N°118 · 犀牛伯爵 · AI 热点深观察

英伟达，2016 年靠游戏赚钱，十年后靠"铲子"收租

2026 年 9 月 · 约 2900 字 · 整理自英伟达财报与公开报道

整理｜犀牛伯爵｜十年财报、一代产品、一个人物，复盘英伟达如何从游戏公司变成 AI 军火商

那是 2016 年 8 月的一个下午，黄仁勋开车来到旧金山，把一台有他亲笔签名的机器搬进了 OpenAI 的办公室。机箱上写着，"To Elon and the OpenAI team! To the future of computing and humanity."，译成中文是，致埃隆和 OpenAI 团队，致计算与人类的未来。

这台机器叫 DGX-1，售价 12.9 万美元，里面装着 8 块 Tesla P100，是当时全世界第一台为深度学习设计的"AI 超级计算机"。在场的人可能没有意识到，他们见证的是一家游戏显卡公司转身的起点。

当时的英伟达，财报上还是一家纯粹的游戏公司。截至 2016 年 1 月的财年，总收入 50.1 亿美元，其中游戏业务 28.2 亿，数据中心只有 3.39 亿，占比 6.8%。公司市值约 200 亿美元，据市场数据。

2016 年 5 月发布的 GTX 1080，国行首发四五千块，不少年轻人省吃俭用也要买一块。没人能想到，十年后，这家公司一个季度的收入就达 962 亿美元，成了人类历史上第一家市值突破 4 万亿美元的公司。

这十年到底发生了什么？是芯片越来越强吗？是，但不只如此。说实话，芯片每代都在变强，可英伟达真正的杀招，早在 2006 年就埋好了。那一年发生的事，当时很少有人在意。

一、2016 年，英伟达还是一家游戏公司

2016 年 4 月的 GTC 大会上，黄仁勋发布了 Tesla P100 和 DGX-1。这是英伟达第一款从零开始为深度学习设计的芯片，也是它第一次把"AI 超级计算机"做成开箱即用的产品。黄仁勋后来回忆，DGX-1 刚发布时，几乎没有客户下单，除了马斯克。于是他亲自开车，把第一台机器送到了旧金山。

这个细节很说明问题。2016 年的英伟达，数据中心业务刚起步，DGX-1 的销量只是个零头。公司的基本盘是游戏，玩家买单，矿工还没进场。黄仁勋却已经认定，加速计算是未来的计算形态。他在财报电话会上反复讲，深度学习对算力的需求是指数级的。这在当时听起来像推销，如今回看，是整整提前了六年的预判。

二、护城河 2006 年就挖好了，只是当时没人看

2006 年 11 月，英伟达发布了 CUDA，业界第一个用 C 语言给 GPU 编程的开发环境。2007 年 2 月，CUDA 的软件开发包开始公开测试。当时的华尔街没人关心这个，游戏显卡卖得好好的，为什么要教一帮科学家写代码？

答案在 2012 年揭晓。那一年，AlexNet 用两块 GTX 580 拿下 ImageNet 图像识别大赛，深度学习一夜爆发。而全世界做深度学习的人发现，能用的顺手的并行计算工具，只有 CUDA。从 2006 年到 2016 年，CUDA 做了十年几乎不赚钱的基础设施，却买到了整个 AI 时代最重要的东西，开发者的习惯。

CUDA 发布后的头十年几乎没赚到什么钱，但它替英伟达锁定了未来二十年 AI 算力的人才供给。框架、教程、论文代码，全都长在 CUDA 上面。竞争对手后来也能做出算力相当的芯片，却发现工程师们只会用 CUDA 写代码。这就是护城河最坚硬的形态，不是技术，是习惯。

三、2018 年，加密矿难差点要了它的命

转折之前，先是一场差点致命的危机。2018 年，加密货币矿难，之前被矿工抢光的游戏显卡，大量回流到渠道，库存积压。2019 年初，英伟达交出一份远低预期的财报，股价在两个月里跌去近一半，据市场数据。黄仁勋把这段经历叫做"加密宿醉"。

一家靠游戏吃饭的公司，凭什么敢把未来押在当时还不赚钱的数据中心上？事后看，恰恰是这场矿难，让英伟达彻底想明白一件事，游戏和挖矿的需求都是周期性的，只有数据中心的算力需求是结构性向上的。从 2019 年起，英伟达的研发和产能，开始毫不犹豫地向数据中心倾斜。

四、2020 年，A100 把"算力"变成了"权力"

2020 年 5 月，疫情中的 GTC 改到线上，黄仁勋在自家厨房发布了 A100。这是第一款为 AI 训练和推理同时设计的通用加速卡。三个月后，英伟达发布季度财报，数据中心收入 17.5 亿美元，第一次超过游戏的 16.5 亿美元。财报的主角，从这一季开始换人了。

从 2020 年三季度起，游戏负责情怀，数据中心负责赚钱，英伟达的估值逻辑彻底变了。疫情加速了云计算，大模型开始吞噬算力，A100 成了全世界 AI 实验室的硬通货。黄仁勋 2026 年还在社交媒体上感慨，A100 从 2020 年服役，一路要干到 2029 年。一块芯片的服役期拉到九年，在半导体史上是罕见的事。

五、2022 到 2024，英伟达把显卡卖成了印钞机

2022 年 3 月，H100 在 GTC 上发布。2022 年 11 月，ChatGPT 引爆全球，算力需求一夜失控。2023 年 2 月公布的 2023 财年财报里，数据中心收入 150.1 亿美元，游戏 90.7 亿美元，全年口径第一次反超。2023 年 5 月，英伟达市值突破 1 万亿美元。

接下来的节奏快得离谱。2024 年 3 月，Blackwell 平台发布。2024 年 5 月的财报电话会上，黄仁勋说，"The next industrial revolution has begun."，下一个工业革命已经开始，各个国家和公司正在和英伟达合作，把万亿美元级别的传统数据中心转向加速计算。

2024 年 6 月，市值突破 3 万亿美元。同一个月，黄仁勋在台北电脑展上公布了下一代 Rubin 平台的路线图。

当全世界都在抢卡的时候，英伟达卖的不再是芯片，是"AI 工厂"的入场券。财报数字是最诚实的，2025 财年总收入 1305 亿美元，同比涨 114%，数据中心 1152 亿美元，涨 142%，净利润 729 亿美元，毛利率维持在 75% 左右。一家硬件公司，卖出了软件公司的毛利率。

六、黄仁勋真正的产品，从来不是显卡

黄仁勋，英伟达联合创始人兼 CEO，1993 年创立公司，掌舵超过 30 年。他的动机从第一天就很清楚，1993 年创立时赌的是"3D 图形是未来"，2006 年推出 CUDA 时赌的是"并行计算是未来"，2016 年押注数据中心时赌的是"加速计算是未来"。三次大赌，他赌的从来不是一款产品，是一种计算范式的转移。

他的立场在 2026 年 8 月的财报电话会上说得最直白，AI 已经到达拐点，token 开始产生利润，现在，算力就是收入。这句话值得琢磨，卖芯片是一锤子买卖，卖"能持续产生收入的算力"，才是他想要的生意。

他的产品从来不是显卡，是"算力即收入"这套叙事，而全世界都买了单。云厂商、大模型公司、主权基金，排着队跟他签长期协议。

2026 年 8 月公布的季度财报，收入 962 亿美元，同比涨 106%，数据中心 890 亿美元，涨 117%，下个季度的指引直接给到 1080 亿美元。算一笔账，962 亿美元一个季度，平均下来每天进账超过 10 亿美元。

七、军火商开始给客户递钱，这是最值得警惕的一节

2025 年 9 月，英伟达宣布向英特尔投资 50 亿美元，每股 23.28 美元，拿下超过 2.14 亿股，同时联手开发多代定制化 x86 CPU 和集成 RTX GPU 芯粒的 SoC，用 NVLink 互联。2025 年 12 月，这笔投资获得美国联邦贸易委员会反垄断放行后完成交割，据路透社报道。一个卖铲子的人，开始入股挖矿工具厂。

这不是孤例。2025 年底英伟达参投英国算力云厂商 Nscale 一案，本号 N°113 已经细拆过，此处不赘述。从参投算力云，到入股英特尔，英伟达这两年在做的事可以概括成一句话，左手卖卡，右手下注，确保买卡的人一直有钱买卡。

当军火商开始给客户递钱，这门生意还是纯粹的卖方市场吗？坦率地讲，这是全篇最值得警惕的信号。质疑者已经进场了。

迈克尔·伯里，Scion Asset Management 创始人，电影《大空头》的原型，2025 年 11 月 3 日披露的 13F 文件显示，他持有英伟达看跌期权，名义价值约 1.87 亿美元。此前他在社交媒体上预警，"sometimes, we see bubbles."，有时候，我们能看到泡沫。

不过要补一句公允的话，期权名义价值不等于真金白银的投入，据测算他实际下注的资金远小于名义值。

另一个质疑者更有意思，萨姆·奥特曼，OpenAI 首席执行官。2025 年 8 月，他在接受 The Verge 采访时说，"Are we in a phase where investors as a whole are overexcited about AI? My opinion is yes."

译成中文是，我们是不是处在一个投资者整体对 AI 过度兴奋的阶段，我的看法是肯定的。

另据报道，MIT 一项研究发现，95% 的企业级生成式 AI 试点没能拿到回报。最大的买家承认市场过热，这话的分量，和空头不一样。

作者也要主动降温一句。这套叙事最脆弱的一环，恰恰是英伟达自己。它一边卖铲子，一边开始给挖矿的人递钱，这正是"循环融资"质疑的靶心。如果有一天，客户的钱续不上了，第一个被反噬的就是军火商自己。

八、核心判断，英伟达赢的不是芯片

写了这么多，可以下判断了。

英伟达这十年的胜利，不是芯片的胜利，是生态的胜利。

第一，财报结构。2016 财年数据中心收入 3.39 亿美元，占 6.8%，2026 年 8 月公布的季度财报，数据中心 890 亿美元，占 92.5%。十年，同一家公司，换了一套赚钱逻辑。

第二，硬件可复制，生态难复制。谷歌的 TPU 只供自家云，AMD 的 ROCm 追了十年仍是配角，据券商测算，英伟达在 AI 加速卡市场的份额超过九成。以上份额为券商测算口径，非官方披露，单独说明，避免误读。

第三，芯片在保值。CoreWeave 首席执行官迈克·英特拉特在财报电话会上披露，到期的 H100 合同以 95% 的原价续租，六年机龄的 A100，二手残值还有约 5000 美元，据 Silicon Data 统计。客户买的不是消耗品，是能持续收租的生产资料。

再算一笔账，据 2026 年 9 月高盛峰会上黄仁勋引用的第三方数据，H100 出租价每小时 3.28 美元，一年租金约 2.9 万美元，而一块 Blackwell 约 2.5 万美元，出租一年就把卡钱赚了回来。

第四，时间。CUDA 发布于 2006 年 11 月，到 2026 年整整 20 年。框架、教程、论文代码全长在它上面，迁移的成本高到没人愿意做第一个吃螃蟹的人。

关键在，这个判断是可以被证伪的。如果到 2028 年底，非 CUDA 生态，包括 AMD ROCm、国产加速卡软件栈、对外开放的云厂商自研芯片，在数据中心 AI 加速卡市场合计拿下 15% 以上份额，以 Mercury Research 或 Omdia 口径为准，本判断失效。

或者，出现头部云厂商把核心训练负载大规模迁出 CUDA 的公开案例，本判断同样失效。

复盘时间点定在 2027 年 Q1 财报季，到时候看 Rubin 的量产爬坡和数据中心收入占比说话。

给读者留一个实用的方法。下次看英伟达财报，别只看总收入，看三个数，数据中心收入占比、毛利率、渠道库存水位。占比掉说明基本盘松动，毛利率掉说明定价权松动，库存涨说明需求见顶。三个数，比十篇研报都诚实。

2016 年那个下午，黄仁勋在 DGX-1 机箱上签下"致计算与人类的未来"。十年后再看，他签的不是一台机器，是一张船票。而这张船票，只有 CUDA 能印。