黄仁勋算力账本：OpenAI不需要赚到一万亿美元，几万亿基础设施也不会崩

OpenAI 哪怕一年赚不到一万亿美元，全球几万亿的算力投资就会变成泡沫吗？

现在市场上一旦讨论 AI 泡沫，几乎都有同一个神经反射。

只要前沿实验室的营收稍微慢了一点，或者传出 OpenAI 一年只赚了几百亿美元，立刻就有人觉得大难临头。

逻辑听起来特别顺理成章： 你们买了几千亿甚至上万亿美元的芯片和服务器，那造软件的公司就必须赚回同等体量的真金白银。 要是 OpenAI 赚不出一万亿美元，这些天价机房卖给谁？ 算力投资不就全打水漂了吗？

前几天英伟达 CEO 黄仁勋在投资人布拉德·格斯特纳（Brad Gerstner）的播客里，把这笔账当场拆了一遍。

他的算法很简单：回到物理和商业的第一性原理。 把所有算力开支的压力全压在两家初创公司的即时收入上，从开头就把账算错了。

因为支撑这几万亿美元算力投资的，并不只有前沿大模型。

黄仁勋把未来的算力需求拆成了三块。

第一块，也是很多人压根没算进去的一块： 老一代数据中心的物理替换。 单单是这一块，就占了整个算力建设的三分之一。

在这一波生成式 AI 爆发之前，全世界数据中心每年的基础设施开销就已经达到了五千亿美元。 这五千亿美元以前在算什么？ 网上购物、刷短视频、搜索引擎、日常数据库查询。 就算全人类明天都不用 ChatGPT 了，大家难道就不在网上买东西了吗？ 当然不可能。

但问题在于，以前支撑这些数字业务的老机房，全是靠传统 CPU 堆出来的。 现在，摩尔定律死了。

以前想把芯片上的晶体管数量翻一倍，你只要老老实实等上一两年，花同样的钱就能拿到两倍算力。 现在呢？ 你等再久也没用。 想要翻倍的算力，你就必须掏出两倍的真金白银。

在过去的 CPU 时代，建一个吉瓦（GW）功耗的数据中心，大概需要 50 亿美元。 现在换成高密度的加速计算，比如英伟达下一代的 Vera Rubin 架构，同样是一个吉瓦，建造成本直接跳到了 500 亿美元。 十倍的资金密度。

物理极限逼着全球所有的云厂商，必须把机房里效率极低的老旧 CPU 拔出来，换成现代化的 GPU 加速集群。 单是老机房的自然淘汰更新，加上全世界数字消耗量的自然增长，到了 2030 年前后，光是硬件采购每年就得花上一万多亿美元。 这笔钱，和 OpenAI 能不能多卖几个月会员，没有半毛钱关系。

再看另一块，是新型算力云、各国的主权算力和全球企业的自身改造。 这一块也占了整个盘子的三分之一。 比如像 CoreWeave 这种专门出租算力的新型云服务商，还有沙特、阿联酋等国家出资建设的主权级国家基础设施。 成千上万家传统企业，也需要自己的算力来做工业仿真、药物分子研发和内部数据处理。 这部分资本开支来自实体产业和国家预算，同样不需要大模型初创公司来替它们买单。

剩下的三分之一，才轮到前沿大模型实验室。 而且在这个池子里，买显卡的也不止两家。 除了 OpenAI 和 Anthropic，还有马斯克的 xAI、扎克伯格的 Meta，以及一众正在各个专业领域狂追的模型团队。

很多人的恐慌，在于把几万亿基础设施的全部重量，压在两家刚成立几年的初创公司身上。 仿佛只要它们今年没拿出几千亿美元的利润，整个半导体产业链就成了空中楼阁。

黄仁勋在播客里说： 这两家公司未来会是人类历史上极其成功的科技企业。 但它们根本不需要做到上万亿美元的年收入才算成功。 哪怕它们做到了五百亿或者七百亿美元，也已经极其庞大了。 它们需要的算力，在整个宏观建设里原本就只占一小部分。

弄清楚这个比例，看算力投资的视角就完全不同了。

过去很多人看科技股，习惯盯着单一初创公司的财报。 一家公司某个季度少赚了钱，就觉得整条产业链都要跟着完蛋。

但机房和电厂是讲物理现实的。 明年全球预计新增的算力设施，规模可能达到 40 个吉瓦。 这 40 个吉瓦里，大头是旧世界不得不付出的更替代价，是主权国家和企业的底层布局，再往后才是前沿模型的算力竞赛。

把整个现代计算体系的物理大换血，当成两家初创公司的即时收支平衡表。 分子和分母，根本不在同一个尺度上。

大模型什么时候能赚出一万亿美元，市场尽可以慢慢争论。 而在机房那一头，老机器该淘汰的依然在淘汰，新芯片该上电的依然在上电。 因为电表在一秒一秒地转，摩尔定律再也回不来了。