英伟达显卡都没碰。
华为Atlas 800T A2训练服务器
另一边,凭借极低成本震撼全球的DeepSeek,不仅满血版R1推理一体机在昇腾上跑得飞起,更被曝出正直接在华为万卡集群上训练下一代前沿模型。
外界只看到了“全栈国产训练跑通”的捷报,却很少有人知道,这背后打破了半导体行业几十年的商业禁忌。
传统芯片巨头卖卡,向来只给客户开放最表层的软件接口,芯片最底层的硬件指令集是最高机密,连看一眼都不行。
但据供应链与开发者社区披露,为了啃下国产算力集群的硬骨头,华为直接派驻核心芯片架构师进驻智谱、DeepSeek等实验室,甚至打破行规开放了最底层的硬件指令集权限。
DeepSeek创始人梁文锋
以前是芯片厂定规矩、模型厂低头适配;现在是造芯片的人和写算法的人坐在同一张桌子前改图纸。
当然,作为一个冷静的观察者,我们也绝不能盲目喊出“全面超越”的口号。
客观地说,国产芯片在“推理”战场上已经杀得有声有色,但在超大规模“预训练”上,依然面临着“单兵特种兵很强,但一万人同时过独木桥会堵死”的工业瓶颈。
单看一张卡的纸面算力,国产旗舰已经追到了英伟达主流产品的七八成。
可训练万亿级大模型,需要一万张甚至十万张卡像军团一样毫秒级同步冲锋。
英伟达真正恐怖的地方,在于它修了一条双向16车道的超级高速公路(NVLink高速互联技术),加上顶配的HBM高带宽显存,一万个士兵一眨眼就能交换完情报。
而国产集群目前受制于卡间互联带宽和HBM显存的容量与良率,一旦几万张卡同时满负荷运转,路上就容易“堵车”,甚至只要有一张卡掉队,整个训练任务就得推倒重来。
成都智算中心华为服务器机柜
全球AI的“安卓时刻”,正在悄悄合围
但正是这种“逼上梁山”的痛感,催生出了让英伟达最寝食难安的终局画面。
《连线》杂志在文章里点出了那个最致命的商业推演:一旦经过国产芯片深度适配的中国大模型在海外市场流行起来,会发生什么?
2026年的全球AI版图,已经清晰地分裂成了两大阵营:
大洋彼岸的OpenAI加上英伟达,走的是智能手机时代“苹果模式”——软硬件全封闭,性能顶尖,但价格贵到离谱,一套集群动辄数亿美元,只有硅谷巨头和华尔街大行才玩得起;
而中国走出来的“DeepSeek/智谱/千问开源模型 + 华为昇腾算力底座”,简直就是AI时代的“安卓模式”——模型免费开源、性能齐平第一梯队,推理成本更是直接打骨折。
华为950超节点
对于中东的石油主权基金、东南亚的电商巨头、拉美的电信运营商,甚至是对数据主权极度敏感的欧洲传统车企来说,他们既不想把核心商业机密交给美国公司的闭源API,也根本买不起天价的英伟达集群。
当他们发现,世界上最好用的开源大模型都来自中国,而这些模型在出厂时就已经针对中国芯片做好了“原厂级深度优化”,买一套中国智算服务器插电就能跑、综合成本砍掉一半时,“模型带硬件出海”的商业闭环就彻底跑通了。
二十年前,黄仁勋孤注一掷押注CUDA,靠着开放给全世界的开发者,硬生生把英伟达抬上了两万亿美元的神坛;
二十年后,华盛顿亲手把中国这个全球最庞大的工程师群体与应用场景从英伟达的版图上硬生生剥离,逼着他们在封闭高压中炼出了一套自成体系的开源软硬件生态。
历史从来不会简单地重复,但写剧本的人,似乎总喜欢用同一套讽刺的修辞。