英伟达争议未止,AI巨头仍排队抢芯片

英伟达争议未止,AI巨头仍排队抢芯片

2026年11月16日,The Verge AI刊文称,尽管围绕英伟达市场支配地位的争议持续发酵,黄仁勋仍以CEO、联合创始人和总裁身份掌握AI算力供给,AI公司CEO继续排队争取其芯片。文章把英伟达芯片称为美国先进AI技术的基石,并强调需求增速持续超过供给。争议不会削弱英伟达的议价权,反而暴露出全球AI基础设施对单一供应商的结构性依赖;短期监管压力难改算力短缺,中期云厂商自研芯片和多源采购会逐步侵蚀其份额,但训练侧的CUDA生态仍是最难跨过的门槛。

2026年11月16日,The Verge AI发布题为The Nvidia scandal isn’t slowing down的文章。文章回顾黄仁勋作为英伟达CEO、联合创始人和总裁,多年来对AI技术路线拥有近乎罕见的影响力;上周The Verge已指出,英伟达芯片是美国先进AI技术赖以构建的基石。本周文章进一步称,持续增长的需求一直超过供给,AI公司CEO们实质上在向黄仁勋争取产能。报道没有披露新的监管罚单、诉讼金额或财务数字,核心事实是争议持续与抢购潮并存。文章标题中的scandal没有指向单一诉讼,而是指向英伟达对算力供给和AI路线的影响力。英伟达GPU被用于大模型预训练、后训练和推理集群,最新一代产品还依赖台积电先进封装和HBM供给;因此争议不只是公司声誉问题,而是算力分配权问题。对AI公司而言,能否拿到最新一代GPU仍决定模型训练和推理扩张节奏;对云厂商而言,锁单规模决定未来两年的资本回报。The Verge连续两周跟进同一议题,说明英伟达的权力边界已成为AI报道的核心线索。

为什么现在发生:英伟达在过去两年成为AI资本开支的最大受益者,数据中心GPU、NVLink互联和CUDA软件栈构成训练集群的事实标准。云厂商和大模型公司把算力预算集中到英伟达路线,台积电CoWoS先进封装和HBM供给又限制了短期扩产,于是供需缺口被放大。此前多国监管机构已对英伟达展开反垄断问询,市场也反复讨论其市场份额、捆绑销售和客户锁定问题;出口管制则让区域供给进一步碎片化。类似事件中,2018年英伟达数据中心业务尚非主引擎,如今它已是全球AI基础设施的瓶颈环节。争议在此刻升温,是因为AI训练规模从万卡走向十万卡,单一供应商的分配权直接关系到模型公司的产品节奏和云厂商的资本回报。另一个前提是,AI公司已经公开承认算力是首要约束,CEO们为GPU产能公开站台,使英伟达的供应链权力从后台走到前台。

刘工判断:未来6个月内,英伟达在AI加速器市场的收入份额大概率仍会维持在80%以上,但新增算力采购中云厂商自研ASIC与AMD合计占比会首次逼近20%;争议不会让订单消失,只会让客户更积极地准备第二供应源。

从技术层面看,英伟达的护城河不只是单卡算力,而是CUDA、NVLink、Spectrum-X网络和整机柜交付组成的系统能力。B200单卡HBM容量192GB,较H100的80GB提升140%,GB200 NVL72把72颗GPU与36颗Grace CPU做成一个互联域;这类纵向整合让竞争者很难靠单颗芯片参数追赶。刘工在工业质检场景看到一个类似规律:产线视觉系统一旦围绕某套相机、光源和算法栈完成校准,替换成本远高于单点采购价差。AI集群也是如此,模型代码、通信库和运维工具都围绕英伟达优化后,客户嘴上抱怨垄断,采购单仍会写NV。更关键的是,训练集群的故障恢复和线性加速比依赖大量工程经验,第二供应源即使纸面算力接近,客户也要付出数月的调优成本。

在商业维度上,争议反而强化了英伟达的稀缺定价权。公开财报显示,英伟达2025财年数据中心收入约1150亿美元,同比增长约142%,毛利率约75%;需求超过供给时,分配权本身就是利润。云厂商的自研芯片能降低推理成本,却难在短期替代训练侧的CUDA生态。刘工预测,未来12个月内,头部云厂商会把自研芯片优先用于推荐、搜索和部分推理负载,训练集群仍以英伟达为锚点,形成训练用NV、推理多源的双轨结构。这个双轨结构会让英伟达的增速放缓,但不会让它的绝对收入下降,因为AI总需求仍在扩张,推理侧分流反而扩大了总算力盘子。

对行业而言,监管会拉长英伟达的合规成本,但很难在6个月内改变供给格局。反垄断调查通常以年计,期间客户仍要为2027年的集群扩容锁单;出口管制则把区域市场切成不同价格带,催生灰色贸易和本地替代。真正的中期变量不是诉讼,而是台积电CoWoS产能释放后,AMD和自研ASIC能否把软件成熟度补到可用。刘工认为,若12个月内第二供应源的集群级互联和编译工具仍落后一代,英伟达的份额只会从峰值回落,不会崩塌;若第二供应源在推理场景把单位成本压低30%以上,云厂商的采购结构会在2027年出现实质性拐点。

  • 英伟达2025财年数据中心收入约1150亿美元,同比增长约142%;总营收约1305亿美元,数据中心占比接近88%。
  • 公开市场研究普遍估计英伟达AI加速器份额约80%-90%,AMD约个位数至10%,云厂商自研ASIC合计仍低于20%。
  • B200单卡HBM容量192GB,对比H100的80GB提升140%;GB200 NVL72在一个互联域内容纳72颗GPU和36颗Grace CPU。
  • 英伟达毛利率约75%,而台积电CoWoS先进封装产能仍是扩产瓶颈;H100八卡服务器系统价格通常达到数十万美元级,单卡采购价差在供给紧张时会被系统溢价放大。

对行业:未来3个月,监管问询和舆论压力会继续,但AI云厂商的资本开支已经锁定,GPU分配仍紧张;短期真正受影响的是中小AI公司的排队成本和云GPU租金,头部客户反而更容易拿到配额。未来1年,训练侧英伟达仍难替代,推理侧AMD、谷歌TPU、AWS Trainium等自研路线会加速分流,客户从单一采购转向双供应。对普通用户:3个月内,AI应用价格难因争议下降,热门模型仍受算力配额限制;1年内,推理成本竞争会让部分API和订阅服务降价,但高端训练能力仍集中在少数云平台。争议的长期意义是让算力从黑箱资源变成受监管的基础设施,用户会看到更多区域定价和服务分层,而不是简单的降价。

综合公开讨论,竞争对手AMD把大容量HBM和开放软件栈作为差异化卖点,英特尔强调Gaudi的性价比,云厂商则少公开对抗、多推进自研ASIC。分析人士普遍认为,反垄断调查周期长,难在短期改变GPU分配;部分企业客户支持多源采购,但承认CUDA迁移成本高。开发者社区的情绪更直接:一边抱怨GPU租金和配额,一边继续为英伟达平台写内核与算子。学界与政策圈关注的是算力分配权:如果少数云厂商和英伟达共同决定谁能训练大模型,创新入口会被压缩。也有产业人士提醒,监管若强行拆分或强制开放互联标准,可能抬高整个AI集群的集成成本,最终由云用户买单。在资本市场,投资者把争议视为合规折价而非需求拐点,英伟达的订单能见度仍高于多数半导体公司;但机构也在追问客户集中度和循环交易风险。

值得继续思考的问题:

  • 英伟达的CUDA生态为何比单卡算力更难替代
  • 云厂商自研ASIC在推理侧的分流节奏
  • 反垄断与出口管制如何改变全球算力定价

延伸阅读:2026 主流 AI 大模型对比——不追热点也能长期有用的选型指南,收藏备用。

本条动态来自 The Verge AI(发布于 2026-11-16 13:00:00)。本站为海外 AI 动态的中文转述与观点评论,原文版权归原作者所有。


每日聚合海外 AI 一手动态与深度观点。收藏本站,不错过每一个重要信号;返回首页查看更多。

转载声明:欢迎转载,请保留原文链接并注明出处「文峰雷达」。 · 商务与品牌合作:查看媒体与商务页
每日快讯 + 周日周评 · 可随时回复邮件退订 · 邮箱仅用于订阅通知,不会对外分享

留下评论

您的邮箱地址不会被公开。 必填项已用 * 标注

中文EN
联系刘工 · 媒体与商务 · 隐私政策 · 免责声明 · AI 声明 · 刘工周评
邮箱:wenfengleida@wenfengleida.cn