黄仁勋：算力泡沫的风险被算错了账，不该全押在两家AI实验室身上
他把NVIDIA的收入拆成三等份——经典计算、前沿实验室、海量新创公司各占三分之一，真正卡住明年43吉瓦新增算力的是土地电力和厂房，不是两家实验室的收入曲线。
原视频在 YouTube 上放不出来，用音频听：
核心论点 · 点时间戳可跳到原声
思考比记忆更烧算力
黄仁勋解释，算力需求暴涨一千亿倍的原因是「思考」本身比「复述」贵得多。ChatGPT早期多是把预训练记住的东西直接说出来；现在的模型要先反思、列出多个选项、模拟推演、再剪枝选出最佳路径，这个过程才是消耗算力的地方。而且模型做得越好，人们就越愿意把更多工作交给它做，算力消耗和使用场景同时在复合增长，这是明年43吉瓦新增算力需求的根本逻辑起点。
— Jensen Huang对齐是个永远解不完的问题
黄仁勋说，对齐的真正困难不在于技术，而在于「做好事」这个指令本身有无数种合理的实现方式——有人认为贡献社会是做慈善，有人认为是把公司做好，谁都没错。所以指望用完美对齐来保证安全是死路。他给出的替代方案是从带孩子、养宠物、招员工的逻辑借来的：先给零信任和最小权限，像把一岁的孩子放进围栏一样，随着验证逐步放开边界；同时监控系统必须「带外」运行，不能让AI知道自己被盯着，一旦发现偏离政策要能升级或直接关闭。
— Jensen Huang监管凳子已有三条腿
针对「美国政府放任AI野蛮生长」的指责，黄仁勋列出已经落地的三重机制：商务部和Casey对每一个新前沿模型做发布前审查，此前已经真实地把Mythos模型下架过；白宫关于超级智能的协议（他参与起草），要求内部外部审计和董事会监督；以及现在由Jay Clayton牵头的SI Force，负责跨行业的网络安全等协调。他的判断是，与其争论什么是完美方案，不如先把这三条能落地、有牙齿的机制跑起来，边跑边迭代。
— Jensen Huang卡脖子的不是芯片是土地电力
行业预测明年将新增43吉瓦AI算力，超过今天全球现存AI算力总和，后年还要再加40吉瓦。黄仁勋认同需求确实存在，但真正的障碍是从数字世界搬到物理世界时冒出来的土地审批、电力供给、建筑工人和设备安装产能，这些技能不可替换，还会受到各地暂停令和抗议影响。NVIDIA应对的办法是覆盖每一家云厂商、每一个行业、训练到推理的全链路，一旦某个地区卡住就把供给调配到别处；但他也承认，如果美国自己跟不上，其他国家一样愿意承接这些数据中心建设。
— Jensen Huang收入三等分，别只看两家实验室
针对「算力泡沫论」，黄仁勋给出一个反驳框架：NVIDIA的收入大致分三等份——约三分之一是和AI无关的经典计算（仿真、分子动力学、推荐系统、反欺诈这类classical machine learning），这部分本身就在以30%-40%的速度增长；约四分之一到三分之一来自前沿实验室（不止OpenAI和Anthropic，还有Meta、Gemini、Grok等五六家）；剩下的部分来自大量新创公司和下一代云厂商，其中80%用的是开源模型（包括NVIDIA自己的Nemotron），做的是制造、医疗等垂直领域的专用超级智能，根本不是在和前沿实验室抢生意。他的结论是，把GPU乘以每吉瓦收入直接外推成「实验室必须赚多少万亿」是算错了账。
— Jensen Huang摩尔定律已死推高了支出
黄仁勋说，过去30年算力成本每年降一半靠的是摩尔定律——想要两倍晶体管，等一年就行，价格不变。现在摩尔定律已经结束：想要两倍晶体管，不管等多久都要多付两倍的钱。这笔「摩尔定律税」叠加在全球数字消费本来就在自然增长的半万亿美元IT支出之上，把整个行业推向他此前预测的、到本十年末每年三到四万亿美元的基建规模，其中一点五万亿美元单纯是算力。换句话说，支出暴涨不是哪家公司在烧钱，而是单位算力本身变贵了。
— Jensen Huang千亿美元订单为什么敢盲订
黄仁勋解释为什么客户愿意对下一代Vera Rubin Ultra这种还没问世的系统直接打出上百亿美元的订单：这些系统太复杂，根本没法像买一颗芯片那样先拿到手里跑分再下单，搭建评测环境本身就要一个巨型数据中心和好几年时间。于是信任就转移到了「谁造的」——正如NVIDIA把100%订单给台积电，是因为台积电是唯一能让它提前五年规划、确信产能和良率的公司。NVIDIA自己也在复制这种关系：因为硬件在模型、工作负载、客户和地区之间完全通用，下重注的风险反而更低。这也是过去一年NVIDIA 2027年营收的市场一致预期，从「持平或萎缩」直接翻到「增长74%」的原因之一。
— Jensen Huang硬件之外两条新收入线在成形
黄仁勋透露NVIDIA正在搭建两个独立于硬件销售的增长引擎。一是软件授权：按每块GPU每年收取「几千美元」级别的license费，服务那些没有自己IT部门、需要NVIDIA长期维护AI工厂安全和稳定的企业客户，而NVIDIA一年出货上千万块GPU，这笔钱会越滚越大。二是「RevShare」：对那些依赖NVIDIA提供整栈基础设施、算力包销和融资协助的云厂商，NVIDIA不再只是一次性卖硬件，而是换成前期收款加上未来四到十年的持续分成。他还提到，过去两年投资OpenAI、Anthropic带来的账面收益不会再重演，这两条新业务线才是接下来现金流结构的主力。
— Jensen Huang原话 · 已逐字校验
We could easily stop, but if we stop today, we lose.
我们可以轻易停下来，但如果今天停下，我们就输了。
Jensen Huang0:00
Alignment is going to be a forever problem.
对齐将会是一个永远存在的问题。
Jensen Huang31:55
When you hire somebody, you start out with zero trust. When you have a baby that's one-year-old, you put them in a playpen, you assume zero trust.
雇人的时候，你一开始就是零信任。孩子一岁大的时候，你把他放进围栏里，你假定的也是零信任。
Jensen Huang34:06
It wasn't but six months ago. This technology barely worked.
就在不久前——六个月前——这项技术还几乎不能用。
Jensen Huang40:12
We're the most productive computing resource you could put in the world today. We're the most rentable. We're fungible. And we're durable.
我们是当今世界上最具生产力的计算资源。我们是最容易被租用的，我们是通用可替代的，而且我们很耐用。
Jensen Huang52:39
nvidia represents call it 80 percent of the revenue share of ai infrastructure in the world today
英伟达占了今天全球AI基础设施收入份额的大约80%。
Jensen Huang1:01:53
But they don't have to be anywhere near a trillion dollars in revenues to be successful.
但它们不需要做到接近万亿美元的收入，也能算是成功。
Jensen Huang1:12:32
And so we're not a cloud service provider. But we're going to be providing offtake and providing software support for them for four, five, ten years.
我们不是云服务商，但我们会在未来四年、五年甚至十年里，持续提供算力包销和软件支持。
Jensen Huang1:29:00
数字与实体
| NVIDIA历史GPU出货量 | 16.7亿块 | 1:00 |
| 物理AI今年上半年收入 | 100亿美元 | 24:47 |
| 物理AI去年与前年全年收入 | 去年100亿美元，前年50亿美元 | 26:49 |
| 明年新增AI算力 | 43吉瓦（超过全球现有AI算力总量） | 46:20 |
| AI解出纳维-斯托克斯方程的算力成本 | 约400万美元 | 18:40 |
| GPT-1训练成本十年变化 | 从约2000万美元降到约100美元 | 19:41 |
| NVIDIA每吉瓦营收 | 从约180亿美元升至超400亿美元 | 53:40 |
| 澳大利亚2吉瓦算力项目价值 | 约800亿美元 | 1:15:34 |
| AI实验室今年总收入及payback所需增速 | 今年约2000亿美元，需明年翻倍到4000亿、后年到8000亿 | 1:00:53 |
| 本十年末全球年度基建支出预测 | 3-4万亿美元/年，其中1.5万亿美元是算力 | 1:09:22 |
术语
- Physical AI物理AI
- 与物理世界交互的AI，如机器人、自动驾驶、传感网络
- Digital twin数字孪生
- 物理世界的虚拟复制品，先在其中训练AI/机器人再部署到现实
- Zero trust零信任
- 默认不信任，只给完成任务所需的最小权限，再逐步放开
- Fungible compute可替代算力
- 同一套硬件能在不同模型、客户、地区间通用部署
- RevShare收入分成模式
- NVIDIA不只卖硬件，还按云厂商未来收入持续抽成
- Navier-Stokes纳维-斯托克斯方程
- 描述流体运动的数学千禧难题之一
收听指南
关注AI资本开支、算力供应链和「泡沫论」争议的投资人、芯片与云从业者，想听一手论据而非转述。
开场领奖典礼、移民与家庭往事（0:00-7:14）信息密度低，可跳过。