**黄仁勋再抛英伟达股票，AI 行业分歧下的算力博弈**
黄仁勋再次抛售英伟达股票。9 月 16 日，英伟达向美国 SEC 披露的一份文件显示，黄仁勋处置了 4.57 万股英伟达股票，价格约为 212 美元。乍看之下，这似乎是一个容易被放大的看空信号。英伟达股价持续上扬，但 AI 行业却开始出现另一种声音：投入太快了，资本开支太大了，随着模型越来越便宜，我们真的需要这么多算力吗？偏偏在这个时候，黄仁勋还在踩油门。9 月 18 日，他公开表示，英伟达明年卖出的芯片数量可能达到今年的两倍。一边是关于 AI 是否应该减速的讨论，一边是准备卖出更多芯片。但在急于将黄仁勋的卖股行为解读为看空之前，我们需要先看清这笔交易的实质。
**一、这笔交易的真实性质**
首先，需要厘清这笔交易的性质。今年黄仁勋的股票动作并不只有卖。3 月、6 月、9 月的几次处置主要用于缴税，同时他今年也进行了多次股份转移和赠与。最新披露显示，他通过信托等安排持有的英伟达股份仍然十分庞大。这些动作更像是对个人财富的长期管理。黄仁勋的财富高度集中于英伟达，这种规模的资产需要持续处理税务、信托和资产配置，4.57 万股放在其中并不特殊。更值得对比的是 2025 年。去年 6 月，黄仁勋曾启动一项最高约 8.65 亿美元的 10b5-1 交易计划，并在之后持续出售英伟达股票。那才是真正的主动出售。而今年目前披露的几次交易，性质明显不同。简单来说，他在处理股票，未必是在判断股价，也不能单纯地将这一动作理解为看空。
**二、AI 行业开始讨论“刹车”**
与此同时，AI 行业的讨论焦点已经从“模型还能有多强”，逐渐转向“安全、治理和投入边界”。Anthropic CEO Dario Amode 公开呼吁放慢 AI 能力提升的速度，认为 AI 发展的速度已经快过监管和治理能力。OpenAI CEO Sam Altman 等行业人士也公开支持更谨慎地推进前沿 AI。9 月中旬，这种分歧摆到了台面上。Anthropic 和 OpenAI 等公司的相关人士开始讨论 AI 发展速度和安全风险，而黄仁勋、Meta CEO 马克·扎克伯格则没有加入相关协调放缓的倡议。但这并不意味着 AI 公司准备停下来。OpenAI 和 Anthropic 仍在推进新模型，算力需求并没有消失。变化在于，行业开始重新计算投入的速度。模型能力可以继续提高，但数据中心需要土地、电力、网络和巨额资本开支。AI 进入产业化阶段后，除了技术问题，投入能否产生足够回报，也成为必须回答的问题。资本市场已经感受到了这种变化。过去几年，AI 行业最稀缺的是模型能力；到了今天，算力、电力、数据中心和资本都成了成本。
**三、英伟达继续扩产**
黄仁勋给出的答案很直接。9 月 18 日，他预计英伟达明年芯片销量可能是今年的两倍。这句话放在今天的英伟达身上分量很重。英伟达最新一个季度的收入已经达到 962 亿美元，同比增长 106%。在这样的体量上谈销量翻倍，意味着黄仁勋判断 AI 基础设施仍有很大的增长空间。而且，他所说的芯片已经不只是传统意义上的 GPU。Blackwell 之后是 Rubin，GPU 之外还有 CPU、网络、系统和软件。英伟达正从一家芯片公司，转型为完整的 AI 基础设施供应商。今年发布的 Vera Rubin 平台就是一个明显变化。这不再是一块单独出售的 GPU，而是一套面向 AI 推理和 Agent 的机架级系统，英伟达甚至将其定位为 AI Agent 时代的基础设施。
**四、模型降价后的逻辑**
过去一年，DeepSeek、Kimi 以及大量开源模型提高了模型效率，AI 行业也出现过一种担忧：模型更高效、训练和推理成本下降，GPU 需求会不会减少？黄仁勋的判断一直相反。模型效率提升会让 AI 变便宜，也会让更多任务交给模型。今天一次问答只需要一次推理调用，而 Agent 开始工作后，一项任务可能需要连续调用几十次甚至更多。随着 AI 进入办公、搜索、编程、客服、汽车、机器人和手机，计算需求也会从训练端继续向推理端扩散。训练是一笔集中式投入，而 Agent 工作则可能变成持续发生的计算消费。这也是英伟达不断强调 Inference 和 Agent 的原因。过去大家盯着模型参数，接下来的重点指标会变成 Token 消耗。一个模型越便宜，能够承担的任务越多，Agent 越常用，需要的计算也越多。黄仁勋真正押注的，是模型效率提升、成本下降之后，AI 使用量能不能继续扩大。
**五、英伟达押注的是基建**
这就是黄仁勋与模型公司视角的差异。OpenAI、Anthropic 更关心模型能力能走到哪里，而黄仁勋则看重这些能力跑起来需要多少计算基础设施。显然，这笔账会越来越大。微软、谷歌、Meta、OpenAI 等公司都在持续投入数据中心和 AI 算力，AI 资本开支已成为整个科技行业最受关注的变量之一。更大的变化发生在 GPU 之外。随着算力增加，数据中心需要更多电力，服务器需要更高效的散热和供电，机架之间需要更高带宽的网络，存储和光通信也会跟着扩张。今年，英伟达支持的 AI 云公司 Nscale 在 IPO 文件中披露了 10GW 的电力储备，并获得英伟达 10 亿美元投资。电力开始进入英伟达的生意版图。这说明了问题：当 AI 计算规模足够大，芯片只是基础设施的一部分。英伟达要抓住的，不再是某一代 GPU 的生命周期，而是一轮完整的 AI 基础设施建设。
**六、个人在卖，公司在买**
还有一个容易被忽略的细节。黄仁勋在处理自己的英伟达股票，而英伟达公司却一直在回购自己的股票。今年第二季度，英伟达回购了约 197 亿美元股票；截至 7 月 26 日，公司仍有 993 亿美元的回购额度。5 月，董事会又新增了 800 亿美元的回购授权。这两件事属于不同层面。黄仁勋处理的是个人财富，英伟达回购的是公司资本。放在一起看，我们看到一个简单的变化：个人资产在做分散，而公司资本仍在向英伟达集中。英伟达如今的现金流，足以同时支撑巨额回购和下一代产品投入。这也是今天的英伟达与传统芯片公司显著不同之处。传统芯片公司最重要的是把产品卖出去，而今天的英伟达还要参与客户的数据中心建设，帮助设计服务器、网络和 AI 工厂，再将下一代芯片接上去。客户买到的，越来越像一座计算工厂。英伟达赚到的，也不再只是单颗 GPU 的钱。
**七、真正的分歧在需求**
到这里可以看出，这次股票交易本身并没有太大的信号价值。核心在于 AI 行业正在出现的分歧。OpenAI、Anthropic 开始讨论前沿 AI 的发展速度，安全和治理被放到更重要的位置；而英伟达则继续扩大基础设施预期。这场分歧，最终会落到需求上。模型越来越便宜，AI 究竟能用掉多少算力？模型降价之后，算力生意还能走多远，取决于 AI 能不能跑出更多真实需求。黄仁勋已经把自己的答案，放进了英伟达的产能、产品和资本开支里。黄仁勋踩的究竟是不是油门，并不难判断。难的是，AI 踩完油门之后，创造出来的价值，能不能跑得比资本开支更快。
**【版面之外】的话**
最贵的从来不是算力，是市场对增长的预期。英伟达已经赢过一次。下一次，市场考核的会更苛刻。