下一财年，英伟达四分之一营收要靠自己给客户撑腰
英伟达一边把GPU包装成可融资资产，一边自掏腰包投资AI实验室、帮客户垫钱买自己的芯片，循环融资撑起营收，也让应收账款飙到631亿美元。
核心论点 · 点时间戳可跳到原声
算力即营收：杰文斯悖论下的算账逻辑
老黄把GPU算账的方式倒过来：买算力不再是省着花的开支，而是能产token换钱的生产资料。但平台越出越便宜，为什么英伟达反而赚得更多？答案是杰文斯悖论——19世纪蒸汽机越省煤，英国烧的煤反而更多，因为便宜了就有更多以前用不起的场景被激活。老黄的赌注是，算力降价会让审合同、写邮件、跑仿真这些原本不划算的活都变得划算，前提是用量涨得足够猛，猛到盖过单价下降。
— 老石AI智能体不眠不休，撑起数量级需求
智能体和人不一样：它会推理、规划、调用工具、反复迭代，而且不用睡觉不会摸鱼，还能一次复制出几百个分身同时干活。工程师一天手动只能跑几十组仿真，智能体可以自己提出上千种组合去筛选优化。结果是人操作软件的次数在变少，但后台调用总量在暴涨，而且智能体干活不只靠GPU,还要CPU调度、内存存储、网络连接——这是老黄反复强调智能体的真正原因。
— 老石Token只是中间产物，不是实际价值
钢铁厂炼出一吨钢能直接换钱，但AI工厂吐出一万个token不一定值一分钱——比如一个agent为了修bug空转一小时烧掉几千万token,结果代码改得更烂，工程师还得额外花时间收拾烂摊子。英伟达关心的是每瓦、每美元能产出多少token,用户关心的是花多少钱能办成一件正确的事。两者对得上大家一起发财；要是算法创新让模型用更少token干同样的活，对用户是好事，对按token产能卖设备的英伟达却未必是好事。
— 老石每GW电力，收费从180亿涨到400亿
决定AI算力效率的早就不是单块GPU,而是整座AI工厂能不能作为系统高效运转。按英伟达自己的估算，客户每拿到一吉瓦电力配额，能流进英伟达口袋的设备采购额，Hopper时代约180亿美元，Blackwell时代250亿，到Vera Rubin时代直接涨到400亿——多出来的钱不是GPU卖得更贵，而是英伟达能卖的东西更多了。就算客户用别家GPU或自研ASIC,网络、软件、系统生态这些环节还在英伟达手里，它照样能持续分钱。
— 老石DSXPORT:数据中心装进集装箱
DSXPORT把整座AI工厂提前装进模块化集装箱，机架、布线、液冷、系统验证能在工厂里做完的都提前做完，运到现场只要电、冷却和网络备齐，部署时间能从6个月压缩到最快14天。老黄的算法是：一座AI工厂一年创造400亿美元收入，晚投产三个月就是上百亿美元打水漂。不过毛利率没同步上涨，基础设施组件毛利远不如GPU,这个季度75%的整体毛利率后面可能阶段性下滑。
— 老石循环融资撑起营收，也压着应收账款
英伟达管理层反复念叨productive、fungible、durable三个词，想说服华尔街把GPU当成能稳定赚钱、可转卖转租的长期资产，这样客户就能拿设备抵押融资。英伟达自己也下场投资：供应和产能采购承诺已达约2790亿美元，还向AI实验室投了接近500亿美元。本季度营收962亿美元同比涨106%,但营收账款冲到631亿美元，账期近60天——越来越多收入是以账期压在客户那，不是真金白银。
— 老石美中欧三条AI路线，都要交过路费
美国走前沿模型加高附加值服务，挑战是天价投资能否换来回报、自研芯片能否减少对英伟达的依赖。中国走开源生态加极致工程效率，靠DeepSeek这类开源模型把使用门槛打下来，配合制造业把AI用进实业，挑战是算力受限下怎么保持竞争力。欧洲走工业应用加主权AI,拿开源模型结合本地工业数据训练行业AI。财报里能看到苗头：ACIE客户贡献约400亿美元营收，同比涨138%,增速超过整个数据中心业务——不管走哪条路，用算力就得向英伟达交过路费。
— 老石三本账决定老黄经济学能转多久
判断老黄经济学能转多久要算三本账：技术账看AI能不能真正提高生产力，而不是停在发布会演示阶段；资本账看AI基建扩张越来越靠终端客户订阅付费，还是越来越靠华尔街融资和英伟达自己的资产负债表兜底撑起来，后者滚雪球式的循环迟早要算总账；产业账看市场成熟后，开源模型和应用公司会不会分走更大的蛋糕。老石提醒，技术革命最大的赢家不一定是最早解决基础设施瓶颈的那家公司。
— 老石原话 · 已逐字校验
AI时代的规矩变了 AI算力不再是消耗品 而是能够直接帮你赚钱的生产资料
AI时代的规矩变了，AI算力不再是消耗品，而是能够直接帮你赚钱的生产资料。
老石1:02
算力便宜了 不光是原来的活干的更便宜 而且一大堆原本用AI来做不划算的活 突然就变得划算了
算力便宜了，不光是原来的活干得更便宜，而且一大堆原本用AI来做不划算的活，突然就变得划算了。
老石3:02
而且呢智能体干活 不是只靠GPU 它还需要靠CPU 去调度任务 需要内存和存储来存数据 需要网络来连接 各种工具和系统 这个就叫 一人得到鸡犬升天
智能体干活不是只靠GPU,它还需要CPU来调度任务，需要内存和存储来存数据，需要网络来连接各种工具和系统，这就叫一人得道鸡犬升天。
老石4:02
按照英伟达的说法 只要场地的电 冷却 还有网络都准备好了 现场部署的时间 就能从原来的6个月 缩短到最快14天
按照英伟达的说法，只要场地的电、冷却和网络都准备好了，现场部署的时间就能从原来的6个月缩短到最快14天。
老石8:03
英伟达管理层在最新的财报会议上 反复在念叨三个词 特别是productive fungible 还有durable 他们的意思是 英伟达的平台足够通用 能做训练 能做推理 还能跑智能体
英伟达管理层在最新的财报会议上反复念叨三个词，特别是productive、fungible,还有durable——意思是英伟达的平台足够通用，能训练、能推理、还能跑智能体。
老石11:06
那把前面翻译成大白话 就是英伟达越来越多的收入 其实并没有变成真金白银 而是以长涨期的形式 压在客户那 英伟达相当于 在用自己的家底 给客户提供一种隐形的贷款
翻译成大白话就是：英伟达越来越多的收入其实并没有变成真金白银，而是以账期的形式压在客户那，英伟达相当于用自己的家底给客户提供一种隐形的贷款。
老石14:08
但是过去200年的工业史一次又一次的告诉我们 一项基础技术创造的价值 最终都会分散到无数使用它的行业 技术革命最大的赢家 不一定是最早解决基础设施瓶颈的那家公司
过去200年的工业史一次又一次告诉我们，一项基础技术创造的价值最终都会分散到无数使用它的行业，技术革命最大的赢家不一定是最早解决基础设施瓶颈的那家公司。
老石20:14
数字与实体
| Hopper时代每GW设备采购额 | 约180亿美元 | 7:03 |
| Blackwell时代每GW设备采购额 | 约250亿美元 | 7:03 |
| Vera Rubin时代每GW设备采购额 | 约400亿美元 | 7:03 |
| DSXPORT现场部署时间 | 从6个月缩短到最快14天 | 8:03 |
| 本季度整体毛利率 | 75% | 9:03 |
| 本季度营收 | 962亿美元，同比增长106% | 13:08 |
| 营收账款 | 631亿美元，账期约60天 | 13:08 |
| 下一财年AI实验室贡献营收占比 | 约四分之一 | 14:08 |
| ACIE客户营收 | 约400亿美元，同比增长138% | 17:10 |
术语
- Jevons Paradox杰文斯悖论
- 技术效率提升让使用成本下降，反而因用量暴涨导致总消耗增加
- DSXPORTDSXPORT
- 英伟达的预制模块化AI数据中心，在工厂完成装配后整体运到现场部署
- Productive / Fungible / Durable可生产、可流通、可持久
- 英伟达说服金融机构把GPU当长期资产放贷的三个关键特性
- circular financing循环融资
- 英伟达投资或资助客户，客户又用这笔钱采购英伟达设备的资金闭环
- ACIEAI云、工业和企业客户
- 英伟达财报中区别于大型云厂商的另一类数据中心客户分类
收听指南
关心AI基建泡沫、英伟达财务健康度的投资人，以及想理解算力定价逻辑的创业者和工程师。
结尾互动提问和点赞呼吁部分，没有新信息。