思宇时评 ▋金思宇(中国智库高级研究员、经济学家)

引言

2026年11月12日,黄仁勋辞去英伟达CEO职务。市场最剧烈的反应不在英伟达自身——当日收盘跌幅收窄至4.34%——而在那些仰赖英伟达信用背书才得以将未来算力订单转化为当下融资的新云企业:CoreWeave两个交易日跌去13%,Nebius在营收预期下调后两日暴跌25%,CoreWeave 2031年到期的无担保债券收益率一度冲破16%。Needham & Co.高级分析师John Todaro的一句话点破了这层关系:“芯片厂商的信用支持比以往任何时候都更加关键。而英伟达出现的任何震荡,都会引发连锁反应——让新云厂商的信贷支持环境充满变数。”

这不是一场关于黄仁勋个人的讨论。真正被重新定价的,是过去数年AI生态运转所依赖的一种特殊信用形态:以芯片商资产负债表为支点、以创始人的判断力为润滑剂的“人格化信用”。它的退场,不是AI故事的终章,而是生态融资逻辑从“关系型兜底”切换到“合约型风控”的标志性时刻。理解这一转换的含义,比追问谁接任CEO重要得多。

一、被“人格化信用”遮蔽的结构性问题

花旗集团此前在一份报告中写下了一句后来被反复引用的话:芯片制造商对人工智能生态系统的支持力度可能正在减弱,市场眼下的担忧可以理解。报告进一步指出,芯片商对第三方合作伙伴数据中心及芯片交易的兜底意愿普遍降温,即便是行业龙头,在数据中心长期租赁合同中承担的兜底比例也在显著缩窄。

这句话在黄仁勋辞职前读,是一个商业策略判断;在辞职后读,则是一个治理结构判断。据《Barron‘s》整理的季度披露,英伟达供应链采购、投资及客户支持安排涉及的承诺合计约5305亿美元,其中供应商采购承诺约2790亿美元。这套机制的本质,是把英伟达的财务信用嵌入客户的扩张计划,使芯片需求不完全取决于客户的当期现金流,而部分取决于英伟达愿意为客户的未来承担多少风险。而支撑这套机制的,在相当程度上是黄仁勋个人的判断力和“他看过了”的信号价值——客户买的不只是算力,更是一层隐含的信用背书。

问题在于,这种人格化信用在英伟达的治理结构里没有制度性容器。黄仁勋仅持股3.58%,无超级投票权,董事会过半数即可将CEO免职,公司没有二号人物,也没有披露过书面继任计划。一个以个人判断为支点的信用系统,在五千亿美元级别的表外承诺面前,本身就难以长期持续。丑闻和政治窗口可能是扣动扳机的力量,但枪本身或许早就顶在头上。

接任临时CEO的Colette Kress,此前在CFO任内已经展现了截然不同的风险取向:她曾将OpenAI俄亥俄州项目初步商定的2500亿美元担保规模削减逾半至最高1050亿美元,并在担保快速扩张期间反复追问如何为担保定价。这不是对AI前景的否定,而是从“愿意用个人判断为全行业兜底”向“按规则逐笔定价风险”的转换。香港经济日报对此的判断是准确的:变局的核心不是AI融资全面退潮,而是“财务担保”要重新定价。资金没有离开AI,只是在要求更高的风险补偿。

二、“退潮”的真实刻度:从兜底比例到资本开支的三重下修

第一,信用兜底的收缩,在黄仁勋离场前已经发生,辞职只是将其显性化。

在5000亿美元规模的数据中心与芯片采购联合融资安排中,英伟达将担保比例严格限制在部分交易价值的25%以内,低于部分贷款行与客户认为促成交易所需的底线。截至10月底,该融资平台尚未落地任何一笔交易;向Nscale提供逾50亿美元信用担保的协议同样未签署。数据中心高管透露,近几个月英伟达已不再侧重通过签订租赁协议为新云厂商采购算力,转而寻求负担较轻的保障措施,以避免在资产负债表上承担前期负担。今年早些时候,英伟达曾与CoreWeave商讨承担佐治亚州道尔顿数据中心租赁义务的可能性,交易最终未达成。

上游的容忍度同步收紧。TeraWulf因CoreWeave无法满足投资级或蓝筹全额背书门槛而终止合作考量;Applied Digital将非投资级客户的敞口上限硬性卡在总容量的30%以内。信用的“可得性”在总量上未必急剧下降,但在分配上正在向已有合约保障和投资级资质的参与者集中。这正是公共品供给收缩最典型的表现形式:不是完全消失,而是不再普惠。

第二,开源与生态投入的连续性被打上问号,而这一变化比担保金额更难计量。

SemiAnalysis在黄仁勋辞职后直言:如果英伟达不再支持开源生态系统——那曾是黄仁勋的主要目标之一——开源生态系统将弱得多,Anthropic看起来更有可能获得完全垄断或双头垄断。SemiAnalysis的Dylan Patel进一步给出了机制解释:英伟达在黄仁勋主导下用资金和算力深度资助开源权重模型初创公司,“美国的开源生态系与许多初创公司仰赖中国AI模型。随着黄仁勋离任、对华鹰派占上风,这套生态将受到重大冲击”。

这里需要做一个精确的区分:黄仁勋资助开源,底层动机未必是信仰开源,而更可能是让模型层保持竞争性,防止智能的溢价沉淀为少数闭源实验室的定价权,从而让价值更刚性地下沉到算力层。模型层越分散、越便宜,算力层就越不可替代。这一战略逻辑的退场,对开源生态的打击是真实的,但它并不意味着“闭源路线胜利”。Menlo Ventures截至2026年9月的调研显示,开源模型处理了19%的企业Token用量,却只拿走了4%的模型支出,支出份额不仅没有上升,反而从前一年的6%进一步下滑;更反直觉的是,美国企业用于开源模型的支出中,中国模型合计占89%。开源在“跑量”上早已占优,在“收钱”上从未占优——这一结构性张力,不是某一个人的去留能够改变的,但人格化信用退场会让它变得更加尖锐。

第三,资本开支预期的系统性下修,为上述微观变化提供了宏观注脚。

SemiAnalysis在11月13日更新的模型中,将2028年全球AI加速器资本开支预测下调28%,2029年和2030年分别下调41%和40%;2030年预测从1.531万亿美元降至9230亿美元,削减6080亿美元。2027年至2030年累计预期较此前减少约1.6万亿美元。2026年至2030年加速器逻辑硅片出货面积累计下调17%,英伟达占削减幅度的66%;2028年HBM出货量预测下调30%,2030年AI加速器功耗需求下调34%。该机构给出的理由不是“AI不重要了”,而是三重约束同时收紧:前沿实验室第三季度新增年度经常性收入增速放缓,使整个生态可产生的Token收入规模需要重新审视;债务和股权投资者对缺乏大型云厂商采购承诺的项目融资意愿减弱;监管与并网约束预计使2027年下半年至2028年上半年投产的数据中心中约5.8GW被推迟。

一个值得注意的细节是:资本开支的下调幅度并不完全等于芯片实际需求的下调幅度。以2030年为例,资本开支预测下调约40%,但逻辑晶圆出货面积仅下调15%,HBM位元需求下调12%。这说明调整中有相当一部分来自芯片售价和存储器成本预期下降,而非纯粹的量的收缩。市场此前对投资规模、芯片价格与客户采购能力的乐观预期在回归理性——但当“预期下修”与“信用收缩”同时发生,承受双重挤压的不会是头部云厂商,而是生态中间层。

三、深层逻辑:三笔账与一次利润分配机制的重构

芯片商“退潮”并非情绪转向,而是三笔结构性账目在同一时间窗口内集中兑现,且每一笔都与人格化信用的退场相互强化。

第一笔是风险账:循环融资的隐患从隐性变为显性。 英伟达的应收账款从2026年1月底的385亿美元升至6月末的631亿美元,单季增加约246亿美元;同期经营性现金流240亿美元,与560亿美元的净利润之间形成约320亿美元的缺口,仅五家客户即占应收账款余额的70%。CFO对投资级客户延长付款条款的解释,恰恰说明现金回收的时间结构正在被客户谈判力所重塑。当客户资质分化、融资环境收紧,“以信用换订单”的模式就会从增长杠杆变成风险敞口。压缩担保比例,是在为可能的坏账与残值风险提前止损——商业上无可指摘,但对生态而言,这意味着公共性的信用供给被抽回。

第二笔是竞争账:客户不再单一依赖某一家硬件,生态投入的“战略回报”在下降。 摩根大通的数据显示,在前沿AI实验室未来拟确保的算力基础设施中,英伟达GPU的合约份额已从2023—2025年的83%降至39%,博通定制芯片以24%位居次席,谷歌TPU占16%,AMD GPU占15%。这个数字衡量的是“合约份额”而非存量装机,且定制ASIC的统计口径天然偏向超大规模云厂商的自研需求,方向却是清楚的:推理侧对成本、能效和场景适配的敏感度,给了多元化架构切入的缝隙。当客户可以用“不绑定”来议价,芯片商通过开源投入和生态补贴换取长期锁定的性价比就在下降。

第三笔是回报账:应用变现的速度没有跟上资本开支的速度。 四大云厂商2026年资本开支指引合计约7300亿美元,较2025年的约4100亿美元高出约77%;与之对照,直接AI年收入约250亿美元,仅相当于开支的约4%。美银调查显示,认为企业投资过度的净比例达到创纪录的38%,52%的受访者预计未来半年将有AI超大规模云厂商宣布削减资本开支。当变现曲线与投入曲线之间的缺口无法在可接受的时间窗口内收敛,继续为回报周期不明的项目大规模增信,等于替别人承担产业周期的下行风险。

三笔账合起来,指向的不仅是“补贴式生态”向“市场化生态”的切换,更是一次利润分配机制的重构。黄仁勋在任时,英伟达用资金和生态投资实质性地补贴了模型层的竞争性,让价值持续向算力层下沉。他的离场移除了这个补贴机制中最有决断力的执行者。AI产业的利润分配,正在从“模型层是否足够分散以支撑算力层定价权”这个由个人施加影响的问题,变成一个由推理经济效率、架构迁移成本和地缘供给约束共同决定的、去人格化的结构问题。

四、真正的风险不在芯片断供,而在“公共品”供给的制度真空

把这件事理解为“信用退潮”,比理解为“商业策略调整”更准确,也更值得警惕。

现代AI生态的繁荣,依赖一组具有准公共品性质的基础设施:开放的模型权重与数据集、成熟的软件栈与开发工具、活跃的开发者社区、可供中小团队低成本验证想法的算力与中试环境。这些投入的正外部性决定了单个企业难以独占其收益,因此长期由具备超额利润的巨头“代行供给”。芯片商过去对开源框架、开发者关系和生态伙伴的投入,客观上承担了这部分职能。人格化信用的退场,不仅抽走了信用兜底,也抽走了“谁来判断哪些公共品值得供养”的那个非制度化的决策节点。

ICML 2026的一篇立场论文对此提供了理论层面的呼应:当前形式的“开源AI”无法真正实现AI访问的民主化或提供Linux、PyTorch那样的公共品,开源只有嵌入“公共AI”——由政府、国家实验室、大学和非营利机构提供算力、推理、后训练和数据的基础设施——才有可能成功。这一判断与眼下的现实形成了有意味的对照:当私人部门的公共品供给随信用周期收缩,制度化的公共供给缺位就会被放大。

后果不是线性的“少一些支持”,而是生态分层机制的改变。第一层,创新门槛抬升,生态多样性收窄。 中小团队获取算力、模型与工具的边际成本上升,试错从“可以承受的失败”变成“需要严肃计算的风险敞口”。第二层,寡头化在结构上被加速。 生态话语权向同时具备芯片定义能力、标准制定能力和模型入口控制力的少数企业集中。这种集中不是通过消灭竞争对手实现的,而是通过“信用供给的可得性差异”实现的:能拿到担保的头部玩家和拿不到担保的中小玩家,融资成本差距被系统性拉开,竞争起点不再相同。第三层,“断供”的形态升级。 过去产业安全讨论中的“卡脖子”主要指硬件断供;当生态支持收缩,更隐蔽的风险是支持断供——软件工具停止更新、社区不再维护、接口变更不再提前告知。这类风险不体现在海关清单上,却同样能限制一个团队的研发节奏和技术路线选择。

信用的“形态转换”并不意味着供给总量归零。博通为Anthropic安排的600亿美元债务融资中,约420亿美元优先债务由博通提供担保,博通还利用A-级信用评级帮助降低借贷成本;另有为OpenAI定制芯片项目安排的超过500亿美元融资。生态融资仍在运转,但增信主体从“芯片商的表内兜底”转向“更分散的机构化担保”,门槛更高、定价更市场、对缺乏评级与抵押物的中小参与者更不友好。

五、中国科技产业的应对:从“生态使用者”到“全栈效率的证明者”

这轮变化的启示,不在于简单判断“AI是否退潮”,而在于重新审视一个根本问题:当一个生态的公共品供给和信用供给同时从“人格化”转向“合约化”,依赖方的安全边界应该建立在哪里。

第一,不能把别人的生态热情当作自己的基础设施。 外部生态的开放程度,取决于供给方的商业计算和治理结构变化,而非需求方的期待。凡是把发展节奏建立在“别人持续让利”假设之上的环节,都需要重新做压力测试。

第二,自主可控的实质是“生态迁移成本”的自主可控。 国产算力近期出现了一个值得认真对待的进展:DeepSeek开源了面向华为昇腾算力平台的全套基础设施组件,涵盖TileLang高级语言编译工具、计算库和分布式通信库,所有组件与面向英伟达平台的开源组件一一对应。其关键意义不在于“多了一个可用的芯片”,而在于将迁移成本从“企业重写全部代码”转变为“芯片厂商完成一次底层适配”。这与Anthropic披露的Claude Mythos模型仅用3天即让近100% kernel由AI编写或移植形成了有意味的对照——CUDA迁移的决策门槛在下降,但“迁移之后性能能否达到预期”的工程门槛仍然存在。

第三,市场份额的结构性变化比单一数字更值得关注。 IDC数据显示,2026年上半年英伟达在中国数据中心AI芯片市场的份额降至34%,出货量同比下降44%;华为昇腾以28%、57.2万颗紧随其后,差距从31个百分点收窄至6个百分点。一个更容易被忽略的结构变化是:中国接收的非GPU加速器出货量增长了近80%,首次超过GPU出货量,华为、平头哥、昆仑芯和寒武纪合计占据非GPU市场95%的份额。市场的增长引擎可能正在从英伟达占据主导的通用GPU赛道,转向国产厂商更占优势的专用推理赛道。但份额提升目前更多发生在推理集群和中等规模训练场景,超高规格大训练集群的验证周期更长,CUDA向CANN的迁移仍面临代码重写和重新优化的实质成本。替代的瓶颈不在“意愿”,而在全栈效率:制程、HBM供应、互联能力,以及最冷冰冰的那个算式——每产出一个token的全口径TCO,国产方案是否真的更低。外部信用环境收紧会把国产替代从“性价比选项”进一步推向“供应链安全的刚性支出”,但“必须用自己的”和“用自己的更划算”之间,仍然隔着需要用工程时间填平的沟。

第四,算力投资需要从“规模竞赛”切换到“回报约束”。 外部资本开支预期下修和融资门槛抬升,是一面可用的镜子。国内智能算力建设同样需要警惕“重建设、轻运营”“重训练、轻推理”的倾向。在“市场化生态”阶段,存活下来的不是规模最大的参与者,而是单位算力产出最高的参与者。

六、结语:当信用不再由一个人担保

黄仁勋的离场,把一个被他的个人信用延缓了太久的问题摆上了台面:当每一张GPU、每一座数据中心、每一份长期合约不再由某个人的判断力隐性担保,它们到底值多少钱,将由谁、以什么频率、按什么标准来重新定价。芯片商支持力度的减弱、资本开支预期的下修、开源公共品供给的收缩,三者叠加暴露的不是AI的虚假繁荣,而是一个更朴素的事实:任何产业的长期繁荣,最终不能建立在少数主体的资产负债表扩张和人格化信用之上。

对中国而言,这既是外部支持收缩带来的现实压力,也是检验自主生态成色的窗口。自己搭台的能力,不体现在口号上,而体现在当别人的信用退潮时,你的工具链是否还有人用,你的算力是否还有人租,你的全栈效率是否经得起TCO的检验。退潮并不可怕。可怕的是退潮时才发现,自己一直站在别人的沙滩上——而那个曾经为沙滩提供隐性担保的人,已经不在那里了。

(本文为思宇时评系列,作者金思宇,中国智库高级研究员、国际问题观察家、经济学家,观点仅代表个人研究判断。)