核心争议：AI收入能否覆盖巨额资本开支

过去一年，市场围绕“AI挣的钱是否撑得起庞大的资本开支”展开了激烈争论。一边是泡沫论调甚嚣尘上，另一边则是分析师对英伟达收入预期的连续大幅上调。这种矛盾现象让投资者困惑：这两件事中必有一错。在科技投资播客BG2的录制现场，刚获得美国国家科学奖章的黄仁勋直面这一核心质疑。主持人布拉德·格斯特纳回顾了两年前黄仁勋的预测：未来五年算力累计投入至少两万亿美元，且推理需求将因“思考”机制呈指数级增长。如今，随着Claude Code等智能体应用的爆发以及马斯克、奥特曼等人对“奇点”的预言，市场迫切想知道当前进展到了哪一步。

黄仁勋的回答直指痛点：大家盯错了地方，误以为只有OpenAI和Anthropic等少数几家前沿实验室在为整个算力基建买单。他指出，这是一个巨大的认知偏差。这两家公司根本不需要做到接近一万亿美元的收入就能获得巨大成功。真正的驱动力并非仅来自头部模型训练，而是源于更广泛的计算需求重构。黄仁勋强调，只盯着几家头部公司看收入模型是片面的，必须从全球计算基础设施的整体重建视角来审视这一轮资本开支的合理性。

算力需求逻辑：从“回忆”到“推理”的非线性增长

黄仁勋首先澄清了AI能力的演进逻辑，指出思考和解决问题所需的推理能力远超简单的知识复述。早期的ChatGPT主要依赖模型内部存储的知识进行回忆，因此容易产生幻觉。未来的方向是先检索可验证的事实依据，再结合推理作答。而真正具有价值的任务需要多步推理：提出方案、推演结果、反思优劣，最后做出选择。这种过程类似于战略家保留“战略选择权”以应对不确定性。

“思考和解决问题要做的推理，比复述背过的东西多得多……这些探索和反思，全都要算力。”

这种需求呈现非线性增长。一方面，每个任务消耗的算力增加；另一方面，因为AI表现优异，人类会将更多工作交给它。这种“两头一乘”效应导致需求激增。此外，黄仁勋提到给大模型套上“外骨骼”（Harness）带来的两大突破：一是通过知识图谱将工作记忆转化为长期记忆，实现类似人类的离线整理；二是让AI学会使用人类现有的工具（如CAD、Photoshop），而非从头造轮子。最先突破的是代码编写，因为用户即工程师，对工具的容忍度高且善于优化；下一步则是设计和创意领域。

成本下降与智能普及：摩尔定律的延续与新形态

针对“AI会让人们更清闲”的观点，黄仁勋表示完全不同意。他认为越聪明的人越想利用智能去做更多事，每学会一项新技能就打开一扇通往新机会的大门。他反驳了凯恩斯关于“每周工作15小时”的预言，指出工作是意义所在，人类不会因技术进步而停止追求。尽管自动驾驶、新药研发等AI应用已近在咫尺，但大众感知不强是因为AI是软的，看不见摸不着。若关闭数据中心和AI一周，所有人都会察觉生活停滞。

在成本方面，黄仁勋类比摩尔定律指出智能成本正在快速下降。最初训练GPT需数千万美元，现在再训一个类似模型仅需约100美元。尽管模型参数从十亿级增至万亿、十万亿级别，用量增长百万倍，但智能的普及速度将抵消单价下降的影响。他预测未来几年智能成本每年可能降低2倍甚至20倍，而用量增长带来的总收入将远超降价损失。这种趋势意味着人们对智能的需求几乎无法被填满，每学会一样东西就打开一扇新的大门。

物理AI与机器人：英伟达的下一个千亿美元市场

黄仁勋修正了自己此前的说法，指出物理AI（与物理世界交互的AI）的市场规模远超千亿美元。英伟达在上半年已在该领域实现100亿美元收入，去年是首个百亿年份。物理AI涵盖光子计数CT、超声、成像雷达、自动驾驶及遥感卫星等，贯穿整个电磁波谱。从可见光到不可见光，AI正在所有领域发挥作用。未来将出现能分拣物品的机械臂、铺床的家用机器人甚至全自动手术室。

“我们是全世界最大的物理AI公司……总有一天，人们可能不再把它归为芯片公司。”

黄仁勋强调，英伟达正在将汽车业、物流业转变为计算行业。特斯拉和Waymo的普及证明了自动驾驶的现实性。为了构建物理AI，需要三台计算机：一台训练大脑、一台做数字孪生（在虚拟世界学习）、最后一台装入实体机器人。英伟达是唯一一家提供这三套完整解决方案的公司。随着联邦快递、沃尔玛等企业转型为AI公司，英伟达的角色已从娱乐芯片供应商转变为全球物理基础设施的核心提供商。

安全与对齐：从零信任到隔离控制

在AI安全性方面，黄仁勋提出安全必须通过工程手段“建造”出来，而非事后添加。他反对将AI技术与安全割裂看待，认为加速AI的同时必须加速安全技术的发展。对于“对齐”这一永恒难题（即如何让AI符合人类价值观），他主张采取对待新员工和小孩子的策略：从零信任开始，给予最小权限。随着测试和信心积累，逐步扩大边界。

“如果不能安全地做，就不会有AI这个行业。”

具体措施包括隔离控制（Isolation Control）和带外监控（Out-of-band Monitoring）。被监控系统不能依赖自身表现，必须独立于系统之外进行监控和干预。英伟达发布的OpenShell项目正是为了推动这一安全标准，已有百余家加入。黄仁勋重申：安全问题首先要靠工程师和研究者去建造出来，如果认为造不出安全的AI，就不应该制造它。这种工程化的安全观是英伟达产品设计的核心原则之一。

基础设施瓶颈：土地、电力与施工资源的制约

面对明年全球新增43吉瓦AI算力的预测，黄仁勋指出真正的瓶颈不在芯片供给，而在从数字世界走向物理世界的资源。建设数据中心需要土地、审批、电厂以及大量建筑工人和水管工。这些技能无法被轻易替代，且造一座500亿美元的数据中心需要顶尖的手艺。因此，土地、电力、厂房和施工资源将成为明年最大的障碍。

英伟达的应对策略是提供广泛的覆盖和灵活性。它服务所有云厂商，若某地受阻可调整供应链。英伟达的架构每瓦产出的Token最多，在电力紧张时客户会优先选择英伟达方案。这导致其市场份额不降反升，从GPU公司转变为最大的网络公司和潜在的CPU巨头。每吉瓦算力的价值已从180亿美元涨至400多亿美元。在云厂商中，英伟达占比约40%，在其他领域高达80%。这两块业务各占一半，且每年都在翻倍增长。

太空数据中心与SpaceX合作：高回报率的必然选择

关于马斯克和SpaceX是否会成为最大AI云厂商，黄仁勋指出SpaceX正在与英伟达探索将数据中心置于太空的新市场。星舰完成轨道交会后，双方工程团队正在合作设计新的服务器架构。太空中的算力只能是英伟达的，因为发射成本高昂，只有高回报率的设备才值得送入太空。英伟达的投资回报率极高，使得发射成本占比相对较小。

“卫星上了天，没人租就只能闲着……英伟达就是SpaceX最完美的载荷。”

黄仁勋强调，八年前购买的英伟达设备至今仍在通过软件更新保持价值。这种耐用性和可租赁性使其成为太空计算的理想选择。对于2029年是否能有500兆瓦算力，他让马斯克回答，但明确表示只有英伟达的算力能胜任。SpaceX不仅使用Grok模型，还出租算力，这与谷歌类似。太空数据中心是英伟达拓展物理AI边界的重要一环。

收入结构拆解：三大支柱支撑万亿基建

针对“AI实验室收入能否覆盖资本开支”的质疑，黄仁勋拆解了英伟达的收入结构：全球AI基础设施收入中约80%归英伟达。他将需求分为三块： 1. 传统计算（约占三分之一）：包括数据处理、物理模拟、量子化学及反欺诈系统等。这部分每年增长30%-40%，即使没有AI实验室也存在。 2. AI实验室（约占四分之一至三分之一）：不仅包括OpenAI和Anthropic，还有Meta、Grok、Gemini等。这些公司都在扩大算力投入。 3. 新创公司与垂直应用（约占三分之一）：包括消费产品、物理AI、生物AI等几千家初创公司。它们使用开源模型，在特定领域开创新局。

“只认那几家公司以为是它们在给整个基础设施买单，这是个大错。”

黄仁勋指出，80%的创业公司使用开源模型，不与前沿实验室正面竞争，而是专注于物理AI、制造和医疗等领域。闭源实验室追求AGI，垂直公司利用独家数据训练超级智能。这种多元化的需求结构支撑了庞大的资本开支。基础设施每年投入3-4万亿美元，其中1.5万亿为纯算力，这一数字在摩尔定律终结后显得尤为合理。

供应链与订单：供不应求下的长期增长逻辑

黄仁勋解释了英伟达此前指引保守的原因：供给受限而非需求不足。他手中握有巨大的订单簿，最大客户提前两年下单。土地、电力和厂房的瓶颈导致供给跟不上需求。芯片封装基板的热膨胀缺陷、硅光子缺货等问题进一步制约产能。每周供给都在增加，但订单增长更快。

“假如现在要开一张1000亿美元的支票，给下一代产品下单……货都没见过，你敢把500亿美元的订单下给谁？我们是唯一的一家。”

客户敢于提前下单是因为英伟达的架构具有延续性和优越性。从Grace Blackwell到Vera Rubin，再到未来的Ultra版本，性能提升确定性强。英伟达与台积电的深度绑定使其能提前五年规划。这种信任关系使得即使货未见到，客户也愿意支付溢价。专用化是通用性的敌人，英伟达凭借顶尖性能和通用性实现了最低的总拥有成本。

商业模式演进：软件授权与收入分成

英伟达正在构建新的商业护城河，主要通过两种合作模式： 1. 软件授权：随着AI从训练走向部署，企业需要持续的技术维护。英伟达向云厂商授权软件或开源技术。每块GPU每年收取几千美元服务费，年出货2000万块中一半进入企业市场，这是一笔可观的收入。 2. 收入分成：对于依赖英伟达全套技术、包销和融资支持的云厂商，合作模式转向收入分成。英韦达既拿前期销售利润，也分取后续运营收入。

“英伟达的投资和融资合作多半是为了搭起两门新的生意。”

此外，英伟达将大量自由现金流用于股票回购。黄仁勋表示，公司投资的项目质量极高，因为身处信息流中心。但此类投资机会将减少，未来重心将回归核心业务。这种资本配置策略反映了管理层对长期增长的信心。

结论

黄仁勋通过拆解全球计算基础设施的重建逻辑，有力驳斥了“AI泡沫”论。他指出，支撑数万亿美元资本开支的并非仅靠少数几家前沿实验室的收入，而是传统计算存量、摩尔定律终结后的硬件升级需求以及数千家垂直领域创业公司的爆发。英伟达凭借其在物理AI、太空计算及软件服务领域的全面布局，已从芯片制造商转型为全球数字基础设施的核心提供商。土地、电力和施工资源成为当前主要瓶颈，而非技术或需求不足。随着每吉瓦算力价值的提升和收入模式的多元化（软件授权与分成），英伟达的护城河正在加深。这场全球计算的重建是长期且持续的，对未来的乐观预期建立在对人类创新能力和工程落地能力的深刻信任之上。