Nvidia赚翻了却暴跌5%,DeepSeek没杀死算力,真正的瓶颈正在转移
正在加载视频...
视频章节
Nvidia 交出史诗级财报,却迎来一年里最惨的一天;市场一边高喊 AI 需求爆炸,一边又在恐慌算力过剩。这期 TBPN 把 DeepSeek、推理成本、能源瓶颈和裁员潮串成了一条线,讲清楚了一个反直觉的现实:AI 不是不需要芯片了,而是我们低估了它下一阶段的“消耗方式”。
Nvidia赚翻了却暴跌5%,DeepSeek没杀死算力,真正的瓶颈正在转移
Nvidia 交出史诗级财报,却迎来一年里最惨的一天;市场一边高喊 AI 需求爆炸,一边又在恐慌算力过剩。这期 TBPN 把 DeepSeek、推理成本、能源瓶颈和裁员潮串成了一条线,讲清楚了一个反直觉的现实:AI 不是不需要芯片了,而是我们低估了它下一阶段的“消耗方式”。
财报炸裂,却成“最差交易日”:市场到底在怕什么?
Nvidia 的这份财报,单看数字几乎无可挑剔:季度营收 681 亿美元,同比暴涨 73%,环比增长 20%,比一致预期高出近 3%。电话会议一结束,股价先涨了约 3%。但戏剧性的一幕发生在开盘后——股价迅速转跌,全天回撤约 5%,成了自去年 4 月以来最糟糕的一天。
这不是“业绩不好”,而是“太好了也不行”。市场开始用放大镜看 Nvidia 的每一个细节,因为它已经被默认成“托住美国乃至全球市场的那根梁”。当一家市值逼近 4.5 万亿美元的公司被要求“季度必须完美”,任何关于增速、指引、甚至语气的细微变化,都会被解读成风险。
TBPN 在节目里点破了一点:这更像是情绪和仓位的结果,而不是基本面反转。换句话说,市场卖的不是 Nvidia 的现在,而是对“未来还会不会更疯狂”的焦虑。
DeepSeek 时刻:廉价推理,真的会干掉 Nvidia 吗?
卖压的情绪源头,可以追溯到去年的“DeepSeek 时刻”。当时的叙事很简单,也很诱人:既然推理可以跑在更便宜的通用硬件上,那为什么还需要这么多昂贵的 Nvidia 芯片?
节目里几位嘉宾的共识却很冷静。他们承认 DeepSeek 确实让推理成本曲线变得更平,但并没有看到需求出现“平台期”。相反,经典的 Jevons 悖论正在发生:单位成本下降,并没有减少总消耗,反而刺激了更多使用场景。
一句话总结就是:你省下来的算力,很快会被新的应用、更多的请求、更复杂的模型吃掉。过去一年真正稀缺的不是“第二名”,而是能持续供给最前沿算力的玩家。DeepSeek 改变了推理的边际成本,却没有改变对高端算力的结构性依赖。
黄仁勋最强反击:不是 SaaS 末日,而是数据库爆了
面对“AI 会不会吃掉 SaaS”的末日论,黄仁勋在财报后的态度非常明确:他不买账。TBPN 用了一个很有意思的观察来支撑这一点——数据库相关需求正在“skyrocket”。
这背后的逻辑是,AI 并不是把软件直接替换掉,而是把数据调用、实时计算和基础设施的压力推到极限。你可以不用某个旧的前端工具,但你无法绕开底层算力、存储和网络。
这也是为什么主流媒体会用类似“NVIDIA results help soothe AI fears”的标题。恐慌的不是技术,而是商业模式;而 Nvidia 的角色,恰恰是在所有模式之下提供“必需品”。黄仁勋传递的信息很清楚:故事不是终结,而是在升级。
下一个瓶颈不在芯片,在电力和能量
节目中抛出的一个关键问题,可能比财报数字更重要:“芯片瓶颈,什么时候会变成能源瓶颈?”
当算力部署规模化,真正限制速度的,开始从‘能不能造出芯片’,转向‘能不能给数据中心供得起电’。这不是 Nvidia 一家公司能解决的问题,但却决定了它的长期需求曲线。
从这个角度看,短期的股价波动显得有些噪音。因为即便推理更便宜、模型更高效,只要 AI 被嵌入更多工作流,总能量消耗仍然是单向增加的。这也是为什么讨论 AI,已经绕不开电网、能源基础设施这些“老问题”。
裁员与繁荣并存:AI 没有毁掉工作,只是重排了位置
视频后半段把镜头从 Nvidia 拉回到更广泛的现实世界。Square(Block)从 1 万人裁到 6000 人,裁员消息与 AI 繁荣同时发生,很容易被解读成“AI 抢饭碗”。
但嘉宾们给出的判断更接近结构性调整:白领工作的被替代,需要的是数量级的能力跃迁,而不是几个模型的进步。短期内,被‘挤出’的人并不会消失,而是流向经济的其他部分。
这也解释了一个看似矛盾的现象:一边裁员,一边 AI 相关岗位、工程需求依然紧张。AI 没有让人类失业,它只是让某些岗位变得不再重要。
总结
把这些线索放在一起,你会发现市场真正纠结的不是 Nvidia 这一季赚了多少钱,而是 AI 这辆车接下来会不会减速。TBPN 给出的答案是:不会,只是换挡。对从业者来说,最重要的不是纠结股价涨跌,而是判断瓶颈在哪里转移——从训练到推理,从芯片到能源,从软件界面到底层数据。行动建议很现实:如果你做产品,盯紧推理成本下降带来的新场景;如果你做基础设施,开始认真研究电力、数据和算力的交汇点。真正的机会,往往藏在这些“不性感”的地方。
关键词: NVIDIA, DeepSeek, AI推理, 黄仁勋, 算力瓶颈
事实核查备注: 需要核查的关键事实包括:Nvidia 本季度营收 681 亿美元、同比 73% 与环比 20% 的增速;财报后股价当日约 5% 的跌幅及“最差交易日”的时间点;DeepSeek 在去年 4 月的市场讨论背景;黄仁勋关于 SaaS 与基础设施需求的公开表态;Block(Square)员工数量从 10,000 裁至 6,000 的具体时间。