网传开源戳破 AI 泡沫，英伟达单季涨 31%，真相到底藏在哪？

不少人刷到过这类说法：中国大模型进步飞快，美国砸了那么多 AI 投入也不过如此，开源大模型要刺破美国 AI 资本泡沫。但这其实是典型误解，不仅和现实背道而驰，还误导投资。

真实情况刚好相反：开源大模型越多越强、生态越丰富，对英伟达越有利，对砸钱的美国科技公司也越有利，还能大幅提升 AI 投入的长期回报。

不管是闭源还是开源模型，不管是从零训练还是蒸馏学习，英伟达在大模型训练的地位不仅没减弱，反而越来越强。

从 7 月到现在，全球 4 款惊艳大模型 ——Groq 4.5、MiiSpark 1.1、GPT 5.6、Kimi 3，全都是在纯英伟达集群和 CUDA 生态上训练出来的。

这几款大模型口碑爆棚的同时，英伟达股价也逆势上涨。7 月半导体板块整体承压，英伟达却录得上涨，这绝非巧合。

科技发展没有捷径，参数、数据、算力共同形成的 scaling law 是大模型的核心方向。不管是 GLM、Deepseek 还是 Kimi，训练成本都不低。大模型公司自己没多少算力，大多依托云服务商，比如 Kimi 3 就是基于阿里云的 2 万张英伟达 GPU 训练的。

推理环节更是开源模型对英伟达更有利的场景。市场曾认为英伟达在推理环节会被 ASIC 芯片瓜分大量份额，但据美国科技商业媒体 The Information，尽管各家自研芯片都喊着要抢英伟达的市场，英伟达在推理环节的占比反而越来越高。

推动占比提升的核心因素，除了英伟达自身在推理效率和成本上的进化，开源大模型的繁荣是关键。

开源生态越繁荣，英伟达越吃香：大量创业公司拿开源模型做产品，传统企业用它做内部系统，中小云厂商提供模型托管和 GPU 云服务，私有化部署团队做本地部署，AI 应用公司把开源模型包装成客服、办公、教育、代码工具。

这些参与者没能力像头部企业那样自研芯片、重写编译器、维护底层算子、适配推理框架。开源生态繁荣让 AI 部署和算力需求变得碎片化、长尾化，不再集中在少数大客户，而是分散到大量小客户，需要快速高效的部署方案。这时候最需要的就是默认标准平台，而这个平台就是英伟达的 CUDA。

中国是开源大模型最大的贡献者，这也能解释三件事：英伟达密集迭代自家开源大模型，全力打开开源应用市场；黄仁勋对中国大模型赞不绝口、重视中国市场，除了客观评价，也有商业利益考量。

英伟达把财报数据中心分为 Hyper Scale 和 AI Clouds Industrial and Enterprise 两类，突出后者的全新地位，且后者单季环比增速达 31%，远超前者的 12%，客户正快速多样化。

在 AI 上砸钱最多的是亚马逊、微软、谷歌、Meta、甲骨文这些头部科技企业，仅前四家今年的资本支出总和就超过 6000 亿美元。市场曾担心这些投资得不到回报，但情况已经悄悄改变。

微软和亚马逊的财报给出了答案：尽管资本支出还在快速增长，今年二季度两家的经营现金流增长更快，经营现金流增量超过了资本支出增量，证明资本投入的回报非常可观。

此前我们算过算力出租的回报率，SpaceX 出租给 Anthropic 的数据中心两年就能回本，亚马逊在财报电话会上也说资本支出三年回本，足见 AI 需求爆发下算力出租有多吃香。

今年以来，A100 GPU 的云上租金上涨了 25%，而且还在持续涨。几乎所有开源大模型都遇到过推理算力不足的问题，上线不到 48 小时就限流甚至停更订阅。

如果好用的开源大模型公司没足够算力提供订阅，用户只能有三种选择：直接在云服务商调用模型 API，在云上部署自己的模型，或者直接租 GPU 容量自己部署。这种情况下，开源模型公司分不到多少钱，利益几乎全被云服务商拿走，无数前沿实验室反而在给云服务商打工。

反观闭源大模型，本身有更大的算力储备，即便客户在云服务商订阅服务，闭源模型公司也能拿到更大的收入分成，云服务商反而处于被动地位。这也是黄仁勋、微软都公开支持开源大模型的原因，前不久开源大模型公开信的首批署名公司，其实都是开源红利的直接受益者。

AI 时代里，开源和闭源模型并不矛盾，它们适合不同场景和任务复杂度。更重要的是，AI 是潜力巨大的增量市场和超长赛道。

最好的证明就是，开源模型越来越繁荣的背景下，OpenAI 和 Anthropic 的 ARR 仍在快速增长。彭博 AI 价值链指数 2026 年二季度至今平均超出收益预期 71%，远超标普 500 的 27%、纳斯达克 100 的 55%，有望成为数十年来最强劲的季度。

AI 作为一次重要的产业革命，产业趋势已经越来越清晰，这对投资者来说是值得期待的事。那些说开源大模型刺破美国 AI 泡沫的言论，本质上是有毒的错误信息。