旧金山的高盛年度科技峰会上，英伟达掌舵人黄仁勋与高盛半导体分析师Jim Schneider进行了一场深度对话。在这场对话中，黄仁勋详细阐述了推动AI基础设施市场快速扩张的核心逻辑。同时，他也直言不讳地回应了业界对英伟达所谓「循环融资」的种种猜测。他再次重申，英伟达明年有望实现营收增长70%的目标，并预言网络安全领域和物理AI应用将成为公司的下一片蓝海。
AI基础设施何以高速增长？黄仁勋揭露两大驱动力
黄仁勋的预测是：到2030年，全球AI基础设施投资规模将在3万亿至4万亿美元之间。这个数字为何如此庞大？他指出了两股行业变革浪潮的叠加共振：一是计算范式从查询式向生成式的根本跃进；二是摩尔定律时代的真正落幕。
在过去整个六十年的发展历程中，计算机系统一直运行在「预录播放模式」。用户在手机屏幕上轻轻一点，系统便从存储库中调取相应信息，推荐引擎再按照历史偏好为你筛选。但生成式AI彻底颠覆了这个逻辑——它要求系统不仅要「搜索无所不有」，更要「理解无所不知」。这种新的计算需求意味着答案必须根据实时上下文和用户提示动态产生。由此，一整套全新的、源源不断地产生智能回答的计算基础设施必须横空出世。
技术迭代的天花板已经来临。那个「每隔两年晶体管尺寸缩小一倍」的黄金时代正式谢幕，未来的性能提升再也不能单纯靠工艺制程的微缩来实现。面对这个挑战，英伟达采取了「极限协同设计」的应对方案：通过CoWoS将多个芯片紧密耦合，借助NVLink技术实现芯片群的纵向扩展能力。黄仁勋对此的评价非常绝对：「没有NVLink，没有真正强悍的纵向扩展能力，你就会陷入绝望。因为摩尔定律已经变成了你最凶悍的敌人。」
这两股力量碰撞产生的结果清晰可见：需求端呈现爆炸式增长（使用场景从十亿级人工用户扩大到数千亿级AI代理的迭代运转），与此同时，成本端的通货紧缩红利已经枯竭。这一增一缩的双向夹击必然推动整个半导体产业走向更大的体量和更深的经济价值。
收入增速70%：瓶颈在产能而非市场需求
两周前的财报发布会上，英伟达宣布了一个雄心勃勃的目标：2027年营收增速可达70%。按照当前财年约4000亿美元的收入基数推算，明年的营收规模将接近6800亿美元。
黄仁勋在此次高盛论坛上重新强调了这一承诺：「70%的增长我们能做到，我们对此充满信心。」但他随即补充了一个关键细节——这个70%的数字，反映的是英伟达当前的产能天花板而非市场需求的实际上限。一旦供应端的约束被突破，增速的想象空间远比70%更大。
「我们还有整整一年的时间来想办法突破。」黄仁勋半开玩笑地说，「每天工作、想尽办法、争取更多产能是我们的日常。」他还不忘加上一句自嘲：为了搞好供应链伙伴关系，他甘愿「多吃韩式炸鸡」、多赴各种商务饭局。
英伟达如台积电：成为AI生态的基础设施之柱
黄仁勋在对比中强调，英伟达与台积电在各自生态中扮演的核心角色何其相似。在芯片设计的世界里，任何一家企业都可以依附于台积电的产能基础上茁壮成长；在AI时代，任何一家实验室、任何一家创业公司，都可以搭建在英伟达的计算平台之上。英伟达的价值不仅体现在技术领先性，更体现在难以被替代的产能供给能力。
他强调了一个常被忽视的事实：英伟达的足迹已遍及整个AI生态的各个角落。从大型基础模型的训练到全球每一座数据中心的容量跟踪，英伟达都掌握着第一手的核心数据。这赋予了它一种接近「全知」的产业洞察力和前瞻能力。
5000亿美元融资平台遭质疑，黄仁勋用财务数据强势回应
英伟达与Apollo、BlackRock、Blackstone等多家金融机构在今年8月宣布成立了一个运算融资平台。该平台的目标是募集超5000亿美元的社会资本，用于支持AI企业构建必要的基础设施。
这个举动在业界引起了不少质疑声。批评者指出，这种模式存在潜在的利益冲突：英伟达投资某些企业后，这些企业转而购买英伟达的硬件设备，使投资与销售的界线变得模糊——也就是所谓的「循环融资」。类似的商业模式在上一个互联网基建热潮中着实害过不少人，朗讯等供应商就是前车之鉴。
黄仁勋对此毫不客气。他用最直白的财务逻辑给出回应：「这根本不是循环融资。我们投进去的钱很少，拿回来的钱却非常丰厚。」他进一步掏出数据说话：「我看了我们的账本，投进1美元，收回100美元的利润。你说这算循环融资吗？如果算的话，我们干脆把这个模式做得更大。」
黄仁勋强调自己是「知情且谨慎的投资者」，每笔投资都经过精心的尽职调查，「我不参与赌博，我只做把握很大的生意。」他还称这个融资模式是「一个相当聪慧的战术安排」，它帮助英伟达在AI基础设施这个新兴领域建立了强有力的渠道网络。他补充道，英伟达在真正掏钱投资前，必须确保被投企业已经拥有真实的商业合同，并能从客户端获取真实收入。他表示自己看过的类似合同总规模已达1000亿美元。
展望未来：网络安全与物理AI成产业新增长极
黄仁勋的目光投向了AI产业的下一个前沿阵地：网络安全领域。他的推理具有很强的逻辑性：编程是基础学科，找bug（代码调试）是编程的自然延伸，而网络防御则是调试的高阶形态。在这个体系中，红队持续寻找漏洞，蓝队持续修复漏洞，这是一个永不停止的循环。
黄仁勋指出，AI对编程的自动化速度正在加快。这是一把双刃剑：一方面代码生成变得极其迅速，另一方面恶意代码的利用速度也在加快，随之而来的是需要修复的安全漏洞数量的激增。他半开玩笑地说：「还有什么办法比『制造问题』更高效地刺激市场需求呢？」他的言下之意是，网络安全领域的永续需求将为大型AI实验室创造巨大的商业机会。
目前，英伟达已与CrowdStrike、思科、Palantir等企业展开深度合作，共同利用Nemotron模型打造红蓝队防御体系。
除了网络安全，物理AI也被黄仁勋寄予厚望。自动驾驶汽车堪称物理AI的第一个「超级应用」。黄仁勋特意提及了英伟达的Alpamayo项目——这是全球首辆具备推理与思维能力的汽车，它能够理解从未见过的环境并进行推论判断。他预测，未来2至3年，物理AI在自动驾驶领域将迎来「真正的重大突破」。
采访摘录部分
高盛分析师Jim Schneider开场欢迎黄仁勋，黄仁勋表达了参加此次科技峰会的荣幸。在被问及为何AI基础设施市场会以此速度增长时，黄仁勋从历史演进的角度做了深入阐述。
他解释说，人类社会经历过两次大的基础设施建设阶段：第一次是电力的广泛铺设，第二次是互联网的普及。而如今正在开启的第三阶段，则是一个使得AI能够「无所不知」而非「搜索无所有」的计算层建设。这意味着计算本身正从一种工具演变为一种基础设施。
当被问及如何看待英伟达的发展前景时，黄仁勋强调了英伟达在产业中的独特地位。他指出，英伟达是唯一一家同时为闭源和开源AI模型提供支撑的公司，这给了英伟达无比宽广的市场覆盖面。英伟达运行的模型范围从OpenAI、谷歌到Meta、Anthropic等所有顶级实验室的产品。
关于供应链挑战，黄仁勋承认晶圆、芯片封装、内存、连接器等都构成了重大制约。但他也强调，由于英伟达同时掌握上游和下游，因此能够对全球数据中心市场有整体把握，这是竞争对手难以企及的优势。
在谈到英伟达的估值时，黄仁勋用GPU系统价格的上升轨迹来说明英伟达的商业模式。从Hopper架构的每GPU约18000美元，到Blackwell的25000美元，再到Vera Rubin的40000美元，价格的上升反映了英伟达不断提升整体AI工厂的服务能力。
黄仁勋还特别强调了将英伟达计算资产转变为「可投资资产」这一战略举措的重要性。这一转变使得英伟达的硬件设施可以像房地产一样被用作贷款抵押品，这在计算硬件领域前所未有。
在谈论下游生态时，黄仁勋提到了澳大利亚的例子。英伟达正在澳大利亚筹建2吉瓦的数据中心，这将耗资约800亿美元，体现了英伟达在全球范围内的扩张雄心。
关于物理AI的潜力，黄仁勋认为自动驾驶是第一个杀手级应用。与传统的以数据驱动的自动驾驶方案不同，Alpamayo采用的是推理驱动的方式——汽车能够理解并推论它从未见过的场景。黄仁勋表示，未来几年物理AI领域的进展将异常迅速。
黄仁勋最后再次强调了英伟达在产业中的基础设施地位，认为英伟达就像AI时代的台积电，为整个AI生态提供了不可或缺的基础平台。
