ChatGPT-6 Astra 引爆 AI 算力:NVIDIA 与 Broadcom 谁将成为最大赢家?

TradFi
更新于: 2026-09-09 04:33

美东时间2026年9月8日,华尔街的注意力被一组分化明显的股价表现所吸引:据 Gate 股票行情数据显示,NVIDIA(NASDAQ: NVDA)收跌2.01%,报225.73美元;Broadcom(NASDAQ: AVGO)逆势上涨2.98%,报368.56美元。触发这一走势分歧的,是同一件事件——OpenAI于上周正式推出的ChatGPT-6 Astra,一款被官方称为”迄今为止最智能、最对齐”的大模型。

NVDA 股价,来源:Gate 股票行情


AVGO 股价,来源:Gate 股票行情

NVIDIA首席执行官黄仁勋在社交平台公开披露,Astra的训练动用了超过10万套NVIDIA Grace Blackwell NVLink72系统,且未来还将有约40万颗GPU陆续投入供OpenAI使用。这一信息被市场广泛解读为算力需求的持续性信号。同一时间,Broadcom与OpenAI联合开发的定制推理芯片Jalapeño也进入部署倒计时,预计于2026年底由Celestica完成系统组装。


来源:X/@OpenAI
两家公司分别锚定AI算力价值链上两个截然不同、却同样关键的位置。资本市场正在对不同环节的受益次序与程度进行差异化定价。本文基于公开数据与分析师共识,从技术架构、商业模式、估值逻辑三个维度,拆解NVIDIA与Broadcom在这场AI算力竞赛中的真实站位与潜在风险。

NVIDIA:训练端的系统性壁垒

算力规模的量级跃迁

黄仁勋披露的数据构成了此次市场讨论的核心锚点。10万套Grace Blackwell NVLink72系统用于Astra的预训练,这一量级的算力投入意味着单次训练成本已进入百亿美元区间。更为关键的是其附加信息——另有40万颗GPU即将上线供OpenAI使用。这一表述暗示即便Astra已完成发布,OpenAI在训练侧的投入仍处于扩张通道而非收缩阶段。

从技术演进路径来看,GPT系列模型的参数规模与算力消耗始终遵循超线性增长规律。Astra在FrontierMath Tier 4测试中取得98%得分、在ARC-AGI-3测试中达到99.9%,这些性能指标的跃迁必然对应算力投入的指数级扩张。若下一阶段模型继续向多模态融合与推理能力深化方向演进,训练算力的需求曲线尚未出现拐点信号。

生态护城河的深度

NVIDIA在训练端的统治力并非仅靠芯片性能。CUDA生态经过十余年积累,已形成包含超过400万开发者的软件护城河。主流深度学习框架(PyTorch、JAX、TensorFlow)的原生CUDA支持、数千个优化库与算子级调优经验,使任何试图迁移至替代硬件的工作都面临巨大的转换成本。

NVLink系统在超大规模集群中的通信效率优势同样构成差异化壁垒。万卡级乃至十万卡级训练集群中,跨节点通信效率直接决定了有效算力利用率。NVIDIA的NVLink与InfiniBand组合方案在这一环节积累了深厚的工程优化经验,这是单纯硬件参数无法量化的系统级优势。

分析师对此给出了明确的定价信号。追踪NVIDIA的29位分析师全部给予”买入”评级,平均12个月目标价约325.23美元,较当前225.73美元存在约44%的理论上涨空间。即便最保守的分析师给出的275美元目标价,仍高于当前市价约21.8%。这种”全线上修”的格局意味着机构对NVIDIA训练端需求的确定性共识度较高。

约束条件与风险因素

NVIDIA并非没有隐忧。当前市值约5.44万亿美元,滚动市盈率28.53倍,虽低于Broadcom的47.05倍,但绝对体量已处于历史高位。52周高点236.54美元构成短期技术面压力位,当前价格距此仅约4.8%。这意味着市场对训练端需求已有相当程度定价,继续上行需要更强预期催化。

长期风险则来自大客户的自研替代。Google TPU、AWS Trainium/Inferentia、Microsoft Maia等定制芯片正逐步承担各云厂商的内部推理与部分训练负载。当自研芯片在性能上逼近NVIDIA通用GPU的边际差距时,大客户的结构性订单转移将对NVIDIA的营收预期产生实质影响。

Broadcom:推理端的定制化卡位

Jalapeño芯片的定位逻辑

Broadcom的受益路径与NVIDIA截然不同。2026年6月,Broadcom与OpenAI联合发布定制推理芯片Jalapeño,由Celestica负责系统组装,初步部署计划于2026年底启动。该芯片专为推理场景设计,核心目标是优化能效比与单位成本,而非追求训练环节的峰值算力。

推理与训练的商业逻辑存在本质差异。训练环节追求绝对算力上限,通用GPU架构凭借高并行度与生态兼容性占据主导;推理环节则更关注长期运营成本,定制ASIC芯片在特定模型架构下的能效优势可转化为显著的TCO(总拥有成本)节省。当大模型从研发阶段进入大规模用户覆盖阶段,推理算力的成本结构将逐渐成为决定商业模式可持续性的关键变量。

OpenAI选择Broadcom而非内部自研团队完成这一芯片设计,侧面印证了Broadcom在定制ASIC设计服务领域的工程能力。该公司长期为Google、Meta等互联网巨头提供定制芯片设计服务,积累了丰富的后端设计、封装集成与量产管理经验,这在芯片设计服务领域属于稀缺能力。

市场预期与分析师定价

Broadcom当前获得26个买入评级和3个持有评级,平均12个月目标价约521.41美元,较当前368.56美元存在约42.7%的理论上涨空间。但关键分歧点在于目标价下限——350美元的最低目标价低于当前市价约5%。这意味着仍有部分机构认为当前价位已缺乏足够安全边际,对推理芯片市场渗透节奏持审慎态度。

克莱默的判断逻辑——Astra的成功巩固OpenAI市场地位、进而保障Broadcom订单确定性——代表了一部分乐观投资者的叙事框架。此外,OpenAI与Anthropic等AI公司的潜在上市预期,以及Broadcom作为其”首选合作伙伴”的战略身份,也为市场提供了额外的想象空间。

估值高企的支撑与脆弱性

Broadcom当前约1.75万亿美元市值,滚动市盈率47.05倍,显著高于NVIDIA的28.53倍。这一估值溢价隐含了市场对推理端需求爆发式增长的高度乐观预期。52周高点495.00美元对应约34%的上涨空间,但52周低点289.96美元也意味着约21%的回撤风险区间。

高估值的关键支撑在于推理需求的量级估算。若Astra级别的模型覆盖数亿日活用户,推理算力的消耗量级将可能数倍于训练阶段。但这一逻辑存在两个前置条件:其一,Astra的推理负载确实按预期规模铺开;其二,Broadcom的Jalapeño芯片在量产中的良率与性能达标。任一环节出现偏差,均可能引发市场对高估值合理性的重估。

对比分析:两种算力曲线的交叠与分野

商业模式本质差异

两家公司虽然共享”AI算力”这一大标签,但其商业模式的底层逻辑截然不同。

NVIDIA的商业模式是标准品平台化。它销售的是通用GPU算力单元与配套软件生态,任何AI开发者只要使用CUDA,就是NVIDIA生态的参与者。规模效应在芯片设计与软件研发环节高度显著,边际成本随出货量增加而递减。但这种模式的代价是——客户随时存在自研替代的动机与可能性。

Broadcom的商业模式是定制化服务。它不销售通用芯片,而是为特定客户设计专用加速器。客户粘性极高——一旦为某客户完成芯片Tape-out(流片),后续量产与迭代的转换成本极为昂贵。但这种模式的局限在于营收与少数大客户的资本支出节奏高度相关,单一客户订单波动对财报的影响更为直接和显著。

受益次序的时间维度

从受益次序来看,NVIDIA处于第一阶段——模型训练阶段的算力投入已在订单中兑现,确定性最高;Broadcom则处于第二阶段——模型发布后的推理部署阶段,市场预期先行,但订单落地与营收确认需要更长时间窗口。

当前两家公司几乎同等的预期涨幅空间(NVIDIA约44%,Broadcom约42.7%)并不意味着相同的风险收益结构。NVIDIA的确定性更高,但市值体量与增速天花板同样清晰;Broadcom的想象空间更大,但订单能见度相对偏低,且当前估值已计入大量乐观预期。

美东时间9月8日的股价分化——NVIDIA收跌2.01%、Broadcom收涨2.98%——或许反映了市场在短期维度上更倾向于为”推理端增量故事”支付溢价,而非继续加仓已在高位的训练端龙头。这是一次短期的风格切换信号,还是推理端长期估值重构的开端,取决于未来数个季度的订单落地节奏。

结语

ChatGPT-6 Astra的发布再次验证了一个朴素的行业规律:大模型能力的每一次阶跃,都对应算力基础设施的指数级投入。NVIDIA与Broadcom分别锚定了训练端与推理端,当前看均是这一逻辑下的核心参与者。

但两者面临的”验证周期”存在本质差异。NVIDIA的交易逻辑更偏向确定性——训练端需求已有充足订单支撑,估值倍数相对合理,但体量巨大意味着边际增速可能趋缓;Broadcom的交易逻辑更偏向预期差——推理端市场空间的理论上限极为宽阔,但当前高估值已隐含了相当程度的乐观假设,一旦订单落地节奏不及预期,估值回调的压力同样不容忽视。

接下来的数个季度,Astra带来的推理需求将实际流向何处——是更快转化为Broadcom定制芯片的订单与营收,还是继续沉淀在NVIDIA训练集群的持续扩张中——将是决定这两只AI算力核心标的是否能兑现分析师当前所赋予上涨空间的关键验证窗口。

FAQ

1. ChatGPT-6 Astra的训练使用了多少NVIDIA芯片?

据NVIDIA首席执行官黄仁勋披露,Astra训练动用了超过10万套NVIDIA Grace Blackwell NVLink72系统,未来还将有约40万颗GPU陆续投入供OpenAI使用。

2. Broadcom在Astra发布中的具体角色是什么?

Broadcom与OpenAI联合开发了名为Jalapeño的定制推理芯片,专为运行已完成训练的大模型而设计,初步部署计划于2026年底启动,由Celestica负责系统组装。

3. 分析师对NVIDIA和Broadcom的目标价预期如何?

追踪NVIDIA的29位分析师全部给予”买入”评级,平均目标价约325.23美元,潜在上涨空间约44%。Broadcom获得26个买入和3个持有评级,平均目标价约521.41美元,潜在上涨空间约42.7%。

4. NVIDIA与Broadcom在AI算力生态中的定位有何不同?

NVIDIA主导训练端的通用GPU算力平台,依托CUDA生态与NVLink集群通信优势构建护城河;Broadcom聚焦推理端的定制ASIC芯片设计,为特定客户优化推理能效与运营成本。

5. 两家公司当前估值水平如何对比?

NVIDIA滚动市盈率约28.53倍,市值约5.44万亿美元;Broadcom滚动市盈率约47.05倍,市值约1.75万亿美元。Broadcom享有更高的估值溢价,反映市场对推理端算力需求高速增长的乐观预期,但也意味着需要更强劲的订单兑现来支撑当前估值。

本内容不构成任何要约、招揽、或建议。您在做出任何投资决定之前应始终寻求独立的专业建议。请注意,Gate 可能会限制或禁止来自受限制地区的所有或部分服务。请阅读 用户协议了解更多信息。

分享一下

sign up guide logosign up guide logo
sign up guide content imgsign up guide content img
Sign Up
Log In