Nvidia 收盘上涨 0.75% 至 183.22 美元，但缓慢上行掩盖了更尖锐的风险叙事：其最大客户正在自行打造加速器。随着 Google、Amazon、Microsoft 和 OpenAI 加码定制硅片——Meta 也通过收购进入——超级规模云服务商正从价格接受者转向平台竞争者，这一转变威胁到 Nvidia 的定价权，即便单位需求仍然火热。
AI 芯片争夺战仍然是 Nvidia 的赛道，但客户构成的变化对利润率具有重要影响。Google 长期运行的 TPU 项目正在超越内部工作负载，据近期报道还将对外销售。Amazon 在 Project Rainier 下扩大 Trainium2 的规模，Anthropic 已是旗舰用户之一。Microsoft 虽然起步较慢，但仍在推进 Maia，OpenAI 则与 Broadcom 合作设计自己的部件。Meta 收购 Rivos 则为其内部实力增添火力。这些公司并不需要在规模上大量销售芯片就能削弱 Nvidia 的杠杆作用。它们只需提供足够多的可行、更便宜的替代品，来维护自身数据中心的经济性——并迫使 Nvidia 在价格和交付上保持诚实。
JPMorgan 预计到 2028 年定制芯片将占 AI 加速器市场的 45%，而 2024 年为 37%。这种构成变化至关重要。超级规模云服务商表示，相比租用 Nvidia GPU，自家硅片能带来更高收益，因为它们掌控从编译器到网络的全栈。更便宜、针对工作负载调优的芯片对于越来越多的训练和推理场景已足够，尤其是在软件抽象层改进的情况下。这就是分析师口中所谓的“千刀万剐”。即便 Nvidia 在更大的市场中继续增长出货量，内部替代品的持续涌现也能削减定义本轮周期的溢价定价。短期结果是健康的收入；长期风险则是当超级规模云服务商拥有可信替代品时，毛利率回归常态。
Google 据报将把 TPU 物理出售给外部云提供商，这是 Nvidia 最复杂客户正成为竞争者的最清晰信号。TPU 系列经过多代演进，最新的 Ironwood 延续了十年的迭代，已缩小性能与能效差距。分析师认为，在最前沿实验室和对成本敏感的企业 AI 场景，特别是那些工作流程已为 Google 软件栈优化的地方，会存在需求。如果 Google 将外部 TPU 系统规模化部署，将重置每美元性能和每机架功率的预期——这些基准会影响采购决策，超出单一供应商的范畴。它也将验证定制硅不仅是内部成本对冲的商业模式，从而吸引 AWS 和 Azure 更积极地将自家硬件推向第三方工作负载。
预计 2026 年将成为非 Nvidia 硅片活跃年。Seaport 的 Jay Goldberg 看到定制芯片供应链活动加速，路线图说明了原因。AWS 已在生产部署 Trainium2，并在 Project Rainier 下投资产能。Microsoft 在首代 Maia 上落后，激励其赶上以保护 Azure 毛利和开发者锁定。Meta 在早期努力效果不一后，依靠 Rivos 加强其 AI 加速器计划。OpenAI 与 Broadcom 的合作指向为其最计算密集型工作负载打造专门路径。这些并非虚荣项目，而是超级规模云服务商在数千亿美元计的资本支出周期中拒绝被单一供应商绑定的逻辑结果。
Nvidia 的反击简单且目前有效：它出售的是整套 AI 工厂。Jensen Huang 的主张是 Nvidia 不仅仅是 GPU 供应商。它将 Blackwell GPU 与自研 Grace CPU 及网络设备整合为交钥匙机架，提供减少部署风险和缩短价值实现时间的全栈方案，满足争相推出 AI 功能的客户需求。这很重要，因为 AI 的瓶颈不仅在原始算力，还涉及网络、软件和编排。通过控制系统和以 CUDA 为主导的软件生态，Nvidia 在竞争对手薄弱的地方守住护城河。超级规模云服务商可以造芯片，但要构建一个连贯、可扩展并拥有庞大开发者基础的系统要困难得多。这正是投资者为之买单的优势。
华尔街有观点认为，定制芯片浪潮不会打垮 Nvidia，因为市场扩张速度仍超过任何一个竞争者能够填补的空白。Bank of America 等将其描述为“在不断扩大的蛋糕中争夺份额”的故事：Nvidia 不断找到扩展需求的方法，从训练大规模前沿模型到即将到来的推理与数据处理浪潮。这种情形在定价权正常化的同时仍可能成立。估值的关键细节不是出货量而是溢价毛利的可持续性。如果到 2028 年定制硅占据 40% 至 45% 的加速器份额，即便不夺走 Nvidia 的王冠，也会锚定对更低单价平均销售价格（ASP）和在大型云交易中更积极折扣的预期。Nvidia 在体量和平台上仍有优势，但胜利的形态会改变。
定制硅不仅替代 Nvidia，也重新分配利润池。Broadcom (AVGO) 和 Marvell (MRVL) 已作为设计与制造合作伙伴出现在超级规模云服务商的路线图中。像 SK Hynix 和 Micron 这样的内存厂商参与到每一种需要高带宽内存的配置中，无论加速器上的品牌如何。网络仍是瓶颈，谁能在机架级别解决每瓦带宽和低延迟扩展，谁就能受益；Nvidia 在这方面占优势，但商用硅和内部设计也在崛起。如果 Google 的 TPU 系统对外出货，预计光互连和供电基础设施将随之波动，行业会围绕多种参考架构而非仅 Nvidia 进行优化。赢得 AI 数据中心越来越成为供应链控制的问题，而不仅仅是芯片领导力。
短期内，关注 Google 外部 TPU 的节奏与定价、AWS Trainium2 的可用性与基准透明度、Microsoft 的 Maia 路线图，以及 OpenAI 与 Broadcom 合作的任何实质性里程碑。这些将显示超级规模云服务商是否打算将其芯片推向外部工作负载并为客户创造营收。对于 Nvidia，则要留意 Blackwell 系统如何被捆绑销售、软件授权是否成为更重要的杠杆，以及其对云巨头多年来容量预约的定价策略有多激进。AMD (AMD) 仍是 GPU 赛道上最直接的替代者；如果超级规模云服务商将自家硅主推至主流推理，AMD 的上行空间可能偏向企业和专用训练利基，除非它赢得重复的大规模胜利。截至最新收盘，Nvidia 股价仍然坚挺，但研究语气与客户公告的缓慢节奏预示着利润率故事将更紧张。多头基于平台深度与执行力依然有道理；空头则在组合与定价上找到成长空间。
Nvidia 并未让出 AI 时代。它正在围绕系统、软件与迭代速度重新定义战场，而超级规模云服务商正啃食它们最能控制成本的栈中环节。这使得今天适度的股价上涨合理，同时将长期争论推向更激烈的层面。如果大科技的定制硅在 2026 年中期找到节奏，Nvidia 的单位增长可以保持强劲，但在最大交易中的抽成率将走低。对投资者而言，问题不再只是 Nvidia 是否保持领先，而是当其客户同时也是最有能力的竞争对手时，应该给出怎样的溢价倍数。
