风险清单

前面几章讲英伟达为什么强，这一章反过来看什么会让增长停下来，也就是当前的估值默认了哪些假设不会出错。七类风险逐条拆开，每条给出发生概率（主观判断）、影响大小和先行指标。这是一份跟踪清单，用来提前发现变化，并不预测股价。

11.0七类风险按概率和影响排开

每个风险都按发生概率和影响大小排开，再看能不能提前看到它来。有先行指标的风险没有突发风险那么可怕，因为还有时间反应。

对英伟达来说，基本面风险和持仓结构风险是两回事，后者往往先发作，而且已经验证过一次（见 11.7 节）。

11.1最大风险：资本开支见顶与表外承诺

英伟达 93% 的收入来自数据中心，而数据中心的钱来自少数客户的资本开支。摩根士丹利预计超大规模云厂商的资本开支 2026 年为 $8,240 亿、2027 年 $12,300 亿，绝对额还在涨，增速却会一路下降；2026 到 2028 年数据中心投资需求合计 $3.21 万亿，其中 $1.75 万亿要靠信贷⁴。减速被推后了，并没有取消，而且越来越多的钱是借来的。

早先的判断把循环融资的规模定在 $300 亿，也就是英伟达 2026 年 2 月对 OpenAI 的实际股权投资，认为不至于致命。2026 年 8 月的新披露推翻了这个判断：英伟达第一次逐项列出表外承诺和土地、电力、厂房担保。它还通过 $5,000 亿融资平台，在部分项目上提供最高 25% 的残值支持，并和新兴云厂商签了托底价格、分享超额租金的协议。

现金流也在变差。同一季度经营现金流从 $503 亿降到 $241 亿，约四分之三卡在应收账款上，账期从 45 天拉长到 60 天。另一类质疑来自折旧：Michael Burry 公开质疑 AI 芯片的实际寿命只有 2–3 年，认为行业低估了折旧^7,8。

跟踪这条风险，主要看三组指标：

• 四大云厂资本开支指引的措辞，管理层是否第一次说出"优化效率""审慎""消化产能"这类话。
• 云厂的融资方式。2027 年云厂经营现金流和资本开支的缺口会达到预测期内最大，债务融资的占比在上升⁹。
• 英伟达自己的承诺表逐季变化、应收账款天数、GPU 租赁价格和债券利差。它的长债利差本季走扩了 38bp，和评级更低的亚马逊持平。

11.2ASIC 份额走向持平已在发生

四大云厂都在自研 AI 专用芯片（ASIC）：谷歌的 TPU、亚马逊的 Trainium、微软的 Maia 和 Meta 的 MTIA，动机是比采购英伟达 GPU 降本 30–50%，同时摆脱对单一供应商的依赖¹⁰。

旧的长期预测认为，ASIC 在 AI 加速芯片中的占比要到 2033 年才升到 19%。现在的节奏快得多，摩根大通的基准判断已经是未来几年 GPU 和 ASIC 的份额走向持平¹¹。瑞银的出货预测印证了这一点：按颗数算，ASIC 预计在 2027 年超过英伟达 GPU，但按 CoWoS 用量算，英伟达仍是 ASIC 合计的 1.5 倍。

瑞银预计 2027 年 ASIC 出货约 1,366 万颗，其中谷歌 TPU 900 万颗（2026 年 410 万颗），英伟达 GPU 约 880 万颗（第 10 章有对比图）^12,13。

英伟达在先进封装里的份额也在下降。按摩根士丹利的口径，英伟达占全球 CoWoS 的份额会从 2026 年的 56% 降到 2027 年的 45%；瑞银按中介层需求计算，是从 60% 降到 49%。单位成本上，同一口径下 TPUv7 每百万 token 的成本比 B200 低 8–34%，九成差距来自机时单价（$1.21 对 $1.73）；双方都用各自最优的部署方式时，GB300 反超约 30%^14,15,16。

训练市场短期内仍以 GPU 为主，但 ASIC 会持续拿走增量，推理端尤其明显；同一个趋势对台积电是利好，对英伟达是利空。要跟踪的是博通、联发科、世芯的定制芯片收入，以及各云厂自研芯片在自身算力中的比例。

11.3中国业务按零计，放开是上行

这条风险概率高、影响中等，但很难定价，因为它取决于政治。2025 年 4 月美国要求 H20 出口必须申请许可证，英伟达在 FY2026 第一季度计提了 $45 亿 H20 库存和采购承诺减值，另有 $25 亿收入无法发货¹⁷。到 FY2027 第二季度，H200 对华出货已经获得美国批准，但还没有实际出货，Hopper 对华收入不到数据中心收入的 1%。

摩根大通估算，每出货 10 万颗 H200，约增加收入 $30 亿。高盛的判断是，出口限制和国产替代政策会一起推动华为昇腾、寒武纪和国产 GPU 的增长，英伟达降级版芯片在中国的增长会持续承压^19,20。

所以估值模型可以把中国收入当作期权：放开是上行，没有也不伤主体。真正的尾部风险，是管制扩大到盟友和第三国转口。要跟踪的是 BIS 的规则更新、H200 的实际出货量，以及华为昇腾的代工和 HBM 产能。

11.4HBM 已经开始压英伟达利润

英伟达是无晶圆厂设计公司，产能取决于台积电的 CoWoS 先进封装和 HBM 高带宽内存。瑞银预计 CoWoS 行业月产能 2026 年底达到 16 万片，2027 年底 27 万片，台积电 N3 到 2027 年每个季度的利用率都在 102%–113%²¹。封装紧张目前只限制出货量，不压价格，HBM 这一环则已经压到了利润。

HBM 的格局也在变，伯恩斯坦按韩国出口数据估算，三星第三季度 HBM 收入约 $114 亿，可能反超 SK 海力士²³。要跟踪的是台积电 CoWoS 和 N3 的扩产进度、HBM4 的良率和合同价，以及英伟达毛利率能否守住 71–72% 的低点指引。

11.5低成本推理改变需求结构

2025 年 1 月 DeepSeek-R1 开源，声称训练成本低于 $600 万。英伟达当天股价跌 17%，市值蒸发约 $5,890 亿，是史上单只股票最大的单日市值损失，美股 AI 板块当天跌掉约 $1 万亿²⁴。当时的担心是，如果模型只用十分之一的算力就能达到同样的效果，大量堆 GPU 的逻辑就不成立了。这件事可以从两面看：

11.6推理端是 GPU 优势最小的地方

推理是最大的增量市场，也是 GPU 优势最小的地方：推理负载相对固定，用不上 GPU 的通用可编程性。SemiAnalysis 指出，模型过了某个智能门槛以后，开发者更看重 token 生成得快，而不是更聪明，这给了 Cerebras、Groq 这类速度优先的架构机会。但推理也分场景，TPU 在高并发下首个 token 要等 5.4 秒，是 B300 的 2.25 倍，适合批处理，不适合对话类产品^26,16。

英伟达已经在对冲。2025 年 12 月，它以约 $200 亿收购 Groq 的资产，锁定推理芯片赛道，Groq 产品线也已经列为 FY2028 收入框架的驱动因素之一^27,28。管理层愿意花这笔钱对冲，说明它清楚这是真实的威胁。

要跟踪的是推理和训练的算力占比、主流推理负载里 TPU、Trainium、Cerebras 这类非英伟达芯片的渗透率，以及不同平台单 token 成本的对比。

11.7持仓过度集中会放大下跌

单看持仓结构，英伟达已经处在高风险的位置。高盛 5 月的对冲基金持仓监测显示，半导体在对冲基金多头组合中的占比达到创纪录的 10%，IT 板块的净倾斜单季增加 853bp，总杠杆处在近 5 年的 94 百分位。到 8 月中，英伟达空头只占流通盘的 1.2%，在摩根士丹利覆盖的 36 只半导体股里属于最低一档；卖方一致评级中 95% 是增持；此前连续四个季度，财报数字很强，第二天股价却下跌^29,30,31,32。

多头持仓高度集中，问题不在于这笔交易一定会错，而在于大家想同时卖出时没有足够的买盘承接；空头少，也意味着下跌时没有空头回补来托底。这一轮已经发生过：

估值本身已经不贵，FY2028 预测市盈率约 11–12 倍（见第 10 章），所以这一轮回撤主要反映的是持仓结构和表外风险的定价，倍数过高不是主因。

分析拥挤的多头有三条纪律：把拥挤度当作独立的风险指标，半导体占比、净敞口和杠杆同处历史极值时，单个利空的冲击会被放大；用远期市盈率看估值，高增长阶段的 TTM 口径会夸大贵的程度；区分基本面和持仓，股价下跌不等于基本面变坏。

11.8风险的性质在半年内变了

英伟达的基本面在 2026 年下半年依然很强，近四季净利润 $1,929 亿，没有哪条风险会让它短期内崩塌。但和半年前相比，风险的性质变了：表外承诺、经营现金流腰斩、毛利率下行、ASIC 份额走向持平，都已经写进公司披露和卖方的基准判断。七类风险共同削弱的，是英伟达会以当前速度增长、而且没人能替代它这个假设；拥挤交易则会把这些风险放大并提前触发。盯住每一节的跟踪指标，比预测股价更有用。