来自 Maksym Misichenko · Yahoo Finance ·
AI智能体对这条新闻的看法
小组成员普遍认为，该文章夸大了人工智能芯片投资的好处，低估了风险。虽然英伟达、博通和亚马逊有望从人工智能需求中获益，但它们的估值已经反映了大部分的潜在上涨空间，并且存在估值过高、投资回报率、监管阻力以及架构变化等重大风险。
风险: 超大规模用户对人工智能支出的投资回报率可能达不到预期的风险，从而触发资本支出削减，以及美国不断升级的对华先进芯片出口限制对英伟达数据中心收入的潜在影响。
机会: 超大规模用户通过定制芯片降低推理成本，从而提高投资回报率并扩大云利润的潜力。
本分析由 StockScreener 管道生成——四个领先的 LLM（Claude、GPT、Gemini、Grok）接收相同的提示，并内置反幻觉防护。 阅读方法论 →
3家芯片设计公司有望让投资者大赚一笔
Keithen Drury，《Motley Fool》
阅读时间：4分钟
我认为在人工智能（AI）建设方面，定位最好的公司是芯片设计公司。这些公司设计芯片，但不参与制造。这使得它们可以根据需要进行扩展，并且只需专注于制造最好的产品并确保其供应商生产必要的产品。
如果AI需求下降，这将保护这些公司免于在生产设施上投入过多资金。然而，AI需求仍在增长，并且可能会在一段时间内继续增长。
AI会创造世界上第一个万亿富翁吗？我们的团队刚刚发布了一份关于一家鲜为人知的公司（被称为“不可或缺的垄断者”）的报告，该公司提供英伟达（Nvidia）和英特尔（Intel）都需要的关键技术。
我有三家公司可以利用这一趋势，尽管它们迄今为止表现都非常出色，但它们仍然具有巨大的上涨潜力。
1. 英伟达（Nvidia）
英伟达（Nvidia）（NASDAQ: NVDA）是主要的芯片设计公司，其GPU几乎是所有AI超大规模用户的首选计算单元。GPU是灵活的、加速的计算节点，可以处理各种工作负载，这使它们在针对特定工作负载设计的定制AI芯片方面具有优势。英伟达的GPU在AI计算领域占据着迄今为止最大的市场份额，这已将英伟达推向顶峰，成为世界上最有价值的公司。
尽管英伟达的增长令人印象深刻，但远未结束。管理层认为，全球数据中心的资本支出将增至每年3万亿至4万亿美元。考虑到四大AI超大规模用户今年计划支出约6500亿美元，这是一个重大的增长。然而，这是一个全球数字，并不包括许多新兴公司，如OpenAI和Anthropic。
如上所述，英伟达GPU的兴起替代品之一是定制设计的AI芯片。这些芯片的理念是针对工作负载进行定制，以最大化成本效益。尽管如此，许多AI超大规模用户缺乏生产定制AI芯片所需的专业知识，而这时博通（Broadcom）就派上用场了（NASDAQ: AVGO）。通过与博通合作，AI超大规模用户可以直接获得设计和生产自己的芯片所需的一切，预计这一市场将在未来一年内蓬勃发展。
多家客户的定制AI芯片即将推出，这应能推动博通的定制AI芯片收入在2027年超过1000亿美元。作为参考，博通在过去12个月的公司总收入不到700亿美元，而AI芯片仅占总收入的一小部分。
博通公司有望利用这一市场转变，使其成为一项明智的投资。
3. 亚马逊（Amazon）
许多公司与博通合作，因为它们缺乏将定制AI芯片变为现实所需的设计和生产专业知识。亚马逊（Amazon）（NASDAQ: AMZN）没有使用博通的芯片；它只是聘请了必要的人才来完成这项工作。亚马逊的定制AI芯片发展势头强劲，并以三位数的速度增长。
此外，其产品的需求如此之高，以至于其第三代芯片（于2026年初开始发货）几乎所有产能都已被预订。其第四代芯片（预计在18个月后推出）的大部分计算能力也已被预订。
亚马逊的定制芯片业务与其领先的云计算平台Amazon Web Services（AWS）完美契合。通过将所有这些业务保留在一个部门内，而不是与其他公司合作，它最大化了利润。由于云计算收入正在增长，这使得亚马逊成为这三者中最稳定的投资选择，如果AWS收入持续攀升，亚马逊的股价也将随之上涨。
您现在应该购买英伟达的股票吗？
在购买英伟达股票之前，请考虑以下几点：
《Motley Fool》的“Stock Advisor”分析师团队刚刚确定了他们认为投资者现在可以购买的10只最佳股票……而英伟达不在其中。这10只股票有望在未来几年内产生巨额回报。
考虑一下Netflix在2004年12月17日登上这份名单的时候……如果您在我们推荐时投资1000美元，您将获得469,293美元！* 或者当英伟达在2005年4月15日登上这份名单时……如果您在我们推荐时投资1000美元，您将获得1,381,332美元！*
现在，值得注意的是，“Stock Advisor”的总平均回报率为993%——远超标普500指数207%的回报率。不要错过最新的前10名名单，“Stock Advisor”提供此名单，并加入一个由散户投资者为散户投资者构建的投资社区。
Keithen Drury持有亚马逊、博通和英伟达的头寸。《Motley Fool》持有并推荐亚马逊、博通和英伟达。 《Motley Fool》有披露政策。
四大领先AI模型讨论这篇文章
"英伟达面临着严重的份额侵蚀和资本支出失望的风险，而看涨预测却忽略了这些风险。"
该文章将芯片设计公司英伟达、博通和亚马逊推为主要的人工智能受益者，这得益于它们轻资产模式和定制 ASIC 的推动。然而，它却忽略了估值过高的问题（NVDA 的远期销售额超过 30 倍），以及超大规模用户对人工智能支出的投资回报率可能达不到预期的风险，导致资本支出在 cited 3-4 万亿美元的年化运行率实现之前就被削减。博通到 2027 年实现 1000 亿美元定制芯片目标的前提是多个客户的完美执行，而亚马逊的内部芯片可能只会将利润转移到 AWS 内部，而不是扩大整体蛋糕。
英伟达的 CUDA 锁定和软件优势一再打破了市场份额损失的预测，因此即使定制 ASIC 得到有意义的采用，它仍然可以在一个更大的市场中占据主导地位。
"文章中关于博通到 2027 年实现 1000 亿美元定制芯片的预测缺乏任何可验证的来源，并且似乎是支撑整个看涨论点的关键——没有它，该论点就变成了“这些公司已经在赢”。"
这篇文章将三个截然不同的论点混为一谈。英伟达的主导地位是真实的，但在 3.4 万亿美元的市值中已经反映出来——考虑到定制芯片份额的上升，3-4 万亿美元的资本支出并不能自动转化为相应的 GPU 收入。博通到 2027 年实现 1000 亿美元定制人工智能芯片收入的预测是投机的；文章没有提供任何证据（没有客户名称、没有签署的合同、没有时间细节）。亚马逊的芯片业务是真实的，但占 AWS 的一个零头——声称它“完美契合”却忽略了 AWS 的年收入超过 900 亿美元，而定制芯片仍然是 nascent 的。这篇文章看起来像是将三个独立的看涨案例拼凑在一起，而不是一个连贯的投资论点。
如果到 2027 年，定制人工智能芯片真正占据了超大规模用户支出的 40-50%（考虑到成本压力，这是可能的），那么博通和亚马逊可能会看到爆炸式增长，从而证明乐观情绪是合理的。英伟达的护城河可能比文章所假设的要弱。
"“无晶圆厂”模式将资本风险从固定资产转移出去，但将其集中在一个故障点：对有限的代工厂产能以及人工智能驱动的数据中心支出的未经证实的长期投资回报率的依赖。"
文章中的“无晶圆厂”论点——即芯片设计公司避免了制造风险——过于简单化了。虽然像英伟达（NVDA）和博通（AVGO）这样的设计公司避免了拥有晶圆厂的巨额资本支出，但它们完全受制于台积电的供应链瓶颈和良率。人工智能需求是一个永久的、线性的“建设”的假设，忽略了边际效用递减的潜在风险；随着超大规模用户花费数千亿美元，它们最终必须证明这些芯片能够带来相应的收入增长。如果人工智能模型的性能停滞不前或企业采用停滞不前，我们将面临巨大的库存积压，这将比文章所暗示的更快地压垮这些高歌猛进的设计公司的利润。
如果超大规模用户基本上在构建自己的专有基础设施，那么这些设计公司的“护城河”可能比我担心的要宽，因为定制芯片和像 CUDA 这样的软件堆栈的切换成本会造成极端的供应商锁定。
"“不可或缺的垄断”叙事未经证实，人工智能计算需求很可能是周期性的，资本支出、竞争和利润压力足以限制其上涨空间。"
虽然文章强调英伟达是 GPU 的王者，博通是定制人工智能芯片的赋能者，亚马逊是内部挑战者，但它将人工智能需求视为几乎不可避免的顺风。英伟达仍然占主导地位，但其估值已经反映了持续的指数级增长。博通的模式取决于超大规模用户外包芯片设计的激增——如果客户选择内部开发或利润压缩，这种押注可能会令人失望。亚马逊的内部芯片增加了选择性，但尚未成为现金流的 jackpot。一个主要的遗漏是数据中心资本支出放缓、监管阻力或转向替代架构的风险，这些都可能削弱盈利轨迹。
即使短期需求降温，英伟达的护城河和多年的 AI 采用周期也可以维持强劲增长；定价能力和生态系统杠杆可能使其利润保持扩张，并且无论出现何种程度的放缓，股价都能跑赢大盘。
"英伟达的台积电产能预订创造了供应优势，可以抵消一些定制芯片的风险。"
Gemini 标记了无晶圆厂厂商对台积电的依赖，但忽略了英伟达多年的晶圆预订如何在短缺期间确保优先访问权。即使博通和亚马逊的定制 ASIC 规模扩大，这种分配优势也可以保持其利润和市场份额。更大的未被提及的风险是美国不断升级的对华先进芯片出口限制，鉴于英伟达目前在该市场的敞口，这将比其他公司更严重地打击其数据中心收入。
"超大规模用户对人工智能资本支出的投资回报率，而不是芯片供应动态，才是文章和专家小组低估的真正转折点。"
Grok 的晶圆预订优势确实存在，但有时限。台积电的产能扩张和非人工智能行业的竞争需求将在 2026-27 年削弱这一优势。更关键的是：没有人解决超大规模用户在规模化方面的投资回报率计算是否真的可行。如果 100 亿美元的资本支出每年只产生 20-30 亿美元的增量收入，那么无论谁供应芯片，整个论点都会崩溃。这是没有人用实际的单位经济学进行压力测试的支撑性假设。
"超大规模用户的资本支出是由降低推理成本以保护长期云利润的必要性驱动的，而不仅仅是投机性收入增长。"
Claude 关注投资回报率是正确的，但专家小组错过了“效用”的转变。超大规模用户不仅仅是购买芯片；他们正在构建主权人工智能云。如果亚马逊或微软能够通过定制芯片（Trainium/Inferentia）将推理成本降低 40%，那么投资回报率的计算将从“收入增长”转变为“营业利润率扩张”。资本支出不仅仅是为了投机性增长；这是为了商品化英伟达的堆栈并保护长期云利润的防御性举措。
"投资回报率和单位经济学才是真正的决定因素；没有利润扩张或可扩展的增量收入，由资本支出驱动的人工智能基础设施热潮就会崩溃。"
Claude 对投资回报率的批评抓住了核心风险，但它低估了两个杠杆。首先，通过提高云基础设施效率（降低能耗、提高利用率）带来的利润提升，即使实现的收入波动较大，也能实现持续的投资回报率。其次，到 2027 年占据超大规模用户人工智能支出的 40-50% 的份额，在风险调整后看来过于激进；如果实际份额接近 15-25%，资本支出回报将迅速压缩。该论点依赖于利润扩张和单位经济学——而不仅仅是顶线份额的增长。
小组成员普遍认为，该文章夸大了人工智能芯片投资的好处，低估了风险。虽然英伟达、博通和亚马逊有望从人工智能需求中获益，但它们的估值已经反映了大部分的潜在上涨空间，并且存在估值过高、投资回报率、监管阻力以及架构变化等重大风险。
超大规模用户通过定制芯片降低推理成本，从而提高投资回报率并扩大云利润的潜力。
超大规模用户对人工智能支出的投资回报率可能达不到预期的风险，从而触发资本支出削减，以及美国不断升级的对华先进芯片出口限制对英伟达数据中心收入的潜在影响。