AI 半導體格局:NVIDIA 98% 市佔率、Rule of X 取代 Rule of 40、H-1B 供需落差與算力
Bill Gurley、Brad Gerstner 與 Dylan Patel 的深度對談:NVIDIA 在 AI 算力佔有率達 98%(不含 Google),Rule of X 正在取代 Rule of 40 作為估值框架,H-1B 簽證需求是實際上限的五倍,以及 AI 時代下企業軟體與模型提供者的生態博弈。
本篇內容

SaaS 估值框架的變革:Rule of X 取代 Rule of 40
SaaS 行業的估值多數約為 6 倍營收,但這個平均值因分佈廣泛而具有誤導性。成長調整後的多數在 2020-21 年激增,回落至 10 年平均水平,目前再次高於該平均水平。這種變化反映了市場對成長性的重新評估。
Bessemer 的 Rule of X 正在取代傳統的 Rule of 40 作為估值多重框架。Rule of X 將成長價值約定在每個百分點利潤的 3 倍,而長期平均值為 2-3 倍。這意味著市場現在更重視成長而非單純的營收與利潤之和達 40%。
科技巨頭的營運效率與人力策略
Meta 通過大幅減少員工數量,從 2022 年第三季的 87,000 人降至報告季的 67,000 人,員工每人的獲利因此三倍化。儘管縮編,Meta 的視頻參與度仍年增 25%,廣告變現也有改善。這展示了在 AI 時代,科技公司透過優化人力結構來提升每位員工的產出。
AI 模型提供者的風險與 IP 屬性
Bill Gurley 警告說,純粹的 AI 模型提供者持有的是易失的知識產權。模型可能在 overnight 被超越或開源,必須從頭開始重新訓練,這使得重資本支出的模型賭注在結構上比在軟體上構建更具風險。這解釋了為什麼許多投資人傾向於看重具有長期軟體護城河的公司。
Aaron Levie(Box CEO)認為,AI 代理人可以掃描 Box 儲存的數千億個檔案,並總結合同、從非結構化文件中提取數據並自動化流程。雖然每個檔案的大多數價值需要人類開啟、閱讀或觀看,但 AI 代理人的能力顯著擴展了雲端內容的自動化潛力。
人才移民與 H-1B 簽證供需落差
Aaron Levie 指出,美國的合法 H-1B 簽證需求遠超供給。雖然每年的簽證上限約為 85,000 張,但這已經保持約 20 年不變,而真正的合格需求約是這個數值的五倍。他形容這是國家「最冒犯的不合邏輯之處」,因為美國阻止最聰明的人來此工作、繳稅並創辦下一家公司,從而損失了當地社區利益和稅收。
Levie 將成功公司分為兩類:一類是 Google/Meta 那種永遠 50% 成長的路徑,另一類是 Autodesk/Adobe/Ansys 那種 10-20% 成長但長期維持 30-40% 自由現金流的路徑。他引用 Ansys 作為約 20 億美元營收、30-40% 利潤率、300 億美元市值的例子。這展示了不同商業模型在 AI 時代的不同軌跡。
Microsoft 的 AI 業務報告約 100 億美元,幾乎全部是推理業務。OpenAI 的訓練算力計入「其他收入」作為投資邏輯,而非季度營收。這反映了企業 AI 變現模式的差異:軟體層面的直接營收對比模型層面的投資邏輯。
AI 算力基礎設施的擴張與成本
雲端巨頭(AWS、Azure、Google Cloud)的聚合成長重新加速,單季達成 150 億美元的新年化經常性收入(ARR)新紀錄,這是從約 1000 億美元的 AWS 營運率遞增而來。這顯示企業對 AI 服務的需求正在加速成長。
Satya Nadella 的 AI 策略是下注 OpenAI 透過縮放定律,將 AI 視為多層疊加並預測業務應用將 collapse 進代理人,同時縮放定律和測試時算力將持續發揮作用。Microsoft 認為它比 Amazon 雲端更大、成長更快、利潤率更高,因為它擁有所有層(原始 GPU、 fabric-plus-GPU、Foundry-plus-GPU、作為 M365 加貼的 GitHub Copilot)。
NVIDIA 在 AI 算力佔有率上表現強勢:若不計入 Google,其市佔率超過 98%;計入 Google 後約為 70%,因為 Google 使用自家 TPU 處理生產工作負載。NVIDIA 的競爭優勢被描述為「三頭龍」:優越的軟體(CUDA)、硬體領先(最快的產品上市時間)和網路(Mellanox 收購)。此外,NVIDIA 已轉向每年產品週期(Blackwell、Blackwell Ultra、Rubin Ultra),這為競爭對手創造了顯著的競爭壁壘。
AI 時代的成本結構與供應鏈瓶頸
HBM(高帶寬記憶體)正成為 AI 晶片中區分度極高且稀缺的元件。NVIDIA 正對記憶體製造商(三星、SK 海力士、美光)施加強硬要求,導致 HBM 在成本銷售商品(CoGS)中佔比的增長速度快於領先製程成本。生產同等容量的 HBM 所需的晶圓數量約是 DDR5 的 3-4 倍,這成為了供應鏈的關鍵瓶頸。
據估計,到 2027 年全球資料中心建設的總算力將接近 50 吉瓦,其中約 35 吉瓦 在美國。這筆龐大的算力需求推動了資料中心成本的激增:建設 1GW 資料中心的成本從 2024 年的約 400 億美元升至超過 600 億美元。Meta 在運算和數據中心的承諾高達 1.4 兆美元,這反映了 AI 時代下企業對基礎設施的巨額投入。
競爭格局:AMD、Google TPU 與 Amazon Tranium
AMD 在硅工程方面具有競爭力,但缺乏軟體專業知識和系統級設計能力,這限制了其在 AI 領域的採用。雖然 Meta 和 Microsoft 等雲端巨頭正在輔助 AMD 開發軟體,但尚未足夠匹配 NVIDIA 的整合系統優勢。Google 的 TPU 現已對外客戶開放,而 Amazon 的 Trainium 晶片在 HBM 容量和記憶體帶寬每美元成本方面優勢顯著,但在網絡連接和軟體整合上仍落後於 NVIDIA。
Broadcom 通過自定義 ASIC 和網絡解決方案,有望與 NVIDIA 的 NVSwitch 競爭,並已贏得包括 Google、Meta 在內的多家雲端巨頭的訂單,有望在 NVIDIA 專有互連之外捕獲價值。這表明 AI 晶片市場正朝著更多樣化的發展方向演進。
推理成本與模型效能
推理時的算力(如 OpenAI 的 o1 類推理模型)相比非推理模型,每代 token 的生成成本可能增加 10 倍至 50 倍。這是因為上下文長度延長、批次尺寸縮小以及每代 token 的定價更高。這對 AI 服務的商業模型有著直接影響,尤其是對於需要深度推理的應用。
NVIDIA 的產品定價與效能成長呈現顯著趨勢:從 Ampere 到 Hopper,平均售價約翻倍,效能提升約 10 倍;從 Hopper 到 Blackwell,價格上漲約 50%,效能提升 3-30 倍。這種定價模型反映了 AI 晶片效能成長的非線性特性。
NVIDIA Blackwell 機架成本約 250 億美元,Rabin 機架約 400 億美元,並預計有約 10 倍的效能提升。這些高昂的成本反映了先進 AI 晶片所需的製程技術和封裝複雜度。
Anthropic 的每吉瓦推理算力收入可能達到 700-800 億美元。這種效能指標展示了算力成為新的貴重資源,其經濟價值極高。
資料來源與延伸閱讀
以下來源用於核對本文的技術背景與關鍵事實;產品規格與時效性資訊仍以原始官方頁面最新版本為準。
查看 12 個來源
- BG2 with Bill Gurley, Brad Gerstner & Aaron Levie | Software Valuations, Earnings, Immigration | E02|BG2Pod — BigGo Finance
- Satya Nadella | BG2 w/ Bill Gurley & Brad Gerstner|BG2Pod — BigGo Finance
- nvidia CEO Jensen Huang is back on the @bg2pod ...
- AI Semiconductor Landscape feat. Dylan Patel | BG2 w/ Bill Gurley & Brad Gerstner
- BG2 w/ Bill Gurley & Brad Gerstner | Pankaj Kedia
- Bg2 Pod
- AI Semiconductor Landscape feat. Dylan Patel | BG2 w
- In-Depth Analysis by SemiAnalysis Founder: How Long Can AI Investment Last? Can NVIDIA Maintain Its Moat? When Will the Memory Shortage End?
- GDPx: Measuring Frontier Model Capabilities Across the Most Valuable Domains
- Billionaires React To Democratic Midterm Sweep—Musk Jokes About ‘Space Lasers’ As Hoffman Calls Him Out
- Ep20. AI Scaling Laws, DOGE, FSD 13, Trump Markets | BG2 w/ Bill Gurley & Brad Gerstner|BG2Pod — BigGo Finance
- Michael Dell – Invest America Act Becomes Law, AI Talent Wars, Compute Demand, Market Update | BG2|BG2Pod — BigGo Finance