
AI 芯片增量结构:nvda 阶段性见顶了吗?

训练、推理与 XPU 竞争全景,nvda 的 PEG 是价值陷阱还是新的机会
NVDA 当前在训练端仍占 ~90% 份额,但推理端正成为增量争夺的主战场——ASIC 和 XPU 增速远超 GPU,行业共识是推理份额将显著分流,但训练端短期内难以撼动 nvda 的市场定位
一、NVDA 当前市占率
| 细分市场 | NVDA 份额 | 数据来源 |
|---|---|---|
| AI 训练 | ~85–90% | Summit Insights (2026.3): >90%;Morgan Stanley (2026.1): ~85% |
| AI 推理 | 当前 >90%,预计快速下降 | 当前与训练类似,但 2028E 分歧极大 |
| 总体 AI 加速器 | 2024 ~87% → 2025 ~81% → 2026E ~75% | Silicon Analysts 逐年追踪 |
NVDA 数据中心收入占 Hyperscaler capex 的 **39–47%**(Daloopa 8 季度追踪,峰值在 2025Q1),FY2026 数据中心收入约 $1,937 亿。
二、增量市场:新数据中心建设的份额争夺
| 维度 | 数据 |
|---|---|
| Hyperscaler 2025 capex | ~$5,070 亿(+65% YoY),技术相关约 $2,970 亿 |
| Hyperscaler 2026E capex | ~$6,020–7,000 亿(CreditSights / Fortune) |
| ASIC 服务器出货增速 | +44.6%(2026E),份额将达 27.8%(多年新高) |
| GPU 服务器出货增速 | +16.1%(2026E),增速仅为 ASIC 的 1/3 |
关键信号:NVDA 占增量 的比例已趋于平稳(远期和现值均为~45%),不再扩大——新增投资中更大比例流向定制 ASIC
三、机构与公司对市占率的估算
NVDA 方(看多方)
| 来源 | 观点 |
|---|---|
| Jensen Huang (2026.1 台北 ) | 否认 ASIC 威胁,称"不合理";强调 CUDA 生态灵活性不可替代 |
| Morgan Stanley | 预计 2026 年仅丢 1–2 个百分点份额;NVDA 推理绝对收入仍会大幅增长(市场整体 7x 扩张) |
| NVDA 研发投入 | FY2027 计划 $450 亿研发,碾压所有竞争对手 |
| 收购 Groq ($170 亿 ) | 强化推理专用芯片能力 |
AVGO 方(竞争方)
| 指标 | 数据 |
|---|---|
| FY2025 AI 半导体收入 | $200 亿 |
| FY2026 Q2 AI 收入 | $108 亿(+143% YoY) |
| FY2026 全年 AI 收入指引 | $560 亿(+180% YoY) |
| FY2027 AI 收入目标 | >$1,000 亿 |
| AI 订单积压 | $730 亿 + |
| 核心客户(6 家) | Google (TPU,独家至 2031)、Meta (MTIA)、Anthropic、OpenAI + 2 家未披露 |
Broadcom 预计将占定制 AI 芯片市场约 60%。Mizuho 估计仅 Anthropic 合同即可带来 2027 年 $420 亿 AI 收入。
第三方独立估算
| 来源 | 预测 |
|---|---|
| TD Cowen | 商用加速器份额从 2025 ~91% 降至 2030 ~75%;定制 ASIC 从 ~9% 升至 ~25% |
| New Street Research | NVDA 推理份额到 2028 年可能降至 20–30%(最激进看空) |
| Bloomberg Intelligence | NVDA 到 2030 年保持 70–75%,但 ASIC 出货量增速远超 GPU |
| Silicon Analysts(温和派) | NVDA 长期保持 55–60% 推理份额(2030) |
四、GPU vs XPU:推理的未来格局
推理占 AI 总算力需求已从 2023 年的 1/3 升至 2026 年的 2/3,预计 2028–2030 年达 70–85%。这是份额争夺的核心战场。
| 维度 | GPU (NVDA) | XPU/定制 ASIC (AVGO 等 ) |
|---|---|---|
| 优势 | 灵活编程、CUDA 生态、多模型部署、快速迭代 | 推理 TCO 低 40–65%、功耗低 67%、每 token 成本低 3–8x |
| 劣势 | 推理是 memory-bandwidth bound,GPU 效率天生劣势 | 设计周期 15+ 月,无法适应模型快速迭代 |
| 适用场景 | 训练、多模型微调、新兴多模态推理 | 大规模单一模型推理部署(已定型的生产环境) |
| 关键风险 | CUDA 锁定被 vLLM/SGLang 等框架抽象化 | 客户集中度高(6 家占大部分) |
五、核心结论
训练端护城河深。 CUDA 生态 + NVLink 互联 + $450 亿年研发,2028 年前训练份额维持 80%+ 应该是意料之内
推理端是真正的变量。 定制 ASIC 的 TCO 优势是结构性的(不是周期性),但 NVDA 的绝对推理收入仍会增长——因为 AI 芯片总市场从 ~$2,000 亿扩大到 $6,000 亿 +
AVGO 的 XPU 业务增速惊人但利润率较低(margin dilutive),且高度依赖 6 家大客户。如果其中任何一家减少订单或自研进度超预期,则股价可能会有意料之外的变化
最大的不确定性是时间而非方向。 推理向 ASIC 迁移的方向是共识,分歧只在速度——2028 年还是 2032 年,份额降到 30% 还是 55%,这决定了 NVDA 当前估值是否合理。
不过 ai 市场整体的蛋糕还是在做大的,即便市占率下降,我认为绝对增速还是非常可观,目前 nvda 维持长期 30% 增速,我认为还是比较轻松的,也就是说,当前还算是比较合理的估值,既不是偏高,也不是偏低,尽管 PEG 信号似乎预示着短期的低估
守擂的 nvda,攻擂的 avgo,如果你不知道谁会获胜,那就都配置一些吧!
$Invesco QQQ Trust(QQQ.US) $NVIDIA(NVDA.US) $Broadcom(AVGO.US) $Roundhill Memory ETF(DRAM.US) $Magnificent Seven ETF - Roundhill(MAGS.US) $YieldMax NVDA Perf & Dis Trgt 25 ETF(NVIT.US)
The copyright of this article belongs to the original author/organization.
The views expressed herein are solely those of the author and do not reflect the stance of the platform. The content is intended for investment reference purposes only and shall not be considered as investment advice. Please contact us if you have any questions or suggestions regarding the content services provided by the platform.

