本篇体育资讯由k1体育整理：

投资者内参丨易烊铭 一场围绕英伟达AI算力需求与收入结构的争论正在升温。

针对英伟达CEO黄仁勋10月15日在BG2 Pod节目深度访谈时关于公司收入来源的表态，知名播客《Broken Business Models》主持人James通过拆解英伟达财报、AI实验室收入及开源模型支出数据，公开质疑英伟达的业务多元化程度可能被高估，并称公司实际收入或高度依赖OpenAI、Anthropic等前沿AI实验室。

该期播客发表于当地时间10月18日，距离黄仁勋接受深度专访仅过去3天，视频标题更是直言“黄仁勋几乎对所有事情都撒谎了”。

英伟达收入真的足够多元化吗？

在BG2 Pod那次引发争议的访谈中，黄仁勋试图淡化对特定AI实验室的依赖，并将英伟达的算力业务大致划分为三类：传统基础计算、前沿AI实验室，以及使用英伟达算力的AI初创企业。

这一划分旨在说明，英伟达的增长并非完全依赖少数大型AI模型公司，即使部分前沿实验室的商业化进展不及预期，其他业务仍可提供需求支撑。

但James对此提出质疑，认为上述分类可能高估了传统计算和开源AI应用对英伟达收入的贡献。

他引用英伟达财务数据指出，在截至2022年1月的2022财年（ChatGPT直到2022年11月才问世），数据中心业务占公司总营收的39%，其他业务占61%；

而截至2026年7月的过去12个月，数据中心业务占比已大幅升至92%，而其他业务仅占8%。

James认为，随着ChatGPT于2022年11月推出，英伟达数据中心业务随即进入爆发式增长阶段，这表明其数据中心收入与AI算力需求高度相关。

因此，将约三分之一的收入归为与AI无关的基础计算，缺乏充分的数据支持。

开源模型真能成为新增长支柱？

其次，对于黄仁勋强调的第三类收入来源——AI初创企业及开源模型相关需求，James同样持怀疑态度。

他引用Vercel今年10月披露的数据称，在该平台上，开放权重模型消耗的Token占总量的71.

5%，但仅占总支出的23%。

这意味着，尽管开源模型使用量较高，但由于单价较低，其商业收入贡献并不与使用量成正比。

由于Vercel和OpenRouter这类中介平台通常吸引追求性价比的开发者，其开源模型份额甚至可能高于整体市场。

因此，开源模型带来的算力收入远不及黄仁勋所宣称的三分之一。

与此同时，大量计算资源仍用于训练新模型，而这类需求主要还是来自OpenAI、Anthropic等前沿AI实验室。

据此，他认为，开源模型带来的算力收入可能远不足以承担英伟达所面临的全部AI基础设施需求。

巨额资本开支与AI收入间存落差 更值得关注的是，AI基础设施投资与终端收入之间的差距。

市场估算，2026年数据中心资本开支可能接近8000亿美元，而OpenAI、Anthropic及其他AI实验室的全年收入预计约为1050亿美元。

James认为，即使接受这一相对乐观的收入预测，AI实验室的收入规模与基础设施投资之间仍存在明显落差。

他还提及，Anthropic在2026年前九个月的收入约为331亿美元；

OpenAI截至2026年10月的年化收入运行率接近500亿美元。

James据此质疑，如果数据中心资本开支继续扩大，而AI实验室的收入增长不足以覆盖相关投入，当前AI算力投资热潮的可持续性将面临严重考验。

此外，James还特别抨击了黄仁勋对Meta公司AI投入的描述。

在访谈中，黄仁勋称Meta去年在AI实验室领域的投入为零，仅做推荐系统，如今Muse助手的成功将带来大量新GPU需求。

但James指出，Meta自2022年以来已斥资超1000亿美元建设大模型数据中心，拥有大量闲置产能（此前还曾计划将闲置算力出租），根本不需要为Muse购买全新GPU。

本期播客一经发出，引发广泛讨论，更有观众在评论区直言：卖铲子的人谎称每个人都需要更多铲子。

事实上，这场争论的关键并不是在质疑英伟达的技术实力，而是聚焦于AI产业链的商业闭环——数据中心持续投入巨额资金采购GPU，最终能否通过AI模型和应用创造足够收入，决定了算力需求能否长期维持。

如果传统计算和开源AI应用的收入贡献确实低于预期，英伟达对大型AI实验室的依赖程度就可能高于黄仁勋所描述的水平。

一旦OpenAI、Anthropic等公司的收入增长放缓，或削减数据中心投资，相关影响可能沿着AI产业链向上游传导。

对于市场而言，接下来真正值得关注的，不只是英伟达能卖出多少GPU，更是AI企业能否将持续增长的算力投入转化为足够的商业回报。

#黄仁勋#英伟达#做空#Anthropic#OpenAI 风险提示：本文为内容资讯，不构成投资建议。

市场有风险，投资需谨慎。

特别

更多体育热点，关注k1体育。