回看英伟达过去约十年的市值变化，很容易对它的未来产生一种近乎惯性的期待。按照CompaniesMarketCap的历史数据，2016年底，英伟达的市值约为575亿美元；截至2026年11月13日收盘，约为3.93万亿美元，规模已经达到前者的68倍左右。这期间也经历过明显回落，例如2022年末的市值较上年末下降约一半，但这些波动没有改变它在这一时期实现巨大增长的事实。[1]
这样的增长当然有现实基础。市场需要更多高性能芯片，英伟达凭借GPU、软件生态和系统工程能力，承接了其中很大一部分需求。尤其在大规模AI训练和推理成为产业重心以后，它所提供的计算基础设施获得了前所未有的重要性。
不过，从这段历史推测未来，有一个问题必须先分清楚：推动英伟达增长的力量，与推动人工智能进步的力量，究竟在多大程度上是一回事？
英伟达公司发展的核心动力，是市场对它所提供的芯片及相关计算产品的需求。对它而言，更多企业采购算力、更大规模的数据中心投入运行，通常意味着更大的商业机会。人工智能的发展则有自己的问题：学习、推理、理解和泛化的能力如何提高，系统怎样更可靠地解决实际问题，实现这些能力需要付出多大的资源成本。
两者在当前阶段高度重合，却没有理由永远保持今天这样的关系。
过去这些年，算力提升对前沿AI的发展发挥了很大作用。在现有模型和训练方法下，扩大计算投入确实是一条有效路径。但阶段性的有效，不能被理解成天经地义的发展规律。今天的AI比较依赖硬件算力，并不能证明未来的AI也应该持续加深这种依赖。
我认为，人工智能的健康发展不应把不断增加硬件投入当作默认前提。如果算法、模型结构或者学习方法的改进，能够让系统用更少的计算实现更好的能力，这同样是重要进步，有时甚至比单纯扩大计算规模更有意义。评价进步，最终还要回到能力、可靠性和实际成本，不能只看用了多少芯片。
这也不意味着算力需求一定会下降。单次训练或推理的成本降低以后，更多人可能开始使用AI，原来不经济的应用也可能变得可行，总需求仍然可能增加。但这要看效率提高的幅度、应用扩张的速度，以及用户愿意为哪些能力付费。不能事先假定，每一次效率突破最后都会转化为更多GPU订单。
因此，AI技术进步与英伟达商业增长之间，存在一种有条件的联系。更高效的AI可能继续扩大它的市场，也可能改变市场对硬件的需求结构。分析英伟达的长期价值，不能只问AI还会增长多少，还要问这些增长将通过什么技术路径实现。
我对黄仁勋近年来AI产业叙事的疑问，也由此而来。
2026年3月10日，黄仁勋在英伟达官方博客发表《AI Is a 5-Layer Cake》，把AI产业描述为由能源、芯片、基础设施、模型和应用构成的五层结构。他用“AI工厂”解释大规模计算设施，认为它们承担着生产智能的功能，并提出未来仍有数万亿美元的基础设施需要建设。[2]
作为产业结构的描述，这套叙事有相当强的解释力。任何实际运行的AI系统都需要物质条件，能源、芯片和基础设施也确实会约束它的规模。但它首先解释的是一个产业如何组织和扩张。智能能力为什么能够形成、怎样才能进一步提高，仍然需要另外的解释。
我的批评是，英伟达这套以基础设施扩张为重心的叙事，并没有抓住AI发展的核心逻辑。它能说明如何把现有技术做大，却不足以说明智能能力本身将如何突破。当“生产更多智能”主要通过增加计算投入来表达时，算力供应商的增长需求，就很容易被接受为人工智能自身的发展要求。
这其中有明确的商业利益。AI越依赖大规模计算设施，英伟达所处的位置通常越有利。它强调算力的重要性，完全可以理解；但我们不能因此把这种立场当成对AI未来的中立解释。一个企业的产品在当前技术路线中不可或缺，并不意味着这条路线就是智能发展的必然道路。
也正是在这个意义上，我认为，把黄仁勋称为“AI教父”相当荒谬。
如果这个称号只是表达他在产业中的影响力，它不过是一种媒体修辞。但如果它暗示他奠定了人工智能的理论基础，或者对智能的本质和未来具有特殊权威，就混淆了不同性质的贡献。通常被称为“AI教父”的杰弗里·辛顿，其地位来自神经网络和机器学习研究。2024年，他与约翰·霍普菲尔德共同获得诺贝尔物理学奖，获奖理由正是使人工神经网络机器学习成为可能的基础性发现与发明。[3]
黄仁勋的产业和工程贡献十分重大。他领导英伟达建立的GPU与CUDA生态，为现代AI的发展提供了重要条件。这些成就本身已经足够重要，无须再把它们解释成人工智能理论的奠基性贡献。我质疑的是这种由商业成功延伸出来的技术权威，以及人们是否会因此失去对其产业叙事的独立判断。
他对量子计算的早期表态，使我更加在意这个问题。
2025年1月7日，在英伟达的一场分析师问答中，黄仁勋谈到“非常有用的量子计算机”何时出现。他的估计是，15年可能偏早，30年可能偏晚，20年是很多人会相信的时间尺度。这里需要说准确：他给出了一个相当保守的实用化判断，并没有否定量子计算的原理或全部价值。在同一段回答中，他也介绍了英伟达通过CUDA-Q参与量子与经典计算协作的工作。[4]
即便如此，这种把关键进展放到很远以后的公开判断，仍让我感到一种对潜在竞争路线的强烈防御性。在我看来，不能排除他对现有产业优势的维护影响了这种判断。这是我对其商业立场的推断，公开言论本身还不足以证明他的主观动机。
后来的变化也应放在一起看。2025年3月20日，在GTC的“量子日”活动上，黄仁勋承认先前的表达有问题，并邀请量子计算企业讨论这一领域的发展。到了2026年9月14日，英伟达又宣布扩展CUDA-Q平台，加入面向容错量子计算应用设计与测试的CUDA-Q Logical。[5][6]
所以，把他概括成始终排斥量子计算，也不符合这些事实。英伟达显然在尝试参与，并把自身的经典计算能力接入新的技术体系。但这并没有消除我原来的疑问：一家占据现有算力体系优势的企业，在评价可能改变这一体系的路线时，它的判断有多少来自技术分析，又有多少与维护自身位置有关？它可以成为新路线的参与者，也仍然可能低估那些不完全沿着自身优势展开的变化。
相比于在现有GPU体系内不断扩大规模，我更看好量子计算，认为它可能是下一次真正的算力范式突破。
GPU的持续进步，可以通过更高的并行度、更好的存储与互连，以及更高效的系统设计，大幅提高计算能力。这些变化非常重要，但基本上仍在经典计算范式之内。量子计算尝试利用叠加、纠缠和干涉来组织计算，对某些适合的问题，可能改变计算所需资源随问题规模增长的方式。它所打开的空间，不只是把现有计算再加快一些。[7]
我看重量子计算，主要是因为这种可能性。若一些今天难以处理的问题，能够通过不同的计算机制获得解决，那么变化就可能触及现有算力产业的基础。继续增加同一种设备的数量，与找到一种能够重新处理问题的计算方式，其意义并不相同。
这一方向也已有具体进展。2026年11月11日，IBM披露，其9月推出的Nighthawk r2处理器，可以在120个可编程量子比特上支持包含超过7500次量子操作的计算；同一天公布的下一代Nighthawk r3及更大系统，则仍属于后续建设计划。这些进展值得重视，但处理器性能提高、特定实验中的量子优势，以及广泛可用的容错量子计算，仍是不同层次的事情。[8]
尤其需要保留一个界限：量子计算可能带来重大的计算突破，并不自动意味着它能直接成为下一代AI的主要算力基础。某些问题适合量子算法，不能据此推导出大模型训练和日常推理也会获得同样的收益。
2026年11月5日发布的OECD报告指出，量子AI仍面临经典数据输入、量子结果读取等技术瓶颈，近期更可能发挥作用的方向包括量子与经典计算的混合。11月12日发表的一项实验研究综述，对2024年至2026年8月6日首次公开的107项研究进行了评估；按照它所采用的、要求独立复现并与最佳经典方法比较的实际优势标准，纳入的研究尚无一项达到这一要求。这是对特定研究范围和证据标准的判断，不能扩大成对量子机器学习未来的否定。[7][9]
这些限制并没有改变我对量子计算方向的重视。它们说明，计算范式上的潜力，还需要通过可运行的系统、适合的算法和真实任务来兑现。如果量子计算最终能改变AI所依赖的计算基础，围绕GPU形成的产业结构就未必会自然延续。英伟达可能仍然重要，甚至可能成功参与新的体系，但今天的领先位置不能替它保证下一阶段的优势。
回到英伟达的市值，我关心的始终是智能能力增长与算力需求增长之间的关系。过去约十年的巨大增长，说明它抓住了这一阶段的机会。未来AI如果能以更少的资源实现更强的能力，或者借助新的计算机制突破现有局限，我会把这视为值得期待的进步。至于这种进步是否仍然支持英伟达延续过去的增长轨迹，需要另外判断。
资料来源（核对截至2026年11月15日）
[1] CompaniesMarketCap，NVIDIA市值历史。本文采用该站统一历史序列中的2016年末、2022年末及2026年11月13日数据；市值倍数由上述数据计算。
https://www.companiesmarketcap.com/nvidia/marketcap/
[2] Jensen Huang，AI Is a 5-Layer Cake，2026年3月10日，NVIDIA Blog。
https://blogs.nvidia.com/blog/ai-5-layer-cake/
[3] 诺贝尔奖委员会，2024年诺贝尔物理学奖新闻稿，2024年10月8日。
https://www.nobelprize.org/prizes/physics/2024/press-release/
[4] NVIDIA Corporation Shareholder/Analyst Call，2025年1月7日，S&P Global Market Intelligence会议实录，第14页。
https://seekingalpha.com/attachments/download/40411
[5] Kif Leswing，Nvidia CEO says he was wrong about timeline for quantum, surprised his comments hurt stocks，CNBC报道，AOL转载于2025年3月21日；所报道的“量子日”活动发生于3月20日。
https://www.aol.com/nvidia-ceo-huang-says-wrong-162357231.html
[6] NVIDIA Expands Open Source CUDA-Q Platform for Fault-Tolerant Quantum Computing，2026年9月14日，英伟达官方公告。
https://investor.nvidia.com/news/press-release-details/2026/NVIDIA-Expands-Open-Source-CUDA-Q-Platform-for-Fault-Tolerant-Quantum-Computing/default.aspx
[7] OECD Digital Economy and Society Outlook 2026，“Powering AI progress: The future of compute”，2026年11月5日，尤其参见有关新计算范式及量子计算的部分。
https://www.oecd.org/en/publications/oecd-digital-economy-and-society-outlook-2026_022ed474-en/full-report/powering-ai-progress-the-future-of-compute_b4007d1b.html
[8] IBM Quantum Nighthawk Demonstrates New Levels of Speed and Quality, with Plans to Scale Beyond 1,000 Qubits in 2027，2026年11月11日，IBM官方公告。
https://newsroom.ibm.com/2026-11-11-ibm-quantum-nighthawk-demonstrates-new-levels-of-speed-and-quality,-with-plans-to-scale-beyond-1,000-qubits-in-2027
[9] Erasmo Rivas等，Quantum Machine Learning: An Experimental Survey，Quantum Reports，2026年11月12日。
https://doi.org/10.3390/quantum8040123
了解 Geoffrey Chen 的更多信息
订阅后即可通过电子邮件收到最新文章。