黃仁勛 ，持續套現！

　　最新披露的文件顯示，7月18日
，英偉達首席執行官黃仁勛出售了7.5萬股英偉達股票，價值約1294萬美元。此前4個交易日 ，黃仁勛合計減持30萬股
，套現約5092萬美元 。

　　在美股市場上，英偉達股價近期持續上漲 ，市值突破4萬億美元
，成為全球市值最高的公司。有研究機構表示，英偉達市值的攀升 ，彰顯市場對AI算力的熱情持續高漲
。

　　黃仁勛高位套現

　　根據一份提交給美國證券交易委員會的文件
，黃仁勛于7月18日再次出售7.5萬股英偉達股票，交易總額約為1294萬美元。當天盤中 ，英偉達股價再度刷新歷史新高 。

　　此輪減持是黃仁勛此前于3月份制定的計劃的一部分
，該計劃旨在年底前出售最多600萬股英偉達股票
。

　　文件顯示，自6月20日開始 ，黃仁勛啟動了本輪減持行動。具體來看：6月20日減持5萬股，套現721萬美元；6月23日減持5萬股
，套現719萬美元；6月24日減持5萬股，套現735.5萬美元；6月25日減持7.5萬股 ，套現1144萬美元；6月26日減持7.5萬股
，套現1167萬美元；6月27日減持7.5萬股，套現1178萬美元；6月30日減持7.5萬股 ，套現1181.5萬美元 。

　　進入7月份
，黃仁勛的減持步伐仍在持續
。其中，7月1日減持7.5萬股 ，套現1157萬美元；7月2日減持7.5萬股
，套現1173萬美元；7月3日減持7.5萬股，套現1195萬美元；7月7日減持7.5萬股 ，套現1188萬美元；7月8日減持7.5萬股
，套現1195萬美元；7月9日減持7.5萬股，套現1223萬美元；7月10日減持7.5萬股 ，套現1224萬美元；7月11日減持7.5萬股，套現1245萬美元；7月14日減持7.5萬股
，套現1233萬美元；7月15日減持7.5萬股，套現1282萬美元；7月16日減持7.5萬股 ，套現1279萬美元；7月17日減持7.5萬股
，套現1298萬美元。

　　也就是說，自6月20日以來 ，黃仁勛已累計減持135萬股
，合計套現2.15億美元 。而在2024年，黃仁勛也進行過一輪減持 ，套現超過7億美元
。

　　身家高達1500億美元

　　對人工智能和驅動大型語言模型的圖形處理器（GPU）的強勁需求
，推動英偉達的股價持續攀升。近日，英偉達的市值突破4萬億美元 ，成為全球市值最高的公司 。截至7月18日收盤時
，英偉達股價報172.41美元/股，市值超過4.2萬億美元
。

　　英偉達市值的飆升 ，也顯著提升了黃仁勛的凈資產。在彭博億萬富翁指數榜上，黃仁勛的身家高達1500億美元
，排名全球第9，超過了伯克希爾·哈撒韋公司的沃倫·巴菲特 。

　　據央視新聞報道 ，7月15日
，黃仁勛透露，美國已批準H20芯片銷往中國 ，該公司還將推出一款面向中國市場的RTX PRO全新圖形處理器（GPU）。

　　黃仁勛表示：“美國政府已經批準了我們的出口許可
，我們可以開始發貨了，所以我們將開始向中國市場銷售H20
。我非常期待能很快發貨 ，對此我非常高興
，這真是個非常好的消息。第二個消息是，我們還將發布一款名為RTX Pro的新顯卡 。這款顯卡非常重要 ，它是專為計算機圖形、數字孿生和人工智能設計的
。 ”

　　彭博社援引瑞士聯合私立銀行的專家分析說
，英偉達恢復向中國銷售H20芯片顯然是重大利好——這不僅利好該公司本身，也將惠及人工智能半導體供應鏈 ，更有利于中國科技平臺構建AI能力，對中美關系而言也是一個利好消息。報道說
，H20芯片的出貨將利好深度求索 、阿里巴巴集團等企業，這些公司可以用英偉達的芯片來訓練、擴展及運行其人工智能服務 。

　　美國《商業內幕》網站的報道說 ，消息發布后
，在英偉達供應鏈集中的亞洲股市
、中國股市都表現出了積極反應
。報道說，黃仁勛此前在接受美國有線電視新聞網的采訪時曾說 ，中國已具備足夠的算力
，他們并不需要“依賴”英偉達的芯片。如果美國想要成為人工智能領域的領導者，就必須向包括中國在內的所有市場提供技術 。

　　信達證券指出 ，H20芯片作為英偉達面向中國市場的主力合規AI芯片
，其恢復供應或將滿足國內積壓的部分算力需求
。此前因許可證不確定性導致的產業鏈訂單延遲與觀望情緒有望緩解，英偉達核心供應商的訂單可見度與出貨節奏或將回歸明朗 ，下半年起業績增長動能有望繼續增強。

　　華泰證券認為
，英偉達H20芯片恢復銷售與新款GPU發布有望改善國內缺卡問題，利好國內AIDC線條 ，看好柴油發電機組、服務器電源 、HVDC
、UPS等環節需求增長 。開源證券也表示，合規芯片H20恢復銷售有望緩解國內算力“缺芯
”問題
，核心利好國產AIDC全產業鏈
。

　　國信證券指出，H20芯片恢復供應解決了國內AI GPU短缺現狀 ，顯著降低硬件投入與實際使用之間的時間與試錯成本
，加速國內企業上云，利好云廠商下游需求增長 ，推動大模型與應用落地。

（文章來源：券商中國）