•
2025年12月4日,黃仁勳在華盛頓的一場訪談中,給AI產業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,黃仁勳的回答是:
如果你沒有能源,你就沒有AI。
不是大模型,不是AGI,不是演算法創新。
他說,今天用於AI資料中心的GPU重兩噸,消耗20萬瓦,要價300萬美元。運行一個真正的AI資料中心,你得填滿一個足球場。
AI 模型可以複製，AI 工廠不能。
這場產業競賽的本質,不是誰的演算法更強,而是誰建得更快、電力充足、工廠批次落地。
於是我們第一次清晰看見：AI競爭的真正戰場不在矽谷，而在作為底座的基礎設施。具體而言,是能源、晶片、平台、建廠速度和資本調度能力。
誰能建出 AI 工廠,誰就是贏家。
黃仁勳在訪談裡,把能源放在了AI五層堆疊的最底端。
他不是在打比方,這是產業事實: 如果我們沒有能源增長,這個產業就無法發展。
01｜為什麼能源成為第一層?
傳統網際網路企業可以靠軟體迭代,AI工廠不行。
模型吞吐量、訓練周期、推理規模,看上去是演算法問題,實質是電力問題。
一台AI資料中心的GPU,是重達兩噸、耗電20萬瓦的工業裝置。而要把這些GPU跑起來,不是買幾台放機房,而是要建出一整套工業級電力系統。
這就是他強調的:
AI不是軟體革命,是能源革命。
02｜指數級需求,讓能源成為卡脖子環節
NVIDIA每年都能把GPU能效拉升幾倍。
但黃仁勳指出:性能增長是5到10倍,需求增長卻是1萬到100萬倍。
這意味著什麼?
意味著算力不是被研發速度卡住,而是被電力供應和廠區建設速度卡住。
他坦言:
我們正處在這項技術建設的初期,但需求已經遠遠超過基礎設施。
AI的增長不是線性,是指數;而傳統能源體系的擴張速度,遠遠跟不上。
這就是全球 AI 產業的根本矛盾。
在第一節提到的五層堆疊中,黃仁勳把NVIDIA定位在最底層——平台公司,而不是應用開發者。
這五層分別是:
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,是發佈會、demo、token。
但在黃仁勳的定義中,這些只是第四層,而且只是150萬個模型裡的幾個。
真正的AI,早已不是只懂語言的系統,而是:
這些模型的共用底座,不是某家公司的訓練技巧,而是平台堆疊+軟體生態+通用程式語言。
02｜平台的本質:讓別人造車,而不是自己做車廠
黃仁勳直言:我們不製造自動駕駛汽車,但我們與世界上每一家自動駕駛汽車公司合作。我們不研發藥物,但每一家藥物研發公司都在用我們的平台。
換句話說:
NVIDIA的目標不是造出一個爆款產品,而是成為別人造產品時的工業基礎設施+開發工具鏈。
就像英特爾支撐了PC生態,AWS重構了Web應用,黃仁勳想做的是:
讓AI工廠的每一個環節,都跑在NVIDIA的堆疊上。
03｜CUDA:不是軟體,是平台語言
外界以為NVIDIA的優勢是晶片性能,其實錯了。
黃仁勳真正引以為傲的,是NVIDIA在25年前建構的一整套開發語言——CUDA。
他說:
“人們描述的護城河,其實不只是硬體,而是這些應用程式與我們之間的語言。”
CUDA不是一段程式碼,而是全球AI工廠的通用語言。
從晶片驅動,到建模工具,到深度學習框架,到圖像渲染系統,全在NVIDIA的語法裡。
這意味著: 一旦開發者用CUDA寫了第一行程式碼, 一旦研究團隊用CUDA訓練了第一個模型, 一旦企業用CUDA部署了第一個AI服務,
遷移成本就變得極高。
04｜護城河轉移:從產品能力,走向平台標準
過去的競爭,拼誰模型大、誰跑得快。
現在的戰爭,拼誰有平台語言、誰能讓AI工廠規模化複製。
黃仁勳沒有說我們贏了,但他表示:
“我們與世界上每一家AI公司合作,因為我們是那個平台。”
這不是謙虛,是底氣。
AI工業化的下半場,不是看誰發佈了什麼,而是看誰定義了什麼。
當黃仁勳說AI的底座是能源時,他其實是在描述一場看不見的戰爭。
這不是開源社區的博弈,也不是發佈會的比稿,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需求。”
01｜不只是買晶片,而是建工廠
很多人以為買幾塊GPU就能做AI,但黃仁勳說:別以為我們做的是遊戲卡。
真正的AI GPU,不是插在機箱裡的,而是:
你不能只造晶片。你得有地、有電、有資金、有電網審批、有廠房、有散熱系統、有光纜接入、有跨國物流鏈。
這一切,才能真正點亮AI。
02｜指數增長遇上行政審批:基建成為最大瓶頸
黃仁勳透露了一個殘酷的現實:
技術進步是指數級的,但基礎設施的建設速度卻卡在審批流程裡。
土地批文卡一年；變壓器到貨要半年；跨州輸電網路審批更難以計時。
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｜中美競速的真正變數: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、接網上的速度,成了全球AI工業最不能忽視的變數。
這不是情緒判斷,而是現實級生產力差距:
誰就能率先跑起來AI工業革命。
04｜矽谷沒輸在技術,而是輸在工業能力
很多人以為這輪競爭拼的是誰有更好的AI研究員,誰能先發更大的模型。
但在黃仁勳眼中,更核心的問題是:誰能在最短時間內,讓這些GPU開工。
這些不是技術門檻,是工業能力門檻。
黃仁勳沒有喊口號,但他的話已經把這場競爭的邏輯講透了:
這場戰爭,不在雲端,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視訊裡,而在那些每天運轉、吞吐億級token的超級工廠中。
這幾年,幾乎每一次技術躍遷之後,都會有人問:這會不會是下一輪AI泡沫?
面對這個問題,黃仁勳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化。
01｜AI不是虛擬經濟,是實體工業
從市場角度看,AI無疑有估值泡沫的成分。
但黃仁勳的判斷更偏物理現實而非市場情緒:
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、部署工業系統的東西。
他說:我們造的不是軟體,是重量級工業系統。
02｜這不是技術泡沫,而是基礎設施周期的重啟
黃仁勳判斷,未來10年,AI工業的最大機會不在模型迭代,而在:
這些描述,和上世紀美國推動電氣化、煉油廠、州際高速公路系統非常相似。
他說得很直接:這是一場真正意義上的再工業化。
而不是科技公司講一個新故事。
03｜企業要為AI自建電廠:前所未有的產業訊號
黃仁勳在訪談中透露了一個趨勢:我們不能只依賴電網。我們必須自己發電,在自己的資料中心裡解決供電問題。
這句話的意思是:企業要在電表之後,自己建發電系統。
這不是誇張,是現實判斷。
當AI工廠的耗電量大到不能依賴公共電網時,企業就必須擁有自己的能源調度能力,甚至自建電廠。
這是前所未有的產業訊號:網際網路公司租伺服器，AI公司也要建電廠。
04｜這場工業化,重新定義了“工業”本身
當大眾還在談AGI來不來,黃仁勳已經提醒我們:
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,取決於:
這是一場被誤讀的革命。它不是科技泡沫,而是產業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、90年代的網際網路基建一樣,這一輪AI工業化,正在重新定義:
黃仁勳沒有花太多時間談論模型能力、參數量、多模態的邊界。
他更關注的是:誰能把這套工業系統率先跑通,誰就能定義下一個時代的遊戲規則。
黃仁勳把AI工業化從雲端拉回地面。
從想像,落到土地。
從演算法,落到建廠。
從估值,落到電網。
這不是泡沫,是一場已經打響的基礎設施戰役。
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,不在矽谷的發佈會上,而在每一個正在破土動工的AI工廠裡。 (AI深度研究員)