社区

投资论点

自我上次于 11 月下旬撰写关于 API GPU 巨头 Nvidia（纳斯达克代码：NVDA） 的文章以来，该公司股价已经有所下跌。相比大盘走势，英伟达的股价表现不佳，自我上次发布相关报道以来已下跌超过 3%。我认为，这可能是因为市场逐渐意识到一个可能的事实：Jevons 悖论在这里不起作用。

显而易见，英伟达已经在 AI 和半导体市场确立了自己的主导地位。他们的 GPU 为先进的 AI 模型提供算力支持，并在数据中心和大型语言模型（LLM）预训练设施中发挥着关键作用。然而，我认为英伟达在这一市场的主导地位正受到新兴挑战的影响，而现有证据表明，AI 数据中心的增长可能正在放缓。

简而言之，随着 Blackwell GPU 及 DeepSeek（DEEPSEEK）等新型模型架构的出现，技术进步的速度加快，这可能会削弱英伟达未来的增长。

尽管我认为英伟达当前的爆发性增长正在减缓，但需要明确一点：Blackwell GPU 的推出无疑是技术上的重大飞跃。据报道，其效率是当前 H100 系列的 4 倍。

我认为，更强的性能和更高的效率意味着每个工作负载所需的 GPU 数量会减少，尤其是在 DeepSeek 模型的情况下，它表明通过大量的时间、能源和计算资源，模型可以被训练出来。本质上，英伟达正在经历一个“超强版”的 Jevons 悖论。

虽然一些分析师可能会对 DeepSeek 报告的 560 万美元 训练成本持怀疑态度，但显然他们已经找到了更高效的方法。他们正在使用 非最前沿 的 GPU 技术（H800）来构建 最前沿 的 AI 模型。

基于这一点，Jevons 悖论是我在英伟达财报发布前仍然维持**“强烈卖出”**评级的主要原因。

为何我进行跟进报道

在 11 月的最新报道中，我重点关注了 Blackwell GPU 可能过于高效，从而蚕食自身增长 的风险。我当时指出，尽管 Q3 业绩超出市场预期，但这些效率方面的担忧仍然存在。

从那时起，我们看到英伟达的竞争对手 AMD（Advanced Micro Devices）发布了 MI350 系列，根据 摩根士丹利 的数据，该系列 GPU 在 推理（Inference）计算 方面的总拥有成本（TCO）明显优于英伟达的 Blackwell 系列。

与此同时，像 DeepSeek 这样的新 AI 模型 也展示了预训练和 LLM 训练可以更高效地完成（即使你对官方训练成本数据持怀疑态度）。

我撰写这篇跟进报道的目的，是要强调这些风险已经超过短期收益。Jevons 悖论在这里不起作用。

Jevons 悖论的问题

本研究的核心观点是，英伟达的效率提升实际上可能会抑制公司未来的增长，因为它减少了客户对 GPU 的需求量。

在大多数情况下，Jevons 悖论 指的是当单位成本下降时，客户往往会消耗更多该单位资源，从而实现整体销量的增长。

但在这里，虽然 AI 训练的每个 token 计算成本大幅下降，但总体 token 计算支出并未增长足够快，无法让超大规模计算公司（hyperscalers）进一步增加 GPU 订单，尤其是在过去 24 个月已经进行了大规模采购的背景下。

这是英伟达面临的一个关键困境。像 DeepSeek 这样的新模型已经向投资者证明，顶尖 AI 模型可以在“次旗舰”硬件上训练出来。

在本文前面部分，我提到了 AMD 的 MI300 系列 GPU（包括 MI350） 在推理计算方面逐渐抢占市场份额。推理计算（Inference） 相较于 训练计算（Training），预计将在未来几年主导 AI 计算增长（例如 OpenAI 的 O3 模型）。

如前所述，AMD 在 AI 推理计算方面的 TCO 低于英伟达，这对英伟达而言是个不利因素。自 1 月份 以来，训练计算所需的算力显然已减少，这主要是由于计算效率的提高。我认为，这一趋势不会通过更高的销售量来弥补。

这对英伟达的影响是，其高端产品的竞争力下降，而推理计算将成为关键，这可能会阻碍未来增长。

过去几个月，AI 计算需求的演变速度极快，现在市场明显正在向持续性、低成本的推理计算 方向转变（有人在 X（前 Twitter）上形容“新的推理计算就像数据中心的‘本田’，我们将需要更少的‘法拉利’预训练计算”）。

微软（MSFT）CEO 萨提亚·纳德拉（Satya Nadella） 最近在与播客主持人 Dwarkesh Patel 的采访中提到：“AI 系统将会被过度建设（overbuild）。”

如果全球最大的云计算公司之一都在表达这种观点，那么他们的资本支出（Capex）规划会是什么样子？ 我认为他们会转向更高效的时间尺度推理计算（timescale inference compute），而不是继续加大预训练计算的投资。这对英伟达来说是个坏消息。

Q4 预览

根据 Seeking Alpha 预测，英伟达 Q4 营收预计在 375 亿美元至 421.5 亿美元 之间，中位数为 381.6 亿美元，同比增长 72.65%。

每股收益（EPS）预计同比增长 64.01%，达到 0.85 美元/股。

展望 2026 财年 Q1，Seeking Alpha 预计英伟达营收将增长至 420 亿美元，较 Q4 预期增加 40 亿美元，同比增长 61.47%。

我对 EPS 预测的担忧在于，EPS 增长速度低于营收增长速度，这意味着利润率正在收缩。

估值

英伟达目前在大多数估值指标上都远高于行业中值，这是因为市场对其未来的高增长有较高预期。

该公司的前瞻性非 GAAP 市盈率（P/E）为 45.51，比行业中值 24.30 高 87%。与此同时，前瞻性 GAAP 市盈率为 47.31，比行业中值 29.08 高出 62.69%。在这些估值指标上，Seeking Alpha Quant 分别给予英伟达 “D” 和 “C-” 评级。

此外，英伟达的前瞻性企业价值/销售额比率（EV/Sales）为 25.25，远高于行业同类公司的 3.21，溢价高达 686.47%。

尽管英伟达的前瞻性市盈率略低于其过去五年的平均水平，但EV/Sales 估值仍然处于极高水平。

综合来看，我认为 英伟达的股价已经“完美定价”（priced for perfection），这意味着任何业务上的小幅波动或增长放缓都可能导致股价大幅下跌。

从 EPS 预估来看，分析师们对英伟达的未来增长抱有极高的预期，预计其增长将持续到 2030 年（2029 年可能会有小幅下滑，但样本数量较少）。

（数据来源：Seeking Alpha）

这种预期在我看来是不现实的。

正如我在上次的报道中所提到的，我认为英伟达的合理前瞻性非 GAAP 市盈率应该在 35 倍左右。尽管这一水平仍然远高于行业中值，但它比目前的 45.51 倍 P/E 更具合理性。

如果股价回落至该估值水平，意味着英伟达股价可能有约 23.09% 的下行空间。

多头观点

正如本文前面所提到的，生成式 AI 的增长将扩大整个市场，这可能会增加对 GPU 的需求。新的 AI 应用程序可能会推动整体 token 计算需求的增长，但最重要的增长领域将出现在 推理计算（Inference）。

英伟达的 CUDA 生态系统 和完整的软件堆栈使其客户有较高的粘性，但这种“锁定效应”主要体现在 预训练（Pre-training）集群。然而，我仍然认为企业资本支出（Capex）正在发生结构性转变，而英伟达可能无法从中受益。

简单来说，AI 时代已经到来，但英伟达可能并不会是“第二阶段”的赢家。

结论

尽管华尔街的预测使英伟达的 Q4 业绩表面上看起来乐观，因其预计创纪录的营收和强劲的 AI 需求，但我认为技术进步带来的挑战和超大规模计算公司（Hyperscaler）的订单推迟是重大风险信号。

Blackwell GPU 的效率提升虽然令人印象深刻，但它也减少了客户对 GPU 的总需求，这与 Jevons 悖论 的传统观点相悖。Jevons 悖论的前提是 AI 模型需要的 GPU 数量增长速度快于 GPU 效率的提升速度，但当前的市场情况并非如此。

在我看来，英伟达目前的高昂估值意味着市场假设它将在整个 本十年内保持完美执行和强劲增长，但我认为这种假设风险极大。

这使英伟达处于一个非常脆弱的位置，即便是略微偏离市场预期，都可能触发大幅修正。我认为，这正是即将发生的事情。

因此，我依然认为英伟达的股票在本季度前应被“强烈卖出”。