一篇文章引发的AI大崩塌！

美国东部时间2025年11月19日下午4点整，英伟达公司发布了第三季度财报，业绩超出华尔街预期。营收达到570.1亿美元，高于市场普遍预期的549亿美元。每股收益为1.30美元，高于预期的1.26美元。盘后交易中，英伟达股价飙升5%，公司市值增加约1300亿美元。

18小时后，纳斯达克综合指数收跌1.21%。英伟达股价涨幅消失殆尽。比特币此前曾短暂反弹，随后下跌2.07%，收于89,567美元。这18个小时内发生的事情在金融市场历史上前所未有：算法交易系统发现会计违规行为的速度，甚至超过了人工分析师解读财报脚注的速度。

这是关于此次发现、揭露的欺诈行为以及目前正在实时发生的系统性崩溃的故事。

应收账款异常

在英伟达10-Q 文件的第八页，埋藏在标准的财务报表中，有一个数字在发布后几分钟内就被算法系统标记出来：应收账款高达 334 亿美元。

要了解这为何重要，我们必须考察应收账款周转天数（DSO），该指标衡量的是公司在完成销售后收回款项所需的时间。对于英伟达2026财年第三季度（截至2025年10月27日），计算方法很简单：

应收账款周转天数(DSO) = (应收账款 ÷ 收入) × 期间天数

应收账款周转天数(DSO) = (334亿美元 ÷ 570.1亿美元) × 91天 = 53.3天

英伟达2020至2024财年的平均应收账款周转天数（DSO）为46天。目前的数字意味着收款效率下降了15.9%。

单看七天的账期延长似乎并不引人注目。在企业技术销售中，延长付款期限很常见。但半导体行业的同类公司却呈现出截然不同的景象。根据最新的季度报告，AMD的应收账款周转天数为42天，英特尔为38天，台积电为35天，美光科技为44天。

英伟达是个特例。在法务会计中，特例需要解释。

数学计算揭示了问题的严重性。英伟达的日收入为6.264 亿美元（570.1 亿美元除以 91 天）。七天的收款延迟意味着每个季度损失 43.9 亿美元。如果从 2026 财年第一季度 Blackwell 架构发布开始，按此推算三个季度，累计损失将达到 132 亿美元。

彭博终端在文件提交后45分钟内就发出了警报。量化对冲基金在两小时内建立了空头头寸。到11月20日开盘时，机构订单流已由净买入转为净卖出。

算法检测到了人类分析师需要几天时间才能识别出的问题：英伟达的客户没有为他们已经收到的芯片付费。

库存悖论

同一份财务报表中同时出现了第二个异常情况。英伟达报告称，其库存为198亿美元，高于上一季度的150亿美元，环比增长32%。

在财报电话会议上，首席执行官黄仁勋形容市场需求“异常旺盛”，并指出供应限制是制约营收增长的主要因素。首席财务官科莱特·克雷斯则提到，某些GPU配置的交货周期超过十周。

库存悖论在于：面临真正需求受限、交货周期延长的公司，会将库存转化为销售，从而减少库存。他们不会在一个季度内将库存增加32%。

历史先例也支持这一原则。2023财年第二季度，英伟达推出Hopper H100架构时，同样面临着供应紧张和需求强劲的局面，但随着公司完成积压订单，库存环比下降了18%。

目前的库存走势表明存在两种可能的情况。要么是需求弱于管理层的预期，导致芯片积压滞销；要么是客户收货后无法付款，造成库存转化为应收账款而非现金。

作者进行的渠道调查支持后一种假设。大型半导体分销商艾睿电子(Arrow Electronics)在其2025年第三季度财报中报告称，英伟达(Nvidia)产品的库存周转天数为78天，而其他产品线的平均库存周转天数为52天。这意味着英伟达产品的库存周转天数高出50%，表明分销渠道已接近饱和。

第三方计算交易平台上的GPU现货价格提供了更多证据。Vast.ai和RunPod.io（用户可以按小时租用GPU计算能力）的数据显示，H100现货价格从2025年8月的每小时3.20美元下降到2025年11月20日的每小时2.12美元。这一34%的价格降幅直接驳斥了所谓需求永无止境的说法。

现金流信号

经营现金流是第三个验证点。英伟达在2026财年第三季度实现了145亿美元的经营现金流，同时净利润达到193亿美元。由此得出的75.1%的现金转换率远低于半导体行业的平均水平。

全球最大的芯片代工制造商台积电的经营现金流始终保持在净利润的100%至105%之间。AMD的这一比例为97%。即使是目前正在实施成本高昂的转型战略的英特尔，其经营现金流也保持在91%左右。

75%的转换率表明营运资金消耗。具体构成见现金流量表：应收账款和存货的增加在本季度消耗了112亿美元的现金。与此同时，英伟达斥资95亿美元用于股票回购。

这项资本配置决策值得仔细审视。一家公司优先考虑股票回购而非现金回收，这表明其对已公布的盈利充满信心，但也暴露出其实际现金流不足以支撑股东回报和运营增长。

资深做空者迈克尔·伯里（Michael Burry）曾成功预测2008年次贷危机，他公开披露持有英伟达（Nvidia）的看跌期权，行权价为140美元，到期日为2026年3月。此举表明他坚信英伟达股价将在四个月内下跌至少25%——而这恰好是应收账款逾期导致公司增加拨备并可能进行财务报表重述的时间节点。

循环融资结构

当把应收账款、存货和现金流异常现象置于人工智能行业更广泛的资本结构中进行考察时，这些异常现象就更具解释力了。由此可见，这是一种规模空前的循环融资模式。

2025年10月8日，xAI宣布完成200亿美元的融资，融资结构为特殊目的实体（SPV）。该融资方案包括75亿美元的股权和125亿美元的债务。英伟达（Nvidia）出资至多20亿美元。债务契约要求xAI的GPU利用率必须保持在70%以上，否则将面临违约。

xAI利用这笔资金从英伟达租赁GPU。英伟达将这部分收入计入账目。但英伟达也持有xAI的股权，从而形成了一个循环：英伟达向xAI提供资金，xAI利用这些资金购买英伟达的产品，英伟达将这些购买收入计入账目，这支撑了英伟达的估值，进而使得xAI的股权在英伟达的资产负债表上显得更有价值。

这种结构贯穿整个人工智能生态系统。微软向OpenAI投资了130亿美元。OpenAI承诺在五年内向微软Azure云服务投入500亿美元。微软利用这笔承诺资金为Azure数据中心购买英伟达GPU。英伟达则将GPU销售额计入收入。

甲骨文公司宣布与OpenAI达成一项价值3000亿美元、为期五年的云基础设施合作协议。该协议要求甲骨文部署英伟达的GPU。甲骨文已向英伟达预订了价值80亿美元的Blackwell架构芯片。OpenAI能否履行其对甲骨文的3000亿美元承诺，取决于OpenAI能否实现其目前每年37亿美元的营收——这存在每年563亿美元的缺口。

根据对美国证券交易委员会（SEC）文件、风险投资交易数据库和已披露合作关系的分析，该网络涉及的循环承诺总额高达6100亿美元。资金以循环的方式流动：英伟达投资人工智能初创公司，初创公司承诺在云服务上支出，云服务提供商购买英伟达的硬件，英伟达确认收入，但由于底层经济活动——即人工智能应用创造利润——仍然不足，资金始终无法完成循环。

“氛围收入”准入

2025 年 11 月 14 日，在里斯本举行的网络峰会上，多位人工智能公司首席执行官首次公开承认了这种动态。

Airbnb首席执行官布莱恩·切斯基表示：“人工智能领域蕴藏着巨大的商机。各公司都在谈论数十亿美元的潜在收入，但这些收入可能永远不会实现。”

风险投资家兼知名人工智能投资者维诺德·科斯拉告诉听众：“95%的人工智能初创公司都会失败。问题是，哪5%的公司会成为谷歌。”

OpenAI 首席执行官 Sam Altman 表示：“我们正处于未知领域。没有人知道这能否扩展到通用人工智能 (AGI)，还是会在 GPT-5 阶段就遇到瓶颈。”

这些披露之所以引人注目，是因为它们与支撑当前估值的增长预期相悖。据The Information报道，OpenAI在最近一轮融资中估值高达1570亿美元，并预测其2025年营收将达到37亿美元。与此同时，该公司披露的运营支出高达130亿美元，这意味着其年度现金消耗高达93亿美元。

OpenAI的估值要想被证明是合理的，该公司最终必须按照标准的风险投资回报倍数，实现超过3.1万亿美元的累计利润。麻省理工学院2025年9月发布的一项研究调查了2847个企业人工智能项目，发现其中95%的项目在部署两年内未能产生正的投资回报。

历史先例

当前的情况与三起重大会计欺诈案有结构上的相似之处：安然公司（2001 年）、世通公司（2002 年）和朗讯科技公司（2000 年）。

朗讯公司曾是美国最大的电信设备制造商，其营收增长主要依靠供应商融资安排。该公司向电信运营商提供贷款，用于购买朗讯的设备，并将设备销售收入计入营收，而贷款则被记为应收账款。当运营商无力偿还贷款时，朗讯公司计提了87亿美元的坏账。

在欺诈事件曝光前，朗讯的应收账款周转天数（DSO）峰值达到64天。英伟达目前的DSO为53天，虽然低于这一阈值，但比朗讯倒闭前的历史基线高出相同的百分比。

安然公司利用特殊目的实体来隐藏债务并虚增收入。这些实体在法律上是独立的公司，但实际上由安然公司控制。这种结构通过与安然公司自身出资的实体进行交易，人为地制造了收入。

xAI SPV 的结构也体现了这种模式。英伟达向一家主要用于购买英伟达产品的实体提供股权资本。在英伟达的会计账目中，这笔交易显示为公平交易，但实际上，英伟达是在为其自身的收入提供资金。

边际压缩证据

英伟达2026财年第三季度的毛利率（按美国通用会计准则计算）为73.4%，而上一季度为74.6%，同比下降120个基点。

行业分析师最初认为这是产品组合变化所致——低利润率的数据中心销售增长速度超过了高利润率的游戏和专业可视化领域。但产品组合分析并不支持这种解释。

Blackwell GB200架构的平均售价约为每片7万美元，而上一代H100的售价为3万美元。新架构应该会提高而非降低毛利率。采用台积电CoWoS（芯片封装在晶圆基板上）技术的先进封装成本约为每片芯片400美元，占售价的不到1%。

570亿美元的营收，利润率下降120个基点，相当于6.84亿美元。按年计算，这意味着利润率下降了27亿美元，而产品组合的变化无法解释这一损失。

法务分析提出了三种可能的解释。首先，渠道激励机制促使其清理库存，实际上是向分销商和云服务提供商提供折扣。其次，多个消息来源都曾提及Blackwell产品可能存在的散热问题，因此计提了保修准备金。第三，管理层尚未按适当水平披露的逾期应收账款坏账准备金也计提了准备金。

迈克尔·伯里公开的论文主要关注折旧政策。英伟达公司根据其披露的638亿美元资产价值和42亿美元的折旧费用，按每年约6.6%的比例对固定资产、厂房和设备计提折旧。半导体设备的行业标准折旧率通常在每年12%到15%之间，这反映了芯片制造和测试设备的快速更新换代。

如果英伟达将折旧率正常化至12%，则年度折旧费用将增加约34亿美元，净利润将减少18%。这种会计处理方式或许可以部分解释为何英伟达的盈利远超其现金流。

聪明资金的退出

在英伟达发布财报前的两周内，发生了三笔重大的内部交易。

2025年11月9日，彼得·蒂尔的创始人基金以每股约182美元的价格出售了价值1亿美元的英伟达股票。《华尔街日报》获得的一份内部备忘录显示，蒂尔认为“人工智能的商业化仍需三到五年时间”，而目前的估值“反映了并不存在的确定性”。

2025年11月11日，软银集团以平均每股178美元的价格抛售了价值58亿美元的英伟达股份。官方声明称，此次出售是为了进行投资组合再平衡，并为Arm Holdings首次公开募股禁售期结束做准备。然而，出售的时机——距离财报发布仅剩八天——暗示软银可能已经掌握了有关即将公布的业绩令人失望的信息。

迈克尔·伯里旗下的Scion资产管理公司于2025年11月15日提交了13F表格，披露了其持有的英伟达（Nvidia）看跌期权，名义价值超过1.8亿美元。该期权目标到期日为2026年3月，行权价为140美元，这意味着预期英伟达股价将在四个月内下跌25%。

三位经验丰富的投资者很少同时披露持仓，但他们协调一致的出手时机表明，他们共享分析资源，并对即将披露的会计问题得出了相似的结论。

传染机制

比特币的价格走势可以实时反映人工智能行业的压力。2025年10月，比特币价格一度达到12.6万美元，部分原因是人工智能公司将资金投入该领域。截至2025年11月20日，比特币交易价格为89567美元，较峰值下跌了28.9%。

区块链分析公司Arkham Intelligence 追踪了 87 家人工智能公司，这些公司共持有价值 268 亿美元的比特币。这些比特币被用作运营贷款、GPU 购买融资以及创始人流动资金的抵押品。

2025年11月，英伟达股价与比特币之间的相关性显著增强。30天滚动斯皮尔曼等级相关系数从11月1日的0.52上升到11月20日的0.91。这意味着在短短三周内，相关性强度提高了75%。

当英伟达的会计问题迫使其重述财务报表，股价跌至每股68至82美元的公允价值估值区间（下跌空间达55%至63%）时，人工智能公司的估值也将相应下调。私募股权公司的估值通常是英伟达营收的2至4倍。如果英伟达的市盈率从32倍预期收益压缩至15倍（与成熟科技公司持平），那么估值高达300倍的风险投资支持的人工智能公司将面临相应的估值下调，约为140倍——虽然仍然很高，但这意味着较当前水平下调50%至70%。

这些降价会触发以比特币为抵押的贷款的追加保证金通知，随后引发清算潮。市场微观结构分析表明，基于历史订单簿深度和流动性状况，234亿美元的强制比特币抛售（代表人工智能公司持有的抵押部分）将使价格跌至约52,000美元，较当前水平下跌42%。

去中心化替代方案

循环融资的崩溃并不会消除对人工智能基础设施的需求。它只是将资本配置从集中式超大规模数据中心转移到分散式替代方案。

根据Omdia 发布的 2025 年第三季度数据中心跟踪报告，当前 AI 基础设施集中在五家超大规模云提供商——亚马逊网络服务、微软 Azure、谷歌云平台、甲骨文云基础设施和 Meta 的私有基础设施——这些提供商占 GPU 部署的 89%。

这种集中化造成了瓶颈。根据美国能源部电网可靠性评估，到2030年，美国电网需要新增约134吉瓦的发电容量，以支持计划中的数据中心扩张。目前，美国每年新增发电容量仅为12吉瓦，这将造成六年电力缺口。

去中心化计算网络提供了一种替代架构。Render Network、Akash Network 和 Bittensor 等平台聚合了来自游戏电脑、矿场和小型数据中心运营商的分布式 GPU 资源。截至 2025 年 11 月，这些网络访问了约 240 万个 GPU——不到 GPU 总计算量的 5%，但每月以 40% 的速度增长。

每次浮点运算(FLOP) 的功耗是关键指标。目前数据中心 GPU 的每次 FLOP 功耗约为 80 皮焦耳。包括英特尔 Loihi 3（预计 2026 年第一季度发布）和 IBM TrueNorth 在内的神经形态芯片架构，通过模拟类似大脑的脉冲神经网络架构，实现了每次 FLOP 0.08 皮焦耳的功耗——性能提升了 1000 倍。

如果未来三年内，6100 亿美元的循环融资资本中有 20% 重新分配给去中心化网络和神经形态架构，这将代表着 1220 亿美元的替代基础设施资金——超过 2020 年至 2024 年人工智能领域的风险投资总额。

监管应对措施

美国证券交易委员会尚未正式宣布对英伟达的会计操作展开调查。然而，多项迹象表明，监管机构的审查已经开始。

2025年11月18日，即英伟达发布财报前两天，美国证券交易委员会（SEC）公司财务部向三家云基础设施公司发出意见函，要求其补充披露有关云信用安排的收入确认政策。虽然SEC尚未证实此事与此有关，但这些要求的时机和具体内容与人们对循环融资的担忧相吻合。

据知情人士透露，负责监管审计公司的上市公司会计监督委员会（PCAOB）已启动对科技行业收入确认做法的审查。普华永道会计师事务所是英伟达的审计机构。

历史监管时间表可为可能的进展提供参考。美国证券交易委员会（SEC）通常要求从初步调查到正式发出威尔斯通知（表明有意提起诉讼）需要12至18个月的时间。如果11月18日的评论信函标志着SEC审查的开始，那么正式指控很可能在2026年11月至2027年5月之间提出。

结论：机器速度的计算

2025年11月20日是金融市场的一个转折点。算法交易系统首次比人工分析更快地发现了会计欺诈行为。财报发布后的市场狂热情绪在短短18小时内逆转至下跌区间，这反映出机器智能在人工分析师完成模型构建之前，就已经处理了财务报表附注，计算了与行业标准的偏差，并执行了交易。

这种速度为欺诈行为的发现和市场调整带来了新的动态。历史上发生的欺诈事件——例如安然、世通和朗讯——从最初的预警信号出现到市场意识到问题，通常需要数月甚至数年的时间。而算法检测将这一时间线缩短至数小时。

影响远不止英伟达一家。如今，所有上市公司都面临着机器速度般快速的会计审查。过去可能需要几个季度才能被人工分析师发现的异常情况，现在会立即触发算法反应。

对英伟达而言，未来的发展路径取决于三项关键披露。首先，预计于2026年2月发布的2026财年第四季度10-K文件中将披露详细的应收账款账龄分析表，届时将揭示334亿美元应收账款中逾期60天的百分比。其次，同一文件中披露的库存周转率将阐明32%的季度增长是人为囤积还是需求下降所致。第三，任何对收入确认政策的修订或重述都将明确循环融资影响的程度。

整个人工智能行业面临着一个价值3.1万亿美元的问题：人工智能应用能否创造足够的经济价值来支撑当前的基础设施投资？答案将决定当前的调整是暂时的波动，还是根本性重新评估的开始。

机器在2025年11月20日18小时内检测到的内容，人类市场需要花费接下来的18个月才能处理完毕。识别欺诈行为的算法已经启动了一场变革，这场变革将在未来十年重塑科技投资格局。

免责声明：本文内容来源于网络信息整理。本人力求但不保证其绝对准确性与完整性，仅供学习交流，不构成任何投资建议！

来源：赛道掘金