新智元報道

【新智元導讀】黃仁勛在最新財報電話會上說，AI 基礎設施年度開支將沖到 4 萬億美元，是華爾街共識的四倍。這筆錢最終會以電費、訂閱費、甚至工作崗位的形式，落到每一個普通人頭上。

英偉達現在值 5.7 萬億美元。

這個數字超過了德國 2026 年全年 GDP 預測值 5.45 萬億美元。

一家賣芯片的公司，比歐洲最大經濟體還值錢。

5 月 20 日晚，英偉達發布 2027 財年 Q1 財報，營收 816 億美元，同比增長 85%，全面碾壓華爾街預期。

數據中心業務貢獻了 752 億美元，同比暴增 92%，占總營收超過九成。

凈利潤 583 億美元，同比翻了兩倍多。

更夸張的是下季度指引，910 億美元，比分析師預期高出 40 多億美元。

同時英偉達追加了 800 億美元的股票回購額度。

這家公司賺錢賺到不知道該怎么花了。

4 萬億美元，到底是誰的錢？

財報數字只是前菜。

黃仁勛在隨后的電話會上甩出的一個判斷，才真正令人嘆為觀止。

超大規模云廠商的 AI 資本開支，目前已經達到每年 1 萬億美元，接下來將增長到 3 至 4 萬億美元。

華爾街的共識預期是什么呢？

Needham 分析師 Laura Martin 的整理顯示，大家覺得超大規模云廠商的資本開支要到 2028 年才能摸到 1.03 萬億。

黃仁勛說的數字，是這個共識的四倍。

英偉達 CFO Colette Kress 給了時間線，AI 基礎設施年度開支有望在 2030 年前達到 3 到 4 萬億美元。

Needham 分析師 Laura Martin 在研報中評價說，黃仁勛的愿景和云廠商自己描述的圖景不一樣，而且更有意思。

錢已經在燒了。

一季度，谷歌資本開支 357 億美元，同比翻倍；亞馬遜 442 億美元，居四家之首；微軟 309 億美元，同比增長 84%。

Meta 最猛，把全年資本開支預算上調至 1250 億到 1450 億美元，結果市場給了它一記耳光，股價次日跌了 9.25%。

四家加起來，2026 年全年預計砸出 7250 億美元。

美國銀行預測，云廠商今年的債務發行總額將達到 1750 億美元，是過去五年年均水平的六倍。

4 萬億美元是個什么概念？

大約等于日本一年的 GDP。

這筆錢，最終都要從某個地方賺回來。

你的電費賬單，正在為 AI 買單

這場豪賭聽上去很遙遠，但它已經在改變普通人的生活了，從電費開始。

弗吉尼亞州的居民 John Steinbach 在 2026 年 1 月收到了一張 281 美元的電費賬單，而他前一個月只付了大約 100 美元。

他在這棟房子里住了將近 40 年，從沒見過這種漲幅。

弗吉尼亞是全美數據中心最密集的地區，僅 2024 年數據中心就消耗了全州近 40% 的電力。

這不是個案。

https://www.consumerreports.org/data-centers/ai-data-centers-impact-on-electric-bills-water-and-more-a1040338678/

根據 SemiAnalysis 的研究，覆蓋美國東部 13 個州、6700 萬居民的 PJM 電網區域，2026 年家庭電費相比「AI 數據中心時代之前」平均上漲了約 15%。

國際能源署的數據顯示，一座典型的超大規模數據中心用電量相當于 10 萬個家庭。

Meta 在路易斯安那州規劃的 Hyperion 項目需要至少 5 吉瓦電力，是新奧爾良全市用電量的三倍。

到 2028 年，美國數據中心的電力消耗預計將占全美總用電量的 12%。

到 2030 年，全美電費預計平均上漲 8%。

這筆賬很簡單，科技巨頭要建 AI 工廠，工廠要用電，電網擴容的成本由誰承擔？

至少目前的答案是，所有人。

100 個 AI 員工圍著你轉

電費只是序章。

黃仁勛在財報電話會上描述了一個更大的圖景：全世界有 10 億人類用戶，而接下來世界將擁有數十億 Agent，每一個 Agent 又會衍生出子 Agent。

這話不是說著玩的。

他在今年 3 月 GTC 大會上給出了更具體的數字，預計十年后英偉達將有 7.5 萬名人類員工，同時有 750 萬個 Agent，也就是每個人配 100 個 Agent。

麥肯錫去年 11 月的調查顯示，62% 的企業已經在試用 Agent。

Andrej Karpathy 做過一個實驗，讓一個 Agent 去優化一個小型語言模型的訓練流程，Agent 在兩天內跑了 700 次實驗，找到了 20 個優化方案。

https://x.com/karpathy/status/2030371219518931079

不過這里有一個不能回避的現實。

Agent 的可靠性離「放手讓它干」還差得遠。

某家公司的 Agent 在獲得提升權限后，9 秒鐘內刪掉了一整個生產數據庫，客戶數據、預訂記錄、備份全部清空。

ServiceNow CEO Bill McDermott 直接說了一句話，治理能力是生死線。

Agent 的計算需求又進一步推高了對算力的渴求。

黃仁勛透露，Agentic AI 所需的計算量相比兩年前的生成式 AI 暴增了 1000%。

英偉達下一代 Vera Rubin 平臺正是為此而生，推理 Token 成本降至 Blackwell 的十分之一，訓練同規模模型所需 GPU 減少至四分之一。

Anthropic、Meta、OpenAI、Mistral AI 等頭部實驗室都已官宣將基于 Rubin 訓練下一代模型。

https://nvidianews.nvidia.com/news/nvidia-vera-rubin-platform

從這個角度看，4 萬億美元的基礎設施預測反而不算激進。

通往 AGI 的高速公路收費站

所有的數字、所有的投入，最終指向同一個終點。

當推理成本降低 10 倍、模型規模持續膨脹、數十億 Agent 自主運行并相互協作，這條技術曲線的盡頭只有一個名字，AGI。再遠一點，是 ASI，超級人工智能。

4 萬億美元的基礎設施投入，歸根結底是在修一條通往 AGI 的高速公路。

黃仁勛賭的，是這條路的終點足夠值錢，值錢到讓沿途的一切投入都變成零頭。

如果 AGI 真的在這個十年末到來，今天所有「AI 投資能不能回本」的討論都將變得無關緊要。

一個能自主完成幾乎所有認知任務的系統，其經濟價值將重新定義「回報率」這個概念本身。

那時候的問題只有一個，「誰有資格站在 AGI 時代的牌桌上」。

英偉達已經坐下了。四大云巨頭正在用真金白銀跟注。

而每一個普通人，都將是這場豪賭的利益相關者，不管你愿不愿意。

參考資料：

NVIDIA 發布 2027 財年第一季度財務報告

https://www.cnbc.com/2026/05/21/ai-spending-expected-to-top-1-trillion-in-2-years-why-that-estimate-may-be-too-low.html

編輯：馬可