全文 4,000字 | 閱讀約 13 分鐘

（黃仁勛詳談：OpenAI 如何成為下一個萬億美元公司）

2025 年 9 月 26 日，英偉達 CEO 黃仁勛（Jensen Huang） 接受 BG2 播客專訪，參與節(jié)目《NVIDIA：OpenAI 與算力的未來》，進行了一場時長 110 分鐘的深度對談。

這場訪談的核心不是英偉達芯片性能，而是重新定義：英偉達，到底是一家什么樣的公司。

更重要的是，就在這場訪談發(fā)布前 72 小時（9 月 22 日）， 英偉達剛剛宣布與 OpenAI 達成合作，支持其自建 10GW AI 工廠（Stargate 項目）。 這筆合作預計將為英偉達帶來最高 4000 億美元收入， 是其歷史上規(guī)模最大的一次 AI 基礎設施項目。

這已經(jīng)不是“賣卡”的生意， 而是全新的商業(yè)模式。

黃仁勛在訪談中明確提出三點：

• OpenAI 很可能成為 下一個萬億美元公司；

• AI 不再是模型，而是一個需要持續(xù)供能的“智能工廠”；

• 每個國家、每家企業(yè)，都要開始建自己的“AI 發(fā)電廠”。

英偉達的角色，也正從賣芯片的供應商，變成全球 AI 電力的調度平臺。

他不是在解釋未來， 他是在建設未來。

第一節(jié)｜OpenAI 投資背后：AI 工廠，不是 AI 模型

這場對話真正的爆點，并不是某個技術細節(jié)，而是黃仁勛親口確認的一筆合作：

我們將和 OpenAI 一起建 10GW 的 AI 工廠。 OpenAI 正在從租用算力，轉向自建算力。

對外界來說，這是一項“交易”：

• 投資額預計高達 1000 億美元，

• 如果全線使用英偉達設備，回報將接近 4000 億美元。

但在黃仁勛眼中，這不僅是一筆生意，而是一次商業(yè)模式的轉型：

過去，AI 模型是租來的，電力是用一點算一點； 現(xiàn)在，AI 企業(yè)開始自建電廠，擁有自己的發(fā)電系統(tǒng)。

他說：

“OpenAI 正在從使用 Azure，轉向建設自己的算力基礎。就像 X.ai 那樣，像 Meta 那樣，成為一個真正的超大規(guī)模公司。”

換句話說，OpenAI 不再只是訓練出 GPT 的 AI 公司， 它要做的，是建立一個“能不斷產(chǎn)出智能”的長期發(fā)電廠。

英偉達，在這其中扮演的，不再是提供芯片的供應商， 而是幫助客戶啟動整套“AI 發(fā)電廠”的合作伙伴。

更關鍵的是，這并不是孤立事件。 他說，英偉達已經(jīng)同時在推進三個電廠項目：

• 微軟 Azure，與 OpenAI 聯(lián)合使用

• OCI（Oracle、Softbank 聯(lián)合建設）

• CoreWeave，自建云計算平臺

而這次與 OpenAI 的新合作，是第四個，也是最全面的一個。

這是第一次，英偉達直接參與芯片層、軟件層、數(shù)據(jù)中心層，幫助 OpenAI 從 0 到 1 建立完整的 AI 發(fā)電廠。

不是用一次，生成一段；

而是每天思考，反復生成，持續(xù)提供智能服務。

當智能需求不再是偶爾使用，而是像水電一樣常用時， 模型只是其中的一環(huán)，真正重要的是支撐它持續(xù)運行的算力基礎設施。

競爭的焦點發(fā)生了根本轉變：這不再是訓練模型的競賽，而是哪家公司擁有自己的 AI 發(fā)電廠。

第二節(jié)｜AI 推理爆發(fā)，不是加速，而是轉方向

黃仁勛這次談得最多的，不是算得更快，而是算得更久。

他說，以前的 AI 更像是一臺計算器， 你提問，它立刻給答案。 現(xiàn)在的 AI，開始像人一樣，在回答前要先思考、查資料、組織邏輯。

“過去推理是一次性的，問一句，答一句。現(xiàn)在是鏈式推理：先想，再查，再想，再回答。”

這背后的底層變化，是一個新概念：AI 現(xiàn)在不是模型，而是一個推理流程。

它不再只做記憶題和填空題， 而是要自己分析、推導、綜合信息，甚至臨時學習新的方法。

而這帶來了兩個結果：

一是：推理過程越來越復雜

黃仁勛說，現(xiàn)在很多 AI 系統(tǒng)，在真正生成答案前，要先思考幾十步，每一步都涉及數(shù)據(jù)調取和算法調用。

這就像一個人寫作業(yè)，不再是背答案， 而是要自己做推理題、畫草圖、反復嘗試。

現(xiàn)在你有三個階段：預訓練、后訓練、推理。越是后面，算得越久、過程越復雜。

他甚至直接下了判斷：

“推理的增長，不是 100 倍，不是 1000 倍，是 100 億倍。”

二是：推理開始持續(xù)在線，不再是臨時調用

這就是黃仁勛說的推理從一次性計算轉向 AI 工廠連續(xù)運轉的原因。

今天的軟件是寫一次、運行一次。明天的軟件，是實時生成、持續(xù)運行。

• 過去一個模型處理一條指令，只運行幾秒；

• 現(xiàn)在一個智能體要不斷保持在線，時刻應對新任務。

模型需要更多時間想明白，也需要更多資源持續(xù)運行。

黃仁勛舉了個簡單的例子：

現(xiàn)在 OpenAI 的用戶數(shù)增長是指數(shù)級的，每個用戶的使用頻率和推理時間，也在指數(shù)增長。

用戶變多、用得更久、推理變復雜，三重增長疊加，需求規(guī)模直接躍升到全新量級。

這也就能解釋：為什么現(xiàn)在要建 AI 工廠？ 不是為了追風口，而是因為過去的計算模式根本承載不了新的推理方式。

接下來，英偉達面臨關鍵抉擇：

是繼續(xù)當“芯片賣家”？ 還是成為 AI 推理持續(xù)供能的“發(fā)電站”？

第三節(jié)｜英偉達的轉向：賣的不再是芯片，而是“AI 產(chǎn)能”

黃仁勛說，現(xiàn)在大家都在說 AI 短缺，GPU 不夠。

但他明確了一點：

全球的計算短缺，并不是因為我們不想造，而是客戶給的預測，全都低估了需求。

過去幾年的模式很簡單：客戶說需要多少，英偉達就造多少。但每次預測出來的需求，都遠遠低于實際使用量。

所以，他們一直在追著需求跑。給的預測從沒一次是夠的。

這不是個別公司的問題，是整個行業(yè)進入“推理爆發(fā)期”的共性。

而在這種背景下，英偉達也開始重新定義自己要提供什么：

以前，是賣芯片；現(xiàn)在，是供產(chǎn)能。

現(xiàn)在已經(jīng)不是一家公司小規(guī)模采購幾塊 GPU 的時代了，而是動輒幾十萬片、上百億美金的超大規(guī)模部署。

黃仁勛在播客上提出英偉達在做的，是為 AI 工廠提前布局整個供應鏈：

• 從晶圓開始，

• 到 HBM 高速內存、封裝、冷卻、主板、網(wǎng)絡、交換芯片……

• 提前一年甚至兩年，把一整條產(chǎn)線都準備好。

為什么？

因為一個 10GW 的 AI 工廠，要用幾十萬個 GPU，沒有提前一年布局，根本不可能同時交付。

他進一步解釋：

“你要想想，要啟動數(shù)千億美金的建設， 需要提前一年下晶圓單，下存儲單，準備所有部件。 沒有人能跟得上，除非你已經(jīng)規(guī)劃好整條產(chǎn)線?！?/p>

這意味著英偉達的角色正在變：不再是等著客戶下訂單的賣家， 而是變成幫客戶建 AI 發(fā)電廠的合伙人。換句話說，他們現(xiàn)在賣的，已經(jīng)不是 GPU，是讓 AI 能動起來的算力產(chǎn)能。

這種模式像什么？

像能源行業(yè)。

你不只是買電線、電池，你要的是穩(wěn)定供電。你不只是買芯片、電路板，你要的是“穩(wěn)定智能”。

而英偉達現(xiàn)在在做的，就是這個 AI 時代的“電力公司”。

第四節(jié)｜AI 工廠值不值：看組合效率，也看智能密度

AI 工廠不是比誰卡多、誰芯片大，誰能把所有部件組合成一套高效的智能生產(chǎn)解決方案。

黃仁勛說，現(xiàn)在的競爭，不是硬件跑分比拼， 而是看誰能把芯片、內存、網(wǎng)絡、電力、軟件全部組合好，讓每一瓦電、每一塊卡、每一個冷卻通道都發(fā)揮最大價值。

他拿出了實際數(shù)據(jù)：

“英偉達的頂級芯片Blackwell 比上一代快 30 倍，不是因為晶體管變強了，是靠協(xié)同設計實現(xiàn)出來的。”

這背后的設計思路，就是他提出的：極限協(xié)同設計（Extreme Co-Design）

什么叫協(xié)同設計？

舉個通俗的例子：傳統(tǒng)方法像是造一輛很快的發(fā)動機，再配一個通用的底盤、輪胎。而英偉達的做法，是：發(fā)動機、底盤、方向盤、導航、冷卻系統(tǒng)，全一起設計。

具體來看：

• Blackwell 引入第五代 NVLink 高速互聯(lián)，多個 GPU 能并行推理；

• 網(wǎng)絡用了專為 AI 設計的 Spectrum-X；

• 存儲是 HBM 高帶寬內存，讓模型運行更流暢；

• 軟件層也開源了 Dynamo，幫企業(yè)管理大規(guī)模模型運行調度。

所有這些組合，只為一個目標：讓每一臺機器、每一個瓦特，都能多產(chǎn)出一點智能。

現(xiàn)在英偉達每年要同時做六七款芯片，不是誰做得快、誰發(fā)布得早，而是要確保這些芯片能形成完整的產(chǎn)品體系，精準覆蓋不同需求。

但僅僅“能組合”還不夠。

黃仁勛提出另一個核心指標：單位功耗下，誰的 AI 工廠產(chǎn)出最多有效的AI計算。

為什么這個指標如此重要？主持人問他，客戶怎么評估哪家 AI 工廠值得投錢？

黃仁勛的回答是：現(xiàn)在最稀缺的，不是芯片，而是電力。

一個客戶的數(shù)據(jù)中心，功率上限可能就 2GW。你不可能無限擴容電力、土地和冷卻設備。所以關鍵問題變成了：每瓦電，產(chǎn)出多少智能？

他說得很直白：

“就算別人把芯片免費送你，如果產(chǎn)出低、效率差，你用它就是在浪費預算。”

他說他親耳聽到一個客戶的 CFO 這么算賬：

• 有 2GW 功率上限，

• 要部署大模型，需要幾萬個 GPU，

• 電費和空間已定，只能選“每瓦智能產(chǎn)出最高”的那套方案。

這也解釋了另一個外界常問的問題： “為什么客戶愿意給英偉下 500 億美元大單？”

黃仁勛說，客戶不是買卡的參數(shù)， 而是買你能不能如期交付整廠、能不能支撐大規(guī)模運算、能不能穩(wěn)定運行 AI。

英偉達能提前一年準備好晶圓、封裝、內存、交換芯片、主板、冷卻，沒有哪個對手能做到這點。

最終比的是三件事：

• 誰能把所有零件組合成一整套能運轉的 AI 工廠；

• 誰的工廠單位產(chǎn)出更高，能用更少資源產(chǎn)出更多推理結果；

• 能穩(wěn)定地、按時地把這套工廠交到客戶手里，讓客戶放心投資、敢于擴容。

黃仁勛說，現(xiàn)在全球都在關注 GPU 缺不缺、芯片夠不夠。

但他想提醒大家：真正的核心，不是卡有沒有，而是你的國家有沒有自己的 AI 發(fā)電廠。

每個國家，最終都會建自己的 AI 工廠，就像需要建設自己的電廠、網(wǎng)絡、云計算中心一樣。

過去是數(shù)據(jù)主權，現(xiàn)在是智能主權。

如果你沒有自己的 AI 工廠，意味著三件事：

1. 你沒法支撐本國的 AI 模型訓練和部署；

2. 企業(yè)用 AI，要依賴別人提供的算力服務；

3. 數(shù)據(jù)留在本地，但智能的生成、分發(fā)、運行能力都依賴外部的 AI 基礎設施。。

黃仁勛在訪談中多次表示：

“AI 是新電力。就像沒有電，你什么都干不了。沒有 AI 產(chǎn)能，你未來很多事也干不了。”

? 不只是美國：各國都開始建自己的 AI 電廠

節(jié)目中主持人問他：是不是只有美國在沖這個方向？

黃仁勛的回答：不止美國?，F(xiàn)在歐洲、中東、以色列、沙特、阿聯(lián)酋，都在加速建自己的 AI 工廠。

這些國家不見得有自己的模型公司， 但它們已經(jīng)意識到：要掌握未來智能能力，必須有自己的 AI 推理基礎設施。

沙特就公開宣布，要建設全國級的 AI 基礎設施，拉上英偉達合作；

阿聯(lián)酋也成立了專門的國家級 AI 投資平臺，押注底層模型和算力結構。

未來，你不可能靠租用別人 GPU 來支撐國家級 AI 能力，就像你不可能永遠靠別人的電廠供電。

? 與中國相關嗎？當然相關

在這場全球AI 競賽中，中國是不能忽視的變量。

即使面對地緣政治的復雜性，黃仁勛依然表示：

中國是全球最大市場之一。它會建起自己的 AI 工廠，這點毫無疑問。

他說，中國不僅有華為，還有大量具備建設能力的企業(yè)：

• 工程能力強、執(zhí)行速度快

• 對資源調配極有經(jīng)驗

• 擁有自給自足的產(chǎn)業(yè)鏈結構

黃仁勛對此的判斷很直接：這不是脫鉤，是競賽。

? 誰會贏？不是看政策，而是看誰先“通電”

全球每個國家都站在一條起跑線上：

• 誰先建完 AI 工廠，誰的智能基礎設施先投入使用；

• 誰能在 10GW、20GW 電力下支撐全國智能服務；

• 誰能做到電力、數(shù)據(jù)、推理資源本地統(tǒng)一。

黃仁勛說：

“AI工廠的基礎設施建設，會成為下一個全球核心主權指標?！?/p>

換句話說，關鍵不是擁有多少 GPU，而是要有產(chǎn)能調度能力，能夠運行自己的智能任務，讓國內的企業(yè)、機構、醫(yī)院、法院、學校，都能連上自己的 AI 發(fā)電廠。

這已經(jīng)不再是技術之爭，而是誰先把 AI 工廠通電投產(chǎn)。

結語｜下一場 AI 戰(zhàn)爭，不打參數(shù)，而比“智能密度”

黃仁勛這場對話，說的不是模型有多強，而是 AI 工廠能產(chǎn)出多少智能。

能不能建出來？建完能產(chǎn)出多少價值？這才是核心競爭力。

英偉達的角色已經(jīng)徹底改變：從賣芯片變成賣 AI 產(chǎn)能，從 GPU 公司變成“智能電廠”合作伙伴。

而接下來，所有國家、企業(yè)都要面臨同一個現(xiàn)實：智能的上限，取決于你有多少電力資源，能支撐多少 AI 持續(xù)運行。

全球大模型的競賽，正在從發(fā)布會，走向“工業(yè)建設”主戰(zhàn)場。

OpenAI 建 10GW 工廠，各大公司自研芯片建廠，每個動向背后都是同一件事：比誰先把智能變成產(chǎn)能，比誰能讓每度電產(chǎn)生更多有效智能。

黃仁勛已經(jīng)開始在算這筆賬。

下一步，你要不要也算一算？

本文由AI深度研究院出品，內容整理自英偉達CEO黃仁勛最新訪談。未經(jīng)授權，不得轉載。

星標公眾號， 點這里 1. 點擊右上角 2. 點擊"設為星標" ← AI深度研究員 ? ← 設為星標

https://www.youtube.com/watch?v=pE6sw_E9Gh0

https://timesofindia.indiatimes.com/technology/tech-news/nvidia-ceo-jensen-huang-elon-musks-xai-did-in-19-days-what-everyone-else-needs-/articleshow/124063499.cms

https://www.pcgamer.com/hardware/processors/jensen-huang-says-intel-and-nvidia-have-been-discussing-and-architecting-solutions-now-for-coming-up-to-a-year-and-kept-it-really-quiet

https://www.businessinsider.com/nvidia-investing-up-to-100-billion-openai-ai-deal-2025-9?utm

https://blogs.nvidia.com/blog/openai-nvidia/

來源：官方媒體/網(wǎng)絡新聞，

排版：Atlas

編輯：深思

主編：圖靈