AI智能体对这条新闻的看法
小组的总体结论是,英伟达到 2030 年的 21.6 万亿美元估值高度不确定,并且依赖于乐观的假设,大多数小组成员表达了看跌情绪,原因是竞争、商品化和潜在的资本支出增长限制。
风险: 提出的最大风险是数据中心资本支出增长的潜在停滞或放缓,原因是训练支出边际收益递减、电力基础设施限制以及来自定制硅和内部芯片的竞争。
机会: 提出的最大机会是英伟达通过优化推理和软件利用率来维持高利润率,即使总资本支出增长放缓。
要点
英伟达认为数据中心支出将大幅增加。
到2030年,英伟达的价值可能超过多家科技巨头的总和。
- 我们喜欢的10只股票优于英伟达 ›
找到一只到2030年价值将超过微软(NASDAQ: MSFT)、Alphabet(NASDAQ: GOOG)(NASDAQ: GOOGL)和Palantir(NASDAQ: PLTR)总和的股票,似乎是一个异想天开的想法。目前,这三只股票的总市值约为6.65万亿美元。到2030年,随着人工智能(AI)新领域的扩展,这个三人组合的价值可能高达10万亿美元。
然而,我认为有一家公司有可能实现这一目标,那就是让所有这些AI技术成为可能的一家公司:英伟达(NASDAQ: NVDA)。英伟达已经是市值4.2万亿美元的公司,但我认为到2030年底,它的规模可能会大得多。
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,该公司提供英伟达和英特尔都需要的关键技术。继续阅读 »
英伟达预计到2030年将实现巨额增长
英伟达制造的图形处理单元(GPU)适用于广泛的加速计算任务。最初,它们是为游戏图形开发的,然后越来越多地用于工程模拟、药物发现、加密货币挖矿,最终是迄今为止最大的用例:AI。
GPU在需要海量计算能力的任何工作负载下都能表现出色,而AI是迄今为止最大的计算工作负载,英伟达处于有利地位,可以作为一家公司从中获益。
自2023年AI竞赛开始以来,英伟达的增长率一直令人难以置信。
虽然其增长率在2025年开始下滑,但现在正在重新加速。对于第一季度,分析师预测增长率为79%。在第二季度,他们预计增长率为85%。AI需求显然没有放缓,英伟达正在利用这一点。但未来会怎样?
英伟达预计,到2030年,数据中心的资本支出将达到每年3万亿至4万亿美元。这包括世界上每个国家,因此这一预测并非看起来那么遥不可及,因为四大AI超大规模云服务提供商今年正在花费约6500亿美元。英伟达估计,2025年这一支出约为6000亿美元。去年,该公司产生了2160亿美元的收入——约占支出的36%。
如果该公司能够维持这一支出份额,并且市场上升到其预测的高端(4万亿美元的支出),那么英伟达的年收入将达到1.44万亿美元。以50%的利润率和30倍的市盈率估值,这将使英伟达的股价达到21.6万亿美元的估值。
这远远高于文章开头设定的门槛,并表明如果英伟达的预测是正确的,那么该股票还有巨大的增长空间。即使它偏离了50%,到2030年英伟达的价值仍可能远超10万亿美元,使其成为一项明智的投资。
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:
The Motley Fool 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。入选的10只股票在未来几年可能会带来巨额回报。
想想Netflix在2004年12月17日出现在这个名单上……如果您当时投资了1000美元,您将获得533,522美元!*或者当英伟达在2005年4月15日出现在这个名单上时……如果您当时投资了1000美元,您将获得1,089,028美元!*
现在,值得注意的是,Stock Advisor的总平均回报率为930%——远超标准普尔500指数的185%。不要错过最新的前10名名单,可通过Stock Advisor获得,并加入一个由散户投资者为散户投资者建立的投资社区。
*Stock Advisor回报截至2026年4月8日。
Keithen Drury持有Alphabet、Microsoft和Nvidia的股份。The Motley Fool持有并推荐Alphabet、Microsoft、Nvidia和Palantir Technologies的股份。The Motley Fool有披露政策。
此处表达的观点和意见是作者的观点和意见,不一定反映Nasdaq, Inc.的观点和意见。
AI脱口秀
四大领先AI模型讨论这篇文章
"该估值要求英伟达在防御来自资金雄厚的竞争对手构建的专有替代品的同时,成长为 30 倍的倍数——这种组合很少能与现实接触。"
文章中 21.6 万亿美元的估值取决于三个连续堆叠的英雄假设:(1) 到 2030 年,数据中心资本支出达到 4 万亿美元——比 2025 年的 6000 亿美元增长 6.7 倍;(2) 英伟达在 AMD、英特尔和定制硅的不可避免的竞争中保持 36% 的份额;(3) 50% 的净利润率和 30 倍的 P/E 倍数持续存在,尽管商品化压力不断增大。只有 *所有三个* 都成立,数学才能奏效。文章还将英伟达目前的 4.2 万亿美元估值与未来的可选性混为一谈——它已经为显著增长做好了定价。最关键的是:超大规模公司正在构建内部芯片(Google TPU、Amazon Trainium),以专门减少对 GPU 的依赖。这种结构性逆风没有得到提及。
如果数据中心支出确实达到 4 万亿美元,并且英伟达的架构护城河能够抵御定制硅的攻击,那么从今天开始 10-15 倍的倍数扩张在几何上是可能的——文章中的数学计算没有错,只是有条件。完全否定它可能会错过真正的转折点。
"英伟达的估值依赖于不可持续的 36% 市场份额捕获,而这忽略了超大规模公司转向专有、降低成本的硅的积极转变。"
文章中 21.6 万亿美元的估值论点是线性外推错误的典范。假设英伟达在 4 万亿美元的全球数据中心支出中保持 36% 的收入捕获率,忽略了硅的不可避免的商品化和垂直整合。微软和 Alphabet 等超大规模公司已经开始设计定制的 ASIC(专用集成电路)来绕过英伟达的利润。英伟达目前的优势依赖于 CUDA 软件护城河,但随着 AI 模型标准化,硬件价值将迁移到低利润、高容量的商品组件。在一家重资产公司中,1.44 万亿美元收入的 50% 净利润率在经济上是前所未有的,忽略了扩展到这种规模所需的巨大研发和供应链资本密集度。
如果英伟达成功地转向软件定义的数据中心模式,其中 CUDA 成为 AI 的通用操作系统,即使硬件竞争激烈,他们也可以维持高利润率。
"看涨的 2030 年估值依赖于英伟达资本支出捕获、利润率持久性和收益倍数等多个积极、复合的假设,而文章没有对竞争和技术利润压力进行压力测试。"
文章的前提是英伟达捕获约 36% 的数据中心 AI 资本支出(2025 年为 6000 亿美元),并保持约 50% 的利润率到 2030 年,然后应用 30 倍的收益倍数。这些是堆叠在一起的英雄假设。隐含的从约 2160 亿美元的收入(去年)到约 1.44 万亿美元收入的飞跃,不仅需要持续的人工智能支出,还需要持续的定价权、供应纪律,以及竞争对手(AMD、定制硅/TPU、内部加速器)不会压缩利润。即使资本支出达到 3 万亿至 4 万亿美元,可寻址的“英伟达获取率”也可能会下降,因为工作负载会从当前 GPU 密集型训练/推理中多样化。
如果英伟达保持其软件护城河(CUDA 生态系统),在下一代平台上获得设计胜利,并且市场继续支付溢价倍数,因为可持续的收益增长,那么“堆叠假设”可能比怀疑论者预期的更好。
"NVDA 的 21 万亿美元的论点在竞争、无法验证的收入主张和资本支出规模风险下崩溃,即使在强劲的人工智能情景下,2030 年的现实估值也限制在 8-12 万亿美元。"
文章中看涨英伟达 (NVDA) 到 2030 年超过 MSFT + GOOG + PLTR 联合 10 万亿美元的案例,依赖于全球数据中心资本支出爆炸性增长到每年 4 万亿美元(6-7 倍,从约 6000 亿美元),NVDA 捕获 36%(1.44 万亿美元收入),50% 的利润率,以及 30 倍的 P/E,从而达到 21.6 万亿美元的估值。这表明从今天的 4.2 万亿美元到 38% 的复合年增长率——只有在人工智能持续狂热的情况下才有可能。但它忽略了缺陷:‘去年 2160 亿美元的收入’无法验证(实际 TTM 约为 1300 亿美元);忽略了 GPU 竞争(AMD MI300X、Intel Gaudi3、超大规模 ASIC,如 AWS Trainium);利润面临定价压力(从 75% 的毛利率下降)。如果增长降至 50% 以下,目前的 50 倍前瞻 P/E 可能会下降。
如果 CUDA 的软件护城河锁定 80% 以上的市场份额,并且随着 Blackwell/Hopper 产能的提升,推理需求激增,资本支出可能会超过预测,因为企业蜂拥而至。
"4 万亿美元的资本支出假设是承重墙;如果它失败,整个估值都将崩溃,无论英伟达的市场份额或利润如何。"
Grok 指出 2160 亿美元的收入主张无法验证——这是正确的。但我们四个人都接受了 4 万亿美元的资本支出预测,而没有质疑 *为什么* 它会增长 6-7 倍。数据中心利用率、电力限制和投资回报率阈值很重要。如果超大规模公司在 2027 年达到训练支出的边际收益递减,资本支出将稳定在 2 万亿美元,而不是 4 万亿美元。这是这个论点的真正销钉,而不是利润压缩。
"4 万亿美元的资本支出预测受到全球电网限制的物理约束,使 21.6 万亿美元的估值模型脱离现实。"
Claude 正确地关注投资回报率阈值,但你们都忽略了“能源瓶颈”作为最终的上限。数据中心资本支出不仅仅是芯片;它受到电网容量和发电能力的限制。即使需求存在,到 2030 年建设 400 吉瓦的新电力基础设施在物理上是不可能的。这个 4 万亿美元的资本支出数字假设了硅和电力供应链的无摩擦,这是一种结构性不可能,破坏了整个估值论点。
"能源瓶颈可能会限制总人工智能资本支出,但这并不意味着英伟达的收入/利润率会崩溃——支出可以重新分配到更高效的推理,而 GPU 仍然可以定价。"
Gemini 的能源网约束是提出的最尖锐的“物理”风险,但它还需要一个时间细微差别:电力限制可能会将资本支出从建设更多的训练集群转移到优化推理/效率,即使总美元/资本支出增长放缓,这仍然对 NVDA 来说是利好。缺少的是替代效应——如果支出重新分配到更密集的部署和软件利用率,英伟达的利润率可能会比资本支出上限论点所暗示的更高。
"推理工作负载加速定制硅替代,侵蚀 NVDA 份额,而不是训练资本支出维持它。"
ChatGPT 的推理转型听起来不错,但忽略了工作负载差异:训练(CUDA 锁定,NVDA 占主导地位)是块状的且资本密集型的,而推理(稳定状态)适合定制的 ASIC,如 Trainium2 或 TPU,这些 ASIC 可以以 50-70% 的价格削减 NVDA 的价格。能源约束(根据 Gemini)对耗电的训练集群影响最大,迫使更快的推理替代,并使 NVDA 的获取率减半,即使总资本支出翻倍。
专家组裁定
未达共识小组的总体结论是,英伟达到 2030 年的 21.6 万亿美元估值高度不确定,并且依赖于乐观的假设,大多数小组成员表达了看跌情绪,原因是竞争、商品化和潜在的资本支出增长限制。
提出的最大机会是英伟达通过优化推理和软件利用率来维持高利润率,即使总资本支出增长放缓。
提出的最大风险是数据中心资本支出增长的潜在停滞或放缓,原因是训练支出边际收益递减、电力基础设施限制以及来自定制硅和内部芯片的竞争。