杨川，上海金融与发展实验室特聘高级研究员

前言

在AI浪潮席卷全球资本市场的当下，英伟达（NVIDIA）成为最受瞩目的公司之一，其股价的估值水平也引发了市场的巨大分歧。乐观者视其为AI时代的“核心引擎”，认为其高估值由强劲的增长曲线支撑；悲观者则警告其股价已严重脱离基本面，隐藏巨大泡沫风险。为何对同一家公司的估值判断会出现如悬殊的差异？本文尝试借助《估值革命》系列中提出的成长驱动价值模型和泡沫度量方法，对英伟达的估值分歧进行结构性解读。

一、英伟达（NVIDIA）估值分歧的症结

（一）产生分歧的多空阵营

1. 看空机构名单及核心逻辑

3.估值方法对比总结

（二）估值方法：市盈率与DCF方法

1.市盈率下降：股价便宜了？

估值分歧主要源于两方面：一是对增长预期与风险水平的基本面预期差异，二是估值方法论本身的分歧。前者聚焦于企业未来利润的来源与增速的合理性，相对容易找到分歧点或达成共识。例如，围绕英伟达数据中心业务的增长持续性、帕兰提尔政府订单的稳定性和企业订单的快速增长等具体假设，投资者可通过情景分析与敏感性测试展开辩论。

后者则源于估值工具的主观性，尤其是市盈率（PE）这一相对估值方法。英伟达当前动态PE（TTM）约48倍，较2024年峰值80倍大幅回落；帕兰提尔PE高达448倍，远超2021年上市时的200倍。然而，PE倍数的高低取决于自身的未来成长性、历史估值锚点、行业可比公司、利率环境等多重参照系，其本质上是一种相对的主观判断而非可数量化的方法。这种参照系的选择差异，使估值分歧难以通过量化模型调和，成为当前市场分歧的核心症结。

英伟达市盈率虽然显著下降，并不意味着股价“变便宜了”，其背后主要有两个关键原因：

• 分母增长更快：市盈率=股价/每股收益。尽管股价上涨，但英伟达利润的增长速度远超股价涨幅，导致市盈率计算公式中的分母（盈利）急剧扩大，从而压低了市盈率。

• 低估值水平假象：仍需在未来多年维持超高速增长才能消化现有溢价——一旦AI投资周期见顶（如2028年后）或竞争加剧导致利润率下滑，高基数下的盈利增速必然放缓，届时股价的回调压力将远超市盈率数字所传递的“便宜”假象。

当前估值水平参考（市盈率方法）：

• 横向对比：截至2025年11月末的数据显示，在主要AI公司中，英伟达的估值处于中高水平，高于微软（33.9倍）、谷歌（21.8倍），但显著低于AMD（122.2倍）。

• 分析师视角：机构在评估时，常会使用基于未来盈利预测的动态市盈率。例如，中金公司在近期报告中，给予英伟达的目标价对应其2025财年的预估市盈率约为31.8倍。

由此可见，市盈率方法是一种相对法，即对比历史PE值以及当下其他同类公司的PE值，虽然参考了未来盈利能力（利润增长率），但并没有估值水平与预测盈利能力和风险水平的可量化关系。

2.DCF方法：估值在合理区间？

市场多数机构都在采用DCF方法来估值，这个方法的巨大缺陷如《估值革命》系列之九所述：

“如果按照DCF方法，可预测期外一个长期不变的折现率势必会产生巨大的估值泡沫，因为未来的不确定性会呈现指数级增加，表现在折现率上，会呈现终值阶段R曲线的陡峭上升。因此，DCF估值往往隐匿着市场难以识别的深层风险，换言之，传统估值方法已成为动摇市场有效性的重要根源。”

这个方法往往会高估股票的价值，认为当下英伟达的股价合理，甚至被低估。而那些看空英伟达的机构也许从直觉上已经感受到了英伟达的估值泡沫，但他们拿不出可数量化的估值方法。

二、用DCF方法反推当下的估值合理性

截至2025年12月29日（最新数据），英伟达（NVIDIA）的市值为4.66万亿，在标普500指数中排名第一，同时也是全球市值最高的上市公司。我们按照这个市值用DCF的两段论方法逆向测算当前股价隐含的前5年增长率和永续增长率：

（一）主流机构使用的WACC（折现率）

根据2024-2025年主流金融数据服务商测算：

（二）永续增长率

华尔街投行（高盛、美银、摩根大通）在DCF模型中的隐性假设：

（三）市场主要机构对未来5年的增长率预测

1. 市场预测

EPS CAGR 22.0%（来源：新浪财经，引述市场共识预测）

营收CAGR 20.2%（来源：新浪财经，引述市场共识预测）

EPS CAGR 37.36%（来源：Moomoo社区，引述Seeking Alpha数据）

按照高盛、美银等机构的预期，全球AI基础设施投资2030年将达3-4万亿美元，英伟达作为核心供应商（市场份额超60%），我们同时参考其他机构的预期如下：

2.上述四种情景下的净利润CAGR计算

此外，关于每股收益EPS复合年增长率(CAGR)的预测：22.0%。来源：

（1）《预测一下英伟达》中，提到"分析师预测英伟达未来5年每股收益复合年增长率为22.0%"（消息于2025年11月19日发布）

（2）《英伟达 Q3 财报前瞻:利润率稳健，但中国市场遇挑战》中，提到"根据当前市场共识，公司未来5年每股收益复合年增长率(CAGR)预计为22.0%（撰于2025年11月14日）"，22%与上表中“华尔街共识”的20.8%接近。

22%与38-40%相差较大，这可能就是当下市场分歧的重要原因。

（四）逆向DCF推算：4.66万亿市值隐含的5年增长率

1.计算方法

从2027财年（2026年2月1日 至 2027年1月31日）开始，按照市场各大机构对2026财年（2025年2月1日 至 2026年1月31日）的净利润预测值，取偏乐观的上限1200亿美元，按照4.66万亿价值，WACC=8.5%，计算3%，3.5%和4%三种永续增长率下的英伟达前5年的增长率。

2. 三情景核心结果汇总

3. 按照极度乐观的增长率反推终值增长率

如果采用未来5年的高增长率38-40%，取39%，按照2026财年预测净利润1200亿（初始值），5年后的永续增长率为0.41%，远远低于3%的保守永续增长率。如果英伟达2031年后能实现3%的正常永续增长，用DCF方法计算的估值应为：5.98万亿美元，比4.66万亿高出28%，也就是说英伟达市值还有20%以上的上行空间。

三、用PEGR方法反推当下的估值合理性

（一）泡沫度计算

1.两种增长率下的隐含终值动态回收期与泡估值沫度

我们采用PE·n/G指标来做英伟达（NVIDIA）4.66万亿市值泡沫度分析，其中n为隐含终值动态回收期（DPP），G为DPP内的有效增长率（净利润的现值增长率）。

市值P：4.66万亿美元

2026财年净利润E（预期）：1200亿美元

折现率R：8.5%（股权资本成本）

第一年净利润现值：E1=E/(1+R)=1106亿美元

P/E比率：38.83倍

P/E1比率：42.13（用于PEGR模型）

复合增长率：g1=22%（市场共识），g2=39%（美银证券2030年对英伟达净利润预期）

有效增长率：按照G-R-g关系公式：G=(1+g)/(1+R)-1，G1=12.4%，G2=28.1%

可以用PEGR公式（P/E1=[(1+G)^n-1]/G）推算出两种复合增长率下的隐含终值回收期n与估值泡沫度PE·n/G ：

其中：标准化泡沫度= = log₁₀(PE × n/ G) 

2.对照估值泡沫度参考表

（引自《估值革命：从自由现金流到成长性驱动的价值模型（九）》“不同增长条件下的估值泡沫度量化模拟”）

此外，泡沫度指标只是是一个简易、快速判断泡沫指标，并没有考虑较长DPP期限的折现率上升问题，比如10年和16年的折现率都不能用直接8.5%的折现率，16年的折现率会陡峭上升到20%以上，这就会使得22%的复合增长率远远不能满足4.66万亿的估值。假如折现率R=20%，16年12.4%的有效增长率对应的复合增长率为：

g=(1+R)(1+G)-1=(1+20%)(1+12.4)-1=34.9%

也就是说，英伟达在16年动态回收期内真实风险水平下的复合增长率必须达到34.9%才能维系当下4.66万亿的市值。因此，从折现率角度，当下的估值存在较大的泡沫。

3.长期高增长率案例参考

即便英伟达能够实现16年的22%复合增长率，这也是一个突破美股科技股长期增长率历史纪录的假设。苹果公司2009至2025财年，净利润从82.35亿美元到1,120.10亿美元，翻了13.6倍，16年间的复合增长率仅为17.7%，这是在基数很低（不到100亿美元）的情况下保持的长期高增长，英伟达2026财年的净利润预计会超过苹果，达到1200亿，在如此高的基数下，其16年的增长率（22%）高于苹果公司低基数下的增长率（17.7%）。这说明当下的估值已经透支了未来的预期。

（二）隐含终值动态回收期内增长率合理性分析

1.市场平均折现率与平均动态回收期

美股50年的几何平均ERP（Equity Risk Premium）约为 4.0%-4.5%（以10年期国债为基准），我们取低，用4%，再按照最新的10年国债利率4.4%，可以计算出市场平均股权投资折现率：

股权折现率 = 无风险利率 + 股权风险溢价（ERP）= 8.4%

我们按照市场折现率8.4%的倒数来确定市场平均投资回收期（Market-Average DPP，MA-DPP）: MA-DPP = 1/8.4% =11.9≈12年。

MA-DPP是用市场历史ERP（Equity Risk Premium）计算出的市场平均最长DPP（即增长率为0的DPP，DPP=1/ERP），采用这个数据可以对任何一只股票做隐含终值DPP的约束，如果隐含终值DPP超过这个市场平均最长DPP，则说明这只股票存在价值高估的情况。

2.市场平均动态回收期内隐含终值推算

确定MA-DPP中前4年为可预测期，后8年为隐含终值期。前4年我们按照最乐观的预期：复合增长率g=39%，G=28.1%，n=4，用PEGR公式可以计算出前4年的的价值：P1/E1=[(1+G)^n-1]/G=6，P1=6×1106=6636亿美元。

隐含TV现值= P - P1 = 46600-6636 =39964亿美元，终值占比为：39964/46600=86%。

第四年末的TV=TV现值×(1+R) ，其中，前4年可预测期内折现率为市场给英伟达的偏乐观的折现率8.5%，第4年末的终值为：TV= 39964×(1+8.5%)^4=55384.46亿≈5.54万亿。

也就是说，4.66万亿市值的隐含终值价值为5.54万亿。

3.隐含终值期的增长率合理性分析

（1）隐含TV期的净利润有效增长率

用PEGR公式（P/E1=[(1+G)^n-1]/G）反推隐含终值期内的增长率，其中，P=5.54万亿，n=12-4=8年，E1为第5年的净利润在第4年末的现值（基于2026财年1200亿净利润的预测）：E1=1200(1+g)^5/(1+R)，其中，复合增长率g=39%，R=8.5%，

E1=1200(1+39%)^5/(1+8.5)=5738.86亿，P/E1=可计算出G=9.7%，即第4年后8年的有效增长率（净利润现值增长率）G=9.7%。

（2）隐含终值期的折现率确定

有效增长率（G）所对应复合增长率（g）取决于折现率（R），三者之间关系为：g=(1+R)(1+G)-1。因此，要分析隐含终值期的复合增长率必须要先确定隐含终值期的折现率。

DCF方法中使用WACC时都是始终不变的数值，这个数值一直用到永续价值期，既不考虑一个企业负债率会随时改变，资本结构也随之会变化，也不考虑折现率的时间属性。折现率是覆盖资金的机会成本（无风险收益率）、风险补偿（风险报酬率）和通胀（通胀率）的最低收益率或必要收益率，其中风险补偿是大头，而风险的本质是不确定性。在对企业做预测时，不确定性会随时间的延长呈几何级增长，这是折现率的第一性原理。因此，DCF永续价值的折现率不变假设存在违背第一性原理的致命缺陷。

我们在可预测期（4年）中采用较乐观的不变折现率。而事实上，4年的变数也很大，应该每年增加资本的时间风险（Horizon Premium）（资本的自身属性，与项目无关，随时间延长而上升）。我们只从隐含终值期开始增加折现率：按照8年的隐含终值期，前两年每年增加1%，其后两年每年增加2%，再其后两年每年增加3%，到最后两年每年增加4%，那第8年末的折现率为：R=（8.5%+1%+1%+2%+2+3%+3%+4%+4%）= 28.5%，8年后的折现率为28.5%一点不为过。很多高风险的早期科创企业，其折现率都高于30%。英伟达在这12年间，不仅面临着Garner曲线从期望膨胀期（Peak of Inflated Expectations）到泡沫破裂低谷期（Trough of Disillusionment）的风险，还将面临谷歌的TPU、光子芯片等技术的竞争威胁和替代风险，因此，12年也是一个隐含终值动态回收期的极限——陡峭上升的折现率曲线与升势趋缓甚至下降的内部收益率曲线相交的有效价值期限，超过这个期限，投资效率为负，即NPV＜0。

4.隐含终值期复合增长率及其合理性分析

我们按照两种折现率来推算英伟达在MA-DPP的隐含终值期内的复合增长率。一是按照真实的风险水平R1=28.5%，二是按照债券的资本时间风险溢价（Horizon Premium），终值期折现率每年增加1%%，R2=16.5%。用g-R-G公式：g=(1+R)(1+G)-1，可以推算出两种复合增长率：g1=41%，g2=27.8%。

可以预见，2030年是AI基础建设增长的峰值拐点期，基础建设的增长拐点并不代表用户增长的拐点，用户、应用场景还会不断增加，甚至出现新应用的爆发，但2030年以后芯片需求的整体增长率会较2025-2030年期间有所放缓，这种“增速下降”更多是基数效应和动能转换的结果，而非需求萎缩。

因此，按照12年后的真实风险水平（R1=28.5%），隐含终值期8年的41%的几何增长率显然是不可能的。如果按照债券的资本时间风险溢价（R2=16.5%）的风险水平，8年的27.8%的复合增长率也很难实现。因为在2030年峰值的基数效应下，27.8%的增长率最多可以维持3-5年，8年很则很难。因此，英伟达当下的市值（基于2025.12.19股价）已经进入到估值泡沫的橙色预警。也就是说，上涨的空间有限，回调等待关键信息明确的概率很大。

四、PEGR方法与DCF方法对比

（一）两种方法的差异

（二）为什么DCF方法的估值普遍高于PEGR方法？

1.DCF方法的终值假设没有依据

（1）终值增长率假设：这个假设与公司未来的长期盈利能力无关，没有任何历史数据或其他依据可以证明2%或3%的永续增长率与远期预期相关。除了少数传统型企业（如公共设施、航空公司、商业银行等）可以做长期预期，绝大多数科技类企业，尤其是竞争激烈，技术迭代周期短的高增长企业，人们做不到长期预期。因此永续价值的永远增长，且增长率不变的假设也是荒谬且无效的。

（2）终值折现率假设：折现率是不确定性的表现，在可预测期5年后，不确定性会陡然上升，也就是会出现一条几何级增长的陡峭折现率曲线，这个折现率曲线会与平缓甚至下降的内部收益率曲线相交，从而出现有有限的价值期限。因此，永续期的永远且恒定折现率的假设也是荒谬且无效的。

2.戈登模型的假设合理性掩盖了估值的不合理

DCF方法用三个假设（永远增长，恒定增长率、不变折现率）来确定估值占比超过70%的永续价值，而3%的假设几乎成为所有估值的合理假设，比如在做英伟达估值时，如果取21%-23%的可预测期增长率，其永续价值增长率刚好在3%-3.5%的范围估值都属于合理。如果取39%的乐观增长率，永续价值增长率会降到0.41%，与3%还有很大的空间，因此就会得出估值偏低的结论。

3.PEGR方法的泡沫度指标

PE·n/G指标内含两个个约束条件：必要回收期（隐含终值DPP），有效增长率（G），G/n相当于估值含金量，PE/(G/n)=PE·n/G就可以用来做泡沫度指标。泡沫度指标可以通过历史数据积累，形成一个可纵向、可横向比较的指标。在使用这个指标时，要考虑较长n值的折现率陡峭上升的问题，将可预测期的折现率用到一个较长的动态回收期内是不合适的。

4.PEGR方法的隐含终值期增长率

当所有估值模型统一纳入市场平均动态回收期和有效价值期限（即IRR≥R的时间区间）这两个约束条件后，观察隐含终值期的增长率便成为判断估值泡沫的客观标尺。在这一逻辑框架下，市场分歧将直接显现为参数假设的差异——估值高低不再源于方法论的分歧，而是对未来业绩预测与风险评估的不同判断，从而推动共识回归于事实而非工具本身。

有效价值期限采用与MA-DPP相同的时间（12年），是因为12年后的高不确定性（折现率会大于20%）和在基数效应下增长率的趋缓甚至下降，会导致有效价值区间小于12年。取12年也是乐观的估值维度。12年中在4年可预测期后的8年为隐含终值期，通过这个期间的增长率的合理性分析，就可以判断期初估值或价格是否合理。

隐含终值增长率并非DCF理论中人为预设的终值假设，而是市场对不确定性共识的量化投射——它捕捉的并非精确预测，而是当下市场对模糊未来的风险拥抱强度：估值越高，隐含的情绪越乐观；估值越低，隐含的审慎越深刻。PEGR方法通过隐含终值动态回收期，将这一情绪量化拆解，从而揭示一个关键命题：在真实风险水平下，支撑当前估值的增长率是否具备实现的可能性。

五、英伟达（NVIDIA）未来12年业绩增长与竞争格局概要分析

基于当前技术演进和市场动态，英伟达未来12年（2025-2037）的发展将呈现 “短期高歌猛进、中期分化调整、长期范式变革”的三阶段特征。其核心挑战在于AI基础设施投资周期的拐点判断、商业模式的可持续性，以及颠覆性技术的替代风险。

（一）AI基础设施建设：5年内见顶风险与结构性分化

1. 投资峰值预测：2027-2028年或现阶段性高点

（1）短期爆发期：2025年全球数据中心AI资本支出预计达6000亿美元，英伟达通过1000亿美元自建10GW算力设施，锁定未来3-5年约1400万张GPU订单，潜在收入规模4000-5000亿美元。这种模式将支撑2025-2027年营收保持40%+增长。

（2）见顶信号：摩根大通预测，随着大模型训练需求饱和，2027-2028年AI训练芯片需求可能达到顶峰。推理需求虽持续增长，但单位算力价值下降，市场从“算力囤积”转向“效率优化”。

（3）结构性转型：市场重心正从训练转向推理，谷歌TPU在推理场景的能效优势（比GPU高2-3倍）将挤压英伟达在推理市场的溢价空间。

2.地缘政治阴云：中国市场的结构性挑战

（1）芯片出口管制政策：地缘政治是英伟达未来发展中最大的不确定性因素之一。特别是美国政府针对中国的先进芯片出口管制政策，已经并将在未来持续对英伟达的业务造成实质性影响。

（2）中国市场：中国曾是英伟达数据中心和游戏业务的重要市场。然而，随着禁令的不断升级（例如针对H20芯片的禁令），英伟达在中国市场的销售额已大幅下滑。更深远的影响在于，这些限制正在倒逼中国加速构建自主可控的AI芯片产业链。一份来自Bernstein Research的分析报告极具代表性，该报告预测，到2026年，英伟达在中国AI加速器市场的份额将从2025年的39%（或更高）暴跌至8% 。其市场份额将被华为、寒武纪等本土供应商瓜分 。

（二）中国主权AI减少对英伟达依赖的影响

主权AI的核心是 “自主可控”，这与依赖英伟达GPU存在根本冲突。中国已将AI全产业链自主化作为战略目标，这将势必减少对英伟达产品的依赖。

1.减少依赖的时间表与路径

中国主权AI建设将系统性、不可逆地减少对英伟达的依赖，这一过程由国家战略意志驱动，而非单纯市场选择。尽管当前仍需部分英伟达芯片填补产能和性能缺口，但未来5或更长时间内：

（1）政府侧：实现完全替代，英伟达芯片退出主权AI核心基础设施；

（2）商业侧：国产芯片占据70%以上 市场份额，英伟达仅在高性能计算等 niche 场景保留少量份额；

（3）生态侧：昇腾、天数智芯等国产生态成熟，CUDA迁移成本不再是障碍。

3.最终影响

英伟达在中国市场的收入将从2024年的约120亿美元降至2030年的30亿美元以下，降幅超75%。这不仅是市场份额的丢失，更是参与全球最大AI市场的战略出局。

（三）"投资换收入"模式：创新还是风险？

1. 模式本质：从“卖铲人”到“算力银行”

英伟达通过前置资本投入（自建数据中心）锁定客户长期合同，将一次性芯片销售转化为持续算力服务收入，降低业绩波动性，估值逻辑从周期股转向运营商。

2. 可持续性评估：三大隐患

（1）资本杠杆风险：该模式需持续巨额投入，若AI应用层收入无法覆盖基础设施成本（如早期互联网泡沫），将面临类似思科2000年的估值崩塌风险。

（2）客户信用风险：一旦AI初创公司倒闭潮出现（如Character.AI被收购后算力需求转移），长期投资可能形成坏账。市场担忧此模式可能步安然、朗讯后尘。

（3）技术锁定悖论：英伟达投资客户的同时，也加速了客户自研芯片（如微软Athena、亚马逊Trainium）的动机，长期可能培育出替代者。

3.英伟达投资模式加剧了行业从“GPU单线制”向多架构异构体系演进：

（1）客户策略转变：Anthropic同时采购英伟达GPU和谷歌TPU，大型AI公司普遍采取"多路线并行"策略，避免被单一架构锁定。

（2）TPU商业化提速：为应对英伟达生态壁垒，谷歌2025年加快TPU推广，与博通合作采用台积电2nm工艺，产能达300万片后有望抢占15-20%市场份额。

（四）替代技术风险：TPU、光芯片等其他技术的威胁

1. 谷歌TPU：中短期内最大威胁

（1）性能反超：第七代Ironwood TPU单芯片算力较H200提升10倍，能效比高2-3倍，每美元性能优12-70%。

（2）市场份额：2027年TPU产能达300万片后，可能占据15-20%的AI芯片市场，在超大规模训练中份额更高。

（3）生态壁垒：但TPU深度绑定谷歌云，不支持CUDA，开发者转换成本高。英伟达的NVLink互联技术和系统级工程能力仍是护城河——数万卡集群协同效率 competitors 难以复制。

2.光计算芯片：5-8年后可能构成颠覆

光子芯片的核心优势是“低功耗、高带宽”（如传输速率114 Tbps，功耗仅为NVLink的1/4），可替代GPU在“数据中心内部互联”与“部分计算任务”中的角色。

（1）商业化临界点：光本位科技等国产厂商已实现128×128矩阵规模芯片，2025年推出商业化板卡，功耗仅为GPU的1/10-1/15，延时数量级降低。

（2）技术瓶颈：光芯片目前仅适用于矩阵运算，在通用计算、控制逻辑上仍依赖电子芯片，需“光电合封”混合架构。大规模出货预计在2026-2027年。

（3）颠覆路径：若光计算在AI推理中规模应用，可能使数据中心功耗架构重构，英伟达的功耗优势被削弱，但CUDA生态仍可维持3-5年过渡期。

3. 其他竞争者：如神经形态芯片、类脑计算

（1）神经形态芯片、类脑计算：神经形态芯片（如IBM的TrueNorth）、类脑计算（如英特尔的Loihi）等新技术，可替代GPU在“边缘AI”（如工业机器人、自动驾驶汽车）中的角色（如实时处理传感器数据）。例如，神经形态芯片的功耗仅为GPU的1/10，适合边缘设备的“低功耗”需求。

（2）AMD/英特尔：MI300在内存带宽上挑战H100，但生态落后；英特尔Gaudi尚未成规模。

（3）自研芯片：亚马逊、微软、Meta的ASIC芯片2026年总出货量或超英伟达GPU，但多为内部使用，不直接冲击公开市场，但会减少对英伟达GPU的需求。

（五）英伟达并购Groq技术资产的护城河效应

1.Groq的LPU核心优势：

（1）速度碾压：采用功能切片微架构（TSP）和确定性调度，在Llama等模型推理中实现每秒300-500 tokens，是高端GPU的7.5-10倍。

（2）推理成本：GroqCloud API定价0.27美元/100万token，运营成本仅为GPU的1/10。

（3）绕过HBM瓶颈：无需高带宽内存和台积电CoWoS封装，采用14nm成熟制程即可量产，良率更高、成本更低

（4）生产自主性：摆脱对三星/美光HBM和先进封装产能的依赖，供应链风险趋近于零

2.英伟达并购Groq对行业竞争格局的连锁反应

（1）谷歌TPU：威胁被对冲

LPU vs TPU：两者均聚焦推理，但LPU通过SRAM实现更低延迟，TPU靠脉动阵列实现更高能效。

（2）英伟达策略：用LPU拖住TPU，维持GPU在通用性和生态上的绝对优势。

（3）AMD/英特尔：路径被堵死

AMD的MI300依赖HBM，在延迟敏感场景彻底失去竞争力，英特尔的Gaudi本就落后，LPU的成熟使其推理市场再无机会。

3.英伟达收购Groq对其护城河的拓宽和稳定的效果

（1）战略防御：消除颠覆性威胁

Groq的LPU架构若成功，可能使AI推理脱离CUDA生态，动摇英伟达垄断根基。收购将其转化为“内部路线”，直接扼杀替代风险。

（2）主动拓宽：补全推理版图

将LPU作为专用实时推理方案，与GPU（训练+通用推理）形成互补，覆盖从训练到全场景推理的完整链条，客户无论怎么选都在英伟达体系内。

（3）供应链脱钩：降低产能依赖

LPU绕过台积电CoWoS封装和HBM内存瓶颈，为英伟达开辟不依赖稀缺产能的备选路径，增强供应稳定性。

4. 客户锁定：消解自研动力

客户面临的选择变为：A)英伟达GPU 或 B)英伟达GPU+Groq LPU，而非转向自研芯片，从而固化客户粘性。

总结：此次收购是“技术资产并购模式的护城河扩张”——将潜在颠覆者内化为自身技术路线，既防御了生态被绕过的致命风险，又主动抢占了高频推理新战场，把“威胁”变成了“武器”。

（六）综合评估与关键风险点

1. 增长前景：前高后低，估值承压

（1）2025-2027年：营收预计保持30-40% CAGR，主要驱动是Blackwell/Rubin架构升级和主权AI需求。DCF模型显示2030年合理股价420-480美元，对应150-180%上涨空间。

（2）2028-2032年：增长放缓至15-20%，TPU和自研芯片侵蚀训练市场份额（英伟达并未获得TPU技术的独家许可，Groq作为独立实体依然存在，有权向其他厂商如微软、亚马逊授权其技术，推理市场面临价格战）。

（3）2033年后：若光/量子计算成熟，传统GPU市场可能萎缩，英伟达需成功转型为系统解决方案商。

2. 三大核心风险

（1）技术颠覆风险：光计算在2027年后形成规模，可能重演“ASML颠覆光刻机”的故事。

（2）地缘政治风险：美国对华出口管制若收紧，可能损失30%收入；反之若放松，华为昇腾芯片将构成直接竞争。

（3）生态瓦解风险：若PyTorch等开源框架大幅降低CUDA迁移成本，护城河可能在5-8年内被突破。

结论：英伟达的统治地位在5年内难以撼动，但7-12年后面临范式变革风险。其“投资换收入”模式是双刃剑，短期平滑周期，长期加速技术迭代压力。5年后的高增长会受到基数效应的制约。因此，在没有市场波动带来故障洼地的情况下，价值投资者需要等待安全边际的到来。而不是在现有的价格上盲目追高。