21世纪经济报道记者 倪雨晴
6月25日, 于英伟达2026年股东大会之上, 英伟达创始人兼CEO黄仁勋针对AI产业展开系统性阐释。
他所作出的核心判断极为明晰, 即: AI并非是一轮短暂时期内的技术热潮, 而是计算产业得以产生的一次深层次变革。以往的时候, 数据中心主要是承担着用于存储、检索以及传输信息的功能；现如今, 伴随AI Agent开始启用工具、调用记忆、编写代码并且持续地完成任务, 数据中心正逐渐演变成能够生产数字智能的“AI工厂”。
借助这一项判定, 黄仁勋全力尝试去回应被资本市场极度看中的问题: 人工智能基础设施投入究竟可不可以持续下去? 英伟达那种超高的增长趋势能不能继续延续开来?
按他的看法来说, 具有用处的AI现如今己经出现问世了, token正逐步转变成为能够计价、具有盈利条件的生产单元, AI基础设施相关建设也如同电网、交通以及互联网样子, 会迈入以“数十年”作为计算周期长短的长周期阶段。
这同样是英伟达当下所讲述内容里的关键之处, 它并非仅仅着重表明GPU的需求状态处于旺盛情形, 而是尝试去证实一点, 即算力正从作为成本方面存在的中心朝着作为能够获取收入的来源方向转变。在股东大会这个场合当中了呢, 黄仁勋针对AI工厂、推理、Vera Rubin、CUDA生态、物理AI以及资本回报这些方面, 给出了可以适用于英伟达下一阶段发展方向上的答案。
黄仁勋再三表态, 英伟达并非单纯的GPU公司, 而是致力于为AI时代构建崭新的计算基础设施, 与此相应的是, 于最新的财报里, 英伟达已对业务板块进行重新划分, 仅专注于数据中心以及边缘计算。
今年, 黄仁勋提出了“AI蛋糕”理论, 这个理论中提到, AI在其范畴上来说, 并非仅仅只是单单一一个个模模型型, 反过来理解, 而是实际上乃是一条条全新的产业链, 并且, 包含能源、芯片。与和和系系统统、基础设施、模型以及应用, 这些共同一起构成了一一块块“五层蛋糕”。
因为推理需求一下子大量出现, 英伟达所要去证实表明的是, 人工智能基础设施已经不再属于那种实验性质的投入, 而是已然跨入到了生产的阶段；计算能力不再仅仅只是成本这一属性, 而是正逐步转变成为收入其自身。
在股东大会之上, 黄仁勋所作出的发言以及问答的要点之处, 是经过记者进行梳理以及编辑所形成的:
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。
他表明, 计算机产业每隔10到15年便会历经一次变革, 先是从大型机转变为PC, 接着由互联网发展到云, 而后迈向移动云。然而, 这一回变革更为大。过往60年来, 是人类编写软件, 计算机去执行指令；现如今则是, AI使得计算机可以进行理解、推理、也能规划、运用工具, 并且完成有用的工作。
这是在表明, 计算机已不再单纯只是工具, 而是摇身一变成为了能够运用工具的助手, 据此进行延伸, 数据中心同样不再仅仅只是“工具棚”, 而是成长为生产数字智能的AI工厂。
这是黄仁勋此次发言最为关键的逻辑起始点, 英伟达尝试将自身业务从GPU销售提升至新型计算基础设施建设范畴, 在传统IT时期, 数据中心的价值主要源自存储、调用以及分发信息, 在AI时代, 数据中心的价值却是来自持续生成智能成果。
这个出现的改变, 同样说明了为何英伟达再三着重提及“AI工厂”, 鉴于只要AI能够达成有价值的工作, 那么算力就不会仅仅只是成本中心, 反而有变成收入中心的可能性。
黄仁勋直接表明, “已到来的AI是有用的, 而且是盈利的。”他还进一步讲道, AI若能做有用的工作, token就会变得有价值；token一旦能够盈利, 对计算的需求便会加速。
英伟达并非单单在回应“GPU为何卖得不错”, 而是于回应“为何AI算力需求依旧会在长期呈现增长态势”。
二、token成为AI时代的新商业单位
在过去的两年时间当中, AI这个领域频繁地进行参数、算力有关内容的讨论 , 还涉及训练集群以及GPU数量方面。然而, 在这次举行的股东大会上, 黄仁勋着重强调的却是token。
在大模型的应用里头, token做为模型进行处理以及生成内容时分的基本单位。针对于GPT、Claude、Copilot等一系列的AI服务来讲, token既对应着计算所产生的消耗, 同时也对应着用户的调用量以及商业方面的收入。AI应用要是越发广泛, Agent执行任务要是越发复杂, 那么token的消耗也就变得越高。
黄仁勋于股东大会之上, 把这一逻辑予以进一步产业化, 他表明, 传统数据中心是对文件进行存储以及服务的, 而AI工厂却是制造token的, token会转变为代码、答案、设计、行动还有服务, 他甚至宣称, “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。
以往某个时段, 资本市场持续追问, 科技巨头在AI基础设施上进行的巨额投入, 能不能切实转化为收入, 企业部署AI之后, 可不可以带来效率提高、成本降低或者新增收入?
黄仁勋所给出的判断认为, 软件编码已成为AI于企业当中的头一个重大突破场景, 具备Agentic AI能够运用工具、访问记忆、编写代码、调用其他Agent、测试结果, 且其可持续工作一直到最后任务完成, 这表明AI不再仅仅是回答问题, 而是开始步入工作流的范畴。
这套论述将AI商业化的逻辑置于了更为详实的层面, 对于它来说, 只要AI能够投身于真实的生产活动当中了, 那么token就不再是抽象的技术指标之范畴了, 而是转变成了那种可以进行计价的, 能够予以优化的, 还能够使利润率获得有效提升的商业单位了。
三、推理时代，Blackwell要守住主战场
曾经培训是AI芯片角逐最为关键之处, 哪一方具备更多GPU, 那就具有培训越大模型的能力, 立足于前沿能力之中占据高地句号。
但随着AI应用进入商业化阶段，推理正在成为新的主战场。
黄仁勋于问答里清晰表明: “推理正促使AI达成货币化。”缘由在于, 推理属于模型切实服务用户、生发出结果以及产生收入的进程时。企业给AI服务付出费用, 用户调用使用AI应用, Agent自行执行相关任务, 最终均需回归到推理算力之上呐。
于推理时代当中, 竞争指标同样处于变化状态。行业并非仅仅看重单颗芯片的峰值算力, 而是关注单位功耗之下能够生成多少token, 考量每个token的成本究竟有多低, 探究延迟可否满足交互需求, 探讨系统能不能稳定支撑大规模用户进行调用。
强调数据中心电力有限致令牌吞吐量与收入潜力取决于AI基础设施性能功耗比的是黄仁勋 , 宣称Blackwell于推理方面处于领先地位能提供更低令牌成本跟更高令牌吞吐量得他之称。
这也是英伟达要守住的关键战场。
其一, 训练之时依旧少不了强大的GPU集群, 英伟达在前沿模型的训练这件事上面有着显著的优势。其二, 推理的市场规模更为庞大, 并且和应用场景更为贴近。倘若模型调用进入到日常业务流程当中, 那么推理成本就会对AI服务的毛利率产生直接的影响。
四、Vera Rubin不是一颗芯片，是AI工厂平台
在产品路线中开云app官方最新下载地址，黄仁勋重点强调了Vera Rubin。
他所做出的表述, 极为清晰明确: Hopper是专门为了预训练这一目的而产生的, Blackwell将推理引领到了机架级规模的程度，而Vera Rubin却是特地为Agent而造就的。
这话表明, 英伟达正依据AI应用形态的变化来调控产品叙事, 以往的大模型主要是一次输入、一次输出, 然而Agentic AI并非简单的问答, 其需要进行思考, 去调用工具, 访问数据库, 检索记忆, 执行代码, 调用应用, 且持续循环直至任务完成。
这会对AI数据中心内部的计算结构予以改变, GPU承担大模型推理以及思考的任务, 然而CPU也得跟上这一进程，要是CPU变成瓶颈, 那么GPU就会处于闲置状态, 可是在AI工厂之中，闲置的GPU意味着出现了收入损失。
那所以, 黄仁勋着重突出了Vera的重要意义, 他讲道, Vera是针对Agent的CPU, 而Rubin是用于思考的GPU, 二者结合之后, 要特别说明的是, Vera Rubin并非是一颗芯片, 其实是一个AI工厂平台, 此外他又讲述了, Vera Rubin现下已然步入全面生产阶段, 主要模型开发商、公共云、AI云和超大规模客户都正着手基于这一平台去开展建设工作。
这背后体现出英伟达战略方面的改变, 它并非仅仅满足于充当GPU的供应商角色, 而是致力于将CPU、GPU、网络、DPU、存储、安全以及软件整合在一块儿用以形成完整的AI工厂方案。
五、CUDA和全栈生态仍是英伟达护城河
在股东大会上开云app在线入口,开云真人官方下载，黄仁勋也再次强调CUDA的重要性。
说成这般, CUDA属于英伟达历程里最为关键的投资当中一项。过往20年, 英伟达一直围绕同一套进行加速计算的架构来投入。装机的基础对开发者起到招揽作用, 开发者去创造应用, 应用进而带来新的市场, 新的市场又将装机基础予以拓展扩大, 这个如同飞轮一样的模式正在加速运行。
这也是英伟达面对竞争时最核心的底气。
现阶段, AI芯片市场里正有更多从事者浮现。云计算厂商展开自家研发芯片的作为, 模型公司在开展着定制ASIC行径, 传统芯片公司同样再度回归至数据中心。然而, AI芯片参与的并非仅有硬件性能上的竞争活动, 软件环境下的生态以及开发者所需的迁移成本常常决断一套架构能不能实际达成规模化落地。
英伟达所具备的优势体现于, 其既有GPU, 又拥CUDA, 还有CUDA - X, 并有网络, 以及系统, 包含开放模型, 具备企业软件, 拥有行业库。黄仁勋宣称, CUDA - X库涵盖计算光刻领域, 覆盖优化领域, 涉及基因组学领域, 包含物理领域, 涉及数据处理领域, 覆盖机器人领域, 涵盖AI领域, 涉及无线网络等领域, 现今这些库正渐变为Agent能够调用的工具。
很值得对这句话予以关注, 往昔, CUDA - X主要是为开发者以及行业应用而服务的, 当下, 英伟达期望将这些库化作能够被AI Agent径直运用的能力, 换句话讲, Agent不但能够调用外面的软件, 还能够调用来自英伟达生态里的专业工具, 进而在此基础上强化平台的能力。
这同样是以英伟达再三着重表明自身“垂直整合, 并且水平开放”的原因, 垂直整合, 是为了从端到端层面去优化系统性能, 水平开放, 是为了致使整个产业都能够于其平台之上展开应用开发。
在AI芯片竞争呈现出愈发激烈态势的这一背景状况之时, 这样的一种全栈生态情形, 乃是英伟达最为关键重要的防线所在。
六、物理AI将成为下一波增长
黄仁勋将物理AI定义为英伟达下一波增长赛道, 这一情况除了数据中心和Agentic AI之外。
他宣称, 物理AI属于现实世界当中的Agentic AI, 机器人会具备感知能力, 汽车能够进行推理, 工厂可以展开规划然后在动态环境之下采取行动的功能是具备的。
这一套布局并非单单只是针对于自动驾驶或者机器人芯片而言的, 而是呈现出一整套的闭环状态, 存在着这样的情况, 即AI工厂负责训练模型, Omniverse于虚拟世界当中展开仿真工作, Jetson计算机在机器人一端进行运行, 此外, Cosmos世界基础模型给予能力方面的支撑。
从英伟达的角度来看, 物理AI被视为AI从数字领域迈向物理领域的关键时期。以往, AI主要针对文本、图像、代码以及数据开展处理工作。然而, 在未来, AI会深入到汽车、工业生产流水线、仓储物流、手术机器人还有服务机器人等更为复杂的场景当中。
这还蕴含着这样的意思, 对于AI基础设施的需求不会仅仅局限于云端所在境地。黄仁勋在问答环节当中也表明了这样一个情况, AI基础设施的建设将会从当下的云这一范畴, 继续延展到企业这边, 也会拓展到主权国家那儿, 还会深入到区域AI云的领域, 并且会进一步朝着robotaxi、人形机器人以及工业系统的方向迈进。物理AI目前依旧处于早期发展阶段, 然而它会引发一轮新的基础设施投资行为。
这给英伟达开拓了崭新鲜活的空间, 其所涵盖覆盖的并非仅仅局限于AI模型公司以及云厂商, 而且还涉及到制造业, 还有汽车领域, 以及医疗范畴, 能源方面, 工业软件部分, 和包含整个机器人产业链。
七、资本回报提升，但核心仍是投入AI基础设施
在资本回报这块儿，黄仁勋讲, 英伟达有着, 高增长特点开运真人app下载苹果版,开运真人app下载，以及很高的利润率, 还有很强的自由现金流, 并且其资本回报能力还在持续提升。这家公司先前宣告, 要大幅度提高季度股息, 还新增了800亿美元的股票回购授权。
他另外声称, 英伟达打算在今年、明年以及后续时间, 把50%或者超过50%的自由现金流归还给股东, 并且随着时间往前推移以提升回购以及分红的水准。
对于股东来讲, 这属于直接利好。然而, 从更长的周期去看, 英伟达的核心策略依旧是持续加大研发以及生态投入。黄仁勋宣称, 伴随公司的成长, 英伟达会继续扩大研发规模, 投资生态系统, 并且向股东返还资本。
从整体上去看, 黄仁勋再度尝试着去定义AI产业接下来的阶段: 在AI领域, 其所谓基础的设施, 它情形下既不是那种短时期范畴内的资本相关开支, 而是长期角度下堪称工业方面的基础设施。
该套叙事能不能持续实现兑现, 是由AI应用能不能切实创造出能够衡量的经济价值来决定的。不过起码在黄仁勋看上去, 答案是清晰明了的。
还木有评论哦，快来抢沙发吧~