黄仁勋又出来“救场”了...

最近几天，AI赛道持续调整，市场质疑声再起。

在这样的氛围下，英伟达CEO黄仁勋再度发声。在15日的BG2播客栏目中，他围绕推理算力爆发逻辑、物理AI前景、算力建设瓶颈、算力真实需求、AI基建远期规模、自身护城河等市场核心关切，给出了明确判断。

证星研究院概括了本次访谈要点，分享给大家。

以下为概括内容：

1.推理算力十亿倍增长：推理才是算力消耗核心

主持人：两年前你说市场严重低估未来五年的算力建设规模，去年又提出推理算力将增长10亿倍。我们究竟处在什么位置？

黄仁勋：为什么我们所需的算力会比去年多出10亿倍？原因在于，思考和解决问题所消耗的推理计算，远多于重复或复述记忆中的内容。

当你使用ChatGPT时，大部分知识都是预先编码在大语言模型中的，遗憾的是，它会出现幻觉。于是下一步就是不仅要生成，还要基于事实根据进行检验或约束：它必须快速检索、带回真实事实，再结合预训练学到的知识扩充出最终答案。

我们真正希望它完成的大多数有意义任务，都需要一步一步地进行逻辑推理，提出多种选项并制定计划，推演各种路径分别会产生什么结果。

随后根据所有结果反思目前的最佳路径，挑选出一两个或三个方向继续推进，剪枝舍弃其余部分，如此循环往复。所有这些思考和探索过程都需要庞大得多的算力。

更关键的是复合效应：它完成一项工作需要更多算力，同时由于表现出色，我们又雇佣它去做更多工作，这一切都在叠加。

2.物理AI与机器人赛道：千亿美元市场仍属保守

主持人：为什么这项技术在走向大众认知的过程中还会遇到阻力？

黄仁勋：核心原因在于，AI或超级智能是无形的“软物质”，你看不见它...即便人们已经从中受益——使用搜索时已经受益，购物时已经受益。

但我们并没有把这个故事讲好。大众正在享受红利，只是浑然不觉。如果把数据中心和超级智能关闭一个周末，我想所有人都会立刻察觉到差异。

主持人：你对机器人领域尤为关注，今年你多次提到机器人的“ChatGPT时刻”已经到来，并表示这可能是英伟达下一个1000亿美元级别的市场。你看到了哪些拐点信号？

黄仁勋：我说1000亿美元实际上仍属保守。今年上半年物理AI收入已达100亿美元，去年全年也是100亿（第一个100亿年份），再前一年是50亿；今年即便做到200亿美元，甚至更高。因此1000亿美元可能确实仍属保守。

所谓物理AI，本质是与物理世界交互的AI：光子计数CT机、超声设备、新型成像雷达、下一代5G网络，以及机器人、自动驾驶、制造系统、视觉质检、对地成像三维重建的卫星。

未来每一家汽车公司都会是科技公司，每一家货运物流公司都会是科技公司；每一个触及物理世界的行业，都有通过AI重塑的巨大空间。人们总把我们归类为芯片公司，实际上我们深入仓储物流、医疗、汽车、电信——地球上每一个行业。

打法上，构建一个物理AI平台通常需要三台计算机：

训练“大脑”的训练系统、供智能体学习的数字孪生体、部署到机器人/汽车/手术器械内部的边缘计算机，三套完整软硬件栈，英伟达是全球唯一每层都打造完整技术栈的公司。

3.算力扩张现实约束：电力、土地、厂房是瓶颈

主持人：SemiAnalysis说，明年新增43GW AI算力，比当前全球现存全部AI算力还多，合理吗？真能引入这么大算力吗？

黄仁勋：需求绝对存在，甚至只多不少。

挑战在物理世界：土地审批、新增发电并网，以及建筑工人、机电安装工、管道工等配套人力。单是建造就能创造100万个不可替代技能的就业岗位。

其中，土地、电力、厂房及配套资源，是最主要的瓶颈。

具体就英伟达而言，我们是唯一服务全球所有云服务商的公司，在欧洲、非洲、中亚、东南亚、拉美、中东都有早期布局，一地遇瓶颈可在供应链端灵活调配。

我们架构能效产出最高，每瓦特产生的Token最多，当全球可用的电力瓦数受到限制，用户的选择自然会转向生产效率最高的版本。

我们现在每吉瓦所提供的产品价值远胜以往。过去我们只是一家GPU公司，后来成为最大且增长最快的网络互联公司，现在我们将成为规模最大、毫无疑问也是增速最快的CPU公司之一。

份额上，六年前我们在全球资本支出中占比还是个位数；现在主流云服务商中约占40%，非主流云领域可能达80%，两部分都以每年翻倍速度增长。

每GW采购价值从过去约180亿、200多亿美元攀升到400多亿美元以上。两周前宣布的澳大利亚2GW项目，对应约800亿美元价值。

每过一周，我们的供应都在增加。然而，尽管我们在不断提高供应能力，订单量却增长得更快，因此在未来几年内，这个供需缺口将很难弥合。

4.太空算力布局：仅高价值算力具备部署价值

主持人：你认为到2029年，我们真的能在太空中拥有可观规模的算力吗？

黄仁勋：我非常喜欢与埃隆合作。

他将我们的技术用于自身AI的模型训练与部署等环节，Grok的表现极其出色。与此同时，他也对外出租算力。将模型训练、自有应用与算力出租这三者结合起来，他在这方面相当独特。

此外，他的优势还在于热衷于计算与物理工程建设的交叉领域，没有人比他更懂能源。我们还将共同探索一个全新的市场——将数据中心送入太空。

关于太空算例，唯有英伟达算力能够做到。

原因在于，英伟达的单位能耗性能是全球最优的，最关键的是，英伟达算力的生产力极其出色，投资回报率极高，以至于将其送入太空后，发射成本在总价值中所占的比例很小。你绝不会把低价值的算力送上太空。

我们必须送上高价值的算力。我们是人们能想象到的价值最高的计算系统，也是计算历史上价值密度最高的系统。因此对于现阶段的太空发射而言，英伟达是无可替代的最佳选择。

将Vera Rubin搭载上去，其经济效益完全成立。如果在太空部署了一颗计算卫星，却找不到客户来租用，那就是社会资源的浪费。英伟达算力具备完全的通用性，会有海量的租用客户。

5.AI算力真实需求：需求多元，不止头部实验室

主持人：我们必须直面市场最大的疑虑。

几家头部实验室今年的整体收入加起来约2000亿美元，要让数万亿美元资本开支合理，明年需翻倍到4000亿美元。你多大信心实验室保持每年2到3倍增长？是否担心融资焦虑导致建设停滞？

黄仁勋：很多人对当前局势存在误解。

首先，英伟达在当今全球AI基础设施的收入份额中占据了大约80%。计算版图基本上可以划分为三大类：

第一板块是基础算力，约占业务三分之一。用于常规数据处理、分子动力学、物理模拟、核聚变与核裂变模拟、量子化学、量子物理、计算机图形学等。

即便完全没有AI，这部分经典计算依然存在，且每年以30%—40%增长；没有AI实验室，英伟达也绝不是一家小公司。

第二部分是AI实验室，约占四分之一。外界只盯两家，但我们与每一家都合作。

Meta表现极佳且绝大部分用英伟达算力；Grok三年前根本不存在；过去没在英伟达上运行的Gemini，现在运行在英伟达上；今年又开始与Anthropic合作。外界看到两家，我看到五六家，且都表现极佳。

第三部分是海量新兴初创企业，约占三分之一。消费端应用、物理AI、生物AI、材料科学AI，数以千计，相当于下一代云计算平台、“面向未来的AWS”。

而且这些初创企业80%使用开源模型，不是拿开源去和前沿实验室竞争，而是开拓垂直新机会。通用闭源实验室走向通用人工智能并做到极致；垂直公司依托私有专有数据，在细分赛道达成超级智能。

主持人：你是否担心在某个节点上，各方会对基础设施建设的融资前景感到焦虑，从而导致建设进程停滞？

黄仁勋：面对这些复杂的讨论，必须回归第一性原理。外界试图外推的1000亿或1250亿美元年度经常性收入，只是整体基础设施建设中的一部分。

问题在于：人们未来还会继续在线购物吗？我之前所说占我们业务三分之一的这一部分，是板上钉钉的确定性需求，根本无需争辩。

6.AI基建长期规模：10万亿级别规模也不意外

主持人：顺着资本开支的话题，你对AI基础设施长期规模如何判断？

黄仁勋：两年前我说2020年代末基础设施年建设规模可能达到3万亿至4万亿美元，现在看来显然更接近4万亿而非3万亿，其中1.5万亿美元纯粹属于算力。

AI爆发前，单纯计算硬件支出每年已是5000亿美元，六七年间增长到1.5万亿，只是因为全社会计算消耗量大幅增加。

更重要的是摩尔定律已经终结：过去想获得两倍晶体管只需等一年、价格不变；现在无论等多久，想翻倍都必须付双倍价钱，因此必须乘以一个显著的溢价乘数。

以往全球云服务商年投资约5000亿美元，世界每年IT基建投入约1万亿美元，那是基于信息检索的旧时代。进入生成式计算时代，跨入下一个十年年建设规模将达3万亿、4万亿甚至5万亿美元。

若未来每年新建与更新换代投资达到约10万亿美元，我完全不会意外。即便没有AI，半导体产业本身也正在成为全球最大的产业。

7.英伟达核心护城河：信任资产与通用平台

主持人：过去一年，华尔街分析师对英伟达未来业绩的共识预测调高了100%到200%，这种预测失误在科技投资史上极为罕见。

但英伟达目前的市盈率甚至只有十几倍，为什么市场总是怀疑你的增长可持续性？你的护城河到底是什么？

黄仁勋：我们可以做一个思维实验：作为巨型财团CFO，手握500?1000亿美元支票，需要在设备尚未完全落地时，盲签锁定未来两年产能，全球只有英伟达可以承接。

Grace Blackwell已经经过实战验证，市场对Vera Rubin系列的信心，来源于英伟达数十年持续兑现工程能力。百亿级大型算力系统涉及液冷、高速互联、软件编译等海量组件，不能只看实验室跑分，大规模商业落地不允许试错。

这一点和台积电逻辑相通：台积电能够支撑客户提前五年做技术规划，在行业变动中保持稳定输出，积累了难以复制的信任资产。

专用化定制会严重损害算力资产的通用性与耐用性。如果耗资500亿的数据中心采用定制ASIC，一旦算法迭代，比如从Transformer转向SSM、混合专家、扩散类新架构，硬件就可能快速贬值。

而英伟达是全栈通用加速平台，无论新模型架构如何迭代，CUDA都可以适配优化。即便自营业务不及预期，闲置算力也可对外出租。

高通用性压低财务风险，提升项目可融资能力，最终实现更低的总体拥有成本，这就是算力资产的底层商业逻辑。