黄仁勋：AI 基建年度开支要冲到 4 万亿美元！
阅读原文· ithome.com黄仁勋的4万亿美元AI基建预测比华尔街共识高四倍，不是吹牛，是给AGI时代的入场券标价，所有云厂商已经用脚投票了。
英伟达发布2027财年Q1财报，营收816亿美元，同比增长85%，净利润583亿美元，翻两倍多，市值达5.7万亿美元，已超德国2026年GDP预测。黄仁勋预测，超大规模云厂商的AI基建年度开支将从当前的1万亿美元，增长至3-4万亿美元，远超华尔街预期。财报同时显示，数据中心业务营收752亿美元，占比超九成。值得注意的是，AI基建的高能耗正推高居民电费，数据中心用电成本转嫁效应已初步显现。
英伟达现在值 5.7 万亿美元。
这个数字超过了德国 2026 年全年 GDP 预测值 5.45 万亿美元。
一家卖芯片的公司，比欧洲最大经济体还值钱。
5 月 20 日晚，英伟达发布 2027 财年 Q1 财报，营收 816 亿美元，同比增长 85%，全面碾压华尔街预期。
数据中心业务贡献了 752 亿美元，同比暴增 92%，占总营收超过九成。
净利润 583 亿美元，同比翻了两倍多。
更夸张的是下季度指引，910 亿美元，比分析师预期高出 40 多亿美元。
同时英伟达追加了 800 亿美元的股票回购额度。
这家公司赚钱赚到不知道该怎么花了。
4 万亿美元，到底是谁的钱？
财报数字只是前菜。
黄仁勋在随后的电话会上甩出的一个判断，才真正令人叹为观止。
超大规模云厂商的 AI 资本开支，目前已经达到每年 1 万亿美元，接下来将增长到 3 至 4 万亿美元。
华尔街的共识预期是什么呢？
Needham 分析师 Laura Martin 的整理显示，大家觉得超大规模云厂商的资本开支要到 2028 年才能摸到 1.03 万亿。
黄仁勋说的数字，是这个共识的四倍。
英伟达 CFO Colette Kress 给了时间线，AI 基础设施年度开支有望在 2030 年前达到 3 到 4 万亿美元。
Needham 分析师 Laura Martin 在研报中评价说，黄仁勋的愿景和云厂商自己描述的图景不一样，而且更有意思。
钱已经在烧了。
一季度，谷歌资本开支 357 亿美元，同比翻倍；亚马逊 442 亿美元，居四家之首；微软 309 亿美元，同比增长 84%。
Meta 最猛，把全年资本开支预算上调至 1250 亿到 1450 亿美元，结果市场给了它一记耳光，股价次日跌了 9.25%。
四家加起来，2026 年全年预计砸出 7250 亿美元。
美国银行预测，云厂商今年的债务发行总额将达到 1750 亿美元，是过去五年年均水平的六倍。
4 万亿美元是个什么概念？
大约等于日本一年的 GDP。
这笔钱，最终都要从某个地方赚回来。
你的电费账单，正在为 AI 买单
这场豪赌听上去很遥远，但它已经在改变普通人的生活了，从电费开始。
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，而他前一个月只付了大约 100 美元。
他在这栋房子里住了将近 40 年，从没见过这种涨幅。
弗吉尼亚是全美数据中心最密集的地区，仅 2024 年数据中心就消耗了全州近 40% 的电力。
这不是个案。
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 吉瓦电力，是新奥尔良全市用电量的三倍。
到 2028 年，美国数据中心的电力消耗预计将占全美总用电量的 12%。
到 2030 年，全美电费预计平均上涨 8%。
这笔账很简单，科技巨头要建 AI 工厂，工厂要用电，电网扩容的成本由谁承担？
至少目前的答案是，所有人。
100 个 AI 员工围着你转
电费只是序章。
黄仁勋在财报电话会上描述了一个更大的图景：全世界有 10 亿人类用户，而接下来世界将拥有数十亿 Agent，每一个 Agent 又会衍生出子 Agent。
这话不是说着玩的。
他在今年 3 月 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，同时有 750 万个 Agent，也就是每个人配 100 个 Agent。
麦肯锡去年 11 月的调查显示，62% 的企业已经在试用 Agent。
Andrej Karpathy 做过一个实验，让一个 Agent 去优化一个小型语言模型的训练流程，Agent 在两天内跑了 700 次实验，找到了 20 个优化方案。
不过这里有一个不能回避的现实。
Agent 的可靠性离「放手让它干」还差得远。
某家公司的 Agent 在获得提升权限后，9 秒钟内删掉了一整个生产数据库，客户数据、预订记录、备份全部清空。
ServiceNow CEO Bill McDermott 直接说了一句话，治理能力是生死线。
Agent 的计算需求又进一步推高了对算力的渴求。
黄仁勋透露，Agentic AI 所需的计算量相比两年前的生成式 AI 暴增了 1000%。
英伟达下一代 Vera Rubin 平台正是为此而生，推理 Token 成本降至 Blackwell 的十分之一，训练同规模模型所需 GPU 减少至四分之一。
Anthropic、Meta、OpenAI、Mistral AI 等头部实验室都已官宣将基于 Rubin 训练下一代模型。
从这个角度看，4 万亿美元的基础设施预测反而不算激进。
通往 AGI 的高速公路收费站
所有的数字、所有的投入，最终指向同一个终点。
当推理成本降低 10 倍、模型规模持续膨胀、数十亿 Agent 自主运行并相互协作，这条技术曲线的尽头只有一个名字，AGI。再远一点，是 ASI，超级人工智能。
4 万亿美元的基础设施投入，归根结底是在修一条通往 AGI 的高速公路。
黄仁勋赌的，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零头。
如果 AGI 真的在这个十年末到来，今天所有「AI 投资能不能回本」的讨论都将变得无关紧要。
一个能自主完成几乎所有认知任务的系统，其经济价值将重新定义「回报率」这个概念本身。
那时候的问题只有一个，「谁有资格站在 AGI 时代的牌桌上」。
英伟达已经坐下了。四大云巨头正在用真金白银跟注。
而每一个普通人，都将是这场豪赌的利益相关者，不管你愿不愿意。