黄仁勋预测全球AI基础设施年投资将达4万亿美元

英伟达现在的市值，已经站上了5.7万亿美元的高峰。

这个数字是什么概念？它已经超过了德国2026年全年的GDP预测值（5.45万亿美元）。一家卖芯片的公司，比欧洲最大的经济体还要值钱。

5月20日晚，英伟达交出了2027财年第一季度的成绩单。营收816亿美元，同比增长85%，全面碾压了华尔街的预期。其中，数据中心业务贡献了752亿美元，同比暴增92%，占总营收的比重超过了九成。净利润更是达到了583亿美元，同比翻了两倍多。

更夸张的是公司给出的下季度指引——910亿美元，这比分析师们的普遍预期还要高出40多亿美元。与此同时，英伟达还宣布追加800亿美元的股票回购额度。可以说，这家公司已经赚钱赚到“不知道该怎么花”了。

4万亿美元，到底是谁的钱？

财报上的数字，其实只是前菜。真正让业界叹为观止的，是黄仁勋在随后的电话会上抛出的一个判断：超大规模云厂商在AI领域的资本开支，目前已经达到每年1万亿美元，而接下来，这个数字将增长到3至4万亿美元。

这个预测有多激进？不妨看看华尔街的共识预期。Needham分析师Laura Martin整理的数据显示，市场普遍认为，超大规模云厂商的资本开支要到2028年才能摸到1.03万亿美元的门槛。黄仁勋说的数字，几乎是这个共识的四倍。

英伟达的CFO Colette Kress给出了更具体的时间线：AI基础设施的年度开支，有望在2030年前达到3到4万亿美元。Laura Martin在研报中评价说，黄仁勋描绘的愿景，与云厂商自己描述的图景并不相同，而且“更有意思”。

钱，其实已经在烧了。今年一季度，谷歌的资本开支达到357亿美元，同比翻倍；亚马逊以442亿美元位居四家之首；微软为309亿美元，同比增长84%。Meta则最为生猛，直接将全年资本开支预算上调至1250亿到1450亿美元，结果市场用脚投票，股价在次日应声下跌9.25%。

这四家巨头加起来，预计在2026年全年将砸出7250亿美元。美国银&行预测，仅今年，云厂商的债务发行总额就可能达到1750亿美元，这是过去五年年均水平的六倍。

4万亿美元又是什么概念？大约相当于日本一年的GDP总量。这笔天文数字般的投入，最终总得从某个地方赚回来。

你的电费账单，正在为AI买单

这场看似遥远的科技豪赌，其实已经在悄然改变普通人的生活了，最直接的体现，可能就是电费账单。

弗吉尼亚州的居民John Steinbach在2026年1月收到了一张281美元的电费账单，而前一个月，他只需要支付大约100美元。在这栋房子里住了将近40年的他，从未见过如此夸张的涨幅。弗吉尼亚州是全美数据中心最密集的地区之一，仅在2024年，数据中心就消耗了全州近40%的电力。

这并非个案。根据SemiAnalysis的研究，覆盖美国东部13个州、6700万居民的PJM电网区域，2026年家庭电费相比“AI数据中心时代之前”，平均上涨了约15%。国际能源署的数据显示，一座典型的超大规模数据中心的用电量，相当于10万个家庭。

Meta在路易斯安那州规划的Hyperion项目，需要至少5吉瓦的电力，这相当于新奥尔良全市用电量的三倍。预计到2028年，美国数据中心的电力消耗将占全美总用电量的12%；到2030年，全美电费预计平均上涨8%。

这笔账算起来很简单：科技巨头要建造AI工厂，工厂需要消耗海量电力，而电网扩容和升级的成本由谁来承担？至少从目前的情况看，答案是所有人。

100个AI员工围着你转

电费上涨，可能只是这场变革的序章。黄仁勋在财报电话会上描绘了一个更大的图景：全世界有10亿人类用户，而接下来，世界将拥有数十亿个AI智能体（Agent），每一个智能体又会衍生出子智能体。

这话并非空谈。他在今年3月的GTC大会上给出了更具体的数字：预计十年后，英伟达将有7.5万名人类员工，同时配备750万个AI智能体，相当于每个人类员工拥有100个AI助手。麦肯锡去年11月的调查也显示，62%的企业已经在试用AI智能体。

AI领域的知名学者Andrej Karpathy曾做过一个实验：让一个AI智能体去优化一个小型语言模型的训练流程。结果，这个智能体在两天内跑了700次实验，最终找到了20个有效的优化方案。

不过，一个无法回避的现实是，AI智能体的可靠性距离“放手让它干”还有相当长的路要走。市场上不乏这样的案例：某家公司的AI智能体在获得提升后的权限后，在9秒钟内删除了整个生产数据库，客户数据、预订记录乃至备份全部被清空。ServiceNow的CEO Bill McDermott说得非常直接：治理能力，是生死线。

而AI智能体对计算资源的渴求，又进一步推高了对算力的需求。黄仁勋透露，为实现智能体化AI（Agentic AI）所需的计算量，相比两年前的生成式AI，暴增了1000%。英伟达的下一代Vera Rubin平台正是为此而生，其推理Token成本降至Blackwell平台的十分之一，训练同规模模型所需的GPU数量也减少到四分之一。目前，Anthropic、Meta、OpenAI、Mistral AI等头部实验室都已官宣将基于Rubin平台训练下一代模型。

从这个角度看，黄仁勋关于4万亿美元基础设施的预测，反而显得不那么激进了。

通往AGI的高速公路收费站

所有的天文数字、所有的巨额投入，最终都指向同一个终点。

当推理成本降低10倍、模型规模持续膨胀、数十亿AI智能体开始自主运行并相互协作时，这条技术曲线的尽头只有一个名字：通用人工智能（AGI）。再往远处看，是超级人工智能（ASI）。

那4万亿美元的基础设施投入，归根结底，是在修建一条通往AGI的“高速公路”。黄仁勋所押注的，是这条路的终点足够值钱，值钱到让沿途的一切投入都变成微不足道的零头。

如果AGI真的在这个十年末到来，那么今天所有关于“AI投资能否回本”的讨论，都将变得无关紧要。一个能够自主完成几乎所有认知任务的系统，其经济价值将彻底重新定义“回报率”这个概念本身。

到那时，问题只剩下一个：“谁有资格站在AGI时代的牌桌上？”英伟达已经率先坐下。四大云巨头正在用真金白银跟注。而每一个普通人，无论愿意与否，都将是这场世纪豪赌的利益相关者。