黃仁勳解讀當前AI市場：把AI回本的壓力全放在兩家公司是不對的

AI 最近的行情情緒極差。市場主要擔心的點在於：AI 前沿模型公司的收入能否支撐他們巨大的估值。

Anthropic 公布了第三季度的收益，其實數據還不錯，但是當天 AI 板塊大跌，雖然還有 CPI、AI 債務等等因素導致，但市場確實在懷疑行情能否延續。

在黃仁勳最新的採訪中，黃仁勳也給出了自己的解答。他認為，市場把 AI 回本的壓力全放在 OpenAI 和 Anthropic 這兩家公司身上是不對的，這兩家公司只占很小一部分。他強調，在 2030 年，全球的 AI 基礎設施投入會達到 4 萬億美金。

TL;DR· 摩爾定律已死，今天要兩倍算力就得付兩倍的錢；而我對結果的信心是 99.99%

· 只憑一兩家實驗室的收入去外推整個基建規模是誤解------前沿實驗室只占我們算力的 25% 到 30%，剩下的三分之一是經典計算，三分之一是成千上萬家初創公司· 土地、电力、外殼和建設資源，將是最主要的瓶頸· 當總兆瓦數受限，客戶的選擇會轉向最有生產力的算力，所以我們的份額實際上在上升；我們投放到單一吉瓦里的美元含量，已經從 180 億漲到 400 億以上· 我們希望智能的成本每年下降 2 倍甚至 20 倍，因為智能的消費量會遠遠補上這個缺口

計算拐點、推理模型與智能體時代

我們是否正跨入奇點邊緣，為什麼算力需求要增長 10 億倍？

我們需要比不久前多出十億倍的算力，這個邏輯其實相當清楚。思考和解決問題所需的推理次數，遠遠超過重複或背誦你已經記住的東西。

你給早期的 ChatGPT 一個提示，那些知識大部分都被編碼進了大語言模型裡，而糟糕的是它會幻覺。下一步是生成式 AI，用真實事實來"接地"和約束：它會快速檢索，帶回來事實，再結合預訓練生成答案。

我們真正想做的、有意思的事情，大多需要一步步推理：想出幾個方案、做規劃、推演事態如何發展、反思目前最好的路徑、把方案展開、再把其餘的剪掉。偉大的戰略家都熱愛"戰略期權"：你不希望剪枝剪得太快，但又必須優化資源。AI 現在就在這麼做。它保留戰略期權、展開推演、反思、剪枝。所有這些思考和探索都要消耗多得多的算力。

因為它能做出有產出的工作，我們就會用它做更多的事。這兩件事疊加，用更多算力來完成工作，同時因為幹得好而被雇去做更多工作，共同放大了總需求。

去年最重要的觀察是：模型的規模定律會繼續下去，但給它裝上"harness"，也就是大語言模型的外骨骼，是一個巨大的解鎖。它管理工作記憶，把工作記憶轉成短期和長期記憶，並構建出知識圖譜。人類就是這麼做的：我們睡覺時做壓縮，不重要的事情忘掉，重要的事情在離線狀態下被重新連接起來。

另一個解鎖是工具使用。我們教會了 AI 如何與人類造出的最重要的工具交互：SPICE、Verilog、各種仿真器、設計編譯器、Photoshop、AutoCAD，以及西門子的工具。如果一台機器人進了你家，它會用你家裡的工具，而不是從零開始造新工具。智能體必須學會使用已有的工具。

一旦你把裝在 harness 裡的大語言模型放進企業，把它們接到真實事實和現有工具上，它們就開始做出驚人的事情。編程是最容易的上車入口，因為軟體工程師習慣了那些哪怕不好用、但效用巨大的工具。

下一個階段是設計、創意和行銷工作流。比如 OpenAI 的 Astra 就非常棒。你拍一張照片，交給 Astra，它直接把它重建為 CAD 模型。我們需要 CAD 模型，才能與它交互、做調整、做微調。這個最初的落地，就讓設計師、建設者和創作者的生產力大幅提升。

如果前沿實驗室明年把算力再擴大 3 到 5 倍，你預期長時間運行的智能體任務會出現什麼突破？

納維--斯托克斯方程就是個很好的例子。OpenAI 不是憑空解出納維--斯托克斯的，他們是在眾多偉大科學家、數學家和前人工作的基礎上解出來的。我們正處在許多領域的臨界點上。因為大量的基礎工作已經完成，如果我們把 AI 窮舉式的探索能力施加在這些基礎之上，我們很快就會看到一個接一個的突破。

我們需要大量算力，因為必須進行海量的搜索空間探索。如果只是靠第一性原理推導、不需要搜索巨大的空間，早就有人解出來了。很多問題就懸在那個懸崖邊上，等著海量的智能探索去解決它們。

未來幾年，智能的成本會下降得相當快。更多算力上線，模型也變得更聰明、更高效。就像摩爾定律在三十年裡讓計算成本每年減半一樣，我們希望智能的成本每年下降 2 倍、甚至 20 倍。而智能的消費量會遠遠補上這個缺口。這個世界上有巨大的機會真空，等著被填滿。

我們的野心擴張得非常快。十年前訓練 GPT-1 大概要花 1000 萬到 2000 萬美元；今天一百美元就能做到。與此同時，我們的野心大到開始訓練 3 萬億、10 萬億、30 萬億參數的模型。過去十年，我們對算力的使用量增長了大約一百萬倍，而人類對智能的需求是永不滿足的。

人們說 AI 會給我們更多閒暇，我完全不同意。智能會打開更多機會，而有野心的人想去抓住它們。每當你學會一件事，就打開了一扇新的門；門後面，你會看到更多要解決的挑戰和問題。

1930 年，凱恩斯預言一百年後經濟會增長八倍，每週工時降到 15 小時。經濟確實增長了八倍，但我們沒有變成 15 小時工作周。他錯在低估了人類精神：工作和發現給人意義感，它寫在我們的 DNA 裡。

物理 AI、具身智能與產業重構

為什麼大眾仍然覺得超智能很遙遠，沒有意識到它早已融入生活？

AI 或者說超智能是一種"軟物質"：你看不見、摸不著。全世界都在談論它，它卻依然是無形的。其實人們每天都在受益於它：搜索的時候、購物的時候、看 Netflix 的時候、去沃爾瑪的時候、聯邦快遞給包裹規劃路線的時候。今天這一切都在使用加速計算和超智能，只是我們不太會講這個故事。如果我們把數據中心關掉、讓超智能停擺一個週末，所有人都會立刻察覺到。

你提到機器人領域的 ChatGPT 時刻已至，這是一個千億美元級的市場嗎？

說一千億美元是低估了。光是今年上半年，我們就做了 100 億美元的物理 AI。去年一整年是 100 億美元，再往前一年是 50 億美元。

物理 AI 就是 AI 與物理世界交互。它包括光子計數 CT、超聲、成像雷達、能感知各類信號的新一代 5G 網絡、自動駕駛汽車、製造系統、視覺檢測系統，以及在三維空間重建世界的地理空間衛星。在整個電磁頻譜上，AI 都在工作。

在 AI 裡，有感知、有推理，然後是規劃與執行。當你走到規劃與執行這一步，那就是自動駕駛汽車、倉庫配送車、能自主學習的抓取機器人、送藥的醫院機器人，以及將全面機器化的手術室。

對我們真正重要的一切，最終都會觸達物理世界。把軟體和智能帶進那些歷史上純粹是機械和電氣的行業，是巨大的機會。看看埃隆對汽車業做了什麼：他把它變成了一個計算產業。每一家車企都在變成科技公司。聯邦快遞、沃爾瑪、電信運營商，也都在重新變成科技和 AI 公司。

英偉達如何通過"三台計算機"架構驅動物理 AI 落地？

要搭建一個物理 AI 平台，需要三台計算機：

第一，你需要造"大腦"的計算機，也就是訓練系統。

第二，AI 實驗室和開發者必須構建世界的數字雙胞胎，這樣智能體就不必在物理現實中靠試錯來學習。我們做出了 Omniverse，作為倉庫、建築和城市的數字雙胞胎。我們把機器人放進數字雙胞胎裡，讓它在那裡學習如何運作。

第三，你把策略部署到物理機器內部的那台計算機上，車裡、機器人裡、手術器械裡的那台計算機。

它需要三台計算機和三套完整的軟體堆棧。我們為每一套都構建了完整的堆棧，而我們是世界上唯一這麼做的公司。

安全對齊、工程法則與國家治理體系

如何回應"AI 無法被完美對齊、終將不可控"的末日論論調？

我們必須負責任地構建技術。"構建"是一個工程學詞彙。工程師、科學家和研究人員必須安全地把這項技術造出來。你做得到嗎？絕對做得到，因為如果你做不到，你根本就不該造它。

有人說 AI 不可控，是因為不可能做到完美對齊。對齊的意思是：你給 AI 一個任務，但它如何完成這個任務可以有很多種方式。比如一道明確的數學題，它可以通過推導解出來，可以翻教科書找到，也可以從抽屜裡檢索出答案。但對於"人生要成功"或者"要為社會做貢獻"這類目標，根據文化、背景和地域的不同，有無限種解讀方式。對齊是一個永遠存在的問題。如果我們依賴完美對齊來保證安全，那我們永遠到不了那一天。

工程上的答案，跟我們養孩子、帶新員工的邏輯是一樣的：

第一，隔離與零信任。當你雇用一個人，或者把一個一歲的孩子放進圍欄，你都是從零信任開始的。你嚴格依據眼前的任務，給他最小的權限、最小的工具訪問權和最小的資金額度。隨著你在測試中建立信心，再逐步擴大這些邊界。

第二，帶外監控。監控必須是帶外的。如果你告訴一個有智能的實體"我就坐在這兒盯著你的一舉一動"，它的行為和無人監視時是不一樣的。監控系統必須待在外部，觀察這個自主系統是否違反了政策或對齊要求，並且擁有獨立的權限，可以隨時升級事態或直接把它關停。

這就是工程和技術。它完全可行，我們最近把它發布為 OpenShell，已有 100 多家公司加入這個框架。

在白宮簽署協議時，前沿實驗室的領袖們是否存在盲目冒進的心態？

安全與安保技術是 AI 的一部分。有一種誤解，認為 AI 的能力和安全是相互正交的，就像把汽車的發動機和剎車、氣囊、雷達分開一樣。當我說要加速 AI 技術，那意味著同時加速安全與安保技術。沒有人會說"我們把安全放慢一點吧"。你不可能把功能和安全拆開。

在總統和前沿實驗室領袖們所在的內閣會議室裡，每個人都是建設性的、富有成效的。無一例外，所有人都致力於安全、可靠地推進這個產業。如果一個系統不安全，它的功能就永遠不可能被部署。功能性、能力、安全、安保，全都是第一優先級。

我們需要重新定義什麼叫「贏」。贏不是 AI 技術產業贏了。美國贏，意味著美國的每一個行業都贏：禮來贏、沃爾瑪贏、聯邦快遞贏、波音贏、美國軍隊贏，我們的學校和公民也贏。如果技術成功了，但沒人能安全地部署它，那就談不上任何勝利。

問：由商務部審查、白宮協議和安全工作組構成的「三足鼎立」監管框架是否切實有效？

通向未來最好的方式，就是快速行動。如果我們把時間花在爭論「完美」還是「行動」上，我們會永遠爭論下去，永遠到不了那裡。

我很喜歡這個「三足鼎立」框架，它可執行、看得見摸得著，而且真正有牙齒。我們此刻就在採取行動，因為這對我們的公司、我們的產業和我們的社會都有好處。我不記得還有哪個產業，在發展的這個階段，就建立起了這種程度的跨公司、政府與產業之間的協同。

對立法者，我想說兩點：第一，來和我們待一段時間，先搞清楚技術問題到底是什麼，再來監管。第二，看看我們正在主動落地的解決方案，幫我們把它做得更好。請建設性地參與。

算力基建潮、电力短缺与物理瓶颈

行業預測每年將新增 40GW 以上算力，土地與電力等物理約束是否會成為阻礙？

需求肯定存在，而且更多。挑戰在於從數字世界走向物理世界。障礙很多：土地審批、發電、變電站，以及建造 500 億美元數據中心所需的專業技工，電工、裝修工、水管工。這些技能是不可替代的。土地、電力、外殼和建設資源，將是最主要的瓶頸。

英偉達通過廣泛多元化來緩解這個問題。我們服務每一家雲服務商、Neocloud，以及戴爾、惠普、聯想這樣的企業夥伴，覆蓋全生命周期：數據處理、訓練、後訓練、推理和智能體工具使用。如果某個州、某個社區、某個數據中心遇到瓶頸，由於我們的需求遠大於供給，我們直接把供應鏈調往別處就行。

英偉達是全球性的基礎設施。我們在歐洲、澳大利亞（比如我們宣布的 2GW 部署）、亞洲、拉丁美洲和中東都有在建項目。如果美國建得不夠快，世界上其他國家都熱切希望建在他們那裡。

當可用電力和電網容量受限時，客戶會如何選擇算力架構？

英偉達的架構每瓦能產出最多 token。當可用總兆瓦數受限時，客戶的選擇會轉向能拿到的最有生產力的計算資源，因為 CEO 們仍然背著要給股東交代的高營收目標。

我們的系統最容易出租、通用性最強、也最耐用。因為資源短缺會把買家推向效率，我們的市場份額實際上在上升。

我們每一吉瓦能提供的價值，比過去高得多。我們從 GPU 擴展到網絡、高性能 CPU、存儲計算，以及像 OpenShell 這樣的安全基礎設施。我們投放到單一吉瓦裡的美元含量，從 180 億美元漲到 400 億美元以上，而且這個數字還在繼續上升。

在大型 CSP 裡，我們大約占他們資本開支的 40%；而在 CSP 之外，企業和新型雲，我們大約占 80%。這兩塊都在翻倍，這就是為什麼我們在全球數據中心資本開支中的份額還在繼續擴大。

馬斯克、xAI 集群與太空數據中心

馬斯克僅用數月就建成了 Colossus 集群，xAI 的算力擴張速度是否前所未有？

埃隆過去被歸在我們的企業業務裡，現在他進了我們的 CSP 數字。我很喜歡和埃隆合作。他用我們的技術訓練模型、部署 Grok，Grok 的消耗量正在暴漲，以及對外出租基礎設施。

他有一個非常獨特的優勢：他熱愛計算與物理建設的交叉地帶，而且在能源方面，沒有人比他懂得更多。

2028 到 2029 年，通過星艦把數百兆瓦算力部署到太空，現實嗎？

我們的工程團隊正在與 SpaceX 緊密合作，打造一種適合太空的新型伺服器架構。

英偉達提供的每瓦性能最好，但更重要的是，我們的算力投資回報率無人能及。發射成本非常高昂，這意味著你不可能把低成本、低價值的計算送進軌道。你必須把歷史上價值最高、最有生產力的計算系統送上去，才配得上這樣的發射成本、才能拿到強勁的 ROI。

太空中的衛星需要通用性強的算力。如果你發射了一顆衛星卻沒有客戶來租，它就閒置在那裡。而英偉達的算力在全球所有閉源模型、開源模型、初創企業和企業之間是完全通用可租的。

它還很耐用。我們是唯一一家硬體公司：幾年前買的硬體到今天還在變快，因為我們通過 CUDA 不斷更新軟體堆疊和算法。只要那顆衛星還在軌道上，我們就會持續維護和優化它的軟體，這讓它成為 SpaceX 的理想載荷。

破除資本開支泡沫論與摩爾定律終結

前沿實驗室的商業變現能否撐起數萬億基建，是否存在泡沫破裂風險？

人們試圖只憑一兩家 AI 實驗室的收入，去外推整個基礎設施的建設規模，這是對現狀的誤解。

英偉達大約占 AI 基礎設施市場的 80%，我們的業務分成三個不同的部分：

第一，經典加速計算約占我們業務的三分之一。這是數據處理、分子動力學、物理、聚變模擬、量子化學、計算機圖形和經典機器學習，比如 Visa 和萬事達用 XGBoost 做欺詐檢測，以及推薦系統。這塊業務每年增長 30% 到 40%，與生成式 AI 實驗室完全無關。

第二，前沿 AI 實驗室大約占我們算力的 25% 到 30%。大家只談論兩家，但我們合作的是五六家：做 Muse 的 Meta、做 Grok 的 xAI、在我們系統上跑 Gemini 的谷歌、Anthropic，以及 OpenAI。

第三，剩下的三分之一是成千上萬家初創公司和企業雲租戶。他們租用英偉達算力，去構建專門的物理 AI、生物 AI 和材料科學應用。

這些初創公司裡大約 80% 使用開源基礎模型。它們並不是在與前沿實驗室正面競爭；它們拿 Nemotron 這樣的開源模型，用自己專有的領域數據做微調，創造出特定領域的超級智能。

前沿實驗室會構建通用智能，而垂直公司會在特定領域實現超級智能。指望僅靠兩家前沿實驗室產生數萬億的收入來支撐全球基礎設施建設，既沒有必要，也不正確。

為什麼即使沒有生成式 AI，全球計算基礎設施支出依然會增長到數萬億？

幾年前我預測過，到本十年末，基礎設施支出將達到每年 3 萬億到 4 萬億美元，其中大約 1.5 萬億純粹是計算。

在生成式 AI 出現之前，數據中心的資本開支就已經是每年 5000 億美元了。在這個自然增長之上，還有一個事實：摩爾定律已死。

過去，如果你想要兩倍的晶體管，等一年，價格不變。今天，如果你想要兩倍的計算能力，你必須付兩倍的錢，因為通用 CPU 的縮放已經停止了。由於世界每年都需要更多的計算，你必須疊加一個可觀的乘數，來補償摩爾定律的終結。即便沒有 AI，半導體產業也本來就在成為全球最大產業的軌道上。

供應鏈制約、競爭護城河與新商業模式

供需缺口巨大，目前最核心的供應鏈物理制約是什麼？

我們在每一家 CSP、新型雲和 OEM 那裡都有龐大的訂單簿。我們與客戶按一年到兩年的規劃周期合作。而我們目前分配給客戶的量，遠少於他們想要的。

下游，土地、電力和外殼是制約。上游，先進封裝材料是主要瓶頸。基板為了容納更多矽片正在變大。這些大型有機材料，很難做到我們需要的精度。隨著封裝變大，管理熱膨脹系數、翹曲和製造缺陷，需要極其出色的合作夥伴。矽光子同樣供給受限。我們每週都在提高產量，但訂單簿的增速持續超過供給。

為什麼客戶願意在產品亮相前下達 500 億到 1000 億美元的訂單？你的護城河為什麼在擴大？

如果一家公司必須為下一代平台、在沒見到實物的情況下就交出 500 億甚至 1000 億美元的採購訂單，他們能信任誰？

客戶知道 Vera Rubin 會比 Blackwell 更好，就像 Blackwell 比 Hopper 更好一樣。在這些超級計算機上運行的工作負載極其複雜，你沒法簡單地在單顆晶片上跑一個快速基準測試。要給一個 500 億美元的系統做基準測試，你需要一整個數據中心和數年的集成工作。

這和我們把 100% 的代工業務交給台積電是完全一樣的道理。台積電是唯一一家我可以提前五年、在沒見到實物的情況下就做規劃的公司，我确信晶體管一定能交付，确信他們有足夠的規模來應對我們巨大的需求波動，也确信他們擁有所有必需的封裝、邏輯和矽光子技術。

英偉達是這個星球的基礎設施公司。技術變化很快：從最初的 GPT 模型，到 FlashAttention，到跨 NVLink 72 的模型分片，再到 SSM 與 Transformer 混合的擴散模型。這一切都能在 CUDA 上無縫運行。

專用化是通用性和耐用性的敵人。如果你做定制 ASIC 晶片，它們缺乏靈活性。因為英偉達的系統能運行所有工作負載、模型和框架，一個 500 億美元的數據中心可以輕鬆跑訓練、後訓練或智能體推理，也可以轉租給其他客戶。通用性和耐用性帶來的是可出租性、高利用率，以及最低的總擁有成本（TCO）。

除了硬體銷售，英偉達正在開闢哪兩項全新的高利潤商業模式？

第一，企業軟體授權。要把這些龐大的資料中心當作工業級 AI 工廠來運營，所需的軟體堆疊極其龐大。超大規模的 CSP 有自己的軟體堆疊，所以我們對他們開源提供軟體，讓他們自行整合。但傳統企業沒有內部的 IT 或軟體團隊來管理這種複雜度。他們需要英偉達以 SLA 兜底，在整個運營生命周期內維護、保障和運營這些工廠。收取年度軟體授權費，比如每顆 GPU 每年幾千美元，而企業部署的 GPU 數以百萬計，這會是一門非常龐大的經常性軟體業務。

第二，雲收入分成。某些區域性新型雲負責拿到土地、電力和外殼，但依賴英偉達提供完整的全堆疊基礎設施、軟體支持和客戶生態的消納。在這類合作中，我們做前期投入，既拿到最初的銷售收入，也在 4 到 10 年裡持續分享收入。

這兩條增長曲線，都由我們全球裝機規模和軟體生態的體量驅動，而不依賴單純的硬體出貨量。

資本配置邏輯與 99.99% 的確定性

你們把超過 50% 的自由現金流用於回購，這背後的資本配置邏輯是什麼？

上個季度，我們透過股票回購返還了超過 60% 的自由現金流。

我們會繼續在我們的生態裡，對高品質公司做戰略性投資。我們處在資訊流的中心，與了不起的創始人共事，也能實實在在地幫助被投企業成功。

但是，相對於我們總體的現金創造能力，對外投資的占比會迅速下降。像早期投資 OpenAI 或 Anthropic 那樣的機會，在那個階段不會再重現，而我們整體的自由現金流創造正在以驚人的速度擴張。

展望五年後，你對世界會變得明顯更好有多大信心？

放眼本十年末，全球的基礎設施建設和硬體更新週期，很容易達到每年 4 萬億到 10 萬億美元。每當社會消耗 token、使用智能，那座計算工廠就必須運轉。如果知識工作占全球 GDP 的 50 萬億美元，而 AI 帶來 20% 的生產力提升，那就創造出 10 萬億美元的增量經濟產出。把其中一小部分價值重新投入資本開支去生成智能，邏輯上完全成立。

我有 99.99% 的信心，結果會是壓倒性地積極。有太多人極其在意把這件事做對。各個行業裡那些專注的研究者和工程師，在公眾視線之外，每天都在做著了不起的工作，確保這項技術負責任地向前推進。

擔心是好事，我們也應該表達自己的憂慮。但預言世界末日，嚴重低估了人類的適應力、韌性和創造力。認為除非少數評論家來指導，事情就會搞砸，這是一種傲慢。這個行業裡了不起的人們，每天都在做正確的事。

我們必須對自己負責，但我們應該期待一個樂觀的未來。我們完全可以停下來，但如果今天就停，我們就放棄了建設一個更安全、更健康、更繁榮的世界的機會。