（原标题：英伟达市值大跌，未来难预测）

如果您希望可以时常见面，欢迎标星收藏哦~

来源：内容综合自彭博社等，谢谢。

由于对美国经济健康状况的担忧以及可能已经超前的人工智能交易，英伟达公司本周市值蒸发了约 4060 亿美元（约28780.94亿人民币），给主要股市基准带来压力。

这家全球最大的人工智能芯片制造商的市值在过去两周缩水了五分之一。此次下跌也凸显了这家市值 2.5 万亿美元的巨头投资者面临的一个更紧迫的问题：它的波动性现在让七大巨头相形见绌，让比特币看起来像是一个平静的港湾。

过去 30 个交易日，英伟达股价在 90.69 美元至 131.26 美元之间波动，周二市值蒸发创下历史新高。这种波动水平使其 30 天实际波动率升至约 80——大约是微软公司的四倍，比特币的两倍，高于唐纳德·特朗普的媒体公司和埃隆·马斯克的特斯拉公司等 meme 股票。

彭博社汇编的数据显示，此次大跌已使该股创下两年来最糟糕的两周连跌纪录。此前，该公司发布了不温不火的业绩预测，并因 Blackwell 芯片出现问题而导致投资者的热情消退，随后股价下跌。随后有消息称，美国司法部就不断升级的反垄断调查发出了传票。博通公司发布的销售预测令人失望，这进一步加剧了芯片制造商的悲观情绪。

“你现在正处于一个非常困难的市场环境中，” Wayve Capital Management LLC 首席策略师Rhys Williams表示，并补充说人工智能交易仍处于早期阶段。不过，“从日常角度来看，底部在哪里，谁也说不准。”

当然，尽管最近有所下滑，但今年该股仍为投资者带来了丰厚回报。今年该股仍上涨逾 100%，市值增加 1.3 万亿美元。华尔街普遍预计，随着各家公司纷纷建设与人工智能相关的基础设施，英伟达仍将占据有利地位，而这一过程预计至少还将持续几个季度。

彭博社汇编的数据显示，Nvidia 最大的客户——尤其是微软公司、Meta Platforms Inc.、Alphabet Inc. 和亚马逊公司，它们合计占 Nvidia 收入的 40% 以上——在最近几个季度确认了支出计划。

Nvidia 上周的业绩证实了这一乐观观点。收入增长了一倍多，好于预期，调整后的收益也是如此。该公司还给出了超出分析师共识的收入预测，尽管未能达到预期的上限。

这一结果令已经习惯了爆炸性增长报告的市场参与者感到失望。这也加剧了那些对人工智能支出长期前景持怀疑态度的人的担忧。

这一切都意味着，随着投资者消化人工智能主题的演变，英伟达和其他芯片制造商的股价波动可能会持续下去。对于想要长期投资的基金经理来说，这可能意味着机会。

“对于长期投资者来说，现在是开始入手的好时机，”Wayve Capital 的威廉姆斯表示。“如果今天有人给我新资金，我会热情地买入一些与人工智能相关的股票。”

英伟达GPU市占Q2升至2成

去年以来AI需求带动英伟达晶片销售成长，也让英伟达持续扩大GPU市占率。研究机构Jon Peddie Research（JPR）最新调查显示，今年第二季英伟达在全球GPU市场市占率已达两成。

JPR报告显示，2024年第二季，英伟达全球GPU市占率较第一季增加2个百分点至20％。同一期间，超微市占率增加0.2个百分点至16％。

英特尔市占率虽从66％降至64％，但依旧稳坐全球GPU市占龙头宝座。

报告指出，虽然英特尔主要销售CPU，但英特尔CPU通常与图形显示卡整合，因此被JPR归类为整合式GPU。

就整体市场而言，JPR报告显示，今年第二季全球GPU出货量达到7,000万件，较第一季增加1.8％。往年第二季GPU出货量向来低于第一季，例如JPR统计的近10年第二季GPU出货量平均较第一季下滑7％，这显得今年第二季市场表现亮眼。

JPR总裁派迪（Jon Peddie）表示，「第二季GPU出货量成长令我们喜出望外。过去几年来市场起伏不定，一直在寻找规律活力。在贸易战、疫情、政治选战、央行利率等因素交错影响之下，短期内市场恐怕还难以回归常态。」

报告称，若将桌机、笔电及工作站等所有电脑平台，以及独立式、整合式等所有类别GPU计算在内，今年第二季全球GPU出货量较去年同期增加16％。若依不同平台来看，第二季桌机GPU出货量年增21％，笔电GPU出货量年增13％。JPR报告显示，整体GPU对PC的搭载比率在今年第二季达到120％，较第一季增加6.7个百分点。

展望未来，JPR预期2024至2026年全球GPU出货量将以4.2％的复合年成长率持续扩大，在2026年底前达到33亿件。JPR也预期，未来5年内独立式GPU的PC普及率将达到23％。

GPU的未来，难以预测

图形芯片（GPU）是人工智能革命的引擎，为聊天机器人和其他人工智能应用所依赖的大型语言模型（LLM）提供动力。由于这些芯片的价格在未来几年可能会大幅波动，许多企业将需要首次学习如何管理关键产品的变动成本。

一些行业已经熟悉了这一原则。采矿等能源密集型行业的公司习惯于管理能源成本波动，平衡不同的能源来源，以实现可用性和价格的正确组合。物流公司这样做是为了运输成本，由于苏伊士运河和巴拿马运河的中断，运输成本目前波动很大。

计算成本波动有所不同，因为它会影响没有此类成本管理经验的行业。例如，金融服务和制药公司通常不从事能源或航运交易，但它们是有望从人工智能中受益匪浅的公司之一。他们需要快速学习。

Nvidia 是 GPU 的主要供应商，这也解释了为什么其估值今年飙升。GPU 之所以受到青睐，是因为它们可以并行处理许多计算，使其成为训练和部署 LLM 的理想选择。Nvidia 的芯片非常抢手，以至于有一家公司甚至用装甲车运送它们。

受到供需基本面的冲击，与 GPU 相关的成本可能会继续大幅波动，而且很难预测。

随着企业继续快速构建 AI，需求几乎肯定会增加。投资公司瑞穗表示，随着企业争相部署新的 AI 应用程序，GPU 的总市场规模在未来五年内 可能会增长十倍，达到 4000 多亿美元。

供应取决于几个难以预测的因素。其中包括制造能力（扩大规模的成本很高）以及地缘政治因素——许多 GPU 是在台湾制造的，而台湾的持续独立性受到中国的威胁。

供应已经很紧缺，据报道，一些公司等了六个月才拿到 Nvidia 强大的 H100 芯片。随着企业越来越依赖 GPU 来支持 AI 应用程序，这些动态意味着他们需要掌握管理可变成本的方法。

为了锁定成本，更多公司可能会选择自己管理 GPU 服务器，而不是从云提供商那里租用。这会产生额外的开销，但可以更好地控制，并可能在长期内降低成本。公司还可以出于防御目的购买 GPU：即使他们还不知道如何使用它们，这些防御性合同也可以确保他们能够在未来需要时使用 GPU，而他们的竞争对手则无法使用。

并非所有 GPU 都一样，因此公司应通过确保适合其预期用途的正确类型的 GPU 来优化成本。最强大的 GPU 最适合训练大型基础模型的少数组织，例如 OpenAI 的 GPT 和 Meta 的 LLama。大多数公司将进行要求较低、容量较大的推理工作，这涉及针对现有模型运行数据，因此，使用更多性能较低的 GPU 将是正确的策略。

地理位置是组织可以用来管理成本的另一个杠杆。GPU 耗电量很大，其单位经济效益的很大一部分是为其供电所用的电力成本。与电力成本通常较高的美国东部地区相比，将 GPU 服务器放置在电力充足、价格低廉的地区（如挪威）可以显著降低成本。

CIO 还应仔细考虑 AI 应用的成本和质量之间的权衡，以找到最有效的平衡点。例如，他们可以使用较少的计算能力来运行对准确性要求较低的应用模型，或者运行对业务没有那么重要应用模型。

在不同的云服务提供商和不同的 AI 模型之间切换为组织提供了另一种优化成本的方法，就像当今的物流公司使用不同的运输方式和运输路线来管理成本一样。他们还可以采用针对不同用例优化 LLM 模型运行成本的技术，从而提高 GPU 的使用效率。

整个人工智能计算领域都在快速发展，这使得组织很难准确预测自己的 GPU 需求。供应商正在构建具有更高效架构的新型 LLM。与此同时，包括 Nvidia 和 TitanML 在内的芯片制造商正在研究提高推理效率的技术。

与此同时，新的应用和用例不断涌现，增加了准确预测需求的挑战。即使是当今相对简单的用例，如 RAG 聊天机器人，其构建方式也可能会发生变化，从而推高或降低 GPU 需求。预测 GPU 需求对大多数公司来说都是未知领域，很难准确预测。

人工智能发展的浪潮没有丝毫减弱的迹象。根据美国银行全球研究和 IDC 的数据，到 2026 年，与人工智能软件、硬件、服务和销售相关的全球收入将以每年 19% 的速度增长，达到 9000 亿美元。这对 Nvidia 等芯片制造商来说是个好消息，但对许多企业来说，这将需要学习一门全新的成本管理学科。他们现在应该开始规划了。

半导体精品公众号推荐

专注半导体领域更多原创内容

关注全球半导体产业动向与趋势

*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。

今天是《半导体行业观察》为您分享的第3880内容，欢迎关注。

『半导体第一垂直媒体』

实时 专业 原创 深度

公众号ID：icbank

喜欢我们的内容就点“在看”分享给小伙伴哦