扒完英伟达的84笔投资，我们发现一个秘密

在这场AI革命中，没有任何一家公司比英伟达获利更多。

最新的三季度报又出炉了，经营性利润较去年同期上涨65%，达到360亿美元。净利润也同样增长了65%，达到319亿美元。

自打2022年11月ChatGPT 3.5问世以来，英伟达的经营性利润已经增长近19倍。公司也一度成为了历史上第一家市值突破五万亿美元的企业。

而同样出现成倍增长的还有英伟达对初创公司投资的数量。

自2022年以来，英伟达（包括直投、CVC NVentures、NV GPU Venture）共计出手251次，投资了244家初创企业。

今年初至11月11日，英伟达（包括直投、CVC NVentures、NV GPU Venture）已经累计出手84次，投资74家初创企业，投资范围覆盖北美、欧洲、亚洲以及中东地区。这一数字已经超过2024年全年的76次，并且较2022年的18次翻了4.6倍。

我们发现：在这84次股权投资里，几乎所有出手都投给了软件应用、算力、能源等与AI强相关领域的企业。其中最多的是AI应用公司，有39家企业获投；大模型领域则融资金额最高，达286亿美元。

顺着这些布局往下看，我们或许能够借助英伟达的眼睛，看到下一代科技版图的轮廓。

01.74家公司，英伟达到底投了什么？

英伟达在今年对初创公司的投资涵盖多种技术领域，但几乎所有被投公司的业务或产品都与AI息息相关。

除了最常见的大模型和接入大模型的软件应用外，英伟达还在机器人、算力、自动驾驶、量子计算等前沿赛道完成了初步布局。

从数量上来看，被投的74家公司里有39家是AI应用初创公司，10家为模型相关公司，机器人和数据中心则分别有5家公司获投资。

从交易规模上来看，10家大模型公司共融资超286亿美元，而40家应用侧公司合计只有不到65亿美元。虽然模型公司融资的286亿中有200亿都来自马斯克xAI最新一轮融资，但剩余9家融得的86亿依旧超过了应用侧公司的融资总和。

模型公司和应用公司在融资规模上的差距乍一看或许有些让人诧异，但如果仔细想想，这样的差距或许才是合理的。

相比模型公司，AI 应用层创业的成本和门槛要低得多。它们通常依赖现成的大模型和云端算力用于推理，无需投入巨额资金进行模型训练、底层算法研发或自建算力基础设施，因此早期资本需求更小、融资轮次金额自然偏低。

同时，目前应用层产品技术依赖通用大模型接口，因此可复制性相对较高，壁垒有限、缺乏核心差异化技术，导致投资人对其估值更加谨慎。

而模型公司掌握底层能力、占据平台级地位，需要投入巨量算力与顶尖科研人才，资本开支巨大，因而融资规模普遍呈现“少量公司、超大金额”的特征。

除此之外，重资产的数据中心和机器人企业都分别融得约25亿美元，量子计算领域两家公司则共获18亿美元投资。

02.英伟达的投资，释放了什么信号？

英伟达的上述84笔投资，至少释放了四个明确的信号。

1. 模型层投资收窄

从英伟达今年投资的几家模型公司来看，海外大模型赛道或许已经开始进入“集中整合”的早期阶段（见下图）。

在这些模型公司上，我们看到了一些高度相似的特征：要么是已经在市场中站住脚且处于后期融资轮次，要么由业内最具影响力的人物或团队创立。

比如，9月完成15亿美元C轮融资的法国大模型公司Mistral Al不仅是欧洲AI领域领头羊，还是法国总统马克龙将法国发展成欧洲AI中心的计划中最关键的企业之一。7月完成E轮融资的Perplexity则是有1.7亿月均访问人次和1.5亿美元年收入的大模型元老级企业。

在明星团队这一侧，xAI是马斯克亲自创立用来对抗OpenAI的大模型，Safe Superintelligence是OpenAI前首席科学家Ilya Sutskever今年创立以AGI为目标的超级人工智能模型，Thinking Machines Lab也是OpenAI前CTO团队创立。

综合来看，英伟达没有在模型层进行“撒网式”投资，而是明确地押注全球少数具备成为模型领跑者潜力的公司。

2. 能源问题亟需解决

月初，微软CEO纳德拉表示，由于没有足够的电力支持，有些AI GPU只能闲置在数据中心无法使用。作为AI GPU最大的供应商，英伟达显然已经注意到了这个必须要解决的问题。

今年以来，英伟达已投资9家能源或资源管理应用企业（见下图）。

从英伟达在能源领域的布局可以清晰看到，它正在积极押注能够增加电力供给的关键技术，包括核聚变公司 Commonwealth Fusion Systems以及建造可再生能源驱动的数据中心公司Crusoe和Nscale。

Commonwealth Fusion Systems是一家纯粹的清洁能源企业，致力于打造能够商用的核聚变设备。目前公司正在建造反应堆原型机，计划2026年正式开始测试使用。除了英伟达外，公司还获得了谷歌、比尔盖茨等多方投资。

Crusoe是一家使用清洁和被浪费能源供能数据中心的算力供应商。公司通过捕捉石油开采过程中被放空燃烧的天然气并将其转化为电力，为就近部署的模块化数据中心供能，从而增加电力供给并减少用电成本。

和Crusoe类似，Nscale是一家在全球范围内寻找拥有富裕可再生能源区域建设数据中心的企业。公司目前已经在挪威建成了一座完全由水力供电的30兆瓦数据中心。

与此同时，英伟达投资的另一类公司——Utilidata、PassiveLogic、Phaidra 、DeepAware AI、Emerald AI、Yasu——则集中在电网管理、能耗优化、建筑能源自动化等方向，目标不是增加电力本身，而是提升能源在传输和使用中的运行效率。

英伟达押注这些效率类公司，说明它已经意识到 AI 的下一阶段增长必须依赖更智能的电力调度、更高效的能源利用，以及更灵活的供电结构。

3. To B应用占据主导

英伟达今年所投的39家AI软件应用中，其中34家重点面向企业客户（见下表）。

这其中包括提高企业软件开发和编程效率的Agent型应用，比如11月刚获得20亿美元早期融资的Poolside。

也有帮助企业分析管理数据和提高广告投放、客户拓展以及市场研究的平台型应用，例如VAST Data、Profound、Exa等。

此外，英伟达还投资了多家由AI赋能的工程建模、材料研发、医疗诊断软件，持续推动未来的科技创新。

我们认为，英伟达将投资重心放在To B软件企业的主要原因在于，相比面向消费者的应用，企业级软件的商业模式往往更稳定、更具可预测性。

企业客户通常采用长期订阅或按使用量计费的方式采购软件，一旦完成部署，迁移成本高、替代困难，因此合作关系具有显著黏性。这使得企业级收入不仅具有可重复性，还能通过续费、扩容和交叉销售持续增长，形成较为清晰的现金流曲线。

这一点也可以在Open AI和Anthropic的对比中体现出来。拥有约30万企业客户的Anthropic预估今年收入可以达到90亿美元，而目前周活跃用户数量有8亿人的Open AI的预估收入也不过130亿美元。

另一点在于，企业级应用对推理算力的需求相对会更大，这代表投资这些初创企业不仅更有可能为英伟达自身业务带来进一步的增长，还能在客户的长期业务中建立更深的绑定关系。

我们认为这两点是驱动英伟达专注To B应用的核心原因。

4. 机器人

比起模型和应用，英伟达在机器人方向的出手显得相对谨慎，今年只投资了5家企业。

在机器人方向，英伟达的投资重心略微偏向机器人智能层，如 Field AI、Skild AI、Generalist 等正在构建机器人基础模型、操作系统与通用大脑的公司。

在硬件层面，英伟达投资了目前的人形机器人旗舰公司Figure AI和灵巧机械臂公司Dyna Robotics。

我们认为，英伟达在机器人领域投资呈现出的软硬平衡值得重视，在押注具身硬件的同时或许应该加大对模型、感知和控制等“智能层”的关注。

英伟达投资释放的4个信号，无论是模型层的集中化、能源瓶颈的提前布局，还是对企业级应用与机器人智能层的系统性押注，都呈现出一家技术巨头配置资源和构建生态的方式。同时也为我们提供了一种观察 AI 产业演进的独特窗口。

03.三季度狂赚319亿美元，密集投资还将持续

英伟达为何出手如此频繁？

第一个原因最简单：英伟达现金多到无法通过传统方式有效消化。

算上刚刚出炉的三季度财报，在最近的四个季度里，英伟达已经支出约520亿美元用作股权回购和股息分红,58亿美元用于资本支出，均创下历史新高。

研发方面英伟达也是一点没节约，过去十二个月已经在研发上花了167亿美元，较2024财年的86亿已接近翻倍。

但这一系列操作之后，英伟达的现金和现金等价物还是积累到了606亿美元的水平。这一数字几乎等于超微半导体、博通、高通、英特尔这4家半导体巨头之和。

考虑到英伟达的市场地位和体量，想在芯片、算力等垂直领域做些相对大规模的并购已经不太现实。比如在2020年，英伟达曾想以400亿美元收购当时还未上市的安谋控股（ARM Holdings）但被联邦贸易委员会已反垄断为由叫停。拉锯两年后英伟达最终选择了放弃。

作为一家国际化巨头，并购还需要其他关联国家监管机构的批准。英伟达2020年690亿美元收购麦洛斯（Mellanox）的交易就在2024年被中国市场监管部门以反垄断等原因立案调查。

所以，比起大额并购可能带来的高昂的时间成本和诉讼成本，在灵活的股权投资上广撒网自然成了一个更好的选择。

第二个原因，英伟达需要开始分散自己的收入来源。

根据三季度财报披露，今年三季度50%的收入来自于三位客户。作为对比，2024年三季度三位头部客户只贡献了总收入的36%。这一数据意味着英伟达正在变得越来越依赖其他几家科技巨头。

伴随而来的风险是，一旦巨头们开始减少资本支出或开始分散其芯片供应商以减少对英伟达的依赖时，英伟达的营收会受到较大影响。

所以，在收入如此集中的情况下，英伟达频繁投资更多是为了让被投企业成为客户，为减少对巨头们的依赖并为创造新的收入来源做准备。

CEO黄仁勋也在上个月的GPU技术峰会（GTC）上表示“越来越多的初创公司正在创造更多使用英伟达GPU的场景”。考虑到英伟达的芯片在现阶段对初创企业仍有巨大吸引力，通过投资建立合作关系让英伟达可以在AI建设期逐步完成后继续在AI应用爆发的阶段锁定收入增长。

虽然英伟达的投资并不要求被投企业只能采购英伟达的芯片，但无疑英伟达是最好的选择。而且一旦用上了英伟达的芯片和CUDA架构，目前看来完全弃用带来的转换成本将更加高昂。

第三个原因，英伟达需要开拓更多新业务。

根据英伟达财报披露，2026财年前九个月里（2025年1月至2025年10月），数据中心带来的收入占到了总营收的89%，而自动驾驶方面的收入占比只是略微超过1%。

通过广泛投资科技领域的初创企业，英伟达可以更快掌握相应市场的需求、使用场景和数据，帮助公司洞察技术趋势，提前完成卡位布局，减少自己在下一场科技变革中被直接淘汰的可能性。

基于以上三点我们可以判断，未来一段时间内，英伟达在一级市场的投资出手还将维持在高位，这既受自身经营表现推动，也受AI行业发展的驱动。

本文来自微信公众号“超越 J Curve”，作者：宋梓翔，36氪经授权发布。