全文 3,000字 | 閱讀約 8 分鐘

(黃仁勛談推理Token經(jīng)濟(jì)學(xué))

當(dāng)AI 圈還在爭論有沒有泡沫，黃仁勛已經(jīng)在算“推理（Reasoning）”能賺多少錢。

2026 年 1 月 8 日，播客 No Priors 上，他這樣說：

就算 ChatGPT 沒出現(xiàn)，NVIDIA也會贏。

這份自信，源于對計算產(chǎn)業(yè)的真實(shí)判斷。

過去十年，摩爾定律逐漸失效，算力不再自動變便宜。所以加速計算從高端選項(xiàng)變成了“產(chǎn)業(yè)標(biāo)配”。

當(dāng)主持人問起 “2025 年 AI 最讓你驚訝”的進(jìn)展，黃仁勛沒講多模態(tài)、也沒講大模型，答案是：模型推理能力的進(jìn)化，和它如何成為一門可以定價、可以收費(fèi)的生意。

這意味著，AI 的戰(zhàn)場已經(jīng)從做大模型轉(zhuǎn)向了賣推理能力。

• 推理到底怎么賺錢？

• 誰在為推理付費(fèi)？

• 這個窗口還能開多久？

過去，AI 的強(qiáng)，主要指兩個方向：會寫、會說。

從 ChatGPT 到各種聊天機(jī)器人，只要能輸出連貫、像人寫的內(nèi)容，就算是好模型。

但到了企業(yè)場景，標(biāo)準(zhǔn)變了。他們不在乎會不會聊天，在乎的是：這個 AI 能給我省多少錢、賺多少錢？

要讓 AI 輸出值錢，黃仁勛的回答是：推理能力。

這個能力不是模型參數(shù)再翻幾倍，而是：

• 根據(jù)上下文找準(zhǔn)問題，

• 在數(shù)據(jù)不全時推出合理結(jié)論，

• 給出能被醫(yī)生、律師、工程師放心使用的答案。

有了這種能力，AI 給出的結(jié)果就能明碼標(biāo)價了。

他舉了幾個例子：

• OpenEvidence 做醫(yī)療搜索，推理Token的毛利率達(dá)到了90%；

• Harvey 為律師事務(wù)所服務(wù)，已經(jīng)在多個大型律所落地使用；

• 甚至 Claude 企業(yè)版，企業(yè)也愿意為它付費(fèi)。

這說明什么？過去 AI 輸出不穩(wěn)定，企業(yè)不敢付高價；現(xiàn)在推理讓答案可控，按結(jié)果收費(fèi)成為可能。

這個變化有兩個信號值得特別注意：

• 模型本身不再是唯一賣點(diǎn)。會寫文章、會對話只是起點(diǎn)，能推理、能接任務(wù)、能給出可驗(yàn)證的答案，才是企業(yè)考慮是否付費(fèi)的關(guān)鍵。

• 企業(yè)愿意為推理質(zhì)量付更高的價。OpenEvidence的高毛利率不是靠壓低成本，而是因?yàn)獒t(yī)生真的把它當(dāng)可信賴資源在用。當(dāng)AI從助手變成專業(yè)工具，定價邏輯就變了。

在這個過程中，最早跑出來的不是消費(fèi)級產(chǎn)品，而是高度專業(yè)場景。

醫(yī)療、法律、科研、工程……這些地方對答案質(zhì)量要求極高，恰好讓推理有了明確價格。

我們第一次看到，推理從模型的一個小能力，變成了能單獨(dú)收費(fèi)的產(chǎn)品。

第二節(jié)｜真正賺錢的是AI工廠，電工工資翻倍了

推理能收費(fèi)了，但這些能賣錢的Token，是怎么產(chǎn)出來的？

黃仁勛把這個生產(chǎn)場所叫作：AI 工廠。

這些工廠 24 小時不停地運(yùn)算、生成推理結(jié)果。但要讓 Token 持續(xù)產(chǎn)出，背后得有三樣?xùn)|西支撐：

• 芯片廠：造出最關(guān)鍵的計算芯片

• 超級計算中心：搭建大模型運(yùn)行需要的硬件

• AI數(shù)據(jù)中心：一天24小時不停地產(chǎn)生推理結(jié)果

這三類工廠，正在美國各地大量建設(shè)。

而建設(shè)這些工廠，需要的不只是技術(shù)，更是人。

黃仁勛說，他第一次看到電工、技術(shù)員、水管工的需求漲得這么快。電工資格證成了熱門證書。有人專門接 AI 工廠的活，一出差就是一個月。建筑工人也被拉到這些新工地，很多州開始出現(xiàn)搶人的現(xiàn)象。

這是實(shí)實(shí)在在的變化： 不是模型參數(shù)增長，不是論文數(shù)量增長， 而是數(shù)據(jù)中心大量開工、光纜加速鋪設(shè)、電費(fèi)暴漲、崗位激增。

AI 不再只是代碼和算法，而是開始像傳統(tǒng)工業(yè)一樣，有產(chǎn)線、有工人、有產(chǎn)能指標(biāo)。

這場基礎(chǔ)設(shè)施建設(shè)確實(shí)在創(chuàng)造大量就業(yè)。但隨之而來的問題是：當(dāng)AI真正投入使用后，會不會反過來取代人的工作？

黃仁勛認(rèn)為恰恰相反。他舉了放射科醫(yī)生的例子：

“八年前，AI 教父 Hinton 預(yù)言 AI 會徹底改變放射學(xué)，放射科醫(yī)生將不再被需要。他說對了一半，現(xiàn)在 100% 的放射學(xué)應(yīng)用都是 AI 驅(qū)動的。但放射科醫(yī)生的數(shù)量不減反增?！?/p>

原因在于：

AI 接管的是任務(wù)（研究掃描片），但放射科醫(yī)生的目的是診斷疾病、做研究、服務(wù)更多病人。

當(dāng) AI 幫他們更快看完掃描片，他們就能接更多病例、做更深入的研究，醫(yī)院效率提高了，反而需要雇更多放射科醫(yī)生。

這個邏輯不只適用于醫(yī)生，也適用于所有使用 AI 推理能力的行業(yè)：

• 律師用 AI 處理合同，能接更多案子；

• 工程師用 AI 寫代碼，能開發(fā)更多產(chǎn)品；

• 企業(yè)用 AI 做決策，能拓展更多業(yè)務(wù)。

所以 AI 提高了效率，但也釋放了需求。不是 AI 取代人，而是 AI 讓人能做更多以前做不了的事。

這也是為什么基礎(chǔ)設(shè)施建設(shè)本身，就是 2026 年最確定的商業(yè)機(jī)會之一。

而對于那些想用 AI 做應(yīng)用的人來說，真正的問題是：推理能收費(fèi)了，接下來該怎么做？

第三節(jié)｜成本每年降10倍，小公司也有機(jī)會

既然推理能賣錢，那誰能抓住這個機(jī)會？

這聽起來像只有大公司才做得到的事。但黃仁勛指出：

“生成推理的成本，每年下降10倍?！?/p>

“落后 6 個月也不怕，成本降了就能趕上。”

于是出現(xiàn)了兩種玩法：

一方面，大公司還在籌建下一批超算集群，爭奪供應(yīng)鏈；另一方面，小公司已經(jīng)在開源模型上搭建出垂直服務(wù)，開始接單賺錢。

比如：

• 生物領(lǐng)域有公司在做端到端分子設(shè)計

• 工業(yè)領(lǐng)域有公司在做機(jī)器人抓取放置系統(tǒng)

• 材料科學(xué)有公司在做化學(xué)構(gòu)象預(yù)測

這些小公司都不做萬能助手，而是只解決一類人的剛需問題。

黃仁勛形容這是“在一個小池塘里先做到極致”。這種專注一個場景做到能收錢的方式，才是接下來五年里，大多數(shù)AI創(chuàng)業(yè)者最現(xiàn)實(shí)的路徑。

而讓這條路徑成為可能的，是開源。

黃仁勛說：

“沒有開源，初創(chuàng)公司、教育、研究都沒法做。傳統(tǒng)企業(yè)也做不了AI 轉(zhuǎn)型?！?/p>

他甚至說，中國 AI 公司 DeepSeek 去年開源的訓(xùn)練方法，是“對美國AI最大的單一貢獻(xiàn)”。因?yàn)樗尮韫人谐鮿?chuàng)公司都能學(xué)到最前沿的技術(shù)，大幅降低了進(jìn)入門檻。

降低門檻意味著：

不需要從頭訓(xùn)練大模型，在開源基礎(chǔ)上做垂直優(yōu)化就夠了；不需要燒掉幾億美元，用更小的成本就能驗(yàn)證需求。

但能做，不等于能做成。關(guān)鍵在于：

• 你得知道推理在你的場景里值多少錢，

• 你得愿意去一個小市場快速驗(yàn)證、快速迭代。

不是沒模型就做不了AI，而是你得想清楚：你要解決誰的問題？你怎么把推理包裝成一個值得付費(fèi)、值得信賴的數(shù)字員工？

如果還不確定方向，黃仁勛提到了 2026 年三個值得關(guān)注的領(lǐng)域：

第一，數(shù)字生物學(xué)將迎來它的 ChatGPT 時刻。

蛋白質(zhì)理解、多蛋白質(zhì)生成、化學(xué)構(gòu)象……這些領(lǐng)域正在匯聚合成數(shù)據(jù)、多模態(tài)、推理三大能力。Nvidia 最近開源的模型就是為多蛋白質(zhì)理解設(shè)計的。

第二，汽車不再只是感知加規(guī)劃，而是會變成推理汽車。

當(dāng)車遇到從未見過的情況時，它能把復(fù)雜場景分解成已知情況，通過推理系統(tǒng)導(dǎo)航通過。Nvidia的自動駕駛堆棧剛剛拿到安全評級第一名。

第三，人形機(jī)器人或多具身機(jī)器人將有巨大突破。

黃仁勛說“我們開始得太早了”，自動駕駛經(jīng)歷了四個時代，而機(jī)器人正在用現(xiàn)成的端到端模型加推理系統(tǒng)起步，可能不需要10年就能落地。

這三個方向的共同點(diǎn)是：推理能力已經(jīng)成熟，接下來就是誰先把它變成產(chǎn)品。

你不需要幾億美元，但你需要找對一個細(xì)分場景，一個真實(shí)的痛點(diǎn)。

窗口期很短，但機(jī)會還在。

結(jié)語｜模型再強(qiáng)，不如結(jié)果能賣

過去講 AI，是講性能、講模型、講誰更像人。

現(xiàn)在講 AI，有個很清楚的衡量標(biāo)準(zhǔn)：能不能讓人愿意付錢？

推理開始值錢，標(biāo)志著三個轉(zhuǎn)變：

• 模型不再只是看起來厲害，而是能落地、能計價；

• 企業(yè)不再只問能不能用，而是問值不值錢；

• 創(chuàng)業(yè)者不能再幻想做通用助手，得先做個實(shí)用工具。

AI 行業(yè)的競爭重點(diǎn)變了。

模型再強(qiáng)，不如結(jié)果好賣。

識自AI

本文由AI深度研究院出品，內(nèi)容翻譯自黃仁勛在播客No Priors的訪談等網(wǎng)上公開素材，屬翻譯編譯性質(zhì)。內(nèi)容為合理翻譯與編輯整理，未逐字復(fù)制原訪談材料。未經(jīng)授權(quán)，不得轉(zhuǎn)載。

星標(biāo)公眾號， 點(diǎn)這里 1. 點(diǎn)擊右上角 2. 點(diǎn)擊"設(shè)為星標(biāo)" ← AI深度研究員 ? ← 設(shè)為星標(biāo)

參考資料：

https://www.youtube.com/watch?v=k-xtmISBCNE

https://podcasts.apple.com/us/podcast/no-priors-artificial-intelligence-technology-startups/id1668002688?l=fr-FR

https://techcrunch.com/2025/01/07/nvidia-ceo-says-his-ai-chips-are-improving-faster-than-moores-law/?utm_source=chatgpt.com

來源：官方媒體/網(wǎng)絡(luò)新聞

排版：Atlas

編輯：深思

主編: 圖靈