黃仁勳 在 9 月的一次關鍵訪談中，Nvidia 行政總裁黃仁勳首次揭露其千億美元投資 OpenAI 背後的戰略思維，同時闡述了一個遠超華爾街預期的市場願景。這不只是一場技術討論，更是一堂關於如何在 AI 時代重新定義企業價值的商業課。
三條定律重塑競爭格局
深入探討市場機遇前，黃仁勳首先闡述了 AI 發展的新框架——三條擴展定律。第一是預訓練，讓 AI 記住和概括知識；第二是後訓練，像練習般反覆嘗試直至成功，這過程中訓練和推理經已整合；第三是推理，但不再是傳統的「一次性」回答，而是懂得思考、研究、核查事實的智能過程。
這個框架蘊含的商業意義極其深遠。當 OpenAI 擁有 8 億週活躍用戶，tokens 生成速率每幾個月就增倍時，除非計算性能以驚人速度提升，否則成本將持續攀升。這正是黃仁勳堅持年度發佈週期的原因——從 Kepler 到 Hopper 用了 10 年實現 10 萬倍提升，但 Hopper 到 Blackwell 僅用 1 年就實現 30 倍飛躍。這種加速度本身就是競爭優勢的體現。
被低估的市場機遇
當華爾街分析師預測 Nvidia 的增長將在 2027 年趨於停滯時，黃仁勳的回應充滿信心卻又發人深省。他指出全球數兆美元的現有計算基礎設施，正經歷一場根本性遷移——從通用計算轉向 AI 加速計算。這不是簡單的技術升級，而是一場與工業革命相當的範式轉變。
目前 AI 基礎設施的年度市場規模約 4,000 億美元（約港幣 3.12 兆元），但黃仁勳認為未來有望增長至少 10 倍。阿里巴巴行政總裁 Eddie Wu 近期宣佈，未來 10 年將把數據中心的計算能力提高 10 倍，這只是全球趨勢的一個縮影。當電機取代了人類體力勞動，AI 工廠如今正在增強人類智能——這個市場的潛力與全球 GDP 中約 50 兆美元（約港幣 390 兆元）的知識工作相關聯。
黃仁勳提供了一個簡單但有力的計算模型：假設為一位年薪 10 萬美元（約港幣 HK78萬）的員工，配備價值1萬美元（約港幣HK78,000）的 AI 工具，卻能讓其生產力提高 2 至 3 倍。這個投資回報率適用於每一個知識工作者，從軟件工程師到晶片設計師。Nvidia 內部已實現 100% 的 AI 覆蓋率，結果是更快的創新速度、更高的營收和更強的盈利能力。
為何投資 OpenAI 是最明智的決定
黃仁勳對於 Nvidia 參與「星際之門」（Stargate）項目的解釋，揭示了其投資哲學的核心。這個項目規劃建設 10 吉瓦規模的 AI 數據中心，相當於約 4,000 億美元（約港幣 3.12 兆元）的投資。但 Nvidia 與 OpenAI 的合作遠不止於此——還包括加速 Microsoft Azure 的建設、與 Oracle Cloud Infrastructure (OCI) 和 SoftBank 的合作，以及 CoreWeave 項目。這些已簽約的項目總計達數千億美元規模。
Stargate 的獨特之處在於，這是 Nvidia 首次直接協助 OpenAI 自建 AI 基礎設施，從晶片到 AI 工廠的各個層面提供支援。黃仁勳認為 OpenAI 很可能成為下一家兆元級超大規模企業，「是我們所能想像到的最聰明投資之一」。投資與收入完全脫鉤，黃仁勳甚至說唯一的遺憾是「我本該把所有錢都給他們」。Nvidia 同樣投資了 xAI、CoreWeave 等公司，這些投資都被證明「太明智了」。
OpenAI 正在經歷兩個指數級增長的疊加：用戶數量呈指數增長，每次使用所需的計算量也呈指數增長。傳統 AI 推理是「一次性」回答，但新一代推理已演變為「思考」——在回答前進行研究、核查事實並學習。這種範式升級使得推理需求預計將增長 10 億倍。
競爭優勢的本質：系統而非晶片
面對 Google TPU、Amazon Trainium 等 ASIC 晶片的競爭，黃仁勳提出了顛覆性觀點：即使競爭對手的晶片免費，客戶仍會選擇 Nvidia 系統。
核心邏輯在於電力限制。每個超大規模客戶都受限於可用電力，目標是從每瓦電力中獲得最高收益。由於摩爾定律失效，晶體管成本和功耗不再顯著改善，Nvidia 必須在演算法、模型、系統、軟件、網絡、晶片等整個堆疊上同時創新。從 Hopper 到 Blackwell 1 年內實現 30 倍性能提升，如果客戶選擇性能較低的晶片，即使免費，機會成本可能高達 30 倍收入損失——這是任何 CFO 都無法接受的商業決策。
極致協同設計意味著 Nvidia 現在每年製造 6 至 7 塊不同晶片，每一塊都作為系統的一部分協同工作。最近發布的 CPX 晶片專門用於上下文處理和影片生成，未來可能還有專門處理 KV 緩存的 AI 數據處理器。Nvidia 的視角已從單一 GPU 擴展到整個 AI 基礎設施。
這種能力本身也是 AI 賦能的結果。黃仁勳坦言：「沒有 AI，根本不可能構建出我們所構建的東西。」Nvidia 內部實現了 100% 的 AI 覆蓋率，每一位工程師和設計師都有 AI 協同工作，讓公司以更快速度製造更好的晶片。
關於 ASIC 的商業邏輯，黃仁勳提供了深刻的歷史視角。他曾在 LSI Logic 工作——這家最初發明 ASIC 概念的公司現已不復存在。原因在於當市場規模小時，作為承包商收取 50-60% 毛利率可行；但當市場變大，客戶會選擇自己製造，就像 Apple 的手機晶片。Google 的 TPU 成功正因為在市場爆發前就開始佈局——應該在市場增長之前建立，而不是等市場達到數兆美元時才以新進入者身份出現。對於現在才開始設計 ASIC 的公司，挑戰在於進入一個已經龐大且快速變化的市場。
開放生態系統戰略展現了 Nvidia 的另一面。公司發布了 NVLink Fusion 技術與 Intel 等競爭對手整合，並將 Dynamo 分解式 AI 工作負載編排工具開源，因為「未來的 AI 工廠是分解式的」。Nvidia 不要求客戶全部購買或購買整機架。「我唯一的請求就是在我們這裡買點東西。」
供需平衡：為何供過於求不會發生
當市場擔心 AI 基礎設施投資可能導致供過於求時，黃仁勳指出供過於求只有在三個條件全部滿足時才可能發生：所有通用計算都轉換為加速計算、所有推薦引擎都基於 AI、所有內容生成都由 AI 驅動。在此之前，「機會極低」。
目前絕大多數數據處理仍運行在 CPU 上。從 Databricks 到 Snowflake、Oracle 的 SQL 處理，這個龐大市場正準備遷移。整個生態系統都在增長——能源行業正在復興，核能、燃氣輪機等基礎設施公司表現出色，因為 AI 工廠需要龐大電力支援。
對於「循環收入」質疑的回應清晰有力。當媒體質疑 Nvidia 投資 OpenAI 而 OpenAI 又購買 Nvidia 晶片是否構成循環交易時，黃仁勳解釋：10 吉瓦約 4,000 億美元（約港幣 3.12 兆元），這筆資金主要由 OpenAI 的購售協議、股權募集和債務融資支援，是基於收入可信度的正常融資。投資與收入完全脫鉤。
Nvidia 處於供應鏈末端，只響應需求。供應鏈已準備就緒，隨時可增倍產能。真正的限制來自需求方，而目前計算資源處於短缺狀態。近年來華爾街每一項預測都低估了實際需求，這種趨勢還在持續。一個超大規模客戶的 CFO 道破真相：鑒於 Nvidia 晶片帶來的性能提升和電力限制，他們不得不升級。這不是技術選擇，而是商業必然。
與建設者共舞：規模與信任的力量
黃仁勳特別提到了 Elon Musk 的 Colossus 項目，稱讚其為「終極 GPU」——不是指技術，而是指整合能力。Musk 的優勢在於所有系統的相互依賴關係都在一個人腦中協調運作。「當願望被技能實現時，難以置信的事情就會發生。」黃仁勳甚至預測，「如果他比別人更早達到吉瓦級，我不會感到驚訝。」
但建設 AI 超級計算機是「無可置疑的人類有史以來最複雜的系統問題」。這也是為什麼規模和信任成為決定性因素。黃仁勳提出發人深省的問題：「誰會為一款剛剛流片的晶片下達 500 億美元（約港幣 3,900 億元）訂單，並啟動價值 500 億美元（約港幣 3,900 億元）的晶圓生產？」
對於 Nvidia，答案是肯定的。因為架構經過充分驗證，客戶規模和供應鏈規模都令人難以置信。供應商願意為 Nvidia 預先投入數千億美元，因為他們相信 Nvidia 能夠交付。這種信任本身就是護城河。
**競爭比以往任何時候都更多，但也更困難。**晶圓成本在上升，除非在極大規模上進行協同設計，否則無法實現「X 因子」級別的增長。當客戶部署 1 吉瓦（40-50 萬塊 GPU）時，讓 50 萬塊 GPU 協同工作是一種奇跡。現在 Nvidia 每年處理 6 至 7 顆晶片，這不是在製造 ASIC，這是在建立 AI 工廠。
超越共識的願景
當被問及 5 年後的營收是否可能比 2025 年大 2 至 3 倍時，黃仁勳的回答既謙遜又充滿信心：「這是我們的機遇，機遇遠遠大於共識。」
這不是狂妄，而是基於對根本性變化的洞察。通用計算的終結、AI 基礎設施的興起、人類智能的增強——這些不是漸進式改善，而是範式轉變。黃仁勳提供了清晰的思考框架：第一，通用計算向加速計算遷移價值數兆美元；第二，超大規模計算從 CPU 轉向 GPU 又是數千億美元；第三，AI 增強全球 50 兆美元（約港幣 390 兆元）知識工作的潛力。
正如黃仁勳所言：「Meta 可能會超支 100 億美元（約港幣 780 億元）或更多，但這無關緊要。這對業務的未來至關重要。」在這場工業革命中，真正的風險不是投資過度，而是投資不足。那些將 AI 視為成本的企業，終將被那些將 AI 視為競爭優勢的企業超越。
這場訪談揭示的不只 Nvidia 的戰略，更是整個商業世界正在經歷的根本性重構。當 tokens 取代程式碼、AI 工廠取代傳統數據中心，我們正站在新時代的起點。而對於那些能夠看清這一趨勢並果斷行動的領導者來說，機遇遠遠大於共識所能想像的範圍。
