英伟达商业模式画布：20年豪赌，并没有赌GPU

在几个月前，我上线AI商业模式画布网站的时候，就把英伟达的商业模式画布，作为第一批案例写入，但当时并没有发公众号。商业模式画布是一个很好的商业思考框架，是最适合用于启发创业新人的商业思考工具。

此时此刻，我们有必要从商业模式画布的视角，来认真理解一下英伟达的商业模式，因为以后的英伟达，未必还是现在的样子了。

英伟达是世界第一家市值突破 5 万亿美元的公司。

在最新的年报里，营收 2159 亿美元，净利润 1200 亿美元。每收进来 100 美元，有 55 美元是利润。

这个数字放在一家卖芯片的公司身上，不太正常。半导体行业里，毛利率能到 50% 已经是很高的水平，英伟达是 71%。净利率 55.6%，这是很多软件公司都达不到的利润率。

今年上半年，我做商业模式画布网站的时候，把英伟达的九个格子完整填过一遍。现在回头看它最新的年报，最直接的感受是，这家公司表面上在卖 GPU，实际上在卖一张算力生态的“门票”，这种商业模式，支撑了它超高的毛利率。

55% 的净利率，是几个格子互相咬合之后长出来的，不是踩中一次风口的奖励。

这篇文章，就用这张画布，把英伟达拆开看一遍：它到底在卖什么，钱从哪里来，护城河是怎么垒起来的，以及有业务危险的地方在哪里。

01 先看画布的右半边

商业模式画布把一家公司拆成九个格子。右边是客户和市场，左边是资源和能力，下方是成本和收入。

画布右边：客户和市场

只看画布的右半边，英伟达是一门很朴素的生意：把 GPU 卖给需要算力的人。

客户细分那一格，写着四类人：亚马逊、微软、谷歌、Meta 这样的超大规模云厂商；OpenAI、Anthropic 这样的 AI 原生公司；正在采用 AI 的各行业企业；以及研究者和开发者。前五名客户，贡献了数据中心业务超过 50% 的收入。

价值主张那一格，写得更直接：对 AI 研究者和公司，是训练和部署模型最快、最可靠的平台；对企业，是开箱即用的 AI 基础设施；对云厂商，是客户真正想用的那块 GPU。

渠道也不复杂：直销给超大客户，通过云市场卖 GPU 实例，通过戴尔、HPE、超微这些服务器厂商卖给企业。这一把Miss Huang的公司，就属于一个渠道，但在整个英伟达的渠道体系里，Miss Huang其实根本谈不上入流，非常小的一个细枝末节。

收入来源更简单：数据中心占 85% 以上，游戏占 10%，专业可视化和汽车加起来 5% 左右。

看到这里，你会觉得这就是一家赶上了风口的硬件公司。客户集中、收入集中、产品也集中。放在任何一个行业里，这都不是一张让人放心的画布。

真正让这张画布不一样的，在左半边。

画布左边：资源和能力

核心资源那一格，排在第一的并不是GPU本身，而是 CUDA，一套处理结算平台。英伟达GPU上的代码、算子、性能调优，都通过CUDA编写。

GPU从业者，从大学学习课程，到上了班实际开发，假设一名工程师的职业生涯是15年，那这15年里，他基本上都要和英伟达绑定。锁住了人，这成了竞争对手最难逾越的护城河。

关键业务那一格，也不是制造芯片，是 GPU 架构设计、CUDA 平台开发、开发者生态培育、供应链管理。四件事里，有两件跟软件和生态有关。英伟达不认为自己是个制造业企业，而是一个生态服务科技公司。

重要合作伙伴那一格，写着台积电、AWS、Azure、GCP，也写着戴尔、HPE、超微，还有 PyTorch、TensorFlow、JAX 这些框架的开发者。台积电是最主要的代工伙伴，云厂商既是客户，也是渠道。

客户关系那一格，写的也是开发者优先。CUDA 文档、论坛、GTC 大会，先赢得开发者，当从业者都在用英伟达的时候，雇佣他们的企业就不得不像英伟达买单。

一家硬件公司的核心资源和关键业务，都指向软件，这是英伟达商业模式画布有意思的地方。

画布的下方，是成本结构和收入来源，业务的底座。英伟达的底座很干净：收入高度集中在数据中心，成本的大头是制造，销售费用被压到极低，中间留出了巨大的毛利空间。

这个结构在景气的时候极其赚钱，在退潮的时候也也会比较脆弱，所以在AI浪潮来临之前，英伟达并不像现在如此风光，为了卖出芯片，黄仁勋还要到小米的发布会上用中文讲话。

这张画布为什么会长成这样，要从 2006 年那场赌局说起。

02 2006 年那场没人看懂的豪赌

故事还要从 1993 年讲起。

那一年，黄仁勋、Chris Malachowsky 和 Curtis Priem 在 Denny’s 餐厅里碰面，决定做一家图形处理器公司。他们判断，电子游戏是当时最吃算力的应用，销量又大，可以先用游戏养研发。

这个判断是对的。GeForce 系列显卡让英伟达在游戏市场站稳了脚，但真正决定这家公司命运的，是 2006 年。

那一年，英伟达发布了 CUDA，一个让 GPU 可以跑通用并行计算的软件平台。

在 CUDA 之前，GPU 是用来画图的；在 CUDA 之后，GPU 可以用来算别的东西。这个转变听起来简单，做起来很难，最重要的是很贵。英伟达每年要投入数亿美元，去建一个开发者生态，而这个生态在最初几年几乎不赚钱。

华尔街看不懂。一家芯片公司，为什么要花这么多钱做软件？

答案六年后才浮出水面。2012 年，AlexNet 用 GPU 训练出的深度神经网络，在 ImageNet 比赛里拿了第一，证明了深度学习这条路走得通，而 CUDA 已经在那里等了六年，AI 开始逐渐起于青萍之末，如同穿越者一般，黄仁勋站上了时代的风口浪尖。

后面的事情就顺理成章了。每一个 AI 研究者学的是 CUDA，每一篇深度学习论文的代码跑在 CUDA 上，每一家 AI 创业公司部署模型，都依赖 CUDA。那还要怎么样？让新的创业公司怎么打？没得打，于是英伟达就稳稳坐在了霸主宝座上。

英伟达的问题，其实可以压缩成一句话：怎么让一块芯片，变成一个开发者离不开的平台？

它给出的答案是，不去改变开发者的工作习惯，而是让开发者在原来的习惯里，拿到最强的算力。代码不用改，框架不用换，模型不用重训，插上英伟达的卡就能跑，而且跑得最快。

这才是它真正的价值主张，它没有说“我有一块很快的芯片”，它说的是“你不用为了一块更快的芯片，把已经会的东西重学一遍”。

03 钱怎么赚

先看一组数字。

着重看两个数据：

第一个是毛利率 71%。同样把芯片交给台积电代工，为什么英伟达能多赚出二三十个点？因为客户付的钱，不只覆盖了那颗芯片的制造成本，也覆盖了芯片背后那套能让它跑起来的软件。软件的边际成本趋近于零，这部分溢价，就落在了毛利率里。

第二个是净利率 55.6%。一家卖硬件的公司，赚出了软件公司的利润率，逻辑类似，因为有了软件带来高毛利，也会带来高净利。

再看成本结构，会更清楚。

销货成本占 29%，主要是台积电的制造费用和 HBM 内存；研发费用占 9%；销售和管理费用占 2%。

研发只占 9%，看着不高。乘上 2159 亿美元的营收，这是一笔接近 200 亿美元的投入。

销货成本只有 29%，意味着每卖 100 美元，只有 29 美元花在制造上；销售和管理费用只有 2%，意味着一家年收入两千亿美元的公司，几乎不需要靠庞大的销售团队去推。羡慕啊，这种产出来就不愁卖的企业，试问谁不想拥有呢。

生产成本+销售费用双低，只有一个解释：客户是主动来找它的。事实当然如此，AI浪潮来临之后，英伟达供不应求，黄仁勋春风得意，轻舟已过万重山。

04 每卖一块 GPU，都在加固一把锁

英伟达的护城河，不在 GPU 硬件上，它在 CUDA 的锁定效应里，所以还是得多说说CUDA 。

这条护城河，可以拆解为3个维度：

第一是开发者锁定。全世界的 AI 研究者和工程师，已经把 CUDA 当成默认开发环境。PyTorch、TensorFlow、JAX 这些主流框架，都优先支持 CUDA。换一个硬件平台，意味着重写代码、重新调参、重新训练，这个成本大到没有几家公司愿意承担。

第二是软硬件协同。每一代新 GPU，都和 CUDA 版本深度绑定。H100 要配最新版本的 CUDA 才能发挥全部性能，旧版本的 CUDA 跑不了新硬件。这套机制让用户很难停留在老版本，也很难轻易迁到竞争对手的平台上。

第三是供应链。英伟达不自己生产芯片，主要交给台积电代工，但它和台积电签了长期产能锁定协议，在 CoWoS 封装产能最紧张的时候，能优先拿到供应。2024 到 2025 年，英伟达是少数能持续出货的公司，而AMD 和英特尔 AI 芯片的出货量，远低于预期。

这三样东西合在一起，转成了一个飞轮：

卖 GPU 赚钱 → 把钱投进研发，做下一代 GPU 和 CUDA → CUDA 生态越强，开发者的迁移成本越高 → 客户只能继续买英伟达 → 回到第一步。

这个飞轮特别巧妙的一点是，每卖出一块 GPU，都在加固下一块GPU的*锁定。*竞争对手可以做出性能接近的芯片，但复制不了十几年积累下来的软件生态。

05 三个风险，都指向“集中”

英伟达当然不是高枕无忧，尽管现在的它看起来牢不可破，但从商业模式上来看，它有三个结构性风险。

第一，客户太集中。

数据中心业务的五大客户，亚马逊、微软、谷歌、Meta、OpenAI，贡献了超过一半的收入。而这些公司，恰恰是最有能力、也最有动力摆脱英伟达的公司。

谷歌的 TPU 已经在内部训练中使用，亚马逊的 Trainium 和 Inferentia 正在对外卖，微软的 Maia 也在推进。粗略算一下，如果这些客户把 30% 的算力需求转到自研芯片上，英伟达的营收会少掉 15%。

它们自研芯片，不全是为了省钱，更多是为了不被卡脖子。英伟达需要在这些客户仍然是客户的时候，继续从它们口袋里赚钱，同时又要接受它们迟早会成为对手。

所以卡脖子这事儿，不光中国担心卡，实际上同为美国企业的云计算巨头，也担心卡。

第二，地缘政治。

这事儿都不用说是潜在风险了，已经完全剑拔弩张。英伟达过去有黄仁勋从中斡旋，能够腾挪于两个大国之间，以后接下来的路不知道要如何走。

英伟达最先进的 GPU，H100、H200、Blackwell，都在美国的对华出口管制清单里。管制之前，中国市场贡献了英伟达 20% 到 25% 的营收。禁令之后，它一度只能向中国卖 A800、H800 这样的“阉割版”。

更麻烦的是，市场空出来之后，不会一直空着。华为昇腾、寒武纪这些本土厂商正在填这个缺口，一旦生态成型，英伟达可能永久失去这个市场。

第三，周期。

2024 到 2025 年的 AI 投资热潮，很大程度上是“抢 GPU”抢出来的。每家公司都想囤足够的算力，不管用不用得上。一旦 AI 商业化落地不如预期，或者模型训练的需求饱和，数据中心的投资可能迅速收缩。

历史上有过类似的剧本。2000 年光纤投资热潮过后，通讯设备公司的营收大幅缩水。英伟达不是第一个在繁荣期被高估的公司。

英伟达的天花板，取决于一个问题：AI 算力的需求，还能增长多久？如果 AI 算力的需求再高速增长五年，英伟达的年营收会站上 1 万亿美元，净利润超过 5000 亿美元，成为人类历史上最赚钱的公司。这个情景的前提是，AI 应用持续爆发，算力需求指数级增长，而且英伟达一直保持垄断。

更现实的判断是，英伟达正处在一个超级周期的顶部，接下来很有可能会进入“高利润、中速增长”的状态。增速会从 60% 以上降到 15% 到 25%，但毛利率和净利率会维持在高位。它的护城河足够深，短期内没有谁能打破 CUDA 的锁定。

这是一门好生意吗？是非常好。

它有硬件公司里罕见的软件护城河，有软件公司里也少见的定价权，还有科技巨头里最干净的业务聚焦。它不做搜索，不做社交，也不和云厂商抢地盘，只卖芯片和平台。

但它也站在一个悬崖边上：客户太集中，地缘政治不确定，AI 投资周期可能见顶。未来三年，它会证明自己是下一个 IBM，长期稳健；还是下一个思科，繁荣过后估值永久回落。

06 商业模式要适配价值主张

把九个格子连起来看，英伟达商业模式画布里有一个巧妙的配合，发生在核心资源和价值主张之间。

一般公司的逻辑是，有什么资源，就提供什么产品。英伟达反过来了：因为有 CUDA，客户买它的硬件，是为了用 CUDA。

价值主张被核心资源重新定义了，它卖的不是芯片，是进入一个生态系统的门票。

这也是为什么，它的毛利率能比同行高出二三十个点。客户付的钱里，有一部分不是为算力付的，是为“不用重写代码”付的。

写完这张画布，我最大的感受是，商业模式画布真正的价值，是让人看到格子与格子之间的那根线，而不是把九个格子填满。

英伟达的九个格子里，客户、渠道、收入，都是很普通的硬件公司写法。真正让它变成今天这个样子的，是核心资源那一格里的 CUDA，以及它和价值主张之间的联动，围绕核心价值主张，构建整个业务模式。

一家公司最深的护城河，往往不在它卖的东西里，而在客户为了用它，已经付出的那些看不见的成本里。

参考资料：

英伟达商业模式画布，https://businessmodelcraft.com/zh/examples/nvidia

商业模式画布深度填写指南，https://mp.weixin.qq.com/s/h23zPl3JExq4lDHzwm27oQ

英伟达财年数据来源StockAnalysis，英伟达的财年截止于每年 1 月底，2026 财年截至 2026 年 1 月