黄仁勋的极简AI经济学

黄仁勋的极简AI经济学：应用层的蛋糕是20万亿美金（100万亿人民币也不止）

刚刷到Sequoia Capital的播客节目Training Data上线了一期和黄仁勋的对话。主持人是Sequoia合伙人Konstantine Buhler。老黄的演讲已经很多了，不过这期比较有特色是用了一个比较短的篇幅，讲了一下AI的经济价值框架，所以就当是老黄的极简AI经济学吧。众所周知，黄仁勋把AI分成5层蛋糕，现在大家注意力主要在算力层和模型层。但是他说，AI应用层的价值差不多能达到20万亿美金，那就是140万亿人民币，差不多中国一年的GDP吧。

一、计算范式60年来最大的转变：从检索到生成

1、数据中心的名字泄露了秘密

黄仁勋从一个语言学观察切入：我们管这些建筑叫"数据中心"，不叫"计算中心"。这个命名精准反映了过去60年计算的本质。IBM在1964年发布System/360，定义了现代计算机的基本形态。从那以后的几十年里，计算的核心动作是"存"和"取"：写文档存成文件，拍照片存成文件，录视频存成文件，要用的时候从硬盘上取回来。

你在手机上点一下，背后发生的事情就是从某个服务器上检索一段数据，再通过推荐系统决定呈现方式。整个互联网的底层范式，本质上是检索。

2、AI让每一次输出都是原创

AI的工作方式完全不同。每次你给它一个提示，它会理解你的上下文、推理、然后生成一个全新的输出。黄仁勋在现场做了一个即兴演示：他说自己此刻面对60个国家的投资者所做的讲解，就是一次实时生成。他判断了听众的背景、知识水平和需求，实时组织语言，每一句话都是原创的。AI做的事情和这个过程一模一样。

这意味着：未来你看到的每一个像素、听到的每一段声音、读到的每一篇报道，都将是为你实时生成的，而不是从某个数据库里取出来的。你和你旁边的人看到的内容会完全不同，因为你们的上下文、身份、提问方式都不同。

（所以，每一次数据产生，也是一次计算过程，同学们，我觉得这才是重点）

3、从理解到行动：AI从有趣到有用

黄仁勋把AI的进化切成两个阶段。ChatGPT刚出来的时候，AI能理解输入、能生成文本和图像，能做各种模态之间的转换，文本到文本、文本到图像、图像到文本。这些能力有趣，但实用价值有限。"想写首乡村歌曲的时候挺好用的。"

关键转折发生在"生成"这个词背后。生成能力是思维的前提条件，因为思考就是生成内部文字。一旦能生成思维，就能推理、能规划、能分步解决问题。再进一步，能生成控制指令，就能使用工具：浏览器、表格软件、Photoshop、AutoCAD。今天这些工具是数字化的，明天如果控制对象是机械系统，那就是机器人；如果是带方向盘的机器，那就是自动驾驶。

到了agentic AI阶段，AI能独立完成工作，一个智能体能和另一个智能体协作分工。"我们公司现在大概有几十万个智能体在同时运行，互相对话，解决问题。全部在安全护栏和沙箱里。"黄仁勋说。

这两个阶段之间的价值落差，黄仁勋用一句话点透："我们都喜欢什么都懂的朋友，但我们不会付钱给他们。我们付钱给干活的人。"因为能做有用的工作，AI变得有经济价值。"我们现在按小时给AI付费，20美元、30美元一小时。这是人类历史上增长最快的软件业务。"

二、AI工厂：智能时代的发电机

黄仁勋在这里做了一个跨越160年的类比。

1、两台机器，相隔160年

1866年，德国西门子发明了dynamo，也就是自激式发电机。任何形式的运动能量输入，瀑布、风、蒸汽，经过这台机器，输出的是电子。原子变成了电子。

NVIDIA造的机器做的事情在结构上完全一样。电子进入NVIDIA的机器，出来的是数字。这些数字根据组合方式不同，可以变成语言、数学、蛋白质结构、物理定律、气候模型、3D世界的描述、机器人控制信号。两台机器，一台把原子变成电子，一台把电子变成token。"这些token就是智能。这就是我们干的事。"

2、一个机架的参数

NVIDIA的基本生产单元叫rack，一个标准机架装72颗GPU芯片，重2吨，售价400万美元，包含150万个零件。黄仁勋说这是"全世界最贵的设备"，但NVIDIA像生产手机一样大批量制造它们，今年预计出货约800万颗芯片，发往全球各地的数据中心。

3、一座AI工厂的经济学

按功率计算，一座吉瓦级AI工厂对应大约500亿美元的建设投入。但同一座工厂能产出3000亿到4000亿美元的智能价值。黄仁勋强调，这个投资回报率的速度极快，这也是资本持续涌入的根本原因。

4、三层"茧"包裹地球

黄仁勋把三次基础设施革命比作蚕茧，用cocoon这个意象串联起来。电力发明后，发电和输电网络像一层茧一样包裹了地球，我们称之为电网。30多年前商业互联网兴起，通信网络又给地球包了一层。现在，智能生成网络正在形成第三层。

这层智能网络的规模会远超前两层。今天AI服务约10亿人类用户，但一旦agentic AI成熟，网络上的主体将从人类扩展到智能体。自动驾驶汽车、机器人、制造系统、建筑管理系统，全都是独立的智能体，它们7×24小时运行，互相通信，每一次通信的内容都是实时生成的。黄仁勋预估，这个网络最终可能承载上千亿个智能体。

三、AI投资的五层蛋糕

黄仁勋把AI产业拆成五层，从底到顶。

1、第一层：能源

一切的基础。AI工厂是极度耗能的设施，一座吉瓦级工厂的电力需求相当于一座中等城市。黄仁勋说这是"几代人以来能源产业最大的增长机会"，可能是100年来各国能源基础设施第一次获得大规模投资的窗口。无论是核能、风能、太阳能还是氢能，只要能产出电力，都会获得资金。受益方包括西门子、三菱、GE Vernova这类企业。

2、第二层：芯片和计算

GPU、CPU、网络交换机、硅光子互连，所有构成计算基础设施的硬件。这一层是NVIDIA的主战场。

3、第三层：基础设施

土地、电力接入、建筑外壳、资金、数据中心运营。黄仁勋特别提到，这些资源"每一项今天都处于稀缺状态"。这一层解决的不是技术问题，是工程和资源配置问题，但同样是巨大的投资机会。

4、第四层：模型

大多数人以为这就是AI的全部。OpenAI、Anthropic是这一层最知名的公司。但黄仁勋着重强调了一个容易被忽略的事实：AI能学会任何有结构的东西的"语言"。

他用一个生动的细节说明什么是"有结构"：他走进会场时，毫不犹豫地坐下去了。不是因为他勇敢，而是因为物理世界是可预测的，椅子100%会承住他的重量，不会像量子态那样有53%的概率穿过去。只要事物是可预测的、有规律的，AI就能学习它的结构并理解其含义。

所以AI学会的远不只是英语和德语。它在学习蛋白质的语言、基因的语言、细胞行为的语言、物理世界的语言、3D空间的语言。对计算机来说，处理一个细胞和处理一个词没有本质区别，都是token。这一层的真正规模不在聊天机器人，而在覆盖全部物理世界的80万亿美元产业。

5、第五层：应用

这是离终端用户最近的一层。金融、法律、会计、运输、物流、医疗、零售、广告、娱乐，所有改善人类生活的具体应用都在这里。2025年，这一层吸引了1000亿美元的风险投资，是人类历史上单年VC投资额最高的一年。

黄仁勋给了一个整体估算：2026年，全球市场将向这五层蛋糕投入约1万亿美元。但他认为这只是起步。AI产业最终可能达到每年20万亿美元的规模。"问你自己一个问题：智能有多重要？谁需要它？你想要多少？"

四、工作的本质是目的，任务会变但工作不会消失

黄仁勋聊到工作话题时情绪明显升高，他说自己有一个"trigger"，就是"一群人在编造关于工作的东西"。他先亮出一个事实：今年全球市场往AI生态投入1万亿美元，这些钱去了哪里？创造工作。能源层，工作比以往更多。芯片层，工作比以往更多。基础设施层，工作比以往更多。模型层，工作比以往更多。应用层去年涌入1000亿美元VC，工作比以往更多。五层全在招人。

1、放射科的反转故事（这个故事大家已经听了很多次了，应该不介意再听一次）

大约10年前的2016年，Geoffrey Hinton公开警告：AI将彻底消灭放射科，他建议所有人不要再进入这个领域。逻辑链看上去无懈可击：计算机视觉已经达到超人类水平，能识别图像、检测异常，永远不会疲劳，永远不会漏掉细节。

结果呢？计算机视觉确实渗透了放射科的每一个环节，每个放射科医生今天都在使用AI辅助。但放射科的人才需求不降反升，从业人数增长了。原因不复杂：放射科医生的工作目的是和临床医生一起诊断疾病，看片子只是其中一个任务。AI让他们效率更高，医院因此能接诊更多患者、做更多扫描、赚更多钱，于是雇了更多放射科医生来接诊更多患者。

黄仁勋说。这个预言被广泛传播后，愿意进入放射科的人减少了。但实际上放射科比以往任何时候都更需要人。

2、软件工程师的同理

"You may or may not lose a job to an AI, but you will absolutely lose a job to someone who uses AI." 你也许不会被AI抢走工作，但一定会被用AI的人抢走工作。

最近有人说90%的编码工作会消失，所以不再需要软件工程师。黄仁勋直接反驳：我从来没有雇一个人然后对他说"来，给我看看你一秒钟能打多少字。"打字不是软件工程师的工作，写代码也不是。解决问题才是。"Coding is not their job. Solving problems is their job." 写代码不是他们的工作，解决问题才是。

有代码之前就有工程师，有AI之后也会有工程师。有工作站之前就有放射科医生，有AI之后也会有。

3、任务和目的的区别

黄仁勋拿自己举例：CEO的工作是领导公司，但他大部分时间的任务是打字和说话。AI在打字和说话上都已经超越人类了，他却比以往任何时候都忙。英文里job和task的区别说明了这个问题：job是你的工作本身，task是工作中的具体任务，两者相关但不相同。

有了AI，水管工可以从按图施工变成厨房设计师。木匠可以从拼装木头变成家居设计师。家具销售员可以从推销产品变成室内设计顾问。AI提升的是人的能力层级，让每个人都能做原来需要更高技能才能做的事。

黄仁勋说：你所在的国家没在投资AI，你错过的不只是技术红利，是整整一波就业繁荣。如果你的公司没在投资AI，你错过的是让员工能力升级的机会。

4、对AI末日论的（再一次）驳斥

对AI恐惧叙事。他逐条反驳：

说AI是终结者？说什么"奇点"？说"这东西有20%的概率毁灭人类"？"这些说法完全是胡说八道。"说我们不知道AI怎么运作、它太神秘了？"如果你不知道它怎么工作，你怎么每年都让它变得更好？说'我完全不知道它怎么工作但我知道怎么让它更好'，这本身就是胡说八道。"

关于安全性，他给了一个对比：今天的AI和两年前的ChatGPT比，幻觉几乎降到了零。它不确定答案时会先做搜索研究，搜索到答案后会自我质疑，生成两三个候选答案互相验证，反思之后才输出最终结果。"我可以完全基于事实告诉你：我更喜欢今天的车而不是100年前的车。技术更先进了，同时也更安全了。"

他把责任分成两份：科技行业的责任是把AI造安全，这个工作正在做，投入巨大，进展肉眼可见。普通人的责任是让自己身边的人用起来，无论是家人、孩子、公司还是国家。"我们不会因为AI丢命，但会因为别人用了AI而被甩开。"

5、40年技术鸿沟终于被合上了

黄仁勋说自己花了40多年做芯片设计，这40年里技术变得越来越复杂，能编程的人占总人口的比例一直在下降。

他现场做了个调查："在座谁会C++？"大约2%的人举手，而且那一排全是创业公司的人。"这已经是一个很不正常的房间了。" 然后他问："谁会人类语言？" 所有人都举手了。

现在每个人都能用自然语言编程，过去只有2%的人能做到的事情，今天人人都能做。技术鸿沟被合上了。"我们必须带上所有人。"