近日，英伟达创始人兼 CEO 黄仁勋做客 Brad Gerstner 与 Clark Tang 主持的 BG2 Pod 播客。本次对话从推理算力需求暴增 10 亿倍背后的逻辑切入，系统梳理了过去一年 AI Agent 的突破、物理 AI 上半年营收达到 100 亿美元、隔离管控与带外监控的安全思路，以及土地、电力和机房外壳成为明年算力建设最大瓶颈等话题。此外，他也拆解了 AI 实验室面临的营收压力、订单与供应链现状，并透露英伟达正在构建软件许可和收入分成两大新增长引擎。
黄仁勋认为，算力需求的爆发来自双重复利：AI 要完成深度思考与多路径推演，单个任务消耗的算力本就成倍增加，而一旦 AI 真正能解决问题，人类又会把更多工作交给它。他把过去一年最关键的突破归结为两项——一是为大模型装上 Harness，让它拥有工作记忆和离线整理知识的能力；二是教会 AI 使用人类现有的专业软件。
在安全问题上，黄仁勋直言完美对齐不可能实现，对齐将是永恒课题。可行的办法是像对待新员工那样从零信任起步，实施隔离管控，并配合独立运行的带外监控。他强调安全安防是 AI 技术不可分割的一部分，加速 AI 就必须同步加速安全，二者没有先后之分。
黄仁勋还指出，外界不应把基建回本的压力全部压在两家头部实验室身上。按照他的拆解，英伟达约三分之一的业务是与 AI 无关的基线计算，前沿实验室占 25% 到 30%，其余三分之一来自成千上万家使用开源模型的初创企业。每吉瓦基础设施中英伟达提供的价值已从约 180 亿美元提升至 400 多亿美元，在大型云厂商资本支出中占比约 40%，在新兴云与本地部署客户中占比约 80%。
此外，黄仁勋透露，英伟达正通过投资与融资合作建立软件许可和收入分成两个独立于硬件销售的新增长引擎，二者都建立在庞大的装机量之上。而基板与硅光等环节供给受限，意味着供需缺口在未来几年都难以弥合。
01 推理算力暴增 10 亿倍：深度思考与工作量扩大的双重复利
Brad Gerstner 回顾，黄仁勋两年前就判断市场严重低估了未来五年的算力建设规模——累计投入至少是两万亿美元而不是一万亿美元，如今这一数字已被超越。黄仁勋还较早提出，推理阶段的深度思考会让推理算力需求暴增 10 亿倍。去年在 Opus 4.6 和 Claude Code 问世前，他又提出 AI Agent 时代即将到来，随后两者果然迎来爆发。
Brad Gerstner 提到，马斯克、Sam 和 Demis 都表示我们已站在山脚下，或者说正在跨入奇点。现在已有模型在求解 Navier-Stokes 方程。他问黄仁勋：通过水晶球看，我们现在是处于拐点，还是正在加速迈入超级智能的新阶段？
黄仁勋先拆解了 10 亿倍的来历。早期的 ChatGPT 收到提示词后，主要依赖大语言模型内部编码的知识作答，因此会产生幻觉。下一步演进，是让生成过程以真实基准数据为依据——模型先调用搜索获取 Ground Truth，再结合预训练阶段掌握的知识生成答案。而真正复杂有趣的任务，需要模型分步推理、构思多种方案、制定规划，并推演不同方案的后续走向。基于推演结果，模型要反思当前最优的答案与路径，保留一到三个最佳选项继续深入，把其他分支剪枝，如此循环往复。
在黄仁勋看来，这和人类的思考过程一致。优秀的战略家都青睐保留战略灵活性，既不能过早砍掉潜在选项，又必须合理配置资源。现在的 AI 做的是同样的事：保留多条备选路径，不断向后推演、剪枝、反思。这个过程消耗的算力自然呈指数级增长。不仅如此，正因为 AI 真正具备了解决实际问题的能力，人类会把越来越多的新任务交给它，于是形成双重复利——它干好一份工作本就需要更多算力，而它干得漂亮，又会被雇来承担更多工作。
02 Harness 与工具使用：过去一年真正的突破
黄仁勋认为，过去一年有两项最核心的突破。模型本身仍在变强，Scaling Law 仍将持续演进，但真正重大的变化，是为大语言模型装上了 Harness，也就是大语言模型的外骨骼、大脑的躯体，使其能够管理工作记忆与知识体系。
他以人类记忆作类比：人每天都会思考自己学到了什么，以及它如何与过往认知融会贯通。晚上睡觉时，大脑会做记忆压缩整合，忘掉无关紧要的琐事，同时把重要信息重新建立连接，这一过程是离线完成的。如今的 AI 同样既有在线的工作记忆，又有离线的知识提取与知识图谱构建，整个记忆机制的完善是一项重大突破。
另一项突破是工具使用。AI Agent 已经学会与人类打造的核心专业工具交互，就像机器人走进家里，会直接使用现成的工具，而不是从头造一套。SPICE、Verilog、各类仿真器、设计编译器、Photoshop、AutoCAD、达索系统的 CATIA 以及西门子的全套工业软件——所有这些人类用来运营企业、设计产品、操控系统的工具，都会成为 AI Agent 得心应手的帮手，只是 AI Agent 必须先学会如何使用它们。
如今，企业可以把装上 Harness 的大语言模型部署进来，接入自有的 Ground Truth 和可用工具，很快就能创造惊人的价值。软件编程是最容易率先落地的切入点，因为开发者本就习惯功能强大但并非极度易用的技术，早期部署并不轻松，但软件工程师总能自己想办法。黄仁勋认为，下一阶段的 AI Agent 已经能够胜任工业设计和大量创意营销工作。他提到 OpenAI 的 Astra 表现很棒，英伟达内部各场景都在广泛使用：拍一张照片发给 Astra，它就能直接重建成 CAD 模型，工程师再在此基础上微调修正，Astra 能以极高的效率给出第一版初始设计。当这类能力延伸到软件工程之外，设计师、建设者、创作者和科学家的生产力都将被全面释放。而当前真正的挑战，是如何安全、可靠地把 AI Agent 部署到全球企业环境中。
Brad Gerstner 指出，奇点理论的一个核心设想，是如今的 AI Agent 能够围绕长周期任务协同作业，始终专注于任务本身。黄仁勋补充说，它们还能互相督促不偏离目标，像一个真正的团队那样紧密配合。Clark Tang 举了一个案例：最近求解 Navier-Stokes 方程时，调用了 1 万个 AI Agent 协同攻关，就像一家超大规模科技公司指挥大批 AI Agent 朝同一个目标并肩作战。按测算，这个特定算例消耗了约 400 万美元算力，未来几年同等规模任务的成本还会再下降 5 到 10 倍。
黄仁勋接着用训练成本作对比。初代 GPT 的训练成本大约是 2000 万美元，如今重新训练一个 GPT-1 可能只要 100 美元左右。十年间成本从两千万降到一百，但与此同时，行业正在训练 3 万亿、10 万亿甚至 30 万亿参数的巨型模型，对算力和智能的使用量较十年前增长了约 100 万倍。他认为这一趋势不会停歇，因为人类对智能的需求永无止境，每学会一样新东西就推开一扇新门，眼前就会出现更多机遇、挑战和问题。
03 智能放大的是人的进取心
对于未来人类会有更多闲暇的说法，黄仁勋表示完全不同意。在他看来，智能将解锁更多新机遇，人们出于内心的抱负，一定会全力追逐。他反问：天底下哪个家庭不渴望让家人过上更好的生活？过去只是缺乏机会，而这些技术正在为所有人敞开机遇之门。
Brad Gerstner 引用了凯恩斯 1930 年的预言：一百年后经济规模将增长 8 倍，每周工作时间缩短至 15 小时。前一半说对了，经济确实增长了 8 倍，但如今人们每周工作 80 小时，而不是 15 小时。在他看来，凯恩斯低估了人类的进取精神，没有意识到工作本身就是人生的意义，探索本身就是人生的目标。他自己现在比以往任何时候都更拼命，也更快乐，不是为了生计，而是发自内心想做。黄仁勋对此表示认同。
Brad Gerstner 还提出，所有这些成果都建立在过往一切成果之上。自动驾驶畅想了十年才真正实现，如今打开社交平台，人人都在体验特斯拉 FSD 和 Waymo。他自己上车按下 FSD 之后，一路都在专心工作，甚至不知道路况如何。同样的轨迹也在科学领域上演：医药研发与遗传学已经铺设了 30 年的轨道，即将在攻克诸多重大疾病上实现突破；而在日常生活中，ChatGPT 已经在帮助父母规划行程、解决孩子的健康问题。他问：既然这些技术正在切实改善生活，为什么却很难突破大众的认知？
黄仁勋给出的原因是，AI 或者说超级智能是一种"软物质"，你看不见也摸不着。其实人们早已从中受益——使用搜索、购物、看 Netflix、逛沃尔玛时都在受益，联邦快递能把包裹高效送到手中，背后同样依赖超级智能与加速计算，只是行业没有把这个故事讲好。他说，如果把数据中心和超级智能关停一个周末，所有人都会立刻察觉到它的存在。
04 物理 AI：上半年营收已达 100 亿美元
今年黄仁勋多次表示机器人领域的 ChatGPT 时刻已经到来，并称其有望成为下一个千亿美元级市场。是什么让他确信这一刻近在咫尺？
黄仁勋表示，千亿美元其实说保守了。仅今年上半年，英伟达在物理 AI 领域的营收就达到 100 亿美元，与去年全年持平。去年是首个突破 100 亿美元的年份，再前一年是 50 亿美元，今年哪怕按 200 亿美元估算，未来能增长到多少也无法设限。
他所说的物理 AI，本质上是能够与物理世界直接交互的 AI——既可以是光子计数 CT 机、超声诊断设备、新型成像雷达，也可以是下一代 5G 网络，它不仅能解析无线电波，还能读懂各类信号，构建起庞大的智能感知网络。此外还涵盖机器人、自动驾驶汽车、智能制造系统、工业视觉检测，以及对全球测绘成像并完成 3D 重建的地理空间卫星。AI 正在从可见光到不可见光波段的整个电磁频谱上深度落地。
从技术架构看，AI 包含感知、推理，以及最终的规划与执行。到了规划与执行阶段，对应的是自动驾驶汽车、机器人、仓储配送车、无需精确编程即可自主学习的拣选机器人；再往前延伸，是走进千家万户的消费级机器人和医院里的医疗护理机器人，例如精准把处方药送到患者手中、提供全天候机器人看护、打造完全由机器人协同作业的数字化手术室。黄仁勋表示，英伟达已经是全球最大的物理 AI 公司。
他的核心逻辑是：对人类至关重要的一切都与物理世界相连，把软件与计算智能注入历史上长期由机械和电气主导的传统产业，市场机遇极其庞大。马斯克已经把汽车业重塑为计算产业与科技产业，未来每一家车企、航运物流企业都将转型为科技公司，联邦快递和沃尔玛都会成为 AI 公司，整个电信行业也将重新回归科技属性。英伟达正与 AT&T、威瑞森以及欧洲和全球各地的行业伙伴合作，助力他们自我重塑。他还提到，英伟达已深入仓储物流、医疗保健、汽车、电信、生命科学、娱乐等几乎每一个行业，在每个垂直行业内都构建了极其庞大的技术栈。总有一天，人们或许不会再把英伟达定义为一家芯片公司。
Clark Tang 认为这套打法，本质上是把 AlphaFold 的成功范式复制到每一个垂直行业。黄仁勋补充说，在每个垂直行业构建物理 AI 平台，都需要三台计算机：第一台用来打造大脑，也就是模型训练系统；第二台用来构建数字孪生。各大前沿实验室也在为互联网建立数字孪生，从而无需把 AI Agent 直接投放到真实互联网中摸索学习。英伟达的 Omniverse 就是仓库、建筑、城市乃至整个物理世界的数字孪生，机器人在其中学会如何行动；第三台是内置在机器人、汽车或手术器械中的边缘端计算机，用来部署训练成熟的模型。整个闭环对应三套完整的技术栈，英伟达为每一台计算机都打造了全套技术栈，是全球唯一做到这一点的公司，客户可以根据需求选用一台、两台或全部三台。
05 AI 安全：对齐是永恒课题，靠隔离管控与带外监控兜底
谈到技术能力是一把双刃剑，Brad Gerstner 指出黄仁勋一直对"AI 末日论调"持强烈批评态度，认为只有负责任地构建技术，才能走向未来。
黄仁勋强调，首要前提就是负责任地构建。"构建"是工程学术语，执行者是工程师、科学家和研究人员。问题在于能否做到，他的答案是绝对可以，否则从一开始就不该去做。
针对"AI 之所以不可控，是因为永远无法实现完美对齐"的观点，他先解释了什么是对齐。当你说"请解出这道二次方程"，任务目标很清晰，对齐探讨的是通过什么方式求解：可以是背下答案默写出来，可以是在参考资料里查到，也可以是打开抽屉检索标准答案。有人管这叫作弊，他称之为"打开抽屉并检索答案"，而这恰恰是计算机的工作机制。再看一个更宽泛的指令，比如"在人生中取得成功"或"为社会做贡献"，不同文化背景下的理解截然不同：有人认为慷慨善良就是贡献，有人认为先赚很多钱再投身慈善才是，也有人认为创办一家企业、做好一件事或创作一件艺术品本身就是贡献，这些理解全都成立。因此他的核心观点是，对齐将是永恒课题，指望靠完美对齐来保障安全，永远无法达成目标。
真正的解决之道，类似于照看婴儿、养宠物或管理员工。第一步是隔离管控：根据要完成的任务，按需分配工具使用权、信息访问权以及相应的职责、资金和资源，一切从零信任起步。新员工入职是零信任，一岁的婴儿被放进婴儿围栏里也是零信任，只赋予最小权限，在不断了解的过程中逐步放宽边界。测试每个新的 AI 模型都应遵循同样的逻辑——坚持零信任、最小边界和最小权限，随着信心建立再逐步扩大活动范围。对任何自主系统而言，极其严密的隔离管控都是重中之重。
第二步是监控，而且必须是带外监控。原因在于，一个聪明的系统在被盯着时和被移开视线后，表现出来的行为是不一样的。因此监控系统必须独立运行并具备敏锐的观测能力，一旦发现自主系统偏离既定策略或对齐原则，就能立即上报升级，或者一键关停。黄仁勋说，这是工程学和技术手段，完全可以实现。英伟达近期发布的 Open Shell 项目正是为此而生，目前已有超过 100 家企业加入，全球各地都在积极推进。
至于面对担心行业领袖行事鲁莽的公众，黄仁勋回应说，外界有一种奇怪的论调，把 AI 技术与安全安防当成彼此独立的关系，就好比认为安全气囊、刹车、雷达、摄像头、ABS 防抱死系统和车道保持辅助都独立于汽车之外，仿佛对汽车而言只有发动机才算核心技术。事实上这些安全配置全都是整车技术的有机组成部分。因此当他呼吁加速 AI 时，意思是必须同步加速安防与安全技术的研发，所有环节一起提速。没有任何客户会说"我很喜欢你们产品的功能，哪怕它正在四处搞破坏也没关系"。功能、能力、安全、安防始终是一个整体。
他还指出，这个行业最近才跨过关键拐点。六个月前这项技术还只是勉强能用，在技术不具备实际能力时，空谈安全没有意义，没人会在意。直到 AI 证明了自己能解决实际问题、创造真正价值，并进入全面铺开阶段，整个行业才肩负起确保每一项落地技术都安全可靠的迫切要务，在这一点上所有人都是百分之百形成共识的。在他看来，如果不能安全可靠地构建 AI，整个 AI 产业根本就不会存在，这对行业自身而言是生死存亡的问题。所谓 AI 变成全人类生存危机的情况不会发生，因为一旦失控，它首先会葬送这个行业自己。
关于"赢"的定义，黄仁勋希望换一个视角：赢不应只是科技行业或 AI 行业的胜利，而应是千行百业的全面胜利——医药、零售、物流、航空乃至每一位普通人都获益，大学和高中也都获益，经济增长让社会有更充裕的财力投入医疗保健、教育和基础设施。如果只是技术本身赢了，那根本算不上胜利。Brad Gerstner 对此表示认同，并补充说，让这一切成立的首要前提，就是技术发展必须与人类利益高度对齐。
对于目前行业内已建立的发布前审查、跨企业协议与协同机制，黄仁勋认为，通往未来的最佳方式就是迅速行动。如果一直纠结于追求完美还是率先行动，最终只会陷入对完美的无休止空谈。他看重这些机制的可执行性，它们具体实在，也具备真正的约束力。回顾其他行业的发展史，没有哪个行业能在这样的阶段，就建立起如此广泛的跨企业、跨行业协同机制。这套机制并非一成不变，会随着技术演进持续更新。想要提出改进意见的人，首先应该弄清楚问题出在哪里，并了解行业已经落地了哪些方案。英伟达始终保持开放的心态，但讨论应当是建设性的。
06 明年的算力建设：土地、电力和机房外壳是最大瓶颈
成千上万乃至数百万个长期运行的 AI Agent 协同处理复杂任务，会消耗极其庞大的算力。Brad Gerstner 引用 SemiAnalysis 的预测：明年全球将新增 43 吉瓦的 AI 算力，这比目前全球现有的 AI 算力总和还要多，后年还将再增加 40 吉瓦。他问黄仁勋这个数字是否准确，考虑到土地审批受阻、供应链瓶颈和地方社区抗议，实际落地会不会有很大出入。
黄仁勋认为，市场需求绝对存在，甚至比这还要庞大。真正的挑战在于从数字世界迈向物理基建时的重重阻碍，包括土地审批、新增发电能力的并网，以及大量建筑工人、设备安装工、管道工等各工种人力。此外各地也确实存在一些项目暂缓令和现实阻力。Brad Gerstner 补充，单是建设这些基础设施就能创造 100 万个新岗位。黄仁勋表示认同，这些技术工人的技能不可替代，尤其是建设耗资 500 亿美元规模的大型数据中心，每个关键环节都离不开极其专业的硬核技能。因此他判断，土地、电力和机房外壳将是实现这一算力目标的最大瓶颈。Clark Tang 从华尔街了解到，目前已宣布或正在洽谈的芯片规模约为 50 吉瓦，但真正能配套好土地、电力和机房外壳并实际上线的，可能只有 35 到 40 吉瓦。
黄仁勋认为，英伟达有几项优势可以化解这些制约。首先，英伟达是唯一同时服务所有云服务提供商和所有英伟达云合作伙伴的企业，并通过戴尔、惠普、联想等合作伙伴拥有庞大的企业级业务，覆盖数据处理、训练、后训练、推理以及 AI Agent 处理和工具调用加速的整个 AI 全生命周期，市场触达面是全行业最广的。全球每一家代工厂都在为英伟达生产，目前需求远超供应。如果某个地区或数据中心项目推进受阻，只需相应调整供应链分配。
其次，英伟达是服务全人类的计算基础设施。欧洲、非洲、中亚、东南亚、拉丁美洲和中东等地的早期项目都在推进，全球需求都在爆发，世界上任何一个国家都渴望把 AI 基础设施建在自己的土地上。即便部分算力无法在美国本土落地，全球各地也有大把的建设需求，因此英伟达的业务可能是最具韧性的。
此外，英伟达架构的生产力最高，每瓦特 Token 产出率冠绝全球。当全球可用电力受限时，客户必然会把选择转向生产力最高的方案，因为他们依然要兑现营收目标，所有 CEO 对明年的营收都抱有极高期望。装进机房的算力必须是当今最顶尖、生产力最高的计算资源。英伟达的算力最容易出租，具备极强的通用调配能力，而且经久耐用。因此物理资源短缺反而让市场天平进一步向英伟达倾斜，本就很高的市场份额，竟然因为这些因素还在继续攀升。
07 单吉瓦价值翻倍，市场份额持续扩大
黄仁勋进一步解释了份额继续攀升的另一个原因：英伟达在单吉瓦基础设施中提供的价值大幅增加。英伟达最初是一家 GPU 公司，后来成长为全球最大、增长最快的网络设备公司，如今又将成为最大的 CPU 公司之一，同样是增长最快的一家。随着产品组合不断丰富，英伟达又拓展了存储计算、知识基础设施计算，现在还通过 Open Shell 和 Sentry 布局安全领域。每吉瓦基础设施中英伟达提供的价值，从过去的约 180 亿美元，提升到 200 多亿美元，再到如今的 400 多亿美元，他认为这一数字还会持续走高。英伟达不仅因为客户向其计算平台集中而扩大份额，还因为在客户资本支出中占据更高比例，从而扩大了按美元计算的全球市场份额。
回看六年前，英伟达在全球资本支出中的占比还只是个位数，现在在全球大型云服务提供商的资本支出中大约占 40%。同时英伟达还在向大型云厂商之外拓展，无论是本地部署还是新兴云，这部分占英伟达业务的一半，英伟达在他们资本支出中的占比高达约 80%。一半业务占客户资本支出的 40%，另一半占 80%，而且这两大板块每年都在翻倍增长。
08 马斯克的算力版图与太空数据中心
在英伟达的众多买家中，Brad Gerstner 特别提到了马斯克。两年前马斯克建造 Colossus 超算集群时，在孟菲斯迅速点亮几十万块 Hopper 芯片，令所有人震撼。如今他又在融资 400 亿美元，准备采购超过 100 万块 Vera Rubin 芯片，并提出要在 2027 年底前建成 10 吉瓦算力，这意味着要在 Vera Rubin 上投入数千亿美元，扩产速度史无前例。Brad Gerstner 问，SpaceX 成为全球最大的 AI 超大规模云厂商是否已成定局。
黄仁勋透露，在英伟达的财报统计口径里，过去马斯克的采购被归在企业级业务下，如今他已经成为云服务提供商阵营的一员，体量极其庞大。他一方面用英伟达的技术训练和部署自己的 AI 模型，Grokbot 非常酷，市场需求和算力消耗正在呈指数级飙升；另一方面也会把算力租赁出去。能把自研模型训练、内部应用消耗和对外算力租赁三件事结合在一起，相当独特，谷歌也是这种模式。黄仁勋认为马斯克还有一项独特优势，就是极度热衷于计算技术与物理工程建设的交叉领域，而且没人比他更懂能源。双方正准备共同探索一个全新的市场——把数据中心建到太空去。两边的工程团队正在紧密配合，研发一种在太空和地球环境下都能发挥极致性能的新型服务器与系统架构。
Brad Gerstner 提到，上周星舰成功发射，完成了首次轨道交会并部署了新一代 V3 卫星，彻底点燃了大众的想象力。他问黄仁勋是否越来越有信心，到 2028 或 2029 年能通过星舰在太空部署相当规模的算力，并实现具备实质规模的太空推理。黄仁勋回答，只有英伟达的算力能做到这一点，原因不仅在技术本身。英伟达拥有全球最高的每瓦性能，更关键的是算力的生产力极高，意味着投入资本回报率极其出色。发射成本绝不便宜，在总价值中只占很小一部分，因此一定会把高价值密度的计算系统送上太空。而英伟达是人类计算史上价值密度最高的计算系统，天然是目前太空发射的最佳选择。
被问到 2029 年能否在太空中建成 500 兆瓦算力时，黄仁勋表示具体数字留给马斯克自己去揭晓，但他觉得这简直不可思议。Clark Tang 提到马斯克一年大概发射 100 次，黄仁勋称把 Vera Rubin 装进星舰送上天，在经济账上完全算得过来。更重要的是它具备通用调配能力：如果一颗卫星发射升空却没有客户来租用，就会在轨闲置，这是大家最不想看到的。而英伟达的算力完全通用，会有海量租户抢着用。英伟达与全球每一家闭源模型公司合作，运行着全球每一个开源模型，背后还有成千上万家初创企业和各行各业的巨头客户，因此既通用又耐用。它可以在太空中长期稳定服役，英伟达会通过 CUDA 持续升级软件，哪怕是八年前买的硬件，今天依然在推送新算法，只要卫星还在轨，软件更新就不会停。这三大特性加上领先的硬件技术，使它成为 SpaceX 最完美的有效载荷。
09 实验室营收压力：不能把基建押注在两家公司身上
Clark Tang 提出了金融界关心的问题：支撑如此庞大的资本支出需要数万亿美元，英伟达也动用自身资产负债表扶持新兴云厂商完成扩建，而要在财务上算得过账，就必须看到清晰的回本周期。有些公司一年就能回本，比如第一年投入 500 亿美元，再结合 SpaceX 的现货算力定价。但今年所有 AI 实验室的总增量营收大约是 2000 亿美元，要匹配回本要求，明年需要翻倍到 4000 亿美元，后年再翻倍到 8000 亿美元。今年 Claude Code 带来的巨大爆发，直接推动 Anthropic 的营收增长了 10 倍。他问黄仁勋有多大信心，这些实验室能继续保持每年 2 到 3 倍的营收增长。
黄仁勋认为，大家误解了背后的真实图景。他说，英伟达目前占据全球 AI 基础设施营收份额约 80%。要理解这件事，必须先看清英伟达业务的构成，大体分为三大板块。
第一个板块是基线计算，涵盖数据处理、分子动力学、物理模拟、核聚变与核裂变模拟、量子化学、量子物理以及计算机图形学等领域，这些工作全都在英伟达的 GPU 上运行。哪怕世界上完全没有 AI，只靠传统机器学习，比如维萨和万事达用于反欺诈检测的 XGBoost，以及各类新闻资讯推荐系统，仅凭这些非深度学习、非 AI Agent 的传统计算业务，就占到总业务量的三分之一左右，而且每年仍以 30% 到 40% 的速度稳步增长。也就是说，即便没有任何 AI 实验室，英伟达也不是零，依然是一家体量庞大的公司。
第二个板块是 AI 实验室。外界往往只盯着两家，但英伟达实际上与所有实验室都在深度合作。比如 Meta AI 表现极其惊艳，底层绝大部分都在使用英伟达的算力，要知道一两年前他们还主要局限于推荐系统。三年前 Grok 甚至还不存在，以前英伟达没有运行 Gemini，现在 Gemini 也在英伟达的平台上运行。从今年起，英伟达又开始与 Anthropic 展开全面合作。所以在英伟达的算力版图里，外界只看到两家实验室，他看到的却是五六家顶尖实验室在齐头并进。这部分业务占英伟达算力出货量的 25% 到 30%。
第三个板块是最令人兴奋的部分，约占三分之一。英伟达正站在一场全新计算平台范式转移的起点，大批初创企业如雨后春笋般涌现。有的做消费级应用，比如 Nuro 就做得非常出色；也有的涵盖物理 AI、生物 AI、材料科学 AI 等领域，Jeff Bezos 新创立的 Prometheus 也表现惊艳。各行各业新成立的初创公司有成千上万家，他们通过租赁方式使用英伟达的算力。这部分业务本质上是面向下一代计算的云计算底座，就像今天的 AWS，但面向的是未来。在他看来，这一新型计算架构的建设才刚刚拉开序幕。如果仅仅盯着一两家头部公司，认为整个基础设施全靠他们出资支撑，那就大错特错了。
谈及开源模型，黄仁勋表示自己一直是开源模型的坚定支持者，因为开源模型能够开辟全新的商业机会，这些初创公司中有 80% 都在使用开源模型。他们用开源模型并不是为了和前沿实验室正面交锋，而是为了在其他领域开辟新天地，可能是物理 AI、智能制造，也可能是医疗健康。很多公司基于开源模型，结合英伟达的 NeMo 框架进行深度定制，把它打造为特定领域的超级智能。在他看来，前沿闭源实验室的目标是攻克 AGI，模型能力会变得极其强大；与此同时，还有众多深耕垂直行业的公司，手握高价值专有数据，训练模型解决非常具体的问题，从而在各自的垂直领域实现超级智能。
10 营收外推与泡沫担忧：回到第一性原理
Clark Tang 指出，按英伟达的算力经济学公式，部署 1 吉瓦算力，另一端大约产生 400 亿美元营收。如果明年有 40 吉瓦算力上线，这座算力工厂就必须产生高达 1.6 万亿美元营收，但现实显然不是这样线性运作的。他听到市场上有焦虑的声音：大家看到今年以来部分实验室营收增速似乎有所放缓，担心出现所谓泡沫破裂，也就是上线的算力供应超过实际需求。AI 的发展更像是阶跃函数式的阶段性跨越。他问黄仁勋是否担心某个时刻所有人都对继续出资建设算力基础设施感到恐慌。
黄仁勋认为只需回归第一性原理。外界试图线性外推的头部实验室 1000 亿或 1250 亿美元年度经常性收入，其实只是整个基础设施建设版图的一部分。他反问：未来人们还会继续在网上购物吗？这部分传统业务升级带来的算力建设就占了三分之一，这部分需求板上钉钉，毫无争议。
他几年前就预测，到本十年末，全球每年在计算基础设施上的建设投入将达到 3 万亿到 4 万亿美元，现在看来更接近 4 万亿美元。假设其中 1.5 万亿美元纯粹用于算力硬件，为什么规模会如此庞大？因为在 AI 浪潮爆发之前，这个市场就已经有 5000 亿美元规模。如果说经过六到八年发展，全世界消耗的算力持续增加，市场从 5000 亿美元增长到 1.5 万亿美元，完全合乎逻辑。更何况摩尔定律已经终结：过去想让晶体管数量翻倍，只需等上一年，价格保持不变；现在想获得两倍的晶体管，无论等多久都必须付出两倍的成本。全球无论需要多少计算容量，每年想让算力翻倍，就得付出两倍的资金。随着全球数字化程度不断加深，原本 5000 亿美元的基础盘在自然增长，还要再乘上一个额外的放大系数，这个系数纯粹是为了抵消摩尔定律终结带来的成本攀升。所以即便没有 AI，半导体行业原本也正走在成为全球第一大产业的道路上，这一点他很久以前就提过，只是大家忘了。除此之外，处于全新计算平台转型期，大批初创企业正在涌现，创新本身就是经济的一部分，这一进程还在加速。
他还给出一组对比：在传统通用算力时代，每吉瓦算力的建设成本大约是 50 亿美元；如今部署一套 Vera Rubin 系统是 500 亿美元。核心问题在于 Vera Rubin 能否为世界创造过去 10 倍以上的价值。所以他认为根本没有必要把任何一家实验室的营收外推到数万亿美元。
Clark Tang 表示认同，并提到就在昨天市场还在议论 OpenAI 营收究竟是 700 亿美元还是 500 亿美元，而由于市场担心 OpenAI 未来付不起基础设施的账单，不少基础设施公司股价出现了回调。他总结说，明年 40 吉瓦的基础设施建设中，至少三分之一只是超大规模云服务商对基础通用算力的更新换代，另外三分之一流向新兴云厂商、主权 AI、企业客户以及所有使用算力的初创公司，最后三分之一也并非只流向两家实验室，而是流向包括 Grok、Thinking Machines 在内的众多实验室。但现在市场把太多压力押在了两家实验室身上。
黄仁勋表示，很高兴与这两家公司合作并为他们提供支持，他们必将成为人类历史上最具深远影响力的两家科技企业，但他们根本不需要做到近万亿美元的营收才算成功。
11 订单、供应链与盲下订单的信任
黄仁勋此前表示市场对英伟达芯片的需求增长远超 100%，并给出了 70% 的营收增长指引，当时是基于供应受限给出的展望。那么现在订单簿是否还在持续增长，供应链里是否还有余地挤出更多产能？
黄仁勋解释了当初为什么要公开订单情况。英伟达面临的挑战是手头订单簿实在太庞大——每一家云服务提供商、每一家英伟达云合作伙伴、每一家原始设备制造商，无论是初创公司、大企业还是小公司，全都下了单。英伟达会根据客户规模，提前至少一年，对最大型的客户甚至提前两年协同做需求预测，因此积累了极其庞大的订单簿。而他当时正在做产能配额分配，能分配给所有客户的量远低于他们实际想要的量。如果不公开透明地说明实际产能，每个人都会猜疑自己是不是被克扣了配额。这也是他应对每一次不得不让客户失望的沟通方式。Clark Tang 认为，如果能交付更多产能，几乎每一位客户都会买得多得多。
此后新订单几乎每周、每天都在涌入，同时英伟达也在获取更多产能。目前下游环节的瓶颈在于土地、电力和机房外壳。几周前，英伟达在澳大利亚宣布了一个 2 吉瓦的项目，对英伟达来说意味着约 800 亿美元的规模。他也希望接下来前往欧洲时，能在当地宣布一些新的合作伙伴关系，进一步解锁更多土地、电力和机房外壳资源。这也是英伟达的巨大优势所在：如果像 CoreWeave 或 AWS 这样的云厂商想要横向扩展业务规模，英伟达拥有全栈式的完整 AI 基础设施，可以在别人无法建设的地方完成部署，也可以与别人无法调动的合作伙伴和客户协同建设。
上游供给方面，最关键的瓶颈之一是基板。如今封装基板尺寸越来越大，上面集成的芯片数量也越来越多，从两个方面给供应商带来严峻挑战。首先，每出货一颗芯片所消耗的材料重量大幅增加；其次，这类有机材料要达到英伟达要求的制造精度极其困难。随着封装尺寸变大，热膨胀系数和堆叠方式使得控制翘曲和各类制造缺陷变得极其困难，在英伟达的出货规模下必须保证极高精度，离不开顶尖合作伙伴的配合，因此基板目前供应受限。硅光技术同样供应受限，几乎所有环节都处于供应受限状态。所以英伟达将继续全力攻坚，他有 18 个月的时间来做这件事。虽然每过去一周产能都在增加，但订单簿也在不断攀升，因此未来几年都很难彻底弥合供需差距。
Brad Gerstner 展示了一张图表：灰线是去年这个时候市场对英伟达的一致预期，蓝线是 Altimeter 当时的预测，比市场共识高出很多，最新的市场共识则是基于黄仁勋的业绩指引得出的。他感慨，25 位拿着高薪专门预测这家公司业绩的分析师，汇总得出的市场共识居然偏差了百分之几百。一年前市场预期英伟达 2027 年的业绩会持平甚至萎缩，现在共识预测却是增长 74%。在他从业 20 多年的生涯里，极少看到市场共识偏差这么多。然而股价只上涨了 20%，在营收预测和自由现金流预测翻倍的同时，按不同口径计算，现在的交易估值只有 13 到 14 倍市盈率。他问市场借此表达了什么，英伟达的护城河是在变宽还是变窄。
黄仁勋表示，对于一家规模如此庞大的公司，市场份额还能持续扩大，本身就说明了业务韧性和竞争优势的体量，护城河一直在扩大。他随后做了一个思想实验：如果必须递出一张 1000 亿美元的支票，为下一代产品下采购订单，现在差不多就到了为 Vera Rubin Ultra 下订单的时间，而且是完全没见到产品实物的盲订。客户之所以仍然有信心，是因为产品由英伟达打造，笃定会比 Vera Rubin 更好，而大家对 Vera Rubin 的信心，又源于上一代 Grace Blackwell 的卓越表现。在计算的世界里，这些计算机承载的工作负载极其复杂，无法仅靠单一基准测试来评估，要交付这种级别的性能，必须协同融合的技术数量令人咋舌。在没见到实物的情况下，敢向谁下一张 500 亿美元的订单？全世界只有英伟达一家。过去下一张 1 亿美元的采购订单，系统就摆在面前，直接对芯片跑基准测试就行；而现在光是把它造出来就已经是个奇迹。如果有人想做测试评估，他很乐意支持，但得先提供一座超大型数据中心，并花上几年时间改造。所以今天已经没法再按传统方式对这些系统做基准测试。
这和英伟达与台积电的关系如出一辙。英伟达之所以把 100% 的代工业务都交给台积电，正是因为他们是全世界唯一一家能让黄仁勋提前五年做规划，并且在完全未见实物的情况下，依然笃定下一代晶体管更好的公司。他笃定台积电会准备好充足产能，懂得如何与英伟达的业务团队高效配合，具备极高的敏捷性应对业务上的所有大起大落，包括需求曲线从灰线跃升到蓝线再突破到绿线。台积电必须有足够的体量，才能帮助英伟达跨越这一整个历程，世界上没有第二家公司能做到。还要掌握从硅光子到逻辑芯片、内存，再到复杂的推拉式封装技术等各种工艺。英伟达正在推进的工作非常动态多变，不可能指望一家体量只有台积电十分之一的公司完成这些。他认为最核心的理念是：英伟达正在为整个地球构建基础设施，已经成为一家基础设施公司，因为建设这些基础设施耗资巨大，而技术迭代速度又极快。
12 通用性是低风险的来源
黄仁勋解释了这种信任的另一个基础：英伟达可以运行所有工作负载。起初只是用来运行一些 GPT 模型，后来出现了 Flash Attention，出现了对模型的并行化处理以及在 NVLink 72 上的分片，再到现在大家讨论融合了状态空间模型的 Transformer、扩散模型，本质上是 Transformer 的混合体。所有这些层出不穷的技术演进都没有问题，因为一切最终都在 CUDA 上运行。英伟达并不知道客户未来需要更多预训练、后训练，还是仅仅运行智能体推理，但事实证明这些全都能运行。客户可以豪掷 500 亿美元建造一座数据中心，并且心里踏实，因为这些工作负载具有极强的通用灵活性。哪怕因不可预知的原因发生意外，想把一半算力容量转租给别人，英伟达的平台也完全通用。英伟达在工作负载上通用，在支持的模型上通用，在面对不同客户时也通用，而且可以在世界任何地方部署。无论是在欧洲还是美国创办公司，无论想服务欧洲、日本或印度的客户，英伟达的基础设施早已就位。OpenAI 想开拓欧洲市场，立刻就能带他们过去；Anthropic 想进军日本或韩国，也是瞬间的事。
针对定制芯片与通用架构之争，黄仁勋表示，英伟达坚持做通用型架构，正是为了拥有这一切通用灵活性，而它最大的优势就是低风险。当你在建设价值 500 亿甚至 1000 亿美元的基础设施时，必须确信它们在未来很长一段时间内都能发挥极大的价值。专业化是通用灵活性的敌人，也是资产耐用性的敌人。只要英伟达每天都能证明性能卓越，通用灵活性和耐用性就会转化为可出租性，进而转化为生产力和可融资性，并最终带来最低的总拥有成本。
13 回购与投资：两大新增长引擎
Brad Gerstner 提到，英伟达正在进行史上最大规模的股票回购，按他的计算，未来两年可能回购高达公司总股本 10% 的股份。黄仁勋曾在高盛的活动中称英伟达为第一家成长型价值公司，这听起来很像苹果过去的回购逻辑，也就是向股东回报资本，事实证明这一招确实奏效。他还转述了巴菲特的看法：巴菲特不喜欢科技公司的原因之一，就是它们产生海量自由现金流，管理层却把钱花在其他事情上，回报远不如最初赚钱的核心业务。而英伟达现在把超过 50% 的自由现金流用于回购，同时还保持着指数级的强劲增长。
黄仁勋表示，上个季度回购比例甚至超过了 60%。他认同苹果这条路径确实奏效，苹果的股价从 30 美元一路涨到了 300 多美元，英伟达在很多方面也在经历类似的转型。他还透露了一个此前没来得及提的重点：英伟达大部分投资与融资合作，是为了建立两种全新的商业模式。
第一种是软件许可，英伟达会在近期加速推进。英伟达积累的软件资产极其惊人，数据中心规模又如此庞大，提供的是一整套完整的技术栈。这套全栈方案能满足云服务提供商完全工业级的需求——他们希望运行自己的软件栈，英伟达通过授权或开源的方式提供软件，他们获取后进行修改，集成到自己的系统中，再运营自己的服务。但对于世界上大多数公司来说，没有庞大的 IT 部门，也没有专属的软件团队做这件事，需要英伟达提供维护。过去几年 AI 主要聚焦于模型训练，现在开始迈向落地部署，企业需要像运营工厂一样运营这些系统，并需要知道英伟达在为他们兜底。英伟达受服务等级协议约束提供支持和维护，确保系统持续安全稳定运行，只要公司还在，这项服务就不会停止。面向企业业务的软件许可市场会非常庞大。哪怕简单算一笔账：假设每个 GPU 每年收取几千美元软件许可费，而英伟达每年出货 2000 万个 GPU，其中一半流向全球各地的企业，加起来的收入将极其可观。
第二种是收入分成。有些云厂商全盘依赖英伟达提供全栈服务，依赖英伟达做产能包销，依赖英伟达的生态系统，还依赖英伟达作为投资伙伴帮助获取融资和资本。他们已经搞定了土地、电力和数据中心外壳，是区域市场的王者，拥有各种本地优势，但在这三个核心领域需要英伟达的支持。建立这类合作关系时，英伟达很可能采取收入分成模式：投入资金，前期不仅能获得硬件销售的利润，未来还能持续获得收入分成。英伟达本身不是云服务提供商，但会提供产能包销以及长达 4 年、5 年甚至 10 年的软件支持，理应从中获得相应的经济回报。
黄仁勋强调，这是两个独立于硬件销售的新增长引擎，都与平台的装机量息息相关。如果没有庞大的装机量，软件许可无从谈起；没有产能包销，收入分成也无从谈起。装机量的规模、软件技术栈的丰富度、包销能力、包销协议的含金量以及遍布全球的生态系统，都将成为驱动这两大引擎的燃料。
谈到投资，黄仁勋指出，过去几年市场上流传一种说法：英伟达买谁的账，你就跟着投资哪家公司。现在最新的说法变成了：黄仁勋投资了谁，你就跟着投资谁。原因在于英伟达深耕于这个生态系统，置身于信息流的中心，非常了解这些投资项目，结识了许多聪明绝顶的人才，当他们立志成就一番伟业时，英伟达愿意在背后支持。但可以预见，投资金额占英伟达现金生成的比例将会迅速下降，一方面是因为像 OpenAI 和 Anthropic 这样百年不遇的机会不会再有第二次，另一方面是英伟达创造现金流的能力正在飞速增长。
14 长期展望：十万亿美元也不意外，信心 99.99%
Brad Gerstner 认为，这从根本上是对全球计算架构的一次永恒重构。他提到黄仁勋此前被问及泡沫还有多久破裂，回答大概是两三年，而他自己并不认同这一轮繁荣只是昙花一现。
黄仁勋解释，过去云服务提供商每年大约产生 5000 亿美元基础设施支出，整个科技行业乃至全世界每年的算力基础设施支出大概在 1 万亿美元左右。每过 5 年左右，旧设备就会贬值或被淘汰，当然也有用得更久的。那个旧世界代表的是基于信息检索的计算方式。在全新的生成式计算时代，他预测增长趋势将持续数十年。他的直觉是基础设施规模将在这个基础上继续膨胀。如果未来每年包括产能扩建、基础设施投入、设备迭代以及新老设备更替在内的总开销达到 10 万亿美元规模，他一点都不会感到意外。
Brad Gerstner 重申，黄仁勋认为到本十年末，每年相关资本支出将达到 4 万亿美元，因为每一次消耗 Token、每一次调用智能模型，底层的机器和数据工厂就必须运转。他还做了推算：假设全球 50 万亿美元 GDP 由知识工作者创造，如果在 5 年内能像英伟达内部那样，实现 20% 的生产力提升——而英伟达内部的提升其实远不止这个数字——就意味着创造出 10 万亿美元的增量经济价值。把一半的增量财富用作资本支出，投入生产智能的基础设施，在 2029 或 2030 年看起来是非常合理的。
回顾人类历史，Brad Gerstner 说，绝大多数真正推动人类进步的创新，都集中在过去的两百年里。创新让人类有了更多陪伴家人的时间，延长了寿命，减少了把时间耗在苦差事上的折磨，让生活更加安全。同样的担忧在工业革命初期也曾出现过。他问黄仁勋：五年后事实是否会证明我们做出了正确的抉择？他今天是否比 12 个月前更有信心？
黄仁勋的回答是 99.99%。他有这样的信心，是因为太多人发自肺腑地期盼着美好的结局，并且会倾尽全部的力量、智慧和资源，以负责任且充满乐观主义精神的方式去确保抵达彼岸。有太多人正在脚踏实地地做着正确的事。人们常常对这些宏大话题高谈阔论，仅凭手头有限的信息就大发议论，却没有意识到，在他们的认知视野之外，存在着无数跨行业的杰出人才、研究人员和工程师，正在默默无闻地创造着改变世界的成就。仅仅因为高谈阔论的人没有报道，并不意味着世界上缺乏聪明人在做聪明事。他在公司内部常说，即使没有他的英明领导，这家公司依然会自我驱动做出明智的决策，聪明人自然会做聪明事。当大家在网络上协同组织起来时，会做出更具影响力的成就。
对于那些说"大家都在担心 AI 的风险"的人，黄仁勋认为有危机意识是好事，应该表达担忧，提出各种顾虑，但绝不该轻易给世界末日下定论。因为贩卖焦虑的人严重低估了人类适应环境的能力，低估了人类无限的潜能。也许出于狂妄，也许出于傲慢，他们总觉得除非自己亲自出马，否则事情肯定办不成。黄仁勋说，无论他个人站不站出来说话，这家公司都在创造不可思议的成就。当身边聚集了一群令人惊叹的顶尖人才，并且成功营造出让所有人都为同一个目标奋斗的环境，那个目标就是一个美好的结果，一个造福人类的善意版本。他相信绝大多数人心中追求的正是如此。这也是他强调必须严于律己、勇于担当的原因，同时也更应该毫不吝啬地表达对未来的乐观期许。
本文内容来源于数字开物，经编辑整理。
发表于 2 小时前
|
查看: 11|
回复: 0
