一月的最后一个周六，一篇名为《The Short Case for Nvidia Stock》的博客文章在深夜发布，24小时内阅读量迅速突破50万。
作者Jeffrey Emanuel在投资圈不算出名，文章也不是今年第一篇看空英伟达的报告，甚至很多观点也谈不上新颖。但它是第一篇将DeepSeek的技术细节与英伟达估值联系起来的报告。
Jeffrey Emanuel既搞投资也懂AI，先是详细罗列了英伟达的“四大危机”，接着用英雄惜英雄的口吻对DeepSeek不吝赞美，俨然外星科技。
报告发布后的第一个工作日，英伟达跌没了6个英特尔，打破了由自己去年9月创下的美股单日市值蒸发记录（2790亿美元），网上随即流传出一封很像DeepSeek生成的“黄仁勋内部信”。
MarketWatch称该报告将成为“史上最成功的做空报告之一[1]”，摇旗呐喊的大鳄包括“新四大股神”之一的Chamath Palihapitiya，以及看热闹不嫌事大的Altman的前同事Jared Friedman。
DeepSeek并不是英伟达的竞争者，反而是大客户。但它的横空出世像一颗光芒耀眼的信号弹：是时候跟英伟达算算总账了。
在英伟达身上栽过跟头的投资机构迅速团结起来，共同酝酿了一场价值5890亿美元的“1·27惨案”。
让子弹飞
二月第一天，方舟基金掌舵者Cathie Wood“木头姐”做客彭博电台，主持人开场提问零帧起手：
你什么时候抄底英伟达？
木头姐的回答非常冷静：再看看。
木头姐接受彭博社电台采访
木头姐是业内最早看多英伟达的分析师之一，也是卖飞英伟达的第一批烈士。
方舟基金在2016年就开始大量持有英伟达股票，但相比对特斯拉的专情，木头姐只陪英伟达走了一小段路，在2022年末大量卖出，理由是价不配位。
按照木头姐的理论框架，卖GPU的英伟达和当年的思科没什么两样，都定位于新技术的基础设施，那么基建完成意味着利好出尽。
同时，木头姐认为人工智能时代，每一美元的硬件支出能换回8-21美元的软件收入，投资下游软件回报率更高，因此投资者要见好就收。木头姐本人也知行合一，早早算出了撤退的良辰吉日。
方舟卖出英伟达时，后者股价累计上涨了接近80%，但架不住后面又狂涨了800%，Business Insider给木头姐算了一笔账——整整少赚了12亿美元[3]。
到去年年中，方舟基金账上只剩下2.6万股英伟达股票，木头姐借反思复盘，又吹了一波自己心爱的特斯拉[4]：
“如果早知道市场会奖励英伟达和其他科技六巨头（Meg 6），但不包括AI的主要受益者——全球最大的AI项目特斯拉，那么我们就会持有它（英伟达）。”
此番大仇得报的还有估值大师达摩达兰（Aswath Damodaran），达摩达兰理论知识过硬，但实操环节吃了不少回旋镖，其中就包括错判特斯拉和英伟达。
达摩达兰
2023年中，达摩达兰一口气减持了一半的英伟达股票，附带一份让文科生头皮发麻的估值报告，给出了较当时409美元的股价几乎腰斩的目标价，理由英伟达的市场地位与估值明显背离[5]。
达摩达兰估值模型（2023.6.23）
2024年，达摩达兰继续减持1/4的英伟达股票，同时大砍目标价至87美元（当时股价106美元）。“1·27惨剧”发生后，达摩达兰赶尽杀绝，将目标价进一步杀到78美元。
但在墙倒众人推的氛围下，分歧仍在滋生。
机构携手退场的1月27日，散户净买入英伟达股票达到创纪录的5.62亿美元，吓得野村证券分析师直言，这辈子没见过这么夸张的交易失衡。
随着恐慌情绪的稀释，这种分歧还蔓延到了机构内部。摩根士丹利大中华区分析团队4日大砍英伟达GB200在2025年出货量（3万-3.5万下调至2万-2.5万），隔天北美团队就重申英伟达仍是买入首选，直言当下的抛售是买入机会。
也就是说，DeepSeek的出现并没有改变英伟达的估值逻辑，但放大了资本市场对英伟达的看法分歧。
打开的魔盒
在接受彭博采访时，木头姐给“抄底英伟达”的时机明确了两个考察指标：
一是推理芯片市场的增量，二是英伟达在推理端是否具有统治力。
这也是资本市场针对英伟达长期博弈的焦点之一，并随着DeepSeek的出现而放大。
简单来说，大模型可以划分为训练和推理两个阶段，前者的目标是通过向模型输入大量数据，优化调参，得到一个可用的模型，后者是利用训练好的模型来解决实际问题。
以自动驾驶为例，算法要先在数据中心被训练，然后在汽车上“推理”，实现自动驾驶功能。
训练端遵循着明确的scaling law路径、以算力堆叠迭代进步，推理端与终端捆绑，本应承担投资回报的重任，却呈现出“看起来很忙、但不知道在忙什么”的迷茫。
终端产品要实现推理有两条路径，但各有各的难：
一是直接搭载大厂的大模型，但这类大多强调通用性，与终端需求常有不适配的问题，且由于闭源，终端厂商很难自行调试。满汉全席配挖耳勺，怎么都吃不痛快。
二是自研模型，但需要付出高昂的训练成本，像特斯拉这种自己部署数据中心的企业凤毛麟角。
由于DeepSeek本身开源，下游可以针对性地开发；同时，DeepSeek证明低成本、低算力也可以训练出功能强大的模型，降低了模型开发的难度和成本。
但推理的路走通了，对英伟达来说却不一定是好事。
英伟达在训练场景的优势非常明显，模型训练需要的高精度计算、大显存、通用性等特点，都是英伟达的传统优势项目，市场份额接近90%。按照Nextplatform的分析，DeepSeek的训练就使用了英伟达的H800 SXM5。
但在推理场景，英伟达称王的底气稍显不足。
严格意义上来说，并不存在专门的“训练芯片”和“推理芯片”，铁了心用H100搞推理也不是不行，毕竟没人规定不能开保时捷送外卖。但在实际应用中，两类芯片的架构往往有较大区别，因此常被视为两个市场。
