下一財年，英偉達四分之一營收要靠自己給客戶撐腰
英偉達一邊把GPU包裝成可融資資產，一邊自掏腰包投資AI實驗室、幫客戶墊錢買自己的芯片，循環融資撐起營收，也讓應收賬款飆到631億美元。
核心論點 · 點時間戳可跳到原聲
算力即營收：傑文斯悖論下的算賬邏輯
老黃把GPU算賬的方式倒過來：買算力不再是省著花的開支，而是能產token換錢的生產資料。但平臺越出越便宜，為什麼英偉達反而賺得更多？答案是傑文斯悖論——19世紀蒸汽機越省煤，英國燒的煤反而更多，因為便宜了就有更多以前用不起的場景被激活。老黃的賭注是，算力降價會讓審合同、寫郵件、跑仿真這些原本不划算的活都變得划算，前提是用量漲得足夠猛，猛到蓋過單價下降。
— 老石AI智能體不眠不休，撐起數量級需求
智能體和人不一樣：它會推理、規劃、調用工具、反覆迭代，而且不用睡覺不會摸魚，還能一次複製出幾百個分身同時幹活。工程師一天手動只能跑幾十組仿真，智能體可以自己提出上千種組合去篩選優化。結果是人操作軟件的次數在變少，但後臺調用總量在暴漲，而且智能體幹活不只靠GPU,還要CPU調度、內存存儲、網絡連接——這是老黃反覆強調智能體的真正原因。
— 老石Token只是中間產物，不是實際價值
鋼鐵廠煉出一噸鋼能直接換錢，但AI工廠吐出一萬個token不一定值一分錢——比如一個agent為了修bug空轉一小時燒掉幾千萬token,結果代碼改得更爛，工程師還得額外花時間收拾爛攤子。英偉達關心的是每瓦、每美元能產出多少token,用戶關心的是花多少錢能辦成一件正確的事。兩者對得上大家一起發財；要是算法創新讓模型用更少token幹同樣的活，對用戶是好事，對按token產能賣設備的英偉達卻未必是好事。
— 老石每GW電力，收費從180億漲到400億
決定AI算力效率的早就不是單塊GPU,而是整座AI工廠能不能作為系統高效運轉。按英偉達自己的估算，客戶每拿到一吉瓦電力配額，能流進英偉達口袋的設備採購額，Hopper時代約180億美元，Blackwell時代250億，到Vera Rubin時代直接漲到400億——多出來的錢不是GPU賣得更貴，而是英偉達能賣的東西更多了。就算客戶用別家GPU或自研ASIC,網絡、軟件、系統生態這些環節還在英偉達手裡，它照樣能持續分錢。
— 老石DSXPORT:數據中心裝進集裝箱
DSXPORT把整座AI工廠提前裝進模塊化集裝箱，機架、布線、液冷、系統驗證能在工廠裡做完的都提前做完，運到現場只要電、冷卻和網絡備齊，部署時間能從6個月壓縮到最快14天。老黃的算法是：一座AI工廠一年創造400億美元收入，晚投產三個月就是上百億美元打水漂。不過毛利率沒同步上漲，基礎設施組件毛利遠不如GPU,這個季度75%的整體毛利率後面可能階段性下滑。
— 老石循環融資撐起營收，也壓著應收賬款
英偉達管理層反覆唸叨productive、fungible、durable三個詞，想說服華爾街把GPU當成能穩定賺錢、可轉賣轉租的長期資產，這樣客戶就能拿設備抵押融資。英偉達自己也下場投資：供應和產能採購承諾已達約2790億美元，還向AI實驗室投了接近500億美元。本季度營收962億美元同比漲106%,但營收賬款衝到631億美元，賬期近60天——越來越多收入是以賬期壓在客戶那，不是真金白銀。
— 老石美中歐三條AI路線，都要交過路費
美國走前沿模型加高附加值服務，挑戰是天價投資能否換來回報、自研芯片能否減少對英偉達的依賴。中國走開源生態加極致工程效率，靠DeepSeek這類開源模型把使用門檻打下來，配合製造業把AI用進實業，挑戰是算力受限下怎麼保持競爭力。歐洲走工業應用加主權AI,拿開源模型結合本地工業數據訓練行業AI。財報裡能看到苗頭：ACIE客戶貢獻約400億美元營收，同比漲138%,增速超過整個數據中心業務——不管走哪條路，用算力就得向英偉達交過路費。
— 老石三本賬決定老黃經濟學能轉多久
判斷老黃經濟學能轉多久要算三本賬：技術賬看AI能不能真正提高生產力，而不是停在發布會演示階段；資本賬看AI基建擴張越來越靠終端客戶訂閱付費，還是越來越靠華爾街融資和英偉達自己的資產負債表兜底撐起來，後者滾雪球式的循環遲早要算總賬；產業賬看市場成熟後，開源模型和應用公司會不會分走更大的蛋糕。老石提醒，技術革命最大的贏家不一定是最早解決基礎設施瓶頸的那家公司。
— 老石原話 · 已逐字校驗
AI時代的規矩變了 AI算力不再是消耗品 而是能夠直接幫你賺錢的生產資料
AI時代的規矩變了，AI算力不再是消耗品，而是能夠直接幫你賺錢的生產資料。
老石1:02
算力便宜了 不光是原來的活幹的更便宜 而且一大堆原本用AI來做不划算的活 突然就變得划算了
算力便宜了，不光是原來的活幹得更便宜，而且一大堆原本用AI來做不划算的活，突然就變得划算了。
老石3:02
而且呢智能體幹活 不是只靠GPU 它還需要靠CPU 去調度任務 需要內存和存儲來存數據 需要網絡來連接 各種工具和系統 這個就叫 一人得到雞犬升天
智能體幹活不是只靠GPU,它還需要CPU來調度任務，需要內存和存儲來存數據，需要網絡來連接各種工具和系統，這就叫一人得道雞犬升天。
老石4:02
按照英偉達的說法 只要場地的電 冷卻 還有網絡都準備好了 現場部署的時間 就能從原來的6個月 縮短到最快14天
按照英偉達的說法，只要場地的電、冷卻和網絡都準備好了，現場部署的時間就能從原來的6個月縮短到最快14天。
老石8:03
英偉達管理層在最新的財報會議上 反覆在唸叨三個詞 特別是productive fungible 還有durable 他們的意思是 英偉達的平臺足夠通用 能做訓練 能做推理 還能跑智能體
英偉達管理層在最新的財報會議上反覆唸叨三個詞，特別是productive、fungible,還有durable——意思是英偉達的平臺足夠通用，能訓練、能推理、還能跑智能體。
老石11:06
那把前面翻譯成大白話 就是英偉達越來越多的收入 其實並沒有變成真金白銀 而是以長漲期的形式 壓在客戶那 英偉達相當於 在用自己的家底 給客戶提供一種隱形的貸款
翻譯成大白話就是：英偉達越來越多的收入其實並沒有變成真金白銀，而是以賬期的形式壓在客戶那，英偉達相當於用自己的家底給客戶提供一種隱形的貸款。
老石14:08
但是過去200年的工業史一次又一次的告訴我們 一項基礎技術創造的價值 最終都會分散到無數使用它的行業 技術革命最大的贏家 不一定是最早解決基礎設施瓶頸的那家公司
過去200年的工業史一次又一次告訴我們，一項基礎技術創造的價值最終都會分散到無數使用它的行業，技術革命最大的贏家不一定是最早解決基礎設施瓶頸的那家公司。
老石20:14
數字與實體
| Hopper時代每GW設備採購額 | 約180億美元 | 7:03 |
| Blackwell時代每GW設備採購額 | 約250億美元 | 7:03 |
| Vera Rubin時代每GW設備採購額 | 約400億美元 | 7:03 |
| DSXPORT現場部署時間 | 從6個月縮短到最快14天 | 8:03 |
| 本季度整體毛利率 | 75% | 9:03 |
| 本季度營收 | 962億美元，同比增長106% | 13:08 |
| 營收賬款 | 631億美元，賬期約60天 | 13:08 |
| 下一財年AI實驗室貢獻營收佔比 | 約四分之一 | 14:08 |
| ACIE客戶營收 | 約400億美元，同比增長138% | 17:10 |
術語
- Jevons Paradox傑文斯悖論
- 技術效率提升讓使用成本下降，反而因用量暴漲導致總消耗增加
- DSXPORTDSXPORT
- 英偉達的預製模塊化AI數據中心，在工廠完成裝配後整體運到現場部署
- Productive / Fungible / Durable可生產、可流通、可持久
- 英偉達說服金融機構把GPU當長期資產放貸的三個關鍵特性
- circular financing循環融資
- 英偉達投資或資助客戶，客戶又用這筆錢採購英偉達設備的資金閉環
- ACIEAI雲、工業和企業客戶
- 英偉達財報中區別於大型雲廠商的另一類數據中心客戶分類
收聽指南
關心AI基建泡沫、英偉達財務健康度的投資人，以及想理解算力定價邏輯的創業者和工程師。
結尾互動提問和點贊呼籲部分，沒有新信息。