黃仁勳：算力泡沫的風險被算錯了賬，不該全押在兩家AI實驗室身上
他把NVIDIA的收入拆成三等份——經典計算、前沿實驗室、海量新創公司各佔三分之一，真正卡住明年43吉瓦新增算力的是土地電力和廠房，不是兩家實驗室的收入曲線。
原視頻在 YouTube 上放不出來，用音頻聽：
核心論點 · 點時間戳可跳到原聲
思考比記憶更燒算力
黃仁勳解釋，算力需求暴漲一千億倍的原因是「思考」本身比「複述」貴得多。ChatGPT早期多是把預訓練記住的東西直接說出來；現在的模型要先反思、列出多個選項、模擬推演、再剪枝選出最佳路徑，這個過程才是消耗算力的地方。而且模型做得越好，人們就越願意把更多工作交給它做，算力消耗和使用場景同時在複合增長，這是明年43吉瓦新增算力需求的根本邏輯起點。
— Jensen Huang對齊是個永遠解不完的問題
黃仁勳說，對齊的真正困難不在於技術，而在於「做好事」這個指令本身有無數種合理的實現方式——有人認為貢獻社會是做慈善，有人認為是把公司做好，誰都沒錯。所以指望用完美對齊來保證安全是死路。他給出的替代方案是從帶孩子、養寵物、招員工的邏輯借來的：先給零信任和最小權限，像把一歲的孩子放進圍欄一樣，隨著驗證逐步放開邊界；同時監控系統必須「帶外」運行，不能讓AI知道自己被盯著，一旦發現偏離政策要能升級或直接關閉。
— Jensen Huang監管凳子已有三條腿
針對「美國政府放任AI野蠻生長」的指責，黃仁勳列出已經落地的三重機制：商務部和Casey對每一個新前沿模型做發布前審查，此前已經真實地把Mythos模型下架過；白宮關於超級智能的協議（他參與起草），要求內部外部審計和董事會監督；以及現在由Jay Clayton牽頭的SI Force，負責跨行業的網絡安全等協調。他的判斷是，與其爭論什麼是完美方案，不如先把這三條能落地、有牙齒的機制跑起來，邊跑邊迭代。
— Jensen Huang卡脖子的不是芯片是土地電力
行業預測明年將新增43吉瓦AI算力，超過今天全球現存AI算力總和，後年還要再加40吉瓦。黃仁勳認同需求確實存在，但真正的障礙是從數字世界搬到物理世界時冒出來的土地審批、電力供給、建築工人和設備安裝產能，這些技能不可替換，還會受到各地暫停令和抗議影響。NVIDIA應對的辦法是覆蓋每一家雲廠商、每一個行業、訓練到推理的全鏈路，一旦某個地區卡住就把供給調配到別處；但他也承認，如果美國自己跟不上，其他國家一樣願意承接這些數據中心建設。
— Jensen Huang收入三等分，別只看兩家實驗室
針對「算力泡沫論」，黃仁勳給出一個反駁框架：NVIDIA的收入大致分三等份——約三分之一是和AI無關的經典計算（仿真、分子動力學、推薦系統、反欺詐這類classical machine learning），這部分本身就在以30%-40%的速度增長；約四分之一到三分之一來自前沿實驗室（不止OpenAI和Anthropic，還有Meta、Gemini、Grok等五六家）；剩下的部分來自大量新創公司和下一代雲廠商，其中80%用的是開源模型（包括NVIDIA自己的Nemotron），做的是製造、醫療等垂直領域的專用超級智能，根本不是在和前沿實驗室搶生意。他的結論是，把GPU乘以每吉瓦收入直接外推成「實驗室必須賺多少萬億」是算錯了賬。
— Jensen Huang摩爾定律已死推高了支出
黃仁勳說，過去30年算力成本每年降一半靠的是摩爾定律——想要兩倍晶體管，等一年就行，價格不變。現在摩爾定律已經結束：想要兩倍晶體管，不管等多久都要多付兩倍的錢。這筆「摩爾定律稅」疊加在全球數字消費本來就在自然增長的半萬億美元IT支出之上，把整個行業推向他此前預測的、到本十年末每年三到四萬億美元的基建規模，其中一點五萬億美元單純是算力。換句話說，支出暴漲不是哪家公司在燒錢，而是單位算力本身變貴了。
— Jensen Huang千億美元訂單為什麼敢盲訂
黃仁勳解釋為什麼客戶願意對下一代Vera Rubin Ultra這種還沒問世的系統直接打出上百億美元的訂單：這些系統太複雜，根本沒法像買一顆芯片那樣先拿到手裡跑分再下單，搭建評測環境本身就要一個巨型數據中心和好幾年時間。於是信任就轉移到了「誰造的」——正如NVIDIA把100%訂單給台積電，是因為台積電是唯一能讓它提前五年規劃、確信產能和良率的公司。NVIDIA自己也在複製這種關係：因為硬件在模型、工作負載、客戶和地區之間完全通用，下重注的風險反而更低。這也是過去一年NVIDIA 2027年營收的市場一致預期，從「持平或萎縮」直接翻到「增長74%」的原因之一。
— Jensen Huang硬件之外兩條新收入線在成形
黃仁勳透露NVIDIA正在搭建兩個獨立於硬件銷售的增長引擎。一是軟件授權：按每塊GPU每年收取「幾千美元」級別的license費，服務那些沒有自己IT部門、需要NVIDIA長期維護AI工廠安全和穩定的企業客戶，而NVIDIA一年出貨上千萬塊GPU，這筆錢會越滾越大。二是「RevShare」：對那些依賴NVIDIA提供整棧基礎設施、算力包銷和融資協助的雲廠商，NVIDIA不再只是一次性賣硬件，而是換成前期收款加上未來四到十年的持續分成。他還提到，過去兩年投資OpenAI、Anthropic帶來的賬面收益不會再重演，這兩條新業務線才是接下來現金流結構的主力。
— Jensen Huang原話 · 已逐字校驗
We could easily stop, but if we stop today, we lose.
我們可以輕易停下來，但如果今天停下，我們就輸了。
Jensen Huang0:00
Alignment is going to be a forever problem.
對齊將會是一個永遠存在的問題。
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.
僱人的時候，你一開始就是零信任。孩子一歲大的時候，你把他放進圍欄裡，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——六個月前——這項技術還幾乎不能用。
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.
我們是當今世界上最具生產力的計算資源。我們是最容易被租用的，我們是通用可替代的，而且我們很耐用。
Jensen Huang52:39
nvidia represents call it 80 percent of the revenue share of ai infrastructure in the world today
英偉達佔了今天全球AI基礎設施收入份額的大約80%。
Jensen Huang1:01:53
But they don't have to be anywhere near a trillion dollars in revenues to be successful.
但它們不需要做到接近萬億美元的收入，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.
我們不是雲服務商，但我們會在未來四年、五年甚至十年裡，持續提供算力包銷和軟件支持。
Jensen Huang1:29:00
數字與實體
| NVIDIA歷史GPU出貨量 | 16.7億塊 | 1:00 |
| 物理AI今年上半年收入 | 100億美元 | 24:47 |
| 物理AI去年與前年全年收入 | 去年100億美元，前年50億美元 | 26:49 |
| 明年新增AI算力 | 43吉瓦（超過全球現有AI算力總量） | 46:20 |
| AI解出納維-斯托克斯方程的算力成本 | 約400萬美元 | 18:40 |
| GPT-1訓練成本十年變化 | 從約2000萬美元降到約100美元 | 19:41 |
| NVIDIA每吉瓦營收 | 從約180億美元升至超400億美元 | 53:40 |
| 澳大利亞2吉瓦算力項目價值 | 約800億美元 | 1:15:34 |
| AI實驗室今年總收入及payback所需增速 | 今年約2000億美元，需明年翻倍到4000億、後年到8000億 | 1:00:53 |
| 本十年末全球年度基建支出預測 | 3-4萬億美元/年，其中1.5萬億美元是算力 | 1:09:22 |
術語
- Physical AI物理AI
- 與物理世界交互的AI，如機器人、自動駕駛、傳感網絡
- Digital twin數字孿生
- 物理世界的虛擬複製品，先在其中訓練AI/機器人再部署到現實
- Zero trust零信任
- 默認不信任，只給完成任務所需的最小權限，再逐步放開
- Fungible compute可替代算力
- 同一套硬件能在不同模型、客戶、地區間通用部署
- RevShare收入分成模式
- NVIDIA不只賣硬件，還按雲廠商未來收入持續抽成
- Navier-Stokes納維-斯托克斯方程
- 描述流體運動的數學千禧難題之一
收聽指南
關注AI資本開支、算力供應鏈和「泡沫論」爭議的投資人、芯片與雲從業者，想聽一手論據而非轉述。
開場領獎典禮、移民與家庭往事（0:00-7:14）信息密度低，可跳過。