全文 3,000字 | 閱讀約 8 分鐘

（黃仁勛:這不是軟件革命,是能源革命）

2025年12月4日,黃仁勛在華盛頓的一場訪談中,給AI產(chǎn)業(yè)競賽重新標定了坐標系。

當主持人問及NVIDIA如何看待AI競爭格局時,黃仁勛的回答是:

如果你沒有能源,你就沒有AI。

不是大模型,不是AGI,不是算法創(chuàng)新。

他說,今天用于AI數(shù)據(jù)中心的GPU重兩噸,消耗20萬瓦,要價300萬美元。運行一個真正的AI數(shù)據(jù)中心,你得填滿一個足球場。

AI 模型可以復制，AI 工廠不能。

這場產(chǎn)業(yè)競賽的本質(zhì),不是誰的算法更強,而是誰建得更快、電力充足、工廠批量落地。

于是我們第一次清晰看見：AI競爭的真正戰(zhàn)場不在硅谷，而在作為底座的基礎設施。具體而言,是能源、芯片、平臺、建廠速度和資本調(diào)度能力。

誰能建出 AI 工廠,誰就是贏家。

第一節(jié)｜能源,才是AI工廠的底座

黃仁勛在訪談里,把能源放在了AI五層堆棧的最底端。

他不是在打比方,這是產(chǎn)業(yè)事實: 如果我們沒有能源增長,這個產(chǎn)業(yè)就無法發(fā)展。

01｜為什么能源成為第一層?

傳統(tǒng)互聯(lián)網(wǎng)企業(yè)可以靠軟件迭代,AI工廠不行。

模型吞吐量、訓練周期、推理規(guī)模,看上去是算法問題,實質(zhì)是電力問題。

一臺AI數(shù)據(jù)中心的GPU,是重達兩噸、耗電20萬瓦的工業(yè)設備。而要把這些GPU跑起來,不是買幾臺放機房,而是要建出一整套工業(yè)級電力系統(tǒng)。

這就是他強調(diào)的:

AI不是軟件革命,是能源革命。

02｜指數(shù)級需求,讓能源成為卡脖子環(huán)節(jié)

NVIDIA每年都能把GPU能效拉升幾倍。

但黃仁勛指出:性能增長是5到10倍,需求增長卻是1萬到100萬倍。

這意味著什么?

意味著算力不是被研發(fā)速度卡住,而是被電力供應和廠區(qū)建設速度卡住。

他坦言:

我們正處在這項技術建設的初期,但需求已經(jīng)遠遠超過基礎設施。

AI的增長不是線性,是指數(shù);而傳統(tǒng)能源體系的擴張速度,遠遠跟不上。

這就是全球 AI 產(chǎn)業(yè)的根本矛盾。

第二節(jié)｜NVIDIA的護城河:平臺,不是產(chǎn)品

在第一節(jié)提到的五層堆棧中,黃仁勛把NVIDIA定位在最底層——平臺公司,而不是應用開發(fā)者。

這五層分別是:

• 能源層(電力與基礎能源)

• 芯片與系統(tǒng)層(硬件架構)

• 基礎設施層(軟件+云+土地+建筑+資本能力)

• 模型層(如ChatGPT、Claude、Gemini、Grok)

• 應用層(自動駕駛、醫(yī)療、娛樂、金融、制造等場景)

01｜模型只在第四層,但我們只看到了它

公眾眼中,AI是GPT、Claude、Sora,是發(fā)布會、demo、token。

但在黃仁勛的定義中,這些只是第四層,而且只是150萬個模型里的幾個。

真正的AI,早已不是只懂語言的系統(tǒng),而是:

• 懂基因的AI(藥物研發(fā))

• 懂物理運動的AI(機器人)

• 懂長時間序列的AI(金融、天氣)

• 懂多模態(tài)結(jié)構的AI(醫(yī)療、設計)

這些模型的共用底座,不是某家公司的訓練技巧,而是平臺堆棧+軟件生態(tài)+通用編程語言。

02｜平臺的本質(zhì):讓別人造車,而不是自己做車廠

黃仁勛直言:我們不制造自動駕駛汽車,但我們與世界上每一家自動駕駛汽車公司合作。我們不研發(fā)藥物,但每一家藥物研發(fā)公司都在用我們的平臺。

換句話說:

NVIDIA的目標不是造出一個爆款產(chǎn)品,而是成為別人造產(chǎn)品時的工業(yè)基礎設施+開發(fā)工具鏈。

就像英特爾支撐了PC生態(tài),AWS重構了Web應用,黃仁勛想做的是:

讓AI工廠的每一個環(huán)節(jié),都跑在NVIDIA的堆棧上。

03｜CUDA:不是軟件,是平臺語言

外界以為NVIDIA的優(yōu)勢是芯片性能,其實錯了。

黃仁勛真正引以為傲的,是NVIDIA在25年前構建的一整套開發(fā)語言——CUDA。

他說:

“人們描述的護城河,其實不只是硬件,而是這些應用程序與我們之間的語言。”

CUDA不是一段代碼,而是全球AI工廠的通用語言。

從芯片驅(qū)動,到建模工具,到深度學習框架,到圖像渲染系統(tǒng),全在NVIDIA的語法里。

這意味著: 一旦開發(fā)者用CUDA寫了第一行代碼, 一旦研究團隊用CUDA訓練了第一個模型, 一旦企業(yè)用CUDA部署了第一個AI服務,

遷移成本就變得極高。

04｜護城河轉(zhuǎn)移:從產(chǎn)品能力,走向平臺標準

過去的競爭,拼誰模型大、誰跑得快。

現(xiàn)在的戰(zhàn)爭,拼誰有平臺語言、誰能讓AI工廠規(guī)?；瘡椭?。

黃仁勛沒有說我們贏了,但他表示:

“我們與世界上每一家AI公司合作,因為我們是那個平臺。”

這不是謙虛,是底氣。

AI工業(yè)化的下半場,不是看誰發(fā)布了什么,而是看誰定義了什么。

第三節(jié)｜AI工廠之戰(zhàn):誰建得快,誰就贏

當黃仁勛說AI的底座是能源時,他其實是在描述一場看不見的戰(zhàn)爭。

這不是開源社區(qū)的博弈,也不是發(fā)布會的比稿,而是一場必須靠混凝土、鋼筋、變壓器贏下來的競賽。

“這不是ChatGPT對Claude,而是建廠速度對指數(shù)需求?！?/p>

01｜不只是買芯片,而是建工廠

很多人以為買幾塊GPU就能做AI,但黃仁勛說:別以為我們做的是游戲卡。

真正的AI GPU,不是插在機箱里的,而是:

• 必須由高壓供電系統(tǒng)支撐

• 必須放進專業(yè)冷卻架構

• 必須在安全合規(guī)的廠房環(huán)境運行

• 必須完成從數(shù)據(jù)、調(diào)度、訓練到推理的全流程閉環(huán)

你不能只造芯片。你得有地、有電、有資金、有電網(wǎng)審批、有廠房、有散熱系統(tǒng)、有光纜接入、有跨國物流鏈。

這一切,才能真正點亮AI。

02｜指數(shù)增長遇上行政審批:基建成為最大瓶頸

黃仁勛透露了一個殘酷的現(xiàn)實:

技術進步是指數(shù)級的,但基礎設施的建設速度卻卡在審批流程里。

土地批文卡一年；變壓器到貨要半年；跨州輸電網(wǎng)絡審批更難以計時。

他說得很克制,但警示意味十足:

技術進步很快,但我們還在早期建設階段。

也就是說,不是技術沒準備好,是基礎設施遠遠來不及。

03｜中美競速的真正變量:建廠速度

美國技術一流,政策反應卻慢半拍。

反觀中國,在建電、建廠、接網(wǎng)上的速度,成了全球AI工業(yè)最不能忽視的變量。

這不是情緒判斷,而是現(xiàn)實級生產(chǎn)力差距:

• 誰能三個月批下地

• 誰能半年跑通100MW變電站

• 誰能在一年內(nèi)復制5座AI數(shù)據(jù)中心

誰就能率先跑起來AI工業(yè)革命。

04｜硅谷沒輸在技術,而是輸在工業(yè)能力

很多人以為這輪競爭拼的是誰有更好的AI研究員,誰能先發(fā)更大的模型。

但在黃仁勛眼中,更核心的問題是:誰能在最短時間內(nèi),讓這些GPU開工。

這些不是技術門檻,是工業(yè)能力門檻。

黃仁勛沒有喊口號,但他的話已經(jīng)把這場競爭的邏輯講透了:

這場戰(zhàn)爭,不在云端,也不在模型,而在地面。

誰能建得快,誰就先跑出工廠;誰電夠多,誰才能跑得持久。

AI的未來,不在Demo視頻里,而在那些每天運轉(zhuǎn)、吞吐億級token的超級工廠中。

第四節(jié)｜別再談AI泡沫,這是一場再工業(yè)化

這幾年,幾乎每一次技術躍遷之后,都會有人問:這會不會是下一輪AI泡沫?

面對這個問題,黃仁勛沒有直接否認泡沫的存在。但他用了另一個更大的詞來回應:

這不是泡沫,這是一次真正的再工業(yè)化。

01｜AI不是虛擬經(jīng)濟,是實體工業(yè)

從市場角度看,AI無疑有估值泡沫的成分。

但黃仁勛的判斷更偏物理現(xiàn)實而非市場情緒:

• 每個AI模型背后,都對應數(shù)千塊GPU

• 每個推理系統(tǒng),都需要土地、電力、冷卻系統(tǒng)、調(diào)度平臺

• 每個產(chǎn)品形態(tài)的進化,都對應一次工廠、芯片、基礎架構的迭代

這些不是PPT上的路線圖,而是真正要投入資本、建設基礎設施、部署工業(yè)系統(tǒng)的東西。

他說:我們造的不是軟件,是重量級工業(yè)系統(tǒng)。

02｜這不是技術泡沫,而是基礎設施周期的重啟

黃仁勛判斷,未來10年,AI工業(yè)的最大機會不在模型迭代,而在:

• 新一代算力中心的規(guī)?；渴?/p>

• 新能源與算力的結(jié)合(如核能、地熱)

• 工業(yè)GPU的模塊化復制

• 讓不同國家建立自己的AI主權系統(tǒng)

這些描述,和上世紀美國推動電氣化、煉油廠、州際高速公路系統(tǒng)非常相似。

他說得很直接:這是一場真正意義上的再工業(yè)化。

而不是科技公司講一個新故事。

03｜企業(yè)要為AI自建電廠:前所未有的產(chǎn)業(yè)信號

黃仁勛在訪談中透露了一個趨勢:我們不能只依賴電網(wǎng)。我們必須自己發(fā)電,在自己的數(shù)據(jù)中心里解決供電問題。

這句話的意思是:企業(yè)要在電表之后,自己建發(fā)電系統(tǒng)。

這不是夸張,是現(xiàn)實判斷。

當AI工廠的耗電量大到不能依賴公共電網(wǎng)時,企業(yè)就必須擁有自己的能源調(diào)度能力,甚至自建電廠。

這是前所未有的產(chǎn)業(yè)信號:互聯(lián)網(wǎng)公司租服務器，AI公司也要建電廠。

04｜這場工業(yè)化,重新定義了“工業(yè)”本身

當大眾還在談AGI來不來,黃仁勛已經(jīng)提醒我們:

誰的模型最強,不重要; 誰先把模型跑起來,才重要。

而能不能跑起來,取決于:

• 有沒有自己的電

• 有沒有自己的工廠

• 能不能快速復制部署

這是一場被誤讀的革命。它不是科技泡沫,而是產(chǎn)業(yè)基礎設施的重分配周期。

就像20世紀初的電氣化、50年代的石化工業(yè)、90年代的互聯(lián)網(wǎng)基建一樣,這一輪AI工業(yè)化,正在重新定義:

• 什么是基礎設施(從云到電廠)

• 什么是核心資產(chǎn)(從算法到工廠)

• 什么是競爭壁壘(從技術到部署速度)

黃仁勛沒有花太多時間談論模型能力、參數(shù)量、多模態(tài)的邊界。

他更關注的是:誰能把這套工業(yè)系統(tǒng)率先跑通,誰就能定義下一個時代的游戲規(guī)則。

結(jié)語｜AI紅利,落在誰的土地

黃仁勛把AI工業(yè)化從云端拉回地面。

從想象,落到土地。

從算法,落到建廠。

從估值,落到電網(wǎng)。

這不是泡沫,是一場已經(jīng)打響的基礎設施戰(zhàn)役。

誰建得更快,誰電夠足,誰就掌握下一輪AI的收益分配權。

這場競賽,不在硅谷的發(fā)布會上,而在每一個正在破土動工的AI工廠里。

識自AI

本文由AI深度研究院出品,內(nèi)容整理自黃仁勛在CSIS(戰(zhàn)略與國際研究中心)訪談、Joe Rogan播客等網(wǎng)上公開素材,屬評論分析性質(zhì)。內(nèi)容為觀點提煉與合理引述,未逐字復制原訪談材料。未經(jīng)授權,不得轉(zhuǎn)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

參考資料：

https://www.youtube.com/watch?v=3hptKYix4X8&t=5331s

https://www.youtube.com/watch?v=jpZ0dPsnIWw

https://www.youtube.com/watch?v=eEIL6Wsv-SE&t=149s

https://www.youtube.com/watch?v=G1ern6xmQSM

https://tamim.com.au/market-insight/ai-industrial-revolution-nvidia-jensen-huang/?utm_source=chatgpt.com

來源：官方媒體/網(wǎng)絡新聞

排版：Atlas

編輯：深思

主編: 圖靈