华尔街的算法没算到中国团队能省掉90%的算力

周一下午两点，我的Bloomberg终端弹出一条推送，Kimi母公司发布新模型，训练成本据说只有GPT-4的十分之一。三分钟后，NVDA开始跳水，盘前跌幅直接击穿我设的止损线。我旁边的新人还在问“这个Kimi是哪个对冲基金”。

接下来的48小时，全球AI板块蒸发掉一个特斯拉的市值。高盛那个常年在CNBC吹嘘“算力即权力”的合伙人，在客户电话会上改口说“算力扩张时代可能到头”。摩根大通的备忘录标题直接用了DeepSeek 2.0。

市场在用脚投票，但投票的理由基本是错的。

让我翻译一下华尔街的真实恐慌：不是Kimi的技术有多强，而是市场突然意识到，AI军备竞赛的护城河可能不是算力，而是算法。过去两年，所有人都在赌英伟达的GPU供不应求，每个季度的资本开支都在超预期。这个逻辑建立在“大模型只有靠暴力堆算力才能赢”的假设上。

Kimi的模型证明了一件事：用更少的卡，也能达到接近的效果。

如果这个假设被证伪，那么英伟达未来两年的营收预期就要重新算。毛利率从75%跌到60%都不是不可能。更关键的是，云厂商的资本开支会立刻踩刹车——微软、谷歌、亚马逊每个季度花在GPU上的钱超过百亿美元，资本回报率本来就堪忧，现在有了更便宜的选项，CFO们第一个跳出来要求削减预算。

但问题在于，华尔街自己把估值推到了不可持续的高度。英伟达的P/E突破50倍的时候，为什么没人说算力泡沫？现在一个中国初创公司的模型迭代，就能让万亿市值蒸发，说明市场本身就在等一个下跌的理由。

那这个赛道的天花板到底在哪。我的判断分两层。

短期看，算力需求确实会进入一个收缩期。企业客户会开始比较“用1000块卡训练一个模型”和“用100块卡微调一个开源模型”之间的ROI，后者显然更划算。这会导致AI芯片的增量需求从每年翻倍变成每年增长30%-50%，估值模型要从成长股切换到价值股。

长期看，算力永远不会过剩。当模型成本降低，应用场景会指数级扩张。自动驾驶、机器人、医疗诊断、工业控制，这些领域对推理算力的需求是训练算力的10倍以上。成本降下来，反而会催生更多落地场景。这个逻辑在PC互联网和移动互联网时代都验证过——芯片成本下降后，市场规模反而扩大了10倍。

竞争格局上，英伟达的护城河正在被侵蚀。AMD的MI300系列在推理场景已经能打平H100，加上Kimi展示的算法优化路径，云厂商自研芯片的动力会更强。微软的Maia、谷歌的TPU、亚马逊的Trainium，这些芯片在特定场景下已经能替代英伟达。未来三年，AI芯片的竞争会从“谁能提供最强算力”变成“谁能提供最优性价比”。

华尔街这波操作，本质上是把自己架在了一个过高的叙事上，然后被一个实际数据戳破了。他们没算到的是，中国团队的算法优化速度比预期快得多，也没算到市场对“算力无限”故事的信仰如此脆弱。

现在的问题不是AI泡沫会不会破，而是下一个支撑估值的叙事是什么。可能是应用层，可能是端侧推理，也可能是某个还没出现的商业模式。在那之前，高估值股票的波动只会越来越大。

原文链接：https://www.tmtpost.com/8071531.html