为什么英伟达在 AI 热潮中面临市场转型

Nvidia 在 AI 革命中的主导地位正面临着一个悖论式的挑战：它所开创的计算市场正开始对其估值产生不利影响。虽然营收预测依然强劲，但供应动态的变化正将焦点从处理能力转向内存容量。

分歧：计算价格下跌 vs. DRAM 成本上升

Nvidia 经历了显著的市场回调，股价较 5 月的峰值下跌了 15%。有趣的是，相对于其预期利润，投资者目前对 Nvidia 的估值比标普 500 指数的平均水平更为保守。这种转变是由 AI 核心要素定价机制的根本性变化驱动的。

根据 Ornn 的数据，Nvidia H100 GPU 每小时的现货价格在 5 月达到约 3.20 美元的峰值，此后进入稳步下降通道。相反，内存市场正呈现出截然相反的轨迹。DRAM（动态随机存取存储器）生产领域的领导者美光（Micron）市值几乎翻了三倍，因为业界意识到，现代数据中心的真正瓶颈不仅是处理能力，更是内存。

内存瓶颈的崛起

虽然 Nvidia 的成功建立在高度复杂的工程成就之上——例如 CUDA 编程平台和极其复杂的 GPU 设计——但内存市场的驱动逻辑则完全不同。AI 数据中心的大规模建设导致人们普遍低估了所需的内存带宽。

对高带宽内存 (HBM) 的需求正超过供应，使得内存制造商在过去一年中将价格提高了十倍。正如 Ornn 联合创始人兼首席技术官 Wayne Nelms 所指出的，加速器领域正涌入大量参与者，但几乎没有人进入 DRAM 制造领域。这造成了结构性的失衡：计算能力正日益商品化，而内存则仍然是稀缺且高利润的必需品。

定制化芯片与垄断的终结

计算价格下跌的一个重要驱动因素是大型科技公司正转向芯片自主化。Google、Amazon、Microsoft 和 OpenAI 等巨头正越来越多地部署自己设计的定制化处理器。

虽然这些专有芯片在原始性能上可能无法与 Nvidia 的旗舰模型相媲美，但它们对于满足大规模部署的需求来说已经“足够好”了。硬件格局的多样化正有效地降低了计算的现货价格，削弱了 Nvidia 的定价权。随着越来越多的公司进入加速器市场以减少对 Nvidia 的依赖，曾经保护 Nvidia 利润率的“计算护城河”正被专门的自研芯片所填平。

更广泛的 AI 格局影响

这一转变标志着 AI 基础设施周期进入了成熟阶段。最初的“淘金热”集中在获取尽可能强大的 GPU。我们现在正进入一个优化阶段，重点正从单纯的计算速度转向数据移动的效率——而这正是由内存决定的。对于开发者和创始人而言，这意味着内存管理和 HBM 效率的架构重要性，可能将变得与 GPU 的选择同样关键。

核心要点

• 计算商品化： 超大规模云计算厂商（Google、AWS 等）定制化芯片的激增正在降低 GPU 计算能力的现货价格。
• 内存成为新瓶颈： 对 DRAM 和高带宽内存 (HBM) 的需求超过了供应，使得美光 (Micron) 等内存公司成为 AI 交易中新的高增长受益者。
• 结构性市场失衡： 与不断有新玩家进入的 GPU 市场不同，内存市场具有极高的准入门槛，这确保了在计算价格趋于稳定时，内存成本仍将保持高位。