" 赢家诅咒 " 正在显现。

11 月 3 日，英伟达开盘 208.08 美元，11 月 28 日（美东时间），收于 177 美元，跌幅已近 15%。

" 在人工智能泡沫的喧嚣中，公司处境艰难。" 在一份流传出的英伟达内部会议讲话中，黄仁勋依然展现出深入骨髓的危机意识，尽管上周发布的 2026 财年 Q3 财报再度超越华尔街预期，但做空的声浪也越来越高。

几乎同时，另一个巨头被赋予 " 回归 " 的叙事意义。同样以 11 月 3 日 ~11 月 28 日（美东时间）为观察锚点，谷歌的股价从 282.42 美元上涨至 320.12 美元，涨幅超 13%。

刚刚发布的 Gemini3.0 成为投资者重建信心的关键节点，谷歌一扫过去在 AI 上的颓势，被认为重新坐上了 AI 的牌桌，而支撑 Gemini 训练的 TPU，更被视为英伟达强劲的对手。

然而，无论是谷歌，还是英伟达，都必须面对一个更为釜底抽薪的论断："Scaling 时代已经终结。"OpenAI 前首席科学家 IlyaSutskever 在接受采访时表示，单纯依靠堆算力、扩规模的路线已经触及天花板，人工智能需要新的范式。

三年前的 11 月 30 日，OpenAI 发布 ChatGPT-3.5 版本震惊全球。自此之后，AI 一日，人间一年，人类从未如此急切地奔向新时代。

如今，这场革命是否会以同样节奏继续下去？技术乐观派描绘出的究竟是乌托邦，还是纸牌屋？

1 " 折旧周期 " 的罗生门

"Folly（愚蠢）。"11 月 24 日，以精准预测 2008 年美国房地产次贷危机和金融危机而闻名的 " 大空头 " 迈克尔 · 伯里（MichaelBurry），在一篇名为《泡沫的首要特征：供给侧贪婪》开头如是写道。

迈克尔 · 伯里自诩为 " 卡桑德拉 " ——希腊神话中一位总是预言真相，却不幸地知道没有人会相信她的女孩。他将当前美国人工智能热潮描述为 " 一场壮丽的荒唐之举 "，并指出英伟达的 " 陨落 " 将是美国 AI 行业泡沫破裂的前兆，理由是科技巨头们在数据中心建设和芯片采购上投入巨额资金，但下游应用端实际收入难以覆盖成本。

迈克尔 · 伯里并不是唯一的质疑者。综合红杉资本对 "AI ’ s$600BQuestion" 的测算以及贝恩等咨询机构对 2030 年 AI 收入需求的情景分析，目前可识别的 AI 直接收入仍只有数百亿美元量级，而要完全消化正在发生的数千亿美元级 AI 基础设施投入，部分研究认为到 2030 年全球 AI 相关年收入可能需要提升至数万亿美元规模，这意味着投资预期与现实收入之间仍存在显著缺口。

更激烈的争议发生在 " 循环融资风险 " 和 "GPU 折旧周期虚增 " 的讨论中。

悲观者认为，前沿 GPU 的经济寿命只有三年，这并非由于物理性能的退化，而是源于技术的过时。随着 AI 模型技术的高速演进，人工智能数据中心约 78% 的经济产能会在前三年内耗尽，假设在前沿人工智能计算方面投资 100 美元，到第三年仅剩下 22 美元具有经济竞争力的产能。

英伟达发布新品的节奏从侧面印证了这个观点。近五年来，英伟达几乎每 18～24 个月就会发布一款新架构（从 Hopper 到 Blackwell 再到 Rubin），今天购买的芯片，三年后实际上就成了 " 过时 " 硬件。

从当前所有超大规模数据中心运营商的财务操作来看，恰恰相反，他们是在拉长 GPU 的折旧周期。一位硅谷的人工智能交易专家 HenryZhang 在其一篇名为《折旧幻象：大型科技公司如何制造每股收益》的文章中如是分析：2023 年，微软将服务器使用寿命从 4 年延长至 6 年，这一会计变更使营业收入增加了数十亿美元，实际上在账面上补贴了其 Azure 的利润率；2025 年，Meta 将服务器和网络资产的期限延长至 5.5 年（原为 4 年）。

" 仅此一项调整预计今年就能为其带来约 29 亿美元的额外收入。"HenryZhang 表示，谷歌和甲骨文的服务器使用寿命也都延长至 6 年，好处显而易见，计入每年的折旧成本下降，利润上升，市场对 " 创纪录的每股收益 " 和 " 人工智能增长 " 欢呼雀跃。

然而，拉长折旧周期并不能保证几年后这些成本能带来同样稳定的收入。迈克尔 · 伯里认为，巨头们将在 2026 年至 2028 年期间低估折旧额 1760 亿美元。2028 年，甲骨文的盈利将虚报 26.9%，META 将虚报 20.8%，以此类推，" 情况还会更糟 "。

乐观者并不同意这种说法。知名研究机构 Bernstein 认为，老 GPU 真能跑 6～7 年，一旦过了刚上线容易烧卡的前六个月，后面的故障率其实很低。更关键的是，Bernstein 认为，尽管英伟达的芯片更新很快，但客户更喜欢把最苛刻的训练任务扔给最新卡，旧卡被降级去做推理或者轻量任务，这个时间可以持续很长，因此租赁成本并没有下降很多。

" 至少现在，A100 还是基本满负荷的。"Bernstein 分析认为。不过，一位国内半导体人士向记者表示，国内的情况并不太一样。尽管此前云服务商出租给大厂时基本是五年长约，但往往过了一两年，甲方哪怕是付违约金也会跟乙方重签，因为租赁价格降得太厉害。

" 长期来看，英伟达 GPU6～7 年的折旧周期，对于国内云服务厂商而言，并不会有太大风险，因为国内算力芯片和英伟达最先进芯片的代际差，目前至少有 3～5 年，因此当前更关注超节点堆叠方式，对于单芯片的算力不会那么在意。" 另一位云服务商告诉记者。

2 TPU 路线曙光出现

事实上，英伟达更大的压力来自自己的客户。

硅谷巨头们正纷纷踏上 " 造铲 " 之路。特斯拉 CEO 马斯克近日宣布，已组建起一支具备行业顶尖水平的芯片研发团队，并在车辆控制系统与数据中心部署了数百万颗自研 AI 芯片。他表示，其本人将 " 深度参与 " 特斯拉的 AI 芯片设计，并称其目标是 " 每年量产一款新芯片 "。

TPU 的成功更被认为是英伟达 " 泡沫破灭 " 的可能因素之一。中昊芯英（杭州）科技有限公司（简称中昊芯英）是国内最早走 TPU 路线的芯片公司，其创始人杨龚轶凡曾是谷歌 TPU 芯片核心研发者。

中昊芯英首席解决方案架构师平晓峰告诉《IT 时报》记者，谷歌最新的 TPUv7 是在原有的 TPU 架构上采用更先进的制程和更大更快的 HBM 容量，来强化 TPU 脉动阵列技术带来的极致能效比，让芯片把时间花在计算上，而不是等待数据上，"更多的模型厂家可以看到谷歌 Gemini 通过其 TPU 集群如何以更低成本、更高效率达成，甚至超越 OpenAI 基于 GPU 开发的模型，这将为 TPU 市场带来 OpenAI 给英伟达那样的影响。"

甚至在英伟达最强大的生态护城河 CUDA 上，谷歌也已有了应对方案。为降低客户切换门槛，谷歌推出 "TPU 命令中心 " 软件，这款工具旨在简化 TPU 的集成与管理。

它借鉴了 PyTorch 框架——由 Meta 首创并开源的 AI 开发利器，允许开发者无须精通谷歌的 JAX 语言，即可操控 TPU 集群。

这个操作不仅提升了 TPU 的易用性，还借力 Meta 的开源贡献，形成生态闭环。通过该软件，客户能轻松监控集群性能、优化资源分配，甚至模拟云端环境。有消息称，Meta 有意用 TPU 训练全新 AI 模型，而非仅限于推理任务。

平晓峰也告诉记者，TPU 架构专为 AI/ML 而生，专注于张量运算以实现更高的计算速度，同等制程下相较 GPU 可实现性能 3-5 倍跃升。但在国内市场，如果想说服一个已经基于英伟达 GPU 开发的 AI 团队迁移到国产芯片，最大的难点依然是对 " 迁移成本 " 和 " 生态惯性 " 的担忧。开发者习惯了 CUDA 的便利性和丰富的社区资源，担心迁移后开发效率降低、遇到问题无人可解。

因此，中昊芯英的解决路径是：一方面先帮助客户将部分计算密集型任务迁移到智算系统，实现 " 混合算力 " 部署，立竿见影的降本增效；然后再通过技术支持，确保迁移过程无忧；最终，通过持续迭代更易用的软件工具链，让迁移过程越来越平滑，直至形成新的生态平衡。

3 国产算力 " 走自己的路 "

尽管硅谷关于 AI 泡沫的争议甚嚣尘上，实际上，国内 AI 业界并没有因此激起太多涟漪。

英伟达在中国营收占比持续下滑，从历史高点约 26% 降至 2025 财年的 13.1%，黄仁勋甚至在采访时表示 "中国市场份额已归零"。

与此同时，本土替代加速。有消息称，华为昇腾 910C 的 AI 推理性能已约为英伟达 H100 的 60%，" 电子茅台 " 寒武纪业绩爆发，2025 年上半年营收同比增长 44 倍，净利润扭亏为盈。

Fortune 预计，中国 AI 芯片本土化率将从 2023 年的 17% 升至 2027 年的 55%。即使最近美国即将放行英伟达 H200 的说法传得沸沸扬扬，但多名国内云服务商人士告诉《IT 时报》记者，"不会给国内算力市场带来太多变化，算力国产化已是必然，而不再是备胎"。

平晓峰认为，大厂自研芯片和独立芯片厂商并存，将是未来国产 AI 算力市场的常态，市场格局将走向 " 分层多元 "。

大厂自研芯片主要服务于其内部特定业务，追求极致的 " 术业有专攻 "，是一种垂直整合，而像中昊芯英这样的独立厂商，核心价值在于提供通用性强、性价比高、服务更灵活的 " 商品化 " 算力产品，满足更广泛市场的需求。两者服务对象和商业模式不同，并非完因此，市场不会过于拥挤，而是会自然分层。

未来不会出现单一垄断，而是形成 " 通用 GPU+ 专用 TPU+ 行业定制 ASIC" 的多层次、差异化市场格局。百家争鸣的背后是各司其职，共同建设良好的生态。