黃仁勛：1000 億美元、10GW，從賣卡到“賣 AI 產能”

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， 是其歷史上規模最大的一次 AI 基礎設施項目。

這已經不是“賣卡”的生意， 而是全新的商業模式。

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，而是一個需要持續供能的“智能工廠”；

• 每個國家、每家企業，都要開始建自己的“AI 發電廠”。

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｜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，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，而是一次商業模式的轉型：

過去，AI 模型是租來的，電力是用一點算一點； 現在，AI 企業開始自建電廠，擁有自己的發電系統。

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“能不斷產出智能”的長期發電廠。

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，英偉達已經同時在推進三個電廠項目：

• 微軟 Azure，與 OpenAI 聯合使用

• OCI（Oracle、Softbank 聯合建設）

• 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、數據中心層，幫助 OpenAI 從 0 到 1 建立完整的 AI 發電廠。

不是用一次，生成一段；

而是每天思考，反復生成，持續提供智能服務。

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，真正重要的是支撐它持續運行的算力基礎設施。

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

第二節｜AI 推理爆發，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，現在很多 AI 系統，在真正生成答案前，要先思考幾十步，每一步都涉及數據調取和算法調用。

這就像一個人寫作業，不再是背答案， 而是要自己做推理題、畫草圖、反復嘗試。

現在你有三個階段：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、持續運行。

• 過去一個模型處理一條指令，只運行幾秒；

• 現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運行。

黃仁勛舉了個簡單的例子：

現在 OpenAI 的用戶數增長是指數級的，每個用戶的使用頻率和推理時間，也在指數增長。

用戶變多、用得更久、推理變復雜，三重增長疊加，需求規模直接躍升到全新量級。

這也就能解釋：為什么現在要建 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：

是繼續當“芯片賣家”？ 還是成為 AI 推理持續供能的“發電站”？

第三節｜英偉達的轉向：賣的不再是芯片，而是“AI 產能”

黃仁勛說，現在大家都在說 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，是整個行業進入“推理爆發期”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；現在，是供產能。

現在已經不是一家公司小規模采購幾塊 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、網絡、交換芯片……

• 提前一年甚至兩年，把一整條產線都準備好。

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，除非你已經規劃好整條產線。”

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 發電廠的合伙人。換句話說，他們現在賣的，已經不是 GPU，是讓 AI 能動起來的算力產能。

這種模式像什么？

像能源行業。

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

而英偉達現在在做的，就是這個 AI 時代的“電力公司”。

第四節｜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解決方案。

黃仁勛說，現在的競爭，不是硬件跑分比拼， 而是看誰能把芯片、內存、網絡、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揮最大價值。

他拿出了實際數據：

“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，是靠協同設計實現出來的。”

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

什么叫協同設計？

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

具體來看：

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

• 網絡用了專為 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，幫企業管理大規模模型運行調度。

所有這些組合，只為一個目標：讓每一臺機器、每一個瓦特，都能多產出一點智能。

現在英偉達每年要同時做六七款芯片，不是誰做得快、誰發布得早，而是要確保這些芯片能形成完整的產品體系，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：現在最稀缺的，不是芯片，而是電力。

一個客戶的數據中心，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， 而是買你能不能如期交付整廠、能不能支撐大規模運算、能不能穩定運行 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；

• 誰的工廠單位產出更高，能用更少資源產出更多推理結果；

• 能穩定地、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、網絡、云計算中心一樣。

過去是數據主權，現在是智能主權。

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. 企業用 AI，要依賴別人提供的算力服務；

3. 數據留在本地，但智能的生成、分發、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。現在歐洲、中東、以色列、沙特、阿聯酋，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：

• 工程能力強、執行速度快

• 對資源調配極有經驗

• 擁有自給自足的產業鏈結構

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、數據、推理資源本地統一。

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。”

換句話說，關鍵不是擁有多少 GPU，而是要有產能調度能力，能夠運行自己的智能任務，讓國內的企業、機構、醫院、法院、學校，都能連上自己的 AI 發電廠。

這已經不再是技術之爭，而是誰先把 AI 工廠通電投產。

結語｜下一場 AI 戰爭，不打參數，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 工廠能產出多少智能。

能不能建出來？建完能產出多少價值？這才是核心競爭力。

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

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

全球大模型的競賽，正在從發布會，走向“工業建設”主戰場。

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能，比誰能讓每度電產生更多有效智能。

黃仁勛已經開始在算這筆賬。

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/網絡新聞，

排版：Atlas

編輯：深思

主編：圖靈