一、信号：2026 年 7 月，四件事同时发生
2026 年 7 月，四件事同时进入视野，彼此看似无关，实则指向同一个结论。其中三件集中在 7 月第一周，另一件是持续两个月的股价调整。
第一件：GPU 现货市场诞生。 7 月 6 日，Axios 报道一家叫 Ornn 的初创公司上线了 GPU 现货交易市场。a16z 领投 3300 万美元 seed 轮。H100 按小时计价，价格持续走低。这不是云厂商的按需实例，这是真正的现货交易所，买方卖方撮合，价格公开透明。GPU 第一次有了市场化的小时价格。
第二件：Nvidia 市值蒸发一万亿。 从 5 月 14 日高点到 7 月 8 日，Nvidia 股价在约两个月内跌了约 16%。Bloomberg 7 月 8 日的数据显示，相当于约 1 万亿美元市值消失。但奇怪的是：分析师在同期上调盈利预期，基本面没有恶化。投资者抛售的不是 Nvidia 的业绩，而是 Nvidia 的定价权假设。
第三件：估值信号。 Nvidia 的 forward P/E 降到了 18x。同期标普 500 是 20x。好时巧克力（Hershey's）的 P/E 也比 Nvidia 高。换句话说，市场认为 Nvidia 的增长前景不如大盘平均水平。这与一年前"AI 唯一卖铲人"的叙事形成极端反差。
第四件：内存厂商暴涨。 同一期，Micron 市值翻了近 3 倍。SK Hynix 7 月 10 日完成 265 亿美元美股上市，IPO 规模仅次于 SpaceX 上市。资本正在用脚投票：如果算力是新石油，内存就是新管道，而管道供给更稀缺。
TechCrunch 7 月 9 日的标题一针见血："Nvidia is a victim of the compute marketplace it created。" Nvidia 创造了算力交易的基础设施，最终催生了算力的商品化，而商品化是定价权的天敌。
关键判断：这不是 Nvidia 的问题。这是整个"算力稀缺"叙事的重新定价。当一个资产从稀缺变成可交易，它的价格必然向边际成本收敛。投资者正在提前消化这个过程。
二、算力大宗商品化的三个条件，正在同时满足
大宗商品不是自封的。石油、天然气、电力之所以成为大宗商品，需要三个前提条件同时满足。GPU 算力正在逐一达标。
条件一：标准化
H100 就是 H100。无论你在 AWS、Azure、GCP 还是 CoreWeave 上租到的那张卡，硅片相同，架构相同，FLOPS 相同，HBM 带宽相同。计算产出是同质的、可度量的。FLOPS、显存带宽、互联延迟，这些指标构成了标准化的度量衡。
CUDA 生态确实锁定了开发者心智，这让 Nvidia 在软件层有极强的粘性。但要注意：软件锁定不等于硬件差异化。当客户的推理工作负载可以在任何 H100 上跑，CUDA 的护城河只存在于迁移成本中，而迁移成本会随工具链成熟持续下降。
这与石油的标准化高度类似。WTI 原油和 Brent 原油有品质差异，但同品级原油是同质的。GPU 已经跨越了这个门槛。
条件二：可交易
Ornn 正在建的就是 GPU 算力的现货市场。7 月 7 日，Saturn Cloud 在 Nebius marketplace 上线了自助式 GPU 部署：选卡、选时长、刷信用卡，几分钟拿到算力。这不再是云厂商的封闭定价，而是开放撮合。
GPU 算力有一个比石油更极端的物理特性：不能存储。石油可以放进储罐等涨价，GPU 小时一旦过去就永远消失。空闲算力的边际成本趋近于零，而边际收入也趋近于零，除非有市场让它变现。
这个特性让 GPU 比石油更需要实时交易。Ornn 这类现货市场的出现，本质上是给不可存储的商品提供了价格发现机制。Axios 的报道引用了 Ornn 创始人的判断：GPU 算力的价格波动性远高于电力市场，因为供给刚性（产能固定）叠加需求脉冲式变化（训练任务集中启动）。
条件三：供给多元化
大宗商品形成需要多个供给方，没有单一卖家能控制价格。GPU 正在快速走向这个状态：
- Meta MTIA "Iris"：Broadcom 联合设计、TSMC 代工，9 月投产。Meta 内部目标：2026 年部署 7GW 自有算力，2027 年翻到 14GW。这不是实验室项目，是量产计划。
- AMD Instinct：Meta 已经下了数十亿美元订单。AMD 在 MI400 系列上拿到了 CUDA 兼容性的关键突破。
- Amazon Trainium/Inferentia：自研推理芯片已大规模部署，成本据称比 H100 低 40%。
- Google TPU v6：Trillium 版本已对外服务，Gemini 全系列模型跑在 TPU 上。
- Anthropic × Samsung：The Information 7 月报道，Anthropic 正在与三星谈判定制 AI 芯片。芯片类型尚未确定，但战略意图明确：不被单一供应商卡脖子。Cramer 的分析指出，这条路需要数十亿美金的半导体设备投入。
- DeepSeek 自研：CNBC 7 月 7 日报道，DeepSeek 正在推进自研芯片。出口管制下的生存选择。
- OpenAI Jalapeño：最激进的垂直整合案例。从模型到芯片全栈自研。
七家头部 AI 公司中，六家已经在推进自研芯片。唯一的例外是 xAI，而 Musk 的性格意味着这只是时间问题。
三个条件同时满足的后果：GPU 算力正在从一个厂商控制的稀缺产品，变成多个供给方参与的可交易标准品。这就是大宗商品化的定义。
三、瓶颈上移：从计算到内存
如果 GPU 是新石油，那 HBM 就是新炼油厂，而炼油厂的产能扩张速度远慢于油井。
过去两年，所有人盯着 Nvidia 的 GPU 产能。但真正的物理瓶颈不在 GPU 硅片，而在 HBM（高带宽内存）。每张 H100 配备 80GB HBM3；每张 B200 配备 192GB HBM3E。GPU 产能受限于台积电的 CoWoS 封装产能，而 CoWoS 产能又受限于 HBM 芯片产能。瓶颈的瓶颈才是真瓶颈。
Micron 市值翻 3 倍不是炒作。 内存产能的扩张周期（新建晶圆厂到量产通常需要 18-24 个月）远长于 GPU 产能扩张（同一晶圆厂增加流片批次约需 3-6 个月）。当 GPU 产能追赶上来，内存就成了约束推理吞吐量的决定性因素。
SK Hynix 265 亿美元 IPO 的信号比 Micron 更强。SK Hynix 是 HBM 全球第一大供应商，占据超过 50% 的 HBM3E 市场份额。资本市场给 SK Hynix 的估值，实际上是在说：谁控制 HBM 供给，谁控制下一个 AI 瓶颈。
具体来看价值链重构的逻辑：
GPU 层面，Nvidia 的毛利率已经从 2024 年峰值 78% 开始下行。竞争加剧 + 自研芯片侵蚀推理市场 = 定价权松动。Nvidia 依然是最大玩家，但不再是唯一玩家。
内存层面，HBM3E 产能 2026 年仍然紧张。三星的 HBM3E 良率问题延迟了量产，SK Hynix 和 Micron 成为实际供给方。三家内存厂商控制了全球 HBM 供给，集中度比 GPU 市场还高。
这意味着：即使 GPU 商品化让算力价格下降，内存厂商的利润反而可能上升，因为算力需求增长快于 HBM 产能扩张，而 HBM 在推理系统成本中的占比正在从 30% 走向 50%（行业估算，非官方数据）。
HBM3E 和下一代 HBM4 的产能爬坡节奏，将直接决定 2026-2027 年推理算力的实际供给量。不是有多少 GPU，而是有多少 HBM。后者才是硬约束。
四、自研芯片浪潮：不是取代 Nvidia，是打破定价权
每家大厂都在走自研路线，但动机和策略差异很大。理解这些差异，才能判断 Nvidia 在哪些市场会被侵蚀、哪些市场依然安全。
Meta MTIA "Iris"：成本驱动 + 场景定制
Broadcom 联合设计、TSMC 5nm 代工，9 月正式投产。MTIA 的核心场景是推荐系统和广告排序。Meta 最大的算力消耗不是训练大模型，而是每天数万亿次推荐推理。
Reuters 和 CNBC 获取的 Meta 内部备忘录承认："采用最新 GPU 成本高昂，花了我们时间。"这句话翻译成商业语言：Nvidia 的定价权已经强到让 Meta 认为自研更划算。
Meta 的 7GW/14GW 目标说明这不是小规模试验。1GW 大约对应 60-70 万张 GPU 等效算力（按每张 H100 含周边功耗约 1.5kW 估算）。14GW 意味着 Meta 计划在 2027 年底前拥有 800-900 万张 GPU 等效的自研算力，这比大多数云厂商的 GPU 总保有量还大。
Anthropic × Samsung：供应链对冲
The Information 报道的谈判阶段信息有限，芯片类型（推理 vs 训练 vs 通用）未定。但信号本身比细节更重要。
Anthropic 目前的算力主要来自 AWS（Amazon 的 Trainium + Nvidia GPU）和 Google Cloud（TPU）。加入 Samsung 作为第三供应商，实际上是供应链对冲，与台积电的 CoWoS 产能瓶颈脱钩。Samsung 的 4nm HBM 基础代工能力虽不及台积电，但 3nm GAA 工艺已经成熟。
Cramer 的分析指出，这条路需要"数十亿美金的半导体设备投入"。这意味 Anthropic 在赌自己会成为长期算力买家，值得在基础设施层做重资产投入。
DeepSeek 自研：生存驱动
CNBC 7 月 7 日的报道把 DeepSeek 的自研芯片放在了"绕出口管制"的语境里。这与美国公司的自研动机根本不同。Meta 自研是为了省钱，DeepSeek 自研是为了活下去。
但从市场竞争角度，效果相似：多一个非 Nvidia 的算力供给方，GPU 商品化进程就快一步。DeepSeek 的自研芯片不太可能进入西方市场，但会进一步降低中国 AI 生态对 Nvidia 的依赖。
OpenAI Jalapeño：垂直整合
OpenAI 的自研芯片计划代号 Jalapeño，是所有头部公司中最激进的垂直整合案例。从模型架构到推理框架到定制芯片，OpenAI 想把整个推理栈掌握在自己手里。
这背后的逻辑是：当模型能力趋同（GPT、Claude、Gemini 差距在缩小），成本效率成为竞争壁垒。自研芯片可以在模型-硬件协同优化中拿到 20-30% 的效率提升。在推理成本每年需要下降 10x 的竞争中，这是决定性的。
判断：训练安全，推理失守
自研芯片不会让 Nvidia 倒下。训练市场仍然是 CUDA 主导。从 cuDNN 到 NCCL 到 Triton，整个训练工具链深度绑定 Nvidia 架构。迁移训练栈的成本和风险远高于推理。
但推理市场是另一回事。推理工作负载更标准化（前向传播、KV cache 管理、batch scheduling），对 CUDA 依赖更低。TensorRT-LLM 的竞争对手（vLLM、SGLang、Triton Inference Server）已经能在非 Nvidia 硬件上高效运行。
推理占 AI 算力消费的大头，而且是增长最快的部分。Meta 的算力消耗中，推理占 80% 以上。当推理市场被自研芯片和 AMD/Google/Amazon 侵蚀，Nvidia 的收入增长引擎会明显减速。
五、Nvidia 的困境：价格的囚徒
Nvidia 面临一个经典的不可能三角。三条路，每条都通向同一个目的地——毛利率下降。
路径一：维持高价。 如果 Nvidia 保持当前定价，客户加速自研 + 第三方供应商增长。Meta 的 MTIA、Amazon 的 Trainium、Google 的 TPU 都因为 Nvidia 的高价获得了内部立项理由。价格越高，替代方案的 ROI 越好，客户迁移越快。市场份额下降。
路径二：降价保份额。 如果 Nvidia 主动降价，可以延缓自研替代，但毛利率直接下降。Nvidia 当前毛利率约 70-75%，每降 10 个百分点，营业利润下降约 30-40%。估值模型需要全面重估，股价继续承压。
路径三：不动。 如果 Nvidia 不做任何调整，Ornn 现货市场的价格下行会持续拉低市场预期价格。客户参考现货价格谈判合同折扣，Nvidia 被动跟跌。利润率缓慢侵蚀，但市值先行下跌。
三条路的共同终点：Nvidia 从一个高毛利率、高增长、高定价权的"AI 唯一卖铲人"，变成一个中等毛利率、中等增长、有限定价权的"GPU 第一大供应商"。18x forward P/E 就是市场对这个终态的提前定价。
两线作战的困境。 6 月 4 日我们报道过 Rubin 重流片的消息。下一代架构延期意味着 2027 年的产品路线图存在不确定性。GPU 现货价格下跌 + 下一代芯片延期，一个压当前利润，一个压未来预期。Nvidia 在两线作战，且两线都没有好的防守选项。
华尔街没有共识。 据 Bloomberg 7 月 8 日报道，Goldman Sachs 的观点是"市场份额流失已反映在股价中"，隐含建议是持有或加仓。JPMorgan 的观点更激进："是时候抄底了。"但 Morgan Stanley 给了减持评级，Citi 把目标价下调了 22%。卖方研究自己都没有共识，说明基本面和估值的拐点确实在形成。
当一个市场连卖方分析师都无法达成共识，通常意味着结构性转变正在发生，而非周期波动。
六、对中国市场的含义
GPU 商品化对中国 AI 产业有复杂的多层影响。
出口管制杠杆减弱
GPU 变成大宗商品意味着替代供给来源增多。当 Meta MTIA、AMD Instinct、Google TPU、Amazon Trainium 都在市场上竞争，当 Ornn 让算力可以跨地域撮合交易，美国出口管制的边际效力在下降。
禁一张 H100 的出口，买方可以租用等效算力、使用替代芯片、或者自研。2023 年禁令有效，是因为替代供给不足。2026 年禁令效果打折，是因为商品化带来了供给冗余。
DeepSeek 自研芯片 + 开源模型的组合，已经证明不依赖最先进 Nvidia 硬件也能跑出竞争力。Qwen、DeepSeek、智谱等中国模型在国际榜单上的表现，进一步削弱了"禁 GPU 就能卡住中国 AI"的逻辑。
政策可能截断红利
Forbes 7 月 7 日报道，北京正在考虑限制海外访问中国 AI 模型。如果实施，"中国模型便宜 + 算力商品化降低推理成本"的红利可能被政策截断。模型输出是一种服务贸易，限制跨境访问等于自废武功。
技术竞争变成信息战
Washington Post 7 月 6 日报道，Anthropic 指控阿里 Qwen 通过 25,000 个假账号蒸馏 Claude 模型的输出。未经证实，但信号值得注意。当模型能力差距缩小、算力成本趋同，竞争正在从"谁的模型更强"转向"谁的叙事更有效"。
这不是好事。技术竞争靠产品和数据说话，信息战靠叙事和指控说话。后者只会增加监管干预的风险，对所有参与者不利。
HBM 才是真正的卡脖子点
GPU 可以自研、可以买 AMD、可以用 TPU，但 HBM 供给高度集中。SK Hynix（韩国）、Micron（美国）、Samsung（韩国）三家控制了全球 HBM 产能。中国在这一层几乎没有自主供给。
HBM3E 的制造需要 EUV 光刻机、先进 CoWoS 封装、超纯化学品，这些都是中国的结构性短板。GPU 商品化让 GPU 不那么关键，但 HBM 反而变成了更纯粹的瓶颈。当价值链上移到内存层，中国面临的不是"买到 GPU 就行"的问题，而是"有没有 HBM 跑在这些 GPU 上"。
GPU 正在变成可替代商品，HBM 不是。中国能自研 GPU（华为昇腾、寒武纪），能自研模型（DeepSeek、Qwen），能在开源生态中与西方竞争。但在 HBM 制造这一层，中国面临的是整个半导体供应链的结构性差距：EUV 光刻、先进封装、材料科学。
如果说 GPU 商品化是 2026 年最重要的 AI 基础设施变化，那么"GPU 不再是瓶颈，HBM 才是"这个认知的传播速度，将决定各国 AI 政策的下一步重心。美国可能正在意识到：限制 HBM 设备出口比限制 GPU 出口更有效。如果政策转向，中国的 AI 算力供给将面临更深层的约束。
这不是预测，是需要持续观察的变量。
七、判断
算力商品化是结构性转折，不是周期波动
三个条件（标准化、可交易、供给多元化）在 2026 年同时满足。这个过程不可逆。即使 Nvidia 推出革命性的下一代架构，也只是延缓而非逆转商品化趋势。石油市场在 1860 年代经历过同样的转折：从洛克菲勒垄断到德州石油繁荣到 OPEC 成立。核心都是从单一供给方到多元市场。
GPU 走完这条路可能只需要 5 年，而不是石油的 50 年。因为技术商品化的速度远快于自然资源。
最大受益者不是 GPU 买家，是内存厂商
瓶颈上移意味着价值上移。当 GPU 不再是稀缺资源，HBM 就成了新的稀缺资源。Micron 市值翻 3 倍、SK Hynix 265 亿美元 IPO。这些数字不是巧合，是资本在为下一个瓶颈定价。
如果要在 AI 基础设施层做一个三年期投资，HBM 供应链比 GPU 供应链的确定性更高。这个判断有风险（HBM4 可能被新架构替代），但在可见的时间窗口内，内存产能扩张的速度确定性地慢于算力需求增长。
Ornn 的长期价值在于价格发现
GPU 现货市场的意义不仅是"让 GPU 更便宜"。更深层的是价格发现：让市场知道一张 H100 的小时真实价值是多少。
这类似于中国利率市场化改革。当存款利率由央行指定（GPU 价格由 Nvidia 指定），银行（云厂商）的利润来自利差（转售加价）。当利率市场化（GPU 现货价格公开），银行（云厂商）必须靠服务和效率赚钱，而不是靠信息不对称赚差价。
所有云厂商的 GPU 转售利润都会被侵蚀。这对 Nvidia 的直接客户（大企业、研究机构）是利好，可以更精确地预算算力成本。对中间商（云厂商的 GPU 实例业务）是利空。
Nvidia 不会崩溃，但叙事已变
CUDA 生态护城河依然深厚，训练市场依然主导，Rubin 路线图（即使延期）仍有竞争力。Nvidia 会继续是一家高收入、强技术的公司。
但"AI 唯一卖铲人"的叙事结束了。18x forward P/E 低于标普 500 的 20x。这是市场在说：我们不再认为 Nvidia 是 AI 时代唯一不可替代的玩家。估值回到 2023 年初水平不是超跌，是对新现实的重定价。
Nvidia 会变成什么样？最可能的结果：一个"AI 时代的 Intel"。这里类比的是 Intel 在 2000-2010 年代 PC 周期中的角色——技术领先、市场份额大，但不再是市场关注的增长焦点。不是 Intel 当前的困境。
下一个值得关注：算力期货
当现货市场成熟，对冲需求的自然演进就是衍生品。GPU 不能存储的特性让期货更必要而非更不必要。石油期货存在是因为生产者和消费者需要锁定未来价格，GPU 期货的需求更强，因为 GPU 小时的不可存储性让即时价格波动更剧烈。
到 2027 年，我们可能会看到算力期货合约、算力 ETF、甚至算力衍生品对冲基金。这听起来荒谬，但想想电力期货。电力同样不能存储，而电力期货市场已经运行了 20 年。
但算力期货面临一个电力期货没有的障碍：标准化。电力有统一的交割标准和输电网，GPU 的差异化（H100 与 B200 不同代际、不同配置）让标准化合约非常困难。在硬件迭代速率 18 个月翻倍的市场里，3 个月后的算力标的物可能已经贬值。Ornn 目前只做现货——期货是逻辑上的下一步，但远比现货复杂。
数据来源与声明： 本文基于公开信息撰写，综合参考了 Ornn 官方平台数据、NVIDIA FY2027 Q1 财报及财报电话会议、Micron/SK Hynix/Samsung 最新季度财报、SemiAnalysis GPU 市场分析、Artificial Analysis 和 PricePerToken 推理定价追踪数据、Bernstein 和 Goldman Sachs 研究报告，以及各公司公开披露信息。不构成投资建议。文中数据截至 2026 年 7 月 11 日。