经历数年的算力热潮后，英伟达正遭遇一轮明显的估值回调。截至 2026 年 10 月 16 日收盘，英伟达股价较 10 月 6 日创下的历史高位累计回调约 12.02%。公司总市值由约 5.76 万亿美元降至 5.16 万亿美元，在 9 个交易日内缩水约 6000 亿美元，约合 4 万亿元人民币。
这轮调整并未停留在单一股票。半导体板块同步承压，费城半导体指数出现自 2008 年以来最长的连续 8 个交易日下跌。根据 CNBC 统计，仅在 10 月 12 日至 10 月 15 日 4 个交易日内，全球前 20 大 AI 及半导体企业的市值合计缩水约 1 万亿美元；随着周五去杠杆压力延续，板块震荡幅度继续扩大。
从三星电子、SK 海力士等硬件供应链企业，到依赖债务融资建设数据中心的新兴算力租赁商，都在这轮波动中受到影响。围绕 AI 基础设施投资的核心问题也再次被摆上台面：过去几年快速扩张的资本开支，能否由 AI 企业后续的商业化收入来支撑。
市场开始重新定价 AI 基础设施投入
报道认为，英伟达此轮回调背后，叠加了下游 AI 企业商业化预期变化、宏观融资成本抬升以及资金面去杠杆等多重因素，反映出资本市场对 AI 产业的审视角度正在变化。
其中一个焦点，是下游 AI 企业的收入增长，是否还能持续支撑上游算力产业链的大规模资本开支。作为英伟达算力需求的重要推动者之一，OpenAI 的收入表现被市场视为观察 AI 商业化进展的窗口。
据《金融时报》披露，截至 2026 年 9 月底，OpenAI 的年化收入运行率接近 500 亿美元，与此前市场传闻的 680 亿至 700 亿美元相比，存在约 180 亿美元的差距。这一差异引发了市场对 AI 企业收入统计口径和实际商业化进度的讨论。
在 AI 基础设施投资持续扩张的背景下，如果下游企业收入增长不及预期，市场就会担忧其未来能否维持当前的算力采购和资本开支规模，进而影响对英伟达 GPU 需求增长的判断。
不过，报道也提到，不同 AI 企业披露的年化收入、云服务交易额及渠道分成等指标口径并不一致，不能简单直接比较。彭博社随后报道称，在企业级业务增长推动下，OpenAI 到年底的年化收入仍有望达到 700 亿美元。
即便如此，相关讨论本身已经说明，投资者的关注点正在变化。过去市场更愿意为算力需求的高增长支付高溢价，如今收入增速、投资回报以及这些收入能否支撑上游长期增长，正被更严格地审视。
融资成本与供需传闻叠加压力
第二重压力来自宏观融资环境。美国通胀数据高于预期，令降息预期降温。数据中心建设本身高度依赖芯片、服务器和电力基础设施等重资本投入，利率维持高位，直接抬高了资金成本。
以算力租赁商 CoreWeave 为例，其业务扩张需要持续投入数据中心、芯片及配套基础设施，累积的债务与租赁负债也让现金流承受较大压力。随着市场提高对 AI 基础设施投资回报的要求，这类高负债企业的融资能力、偿债能力和现金流回报，正面临更严格的审视。
与此同时，存储芯片供需传闻也给市场增加了新的不确定性。市场围绕中国存储厂商技术突破的讨论，引发了对未来全球存储供给格局的担忧。报道指出，虽然高带宽内存（HBM）与普通 DRAM 在技术规格和应用场景上存在明显差异，中长期供需预测仍有较大不确定性，但相关讨论已经对短期市场情绪形成扰动。
机构去杠杆放大科技股跌幅
除了产业基本面预期变化，机构资金集中降低风险敞口，也放大了本轮科技股回调。
根据高盛主经纪商业务部 10 月 16 日发布的客户报告，全球多空基金此前已连续 6 个交易日净抛售 AI 概念股。对于使用杠杆且持仓多元的基金而言，当市场波动加剧、持仓风险上升时，往往会触发风控机制，被迫同时削减多头和空头头寸。
这类操作对应的是对冲基金常见的降低总敞口，即 de-grossing。过去几年，随着 AI 概念股持续上涨，部分机构通过杠杆交易放大收益，并利用多空组合对冲风险。当相关股票集中下跌、波动加剧时，基金可能出于风险管理需要，同时削减多头和空头仓位，以降低整体持仓风险。
这也意味着，即便部分投资者仍看好英伟达的长期增长前景，也可能因为降低杠杆或调整投资组合而卖出股票。当多家机构在短时间内采取类似操作时，集中抛售又可能继续压低股价，形成短期负向循环。
除机构资金撤离外，英伟达内部人士的股票交易也受到关注。公开申报记录显示，英伟达部分高管及董事此前一段时间内出售过公司股票。比如董事 Mark Stevens 位列 2026 年第三季度 AI 领域内部人士股票出售规模最大的投资者之一。SEC 申报数据显示，Stevens 仅在 9 月就进行了多笔大额股票出售。
不过，报道同时指出，内部人士出售股票往往涉及预先制定的 10b5-1 交易计划、个人资产配置或税务安排，不能仅凭减持行为就判定管理层看空公司前景。
新平台推进，增长仍要接受检验
在股价回调的同时，英伟达并未放慢新一代计算平台的推进。随着 AI 应用从模型训练加速延伸至大规模推理，市场关注点也从单颗 GPU 的性能，转向由芯片、CPU、内存、网络和软件协同组成的整体计算框架。
作为这一战略的核心，英伟达正在推进 Vera Rubin 计算平台，通过整合 Vera CPU、Rubin GPU 及高速互联技术，提升大型 AI 系统的计算效率与能效，以满足超大规模集群对算力、内存带宽和系统协同的要求。
这也反映出英伟达竞争壁垒的变化。其优势已不再局限于单一 GPU 的硬件性能，而是扩展到 CUDA 软件生态、网络互联、系统集成以及大规模部署的配套工具。对于建设大型数据中心的企业来说，整套系统的能效和部署效率，比单项芯片指标更关键。
不过，技术优势和产品迭代能否转化为实际业绩，仍取决于量产交付进度、客户部署规模以及最终投资回报。即便算力总需求继续增长，如果下游客户发现新增资本投入难以带来相匹配的业务收入，未来采购和部署节奏仍可能调整。
对英伟达来说，下一阶段的考验，是证明更强的计算性能可以转化为客户可衡量的经济收益。随着 AI 投资进入更深阶段，训练与推理成本、能源消耗以及实际业务变现能力，将共同影响下游客户未来的采购决策。
面对市场波动，英伟达首席执行官黄仁勋在德国柏林出席活动时表达了对 AI 长期前景的信心。他表示：「原因非常简单：AI 具有变革性，它将对每一个行业、每一个国家产生非常积极的影响。毫无疑问，这场变革将会继续，而我们仅仅处于起点。」
这番表态延续了他一贯的判断：AI 并非一轮短暂的硬件升级，而是一场重塑各行业生产方式的技术变革。对英伟达而言，接下来的关键仍是维持客户采购意愿，并让新一代产品带来的收入和利润增长达到市场预期。其增长能否持续，最终仍要看下游客户能否把算力投入转化为实际收益，并继续为下一轮扩张买单。