研究日与信息截止日：2026-09-07（北京时间）。最新已披露财务期为 FY2027 Q2，截止 2026-07-26，业绩于 2026-08-26 发布。金额除另注明外均为亿美元。本文回答商业模式、护城河、文化、AI 编程与十年利润；未进行当日股价估值，不据此给出买卖价格。
核心判断：CUDA 中依赖大量人工积累的软件壁垒正在受到侵蚀；英伟达仍有很强的系统工程、产品迭代和生态优势。两者可以同时成立。 我的基准模型是 2036 年左右年度常态净利润约 4,000 亿美元，但十年终值的置信度低，悲观和乐观情景分别为 875 亿和 9,000 亿美元；它们不是概率区间，也不是未来十年的累计利润。
信息丰富度评级为 A。公开信息充裕容易把产品宣传、客户需求和股价表现混为确定性。本文将财报事实、企业自报工程结果、作者推断和模型假设分开。财务数据的一致性相对容易核验；十年竞争格局、产业采购额和创始人接班后的组织能力无法如此验证。本项目用于学习与研究。
先看已经发生的经营结果。
以下按英伟达财年排列，FY2026 截止 2026-01-25，并非自然年 2026。收入、净利润和经营现金流用公司 SEC 文件与 StockAnalysis 复核；自由现金流统一到公司定义。FY2023 年报、FY2026 年报、StockAnalysis。
| 指标 | FY2022 | FY2023 | FY2024 | FY2025 | FY2026 |
|---|---|---|---|---|---|
| 收入 | 269.14 | 269.74 | 609.22 | 1,304.97 | 2,159.38 |
| GAAP净利润 | 97.52 | 43.68 | 297.60 | 728.80 | 1,200.67 |
| 毛利率 | 64.9% | 56.9% | 72.7% | 75.0% | 71.1% |
| 经营现金流 | 91.08 | 56.41 | 280.90 | 640.89 | 1,027.18 |
| 自由现金流（公司口径） | 80.49 | 37.50 | 269.47 | 607.24 | 965.75 |
利润从高位回落的年份也确实存在。不能把最近的高增速永久化，更不能把高毛利率视为永久合同。
| 最新经营指标 | FY2027 Q2 | 截至该季的过去十二个月（TTM） |
|---|---|---|
| 收入 | 962.21 | 3,029.70 |
| GAAP净利润 | 596.88 | 1,928.80 |
| GAAP营业利润 | 637.34 | 1,975.79 |
| 自由现金流（公司口径） | 213.41 | 1,268.86 |
最新季度毛利率为 75.0%，营业利润率由财报计算为 66.24%。公司的市场平台收入为 Data Center 890.23 亿美元、Edge Computing 71.98 亿美元；数据中心占总收入 92.52%。这套市场分类和法定的 Compute & Networking／Graphics 分部不同，不应混加。最新业绩公告、最新季度利润表交叉来源、最新 10-Q。
商业模式：向需要大规模计算的客户出售一套可以交付、部署和持续优化的加速计算平台。
客户包括云厂商、AI 云、企业、科研和公共部门；实际销售也经过 OEM、ODM、分销商与系统集成商。客户最终为训练模型、运行推理或加速其他计算任务付钱。英伟达通过 GPU、CPU、互联、网络设备、系统和部分软件服务获取收入。CUDA、库和开发工具既有直接软件商业化，也帮助维持硬件使用价值；不能把硬件收入当成按所有 token 抽成的软件订阅。
经济机制是：研发及软件生态的固定投入很大，但可服务大量客户；制造主要交给外部供应商。客户评价的不仅是芯片采购价，还包括电力、利用率、网络、调优、故障恢复和上线时间。英伟达若能降低完成同一任务的总成本，就有条件收取较高的设备价格。Rubin 的设计将 CPU、GPU、NVLink 和多种网络组件联动，说明其商业竞争单元已扩展到系统。CUDA 平台说明、Rubin 系统架构公告。
复购来自算力需求扩张、现有设备更新，以及新产品在单位任务成本上的进步。客户现有设备也可能继续服役，更新节奏并非必然；若模型效率进步快于需求，或客户投资回报不好，设备采购可以放缓。
制造外包不等于资本风险很小。 最新 10-Q 披露供货与产能承诺明显增加，并承担更多生态投资、AI 云协议和信用支持。其八月为 SB Energy 园区所作担保上限达 1,050 亿美元，按条件和项目阶段生效，不能当作已发生损失。它表明英伟达正更深地参与客户基础设施建设，未来需要同时审查设备利润与资本承担。10-Q 承诺及后续事项。
追问：客户若不再急于扩算力，它还能通过节约总成本促成复购吗？
护城河由不同层构成，不能只用“CUDA 很强”概括。 下表强弱与变化是作者分析，不是可测量的官方评级。
| 优势来源 | 为什么能产生经济价值 | AI编程的影响与可证伪条件 |
|---|---|---|
| 软件、库、编译器与工程经验 | 常用任务已有可靠实现，减少开发、迁移和排错时间 | 人工重写与调优成本可下降；若异构部署越来越便宜，此层壁垒减弱 |
| 芯片、显存、互联、集群与调度协同 | 决定端到端速度、功耗和可用性 | AI代码本身不能替代物理带宽和整机交付；竞品整套系统实测接近则优势下降 |
| 广泛的软件及渠道支持 | 更多客户使适配值得投入，丰富适配又吸引客户 | 是间接生态效应；不是每增加一位用户就自动提升硬件性能 |
| 研发与商业规模 | 能把持续的芯片、网络、软件研发摊在更多销售上 | 大客户自研具备足够规模，也能摊销投入；规模不构成永久排他权 |
| 客户迁移风险与上市时间 | 延期、停机和性能不确定有真实成本 | 专业团队、自有数据中心及稳定负载更容易迁移；普通企业的组织成本可能更顽固 |
| 供应链与交付能力 | 复杂产品及时量产并稳定供货有价值 | 产能能被对手争取；对外部制造和存储供应的依赖同时构成脆弱点 |
过去的优势正在从“选择别家太难”，更多转向“选择英伟达在整体上仍然更划算”。这是竞争逻辑的变化，不代表总护城河必然加宽，也不代表立刻消失。
最值得重视的对手包括现有大客户。它们既知道自己的工作负载，也有动力把供应商利润留在自己体系内。Google 官方披露其 TPU 已用于 Gemini、Veo、Imagen 和 Claude 的训练及服务；AWS 已将 Trainium3 投入可用服务。这些证据也说明，专用芯片竞争并非只存在于简单推理。Google Ironwood、AWS Trainium3。
评价采购竞争应比较：同一模型质量、相同延迟要求、相同上下文和负载下，每单位有效产出的全生命周期成本。单卡峰值算力、单个算子性能以及厂商不同设置下的宣传倍数都不能独立回答这个问题。
追问：如果大客户可以低成本迁移，英伟达还剩多少必须靠产品优势挣来的溢价？
vibe coding 会影响护城河，而且正反两个方向都存在。
这里需要区分应用生成和底层工程代理。自然语言生成网页或小程序，本身不会让 GPU 迁移自动完成；带有硬件文档、编译、正确性测试、性能测量与迭代搜索的 AI 系统，才直接改变算子开发成本。普通应用生成后也不一定持续消耗 AI 推理。
Meta 在 2026-04-02 的官方工程文章中报告，KernelEvolve 已用于 NVIDIA、AMD、MTIA 和 CPU 的优化，把部分数周的专家工作缩短到数小时。Meta 自报的特定广告模型，在 MTIA 上训练吞吐提升超过 25%，在 NVIDIA 上推理吞吐提升超过 60%。这些结果支持异构适配成本下降，也说明英伟达自身硬件会受益；它们不是不同芯片可完全互换的测试。Meta KernelEvolve。
我对其影响的判断是：
- 迁移成本下降首先增加大客户选择权，尤其是负载稳定、规模大且有工程团队的客户；即使没有完全离开英伟达，也能争取更好价格。
- 更多 AI 原生软件和 agent 可能增加计算需求；但效率提升会减少每项任务所需计算。最终需求取决于新增使用是否超过效率收益，不是必然的“越高效越买卡”。
- NVIDIA 也能更快优化库和新硬件适配。AI 降低谁的成本、谁的降幅更大，决定相对竞争力。
- 代码生成容易，不意味着完整正确性验证、系统调优、运营和售后同样容易。这些也可能逐步被 AI 改善，不能把今天剩下的难点当成十年不变的永久壁垒。
更准确的判断是：AI 辅助编程削弱了部分基于迁移困难的定价权，同时可能扩大英伟达可服务的需求。行业需求与英伟达价值份额必须分开预测。
技术上也要避免误读。DeepSeek V3 对 PTX 的优化，仍是在 NVIDIA 指令体系内工作；当前 DeepGEMM 官方仓库要求 NVIDIA 架构和 CUDA 工具链。它们不能直接证明脱离 NVIDIA。TileLang 的多后端则确实改善可迁移性，但其官方文档把 CUDA、AMD 与昇腾适配器列为不同支持层级，成熟度并不相同。DeepSeek V3 技术报告、PTX 文档、DeepGEMM、TileLang。
梁文锋的判断，方向有依据，措辞和适用范围需要限定。
2026 年七月流传的投资者交流会纪要，将“英伟达 CUDA 的护城河在快速地被瓦解”这一说法归于梁文锋。每经在 7 月 23 日称，向参与投资的机构核实了会议内容，并说明会议在五月举行；经济观察报也向接近投资方的人士核实，同时注明向 DeepSeek 求证未获回应。本次没有找到 DeepSeek 或梁文锋本人公开认证精确措辞的官方逐字稿。每经核实报道、经济观察报。
因此，应将其视为有媒体核实支持的流传纪要观点。流传稿还标注经过语音识别及 AI 整理，可能有识别误差；不能由转载数量推导逐字准确。流传稿说明。
| 需要检验的命题 | 本文判断 |
|---|---|
| AI让重建部分CUDA软件功能更容易 | 同意，Meta等一手工程资料提供了实际证据 |
| CUDA的历史积累再也不重要 | 不同意；支持覆盖、验证经验和运行可靠性仍有价值 |
| 国产或其他芯片可承接更多原属NVIDIA的任务 | 方向合理，需按具体模型、成本及供应条件验证 |
| 整个英伟达平台已能无代价全面替代 | 证据不足，功能可运行不等于性能、能耗、产能和总成本相等 |
| CUDA壁垒减弱意味着英伟达利润一定下降 | 不成立；还要看总市场、收入份额、价格和费用 |
从被限制采购英伟达产品的中国客户视角，替代品只要足够可用就有价值；能自由采购的国际客户会更严格比较经济性。特定采购环境中的替代判断不能直接推广为全球市场结论。
最值得接受的警示是：不能再仅凭“软件生态已经积累很久”，就断言英伟达可以十年维持今天的定价溢价。竞争者不必复制整个 CUDA，只需优先做好足以影响大客户采购的关键任务。
企业文化的优势，是长期技术投入与跨系统协同；风险，是创始人依赖和扩张后的资本纪律。
公开材料能验证其宣称的原则与历史决策，不能独立证明每个团队的实际体验。英伟达官方文化页面强调围绕任务组织团队、坦诚交流和容忍创新中的失败；黄仁勋在 Stanford 访谈中强调回到基本假设、让员工获取信息并提出质疑。我的判断是，这些原则有利于在技术路线快速变化时修正决策，但公司自述不等于独立文化审计。官方文化页面、Stanford 对黄仁勋的访谈。
| 可观察的选择 | 对文化和能力的解释 | 应保留的限制 |
|---|---|---|
| 在生成式AI爆发前很久即建设CUDA | 愿意投入短期回报不明确的通用技术平台 | 一次成功远见不能保证下一次判断正确 |
| 收购Mellanox补齐高性能互联 | 从整个计算系统寻找瓶颈，而非局限于单芯片指标 | 后续整合能力和投资价格仍须分别判断 |
| GPU、CPU、网络、系统和软件共同迭代 | 组织能协调多个技术领域，支持快速交付 | 复杂度增加也会提高延误和质量风险 |
| 扩大生态投资与客户信用支持 | 愿意主动推动基础设施建设 | 增长激励可能与保守资本配置冲突 |
CUDA 起源与 Mellanox 交易可由原始资料验证；表内对文化的解释是推断。CUDA 官方历史说明、Mellanox 收购完成公告。
我认可其长期研发和系统协作能力，但不会把它等同于低风险、永久领先或任何价格都值得买。十年尺度最难回答的是，黄仁勋的产品判断、人才协调和决策速度有多少已经成为可传承的组织能力。
追问：创始人不再亲自推动后，公司还能主动替换自己的成功产品，并对高风险投资说不吗？
十年后的利润：用市场、份额和利润率分别建模。
预测对象为 2036 年左右一整年的常态净利润；用自然年尺度讨论，不假装知道十年后某个财季的精确数。金额为当时名义美元，未折现。净利率包含股权激励成本，剔除不可预测的投资估值收益；正常利息、税项及融资成本需由该净利率吸收。实际 GAAP 净利润和可分配现金可能显著偏离。
先去掉一个错误起点：最新 GAAP 利润不能直接拿来复利。TTM 股权投资税前净收益约 305.52 亿美元。作为经营参考，TTM 营业利润乘以假设税后比例，得到约 1,639.91 亿美元税后经营利润；这不是 GAAP 净利润，也未计入正常净利息。最新季度营业利润按全年机械年化，再采用同一税率，约为 2,115.97 亿美元。17% 是落在公司全年税率指引内的作者假设，年化也不是公司年度预测。最新财报及税率指引、季度投资收益交叉表。
模型公式为：
常态净利润 =（可参与的年度设备价值池 × 英伟达价值份额 + 其他收入）× 常态净利率
“设备价值池”指全球数据中心加速计算芯片与配套网络、系统中不重复计价的可比采购价值，排除数据中心土建、电力、一般服务器和云服务转售收入；自研芯片按可比设备价值考虑。若使用整机采购额，就必须去掉已包含的 GPU、存储和网络组件，不能再次累加。其他收入只计未包含在该池中的游戏、边缘计算和独立软件服务。它是本模型的概念性口径，没有宣称存在统一公开市场统计。
下表的市场规模、份额、其他收入和净利率全为作者情景假设，不是公司指引、券商一致预期或已经验证的未来事实。 单位均为亿美元。
| 参数及结果 | 悲观 | 基准 | 乐观 |
|---|---|---|---|
| 年度设备价值池（假设） | 10,000 | 20,000 | 30,000 |
| 英伟达价值份额（假设） | 30% | 45% | 60% |
| 其他收入（假设） | 500 | 1,000 | 2,000 |
| 英伟达总收入（计算） | 3,500 | 10,000 | 20,000 |
| 常态净利率（假设） | 25% | 40% | 45% |
| 年度常态净利润（计算） | 875 | 4,000 | 9,000 |
悲观情景意味着推理效率改善、专用芯片及大客户自研成功，英伟达的份额与溢价明显下降；即使行业很大，公司利润也可能低于目前水平。这不是极端最坏情况；供应中断、重大信用损失或技术失误可以造成更差结果。
基准情景意味着 AI 成为重要生产工具，年度设备采购需求继续扩大；客户拥有多种硬件选择，英伟达仍凭通用性、系统效率和交付能力保有强大地位，但净利率回到低于当前税后经营水平的位置。它要求约一万亿美元年收入，是一个仍然很强的商业结果，不能称为保守底线。
乐观情景要求 AI agent、推理及其他加速计算需求大幅增长，英伟达在系统、互联和软件中继续获取较高价值份额。接近一万亿美元年利润是一项要求很高的假设组合，不应拿来当默认结果。
作为量级检查，基准年收入相对最新季度机械年化收入，相当于十年年均增长约 +10.02%；基准利润相对上述最新季度税后经营利润年化值，相当于约 +6.57%。二者差异来自利润率回落。这只检查模型尺度，不是逐年增长路径，现实可能先快速增长再停滞或下降。
| 固定基准市场与其他收入，只改变竞争条件 | 年度常态利润（亿美元） |
|---|---|
| 基准条件 | 4,000 |
| 价值份额下降10个百分点至35% | 3,200 |
| 净利率下降10个百分点至30% | 3,000 |
| 份额与净利率同时下降上述幅度 | 2,400 |
因此，“护城河变窄”的实际财务传导值得重视：它既可能减少份额，也可能压低售价和利润率。在这个模型里，竞争的两种作用相互叠加。技术进步是否利好英伟达，要落在这些变量上，不能只看 token 总量。
最强的反面论点：AI 越成功，越值得大客户投资摆脱高毛利供应商。
客户熟悉自己的核心负载，AI 又让软件适配更便宜，它们可能只保留需要灵活性的 GPU 采购，将大量成熟任务交给自研芯片。更高效的软件也可能延长存量设备寿命。与此同时，英伟达为未来扩产和客户建设作出承诺，需求一旦低于预期，现金承担可能比当期利润下降更快。这套论证可以成立，无需假设 AI 失败。
| 风险路径 | 概率判断（定性） | 最值得看的证据 |
|---|---|---|
| 大客户自研及多供应商压价 | 有实质可能，长期核心风险 | 生产采购份额、跨硬件运行成本、供应商毛利和议价变化 |
| 算法效率提升快于新增需求 | 不确定 | 有效任务增长、利用率、设备更新周期、客户投资回报 |
| 供应及基础设施进度不匹配 | 持续存在 | 交付、库存、预付款、应收及现金回收 |
| 生态投资或客户融资风险 | 重要性上升 | 担保条件、客户偿付、股权损益与经营现金流差异 |
| 芯片路线、功耗或互联发生转变 | 十年内不可忽略 | 竞品持续整机测试与生产部署；不能只看单次跑分 |
| 核心领导人与组织传承 | 无法量化 | 技术负责人留任、接班安排、跨部门执行是否稳定 |
我最可能犯的错误，是低估大客户在充足规模下愿意承担的迁移工作，或者把当前系统优势看成静态资产。反过来，空方也容易低估不同客户需求的复杂性，以及英伟达更新产品和软件的速度。
追问：假如三年后更多任务确实转向非英伟达芯片，我们当时还能从哪些经营证据判断其定价权？
本文给出的结论是：生意质量高；软件迁移壁垒受侵蚀有实际证据；完整平台竞争优势仍强，但其十年持续性需要追踪。企业文化为适应变化提供支持，不能替代经济性检验。我的利润判断以 4,000 亿美元为基准情景，投资确定性明显低于财务事实核验置信度。未核验买入价格及回报要求，因此这些结论不直接构成买入指令。
数据口径与复核记录。
财务计算、跨来源比较及全部情景公式保存在计算记录和工具输出，可由复算脚本重现。脚本调用项目金融工具，并用独立 Decimal 运算复核公式。
自由现金流需特别处理：StockAnalysis 使用经营现金流减固定及无形资产购置；英伟达还扣除设备和无形资产相关分期本金。本文采用公司口径；五个财年的差额均按本金核销，不取两个来源平均。原始对账见FY2023业绩附表、FY2026业绩公告、最新季度现金流第二来源。
季度及半年报以百万美元呈列，直接加季度可能与半年累计相差一百万美元；TTM优先采用全年与半年累计差分。StockAnalysis 标准化营业利润曾剔除收购终止费用，不能无区别替代 GAAP 指标。FY2027 起公司 non-GAAP 开始保留股权激励，跨年必须检查重列口径。
报告抽检记录见审计说明。抽检只判断数据及公式的一致性，不能认证媒体纪要逐字准确、企业自报工程效果的可推广性，或十年模型参数将会实现。
来源缺口：市场平台细分及部分重大承诺采用公司原始披露，本轮未完成独立第三方逐项对账；公司官网与其提交到 SEC 的相同文件不被视为两条独立证据。主财务表的收入、净利润和经营现金流已与独立数据整理平台交叉核对，但二者仍然依赖同一公司的底层会计记录。