AI算力还会增长多久？黄仁勋在股东大会上给出答案

21世纪经济报道记者 倪雨晴

6月25日，在英伟达2026年股东大会上，英伟达创始人兼CEO黄仁勋对AI产业进行系统性阐释。

他的核心判断很清晰：AI不是一轮短期技术热潮，而是计算产业的一次深层变革。过去，数据中心主要承担存储、检索和传输信息的功能；现在，随着AI Agent开始使用工具、调用记忆、编写代码并持续完成任务，数据中心正在变成生产数字智能的“AI工厂”。

围绕这一判断，黄仁勋试图回答资本市场最关心的问题：AI基础设施投入是否可持续？英伟达的高增长能否延续？

在他看来，有用的AI已经到来，token正在变成可计价、可盈利的生产单位，AI基础设施建设也将像电网、交通和互联网一样，进入以“数十年”计的长周期。

这也是英伟达当前叙事的关键，它不再只是强调GPU需求旺盛，而是试图证明，算力正在从成本中心变成收入来源。股东大会上，黄仁勋围绕AI工厂、推理、Vera Rubin、CUDA生态、物理AI以及资本回报，给出了英伟达面向下一阶段的答案。

黄仁勋多次强调，英伟达不只是GPU公司，而是在为AI时代建设新的计算基础设施。与之对应的是，在最新的财报中，英伟达已经对业务板块重新划分，只聚焦数据中心和边缘计算。

今年，黄仁勋还提出“AI蛋糕”理论：AI不只是一个模型，而是一条新产业链，能源、芯片与系统、基础设施、模型和应用共同构成一块“五层蛋糕”。

随着推理需求爆发，英伟达要证明的是，AI基础设施不再是实验性投入，而是已经进入生产阶段；算力不再只是成本，而正在变成收入本身。

以下是股东大会上黄仁勋的发言和问答要点（经记者梳理、编辑）：

一、AI不是模型，而是计算范式变革

黄仁勋在股东大会上首先把AI放在更大的计算产业周期中观察。

他表示，计算机产业每10到15年就会经历一次变革，从大型机到PC，从互联网到云，再到移动云。但这一次变革更大。过去60年，人类编写软件，计算机执行指令；如今，AI让计算机能够理解、推理、规划、使用工具，并完成有用的工作。

这意味着，计算机不再只是工具，而是能够使用工具的助手。由此延伸，数据中心也不再只是“工具棚”，而是生产数字智能的AI工厂。

这是黄仁勋这次发言最核心的逻辑起点。英伟达试图把自身业务从GPU销售提升到新型计算基础设施建设层面。在传统IT时代，数据中心的价值主要来自存储、调用和分发信息；在AI时代，数据中心的价值则来自持续生产智能结果。

这个变化，也解释了为什么英伟达反复强调“AI工厂”。因为只要AI可以完成有用工作，算力就不再只是成本中心，而有可能变成收入中心。

黄仁勋直言：“有用的AI已经到来，并且是盈利的。”他进一步表示，当AI可以做有用的工作，token就会变得有价值；当token能够盈利，对计算的需求就会加速。

英伟达不是只在回答“GPU为什么卖得好”，而是在回答“为什么AI算力需求还会长期增长”。

二、token成为AI时代的新商业单位

过去两年，AI行业经常谈参数、算力、训练集群、GPU数量。但在这次股东大会上，黄仁勋更强调token。

在大模型应用中，token是模型处理和生成内容的基本单位。对于ChatGPT、Claude、Copilot等AI服务而言，token既对应计算消耗，也对应用户调用量和商业收入。AI应用越广泛，Agent执行任务越复杂，token消耗就越高。

黄仁勋在股东大会上将这一逻辑进一步产业化。他表示，传统数据中心存储和服务文件，AI工厂则制造token；token会变成代码、答案、设计、行动和服务。他甚至称，“每个token都是利润单位”。

这背后是英伟达对AI投资回报率问题的回应。

过去一段时间，资本市场不断追问：科技巨头在AI基础设施上的巨额投入，能否真正转化为收入？企业部署AI之后，是否能够带来效率提升、成本下降或新增收入？

黄仁勋给出的判断是，软件编码已经成为AI在企业中的第一个重大突破场景。Agentic AI可以使用工具、访问记忆、编写代码、调用其他Agent、测试结果，并持续工作直到任务完成。这意味着AI不再只是回答问题，而是开始进入工作流。

这套论述把AI商业化的逻辑落到了更具体的层面：只要AI能够参与真实生产，token就不是抽象技术指标，而是可以计价、可以优化、可以提升利润率的商业单位。

三、推理时代，Blackwell要守住主战场

训练曾经是AI芯片竞争的核心。谁拥有更多GPU，谁就能训练更大模型，站上前沿能力的高地。

但随着AI应用进入商业化阶段，推理正在成为新的主战场。

黄仁勋在问答中明确表示：“推理正在让AI实现货币化。”原因在于，推理是模型真正服务用户、生成结果、产生收入的过程。企业为AI服务付费，用户调用AI应用，Agent自动执行任务，最终都要回到推理算力上。

在推理时代，竞争指标也在变化。行业不再只看单颗芯片的峰值算力，而是看单位功耗下能生成多少token，每个token成本有多低，延迟能否满足交互需求，系统能否稳定支撑大规模用户调用。

黄仁勋强调，数据中心受到电力限制，因此token吞吐量和收入潜力，取决于AI基础设施的性能功耗比。他称，Blackwell已经在推理方面建立领先地位，能够提供更低的token成本和更高的token吞吐量。

这也是英伟达要守住的关键战场。

一方面，训练仍然需要强大的GPU集群，英伟达在前沿模型训练中仍有明显优势。另一方面，推理市场规模更大，也更贴近应用场景。一旦模型调用进入日常业务流程，推理成本就会直接影响AI服务的毛利率。

四、Vera Rubin不是一颗芯片，是AI工厂平台

在产品路线中，黄仁勋重点强调了Vera Rubin。

他的表述很明确：Hopper是为预训练而生，Blackwell把推理带到机架级规模，而Vera Rubin是为Agent而生。

这句话说明，英伟达正在根据AI应用形态变化调整产品叙事。过去的大模型主要是一次输入、一次输出；而Agentic AI不是简单问答，它需要思考、调用工具、访问数据库、检索记忆、执行代码、调用应用，并不断循环直到完成任务。

这会改变AI数据中心内部的计算结构。GPU负责大模型推理和思考，但CPU也必须跟上。如果CPU成为瓶颈，GPU就会闲置。而在AI工厂中，闲置GPU意味着收入损失。

因此，黄仁勋强调Vera的重要性。他表示，Vera是面向Agent的CPU，Rubin是用于思考的GPU。结合起来，Vera Rubin不是一颗芯片，而是一个AI工厂平台。他还表示，Vera Rubin已经进入全面生产，主要模型开发商、公共云、AI云和超大规模客户都在准备基于这一平台进行建设。

这背后反映出英伟达的战略变化，它不满足于做GPU供应商，而是要把CPU、GPU、网络、DPU、存储、安全和软件整合为完整AI工厂方案。

五、CUDA和全栈生态仍是英伟达护城河

在股东大会上，黄仁勋也再次强调CUDA的重要性。

他说，CUDA是英伟达历史上最重要的投资之一。过去20年，英伟达始终围绕同一套加速计算架构投入。装机基础吸引开发者，开发者创造应用，应用带来新市场，新市场又扩大装机基础，这个飞轮正在加速。

这也是英伟达面对竞争时最核心的底气。

当前AI芯片市场正在出现更多参与者。云厂商在做自研芯片，模型公司在做定制ASIC，传统芯片公司也在重回数据中心。但AI芯片竞争并不只是硬件性能竞争，软件生态和开发者迁移成本往往决定一套架构能否真正规模化落地。

英伟达的优势在于，它不仅有GPU，还有CUDA、CUDA-X、网络、系统、开放模型、企业软件和行业库。黄仁勋称，CUDA-X库覆盖计算光刻、优化、基因组学、物理、数据处理、机器人、AI、无线网络等领域，如今这些库正在成为Agent可调用的工具。

这句话很值得关注。过去，CUDA-X主要服务开发者和行业应用。现在，英伟达希望把这些库变成AI Agent可以直接使用的能力。也就是说，Agent不仅调用外部软件，还可以调用英伟达生态中的专业工具，进一步强化平台能力。

这也是为什么英伟达反复强调自己“垂直整合，同时水平开放”。垂直整合，是为了端到端优化系统性能；水平开放，是为了让整个产业都能在其平台上开发应用。

在AI芯片竞争加剧的背景下，这种全栈生态是英伟达最重要的防线。

六、物理AI将成为下一波增长

除了数据中心和Agentic AI，黄仁勋还把物理AI定义为英伟达下一波增长赛道。

他表示，物理AI是现实世界中的Agentic AI。机器人、汽车和工厂将能够感知、推理、规划，并在动态环境中行动。

这套布局并不只是自动驾驶或机器人芯片，而是一整套闭环：AI工厂训练模型，Omniverse在虚拟世界中进行仿真，Jetson计算机在机器人端运行，Cosmos世界基础模型提供能力支撑。

从英伟达的视角看，物理AI是AI从数字世界进入物理世界的关键阶段。过去，AI主要处理文本、图像、代码和数据。未来，AI将进入汽车、工业产线、仓储物流、手术机器人、服务机器人等更复杂场景。

这也意味着，AI基础设施的需求不会只停留在云端。黄仁勋在问答中也表示，AI基础设施建设将从今天的云，延伸到企业、主权国家、区域AI云，并进一步进入robotaxi、人形机器人和工业系统。物理AI仍处于早期，但会带来新一轮基础设施投资。

这为英伟达打开了新的空间。它要覆盖的不只是AI模型公司和云厂商，还包括制造业、汽车、医疗、能源、工业软件和机器人产业链。

七、资本回报提升，但核心仍是投入AI基础设施

在资本回报方面，黄仁勋表示，英伟达拥有高增长、高利润率、强自由现金流和不断提升的资本回报能力。公司此前宣布大幅提高季度股息，并新增800亿美元股票回购授权。

他还表示，英伟达计划今年、明年以及以后，将50%或以上的自由现金流返还给股东，并随着时间推移提高回购和分红水平。

这对股东而言是直接利好。但从更长周期看，英伟达的核心策略仍然是继续加大研发和生态投入。黄仁勋表示，随着公司成长，英伟达将继续扩大研发、投资生态系统，并向股东返还资本。

整体来看，黄仁勋再次试图定义AI产业的下一阶段：AI基础设施不是短期资本开支，而是长期工业基础设施。

这套叙事能否持续兑现，取决于AI应用能否真正创造可衡量的经济价值。但至少在黄仁勋看来，答案是明确的。