总结 — 黄仁勋投资者交流会（2026年9月10日）
看看得了：
为什么关于2030年达到3-4万亿美元基础设施规模的预测是正确的。 黄仁勋将AI定义为继电力（驱动万物）和互联网（检索万物）之后的第三大基础设施层：现在人们想要“询问一切，知晓一切”，这需要的生成式计算而非基于检索的计算——本质上是每个用户专属的推荐引擎，由提示词和上下文驱动，而非依赖存储的偏好。两股叠加的力量使得这需要庞大的算力建设：（1）一个拥有全新应用的全新计算层；（2）摩尔定律的终结，这迫使英伟达走向极致的软硬件协同设计（从CoWoS芯片融合，到NVLink的横向扩展），这意味着更多的晶体管 = 更多的芯片。在失去摩尔定律带来的成本下降红利，且数千亿个具备迭代推理能力的智能体将取代约10亿人类工具使用者的背景下，半导体产业的结构性规模将变得庞大得多。
应用场景 / 投资回报率。 “万物皆可编程”——将流程、供应链、业务工作流进行代码化。编程是最容易实现AI的领域，因为对错答案是可验证的。编程的衍生应用是调试，而调试的衍生应用是网络安全，他称这很可能是下一个主要的AI应用场景，并将持续运行。他提到了以下合作伙伴：CrowdStrike（在开放的Nemotron模型上运行红蓝对抗智能体集群）、思科 + Palantir（思科销售包含Palantir上层应用的完整英伟达AI工厂平台，并将其推向各国/企业）。他指出，当前网络安全领域的部分炒作，实际上是为产品发布提前创造的需求。
“全球唯一兼具成长与价值的股票” — 三大增长向量：资本开支（Capex）的总潜在市场（SAM）正在上升。 英伟达常被误解为一家单纯的芯片公司；如今一个“GPU”实际上是一个重达两吨、包含200万个零部件、通过NVLink连接的机架，造价约850万美元。随着英伟达在AI工厂中占据更多份额，单GPU系统的内容价值从约1.8万美元（Hopper架构）上升到约2.5万美元（Blackwell架构），再到约4万美元（Rubin架构）。Grace-Blackwell NVL72机架的出货量正以每月约27%的速度增长。运行所有模型。 前沿实验室的数量比以往任何时候都多；英伟达目前运行着Gemini、Grok、Meta的模型，并且是唯一一家同时受益于快速增长的开源模型和闭源模型的公司。其对Anthropic的持股也已迅速增加。覆盖整个市场，而不仅仅是云服务提供商（CSPs）。 企业客户（如Jane Street、Hudson River等量化基金；礼来、默克等用于“实验室在环”的制药公司）、区域/主权云，以及新兴云（Neoclouds，如CoreWeave，加上一批即将IPO的新兴企业——Nscale、Lambda、Fermi——它们拥有数千亿美元的积压订单），这些新兴云掌握了云巨头们已经耗尽的土地、电力和机房资源。
供应限制。 上游的各个环节都非常紧张——包括CoWoS先进封装、HBM、LPDDR、DRAM、连接器、稳压器和晶圆。但他认为下游（土地/电力/机房）才是英伟达真正的优势所在：英伟达通过新兴云、OEM、CSP和AI原生企业的报告，追踪全球每一吉瓦的电力资源，并且已经“锁定了大量资源”。市场渠道的多样性（CSP、戴尔/超微/联想/HPE/思科等OEM、新兴云、主权云）至关重要，因为通用计算能提供可替代性、耐用性、可租赁性，以及——在当下尤为关键的——可投资性。他重申了对明年约70%的同比营收增长的信心，并表示还有进一步提升的空间（不受限制的需求超过100%）。他提到了当天宣布的澳大利亚计划，目标是在2027年达到约2吉瓦的规模。
算力作为可投资资产 / 资金循环。 过去六个月，风险投资向AI原生企业投入了约4000亿美元；一家AI原生企业大约会将筹集资金的三分之二用于算力，现在已经没有低资本开支的软件公司了。单位经济效益：一个1吉瓦的数据中心成本约600亿美元（六年期间每年约100亿美元），而租金收入约为每年500亿美元；10年前的Volta架构和所有的Ampere架构芯片目前仍在被租赁。他希望英伟达的算力被公认为耐用的、可作为资产抵押的担保品——这是近期5000亿美元平台背后的“核心理念”，他希望其中大部分资金是资产支持型的。关于资金循环：英伟达投入“1份资金能收回100份”；它是一个消息灵通的投资者，将订单管线（超过1000亿美元的合同采购量）带给新兴云，仅提供一小部分融资，并刻意建立一个区域性的新兴云分销枢纽网络，因为AI的发展将是区域化的。这将英伟达定位为AI产业中相当于台积电（TSMC）的基础平台。
物理AI。 第一个杀手级应用是自动驾驶——具备推理能力的汽车（Alpamayo，“全球首款推理汽车”），而非依靠暴力堆砌行驶里程；他提到了Waymo、特斯拉、梅赛德斯等更多合作伙伴，并在过去2-3年取得了巨大进展。衍生应用：自主移动机器人（AMRs）/仓储机器人（与亚马逊的新合作）。操作机器人目前仍处于预编程阶段，这限制了它们只能服务于大型汽车制造商；而基于推理的操作机器人应用于中型企业（Mittelstand）供应商，还需要几年的时间。与诺基亚合作的6G/AI-RAN是通过无线电感知实现的物理AI（分布式边缘数据中心）。全面普及大约还需要5年，但无论如何英伟达都会赢，因为所有这些模型都必须在其GPU上进行训练（例如特斯拉的Dojo）。