作者：我是阿闖

來源：阿闖走大道（ID：ChuangDaDao）

1

過去兩三年，黃仁勛的發言實在太多了。

多到很多人聽他講AI，已經不太分得清哪些是他真看到的東西，哪些是他希望市場相信的未來。

但他講的話依然值得認真讀，因為他所處的位置太重要了。

黃仁勛是AI時代賣鏟子的人。

他不押注哪一個大模型會贏，也不靠某一個AI應用賺錢。他賣算力給所有人，OpenAI、谷歌、Meta、xAI、各國政府，還有大量創業公司，只要要建AI基礎設施，很多都會繞不開英偉達。

這個位置，讓他能看到整個行業的算力橫截面：客戶到底怎么部署，卡在哪里，錢往哪個環節流，哪一種計算正在替代哪一種計算。

2

當然，正是因為他所處的位置，也會讓他的話帶來偏差。

賣鏟子的人，天然希望所有人相信金礦足夠大，所以當他講市場空間有多大，長期需求是幾萬億，每個國家都需要主權AI時，就要打個折扣。

這些未必全是他看到的現實，更像是他希望市場相信的未來。

這幾天，我把這三年黃仁勛的發言通讀了一遍，總結出了三個關鍵內容，也是本文要分享的重點。

• 第一，AI時代的計算單位，不再是一顆芯片，而是一整座數據中心。

• 第二，英偉達面對的競爭，不只是GPU對ASIC，而是誰能在同樣的電力和機房里產出更多token。

• 第三，推理需求確實變了，它不再只是一次性回答，而會變成持續消耗算力的過程，但最后還要看多出來的推理開銷，能不能被答案質量和生產效率的提升覆蓋回來。

同時，我也讀到一些比較夸張的說辭，比如“十億倍”、“幾萬億”、“每個國家都需要主權AI”這類說法，它們未必錯，但太難驗證，不能和上面這3點放在一起。

3

先說第一點，AI時代的計算機，不再是一顆芯片，而是一整座數據中心。

過去我習慣把英偉達看成一家賣GPU的公司。

順著這個看法，觀察問題的視角就變成了：GPU會不會被更便宜的ASIC替代，大客戶會不會自己研芯片，芯片價格會不會隨著供給增加往下走。

盡管這些問題都成立，但它們默認的是同一個前提：英偉達賣的是一顆芯片。然而，黃仁勛反復講的，不是一顆芯片，而是一整座數據中心。

比如，2023年5月，英偉達FY2024 Q1財報電話會上，有分析師問他怎么看來自專用芯片的競爭。

他的回答沒有停在芯片性能的比較上，而是說，計算機就是數據中心，數據中心就是計算機，它不是一顆芯片。

這句話當時更像是一句即興判斷，用來回應一個具體的競爭質疑。

一年后，這個判斷變成了英偉達的正式語言。

2024年5月，英偉達在FY2025 Q1官方財報稿里寫下，很多公司和國家正在與英偉達合作，把傳統數據中心轉向加速計算，并建造一種新型數據中心——AI工廠——用來生產人工智能這種新商品。

2024年8月，英偉達又在FY2025 Q2財報稿里把Blackwell放在full-stack、data center-scale platform的語境里講，而不是只把它當成一顆GPU。

到這一步，“數據中心就是計算機”已經不只是一次反駁，而變成了英偉達描述自己產品時的默認框架。

再往后，這個框架收斂成了一句更徹底的自我定義。2026年4月，黃仁勛在Dwarkesh Patel的訪談里說，英偉達的心智模型是：輸入是電子，輸出是token，中間是英偉達。

這說明英偉達已經把自己放在了電力和token之間的轉換環節上。

三年時間，AI工廠從黃仁勛一句回應競爭的即興話，變成了英偉達對自己的定義，也影響著英偉達怎么組織產品和客戶關系。

4

如果計算機變成一整座數據中心，競爭的單位也就變了。

問題就不再只是“誰的芯片更快、更便宜”，而是整套系統在同樣的電力、同樣的機房里，誰能產出更多token。

這也是為什么我后來再看GPU和ASIC的競爭時，不再只看芯片價格。

因為在黃仁勛這套框架里，便宜的芯片如果不能帶來更高的每瓦token產出，反而可能是更貴的選擇。

值得注意的是，黃仁勛也并不回避競爭。

早在2023年5月，英偉達FY2024 Q1財報電話會上，他就主動承認，競爭來自四面八方，有初創公司，有半導體大廠，也有云廠商自己研的芯片。

但他的反駁點沒有落在“我的芯片更快”，而是落在兩個地方：一是全棧，二是最低的總擁有成本。他還提到，別人交付一套系統到能用，可能要按月、按年算，而英偉達可以按周算。

到了2025年9月，BG2 Pod《NVIDIA:OpenAI,Future of Compute,and the American Dream》這場訪談里，他把這件事講得更鋒利。

在他的論證里，即便競爭對手把芯片定價為零，客戶也未必會轉向對手。

理由很簡單，每個人都受電力限制。

假設你只有一定的電力，就會希望這點電力換來盡可能多的收入。如果英偉達每瓦性能是對手的兩倍，同樣的數據中心就能產出兩倍收入。

他給的數字是，Blackwell相比上一代Hopper，性能提升約三十倍。在一吉瓦的電力里放棄三十倍的產出，機會成本太高了。高到對手就算把芯片白送，也未必補得回來。

這個論證之所以有力，是因為它把競爭的落點從“芯片標價”挪到了“每瓦產出”和“機會成本”上。

一旦這么算，ASIC便宜不便宜，就不再是唯一的問題。上線速度、集群效率、網絡、軟件、利用率、供電限制，全都進入了同一個公式。

5

2026年4月，Dwarkesh Patel在訪談里繼續追問ASIC和自研芯片的問題。

對方質疑，大客戶完全有能力自己寫軟件，繞開英偉達的護城河。黃仁勛的回應，是把InferenceMAX這個公開基準擺出來：它就在那里，對手可以來證明自己的推理成本優勢，但TPU不來，Trainium不來。

他的意思是，我歡迎他們來證明自己宣稱的成本優勢。

他還拆了一個很常見的假設。

很多人以為自研ASIC一定更省錢，因為省掉了英偉達很高的毛利。但黃仁勛指出，ASIC本身的毛利也很高，甚至大約65%，客戶仍然要付錢給ASIC供應商。

兩者一比，省下的并沒有想象中多。

6

最后一點，推理是真的變了，但推理這一點，必須分開看，因為同一段敘事里，既有真東西，也有包裝。

先看真實變化。

以前很多人理解的推理，更像是一次性響應：你問一句，模型答一句。

但黃仁勛在2025年9月BG2 Pod《NVIDIA:OpenAI,Future of Compute,and the American Dream》這場訪談里講的新推理，不只是給出一個答案，而是模型在回答前先多想一會兒。它會嘗試、檢索、核對，再想一輪，然后才生成答案。

他把AI需求的增長分成三層：先是預訓練，然后是后訓練，最后是推理時的思考。

第三層最關鍵。因為推理本身，從一個一次性的動作，變成了一個會持續消耗算力的過程。

這個變化不是空談，它有財報口徑支撐。英偉達管理層在2024年至少兩次給過明確口徑：推理已經貢獻了數據中心收入約40%，甚至超過40%。

也就是說，在“推理時思考”這個概念被講得很熱之前，推理作為算力需求，就已經不是純愿景。

這是真實發生的需求變化，不能忽略，但這件事還要再往商業上問一步。

推理時多“想一會兒”，確實會消耗更多算力，也可能帶來更好的答案，但更好的答案不等于客戶一定愿意長期買單。

最后還是要看這些reasoning模型，能不能在代碼、客服、搜索、金融、醫療、企業工作流這些場景里，創造出足夠高的增量價值，覆蓋掉更高的推理成本。

所以我愿意相信推理需求正在變重，但這不等于可以盲目樂觀。

真正要觀察的，是客戶愿不愿意為更多token帶來的更高推理開銷持續付費，以及這些開銷能不能換來更高的生產效率或收入。

7

正因為如此，同一段敘事里貼著的另一個東西，就不能照收了：十億倍。

在BG2 Pod那場訪談里，黃仁勛說，推理的算力需求會增長十億倍，并且又說，自己當年講十億倍時還低估了。

這就是需要注意的地方。推理性質變了，是一個可以觀察、可以驗證的判斷。

但“十億倍”不是判斷，它更像是一個標簽，一個貼在真實變化上的、無法驗證的數量級。你沒辦法去驗證它，也很難去證偽它，這也就不應該成為判斷公司的依據。

更要小心的是，當一個方向大致對了之后，他再回頭說“當年講十億倍還低估了”，等于用一個很難證偽的數字，反過來追認自己的遠見。

軟件這條線也要單獨看。

英偉達這幾年一直在講它的軟件棧，AI Enterprise、NIM、Omniverse，這些可以繼續觀察，但不能和推理硬需求混成同一個確定結論。

推理作為算力需求，有收入數據撐著。企業軟件作為一門生意能做多大，目前的驗證程度，遠沒有硬件那么硬。

因此，兩者要分開看。

8

到了主權AI，他的話就不在同一個層級了。

前面幾條判斷，有一個共同特征：越被追問，越落到具體的東西上。比如數據中心、TCO、每瓦token、公開基準。

但黃仁勛的發言里，還有一類判斷，不能和前面幾條放在同一層。

最典型的是主權AI。他在BG2 Pod那場訪談里講到主權AI時說，每個國家都需要自己的AI能力，也把AI和能源、通信、互聯網基礎設施放在一起。

我想說清楚，這個方向未必錯，各國確實在建自己的算力，但問題是，這類話很難被證偽。它不限定時間，不限定規模，也不限定“需要”到底是什么意思。

它和“推理占數據中心收入四成”不在一個層級上。

后者是一個帶時間、帶數字、可以核對的事實。前者是一句聽上去很難反駁，但什么都沒說死的話。

9

怎么正確讀黃仁勛？我分享一下個人經驗。

如果你看到他被追問時，那些越具體，越指向客戶部署、工程約束、公開基準的內容，就越值得重視；越轉向長期總量、國家敘事和難以證偽的大判斷，就越要打折。

說到底，正是因為黃仁勛和其他業內人士不一樣。

其他人預測未來，說對說錯，事后才知道。但黃仁勛手里握著GTC、供應鏈、和所有大客戶的關系，還有幾百億美元的投資。

他在2026年4月Dwarkesh Patel的訪談里其實自己說破了這一點：他會把各行業的CEO召集到一起，告訴他們這個行業會有多大，和他們一起推理，讓他們像他一樣推理。

他也承認，GTC的演講被設計成一場教育和布道，目的是讓整個上下游都理解、都相信將要發生什么。

這意味著，他不只是在判斷未來，他還有能力下場，讓一部分判斷變成現實。

他說AI工廠是未來，然后真的去投資，把AI工廠建出來；他說推理需求會增長，然后真的去動員供應鏈準備產能。

他過去的樂觀預測之所以常常應驗，有一部分原因是，他能讓整個生態圍著他的敘事行動。

10

這也提醒我們，要盡量客觀看待黃仁勛的發言。

他的發言更有價值，是因為他真能看到、也真能推動結構性的變化；但也正因為如此，我們更要分清楚：哪些是他已經看到的產業變化，哪些是他正在推動市場相信、并試圖一起做成的未來。

所以我個人覺得讀黃仁勛，不能把他當先知，但也不能因為他是英偉達利益相關方就急于否定他。

而是把他說的話拆開：留下那些能被追問、能被驗證、能解釋結構變化的部分，剝掉那些只能制造震撼、很難證偽、服務于市場擴張的部分。

總的來說，對我們研究公司而言，最關鍵的是面對一個既有信息、又有立場、還能推動現實的人，能不能把他的話放回具體事實和商業邏輯里重新檢驗。

版權聲明：部分文章推送時未能與原作者取得聯系。若涉及版權問題，敬請原作者聯系我們。