英伟达的黄仁钧已经成了一个经济学家,而英伟达也越来越不像一个芯片公司了。过去几年全世界都在等AI泡沫破裂,结果英伟达的股价却连创历史新高。更奇怪的是这家芯片公司做的事越来越不像芯片公司,它卖GPU,也卖CPU和光互联。它管一个机架怎么大,怎么通电,怎么散热,也投资自己的客户,帮着客户融资,甚至帮客户招入土地、电力和机房。这些事情背后其实有一套共同的逻辑,我把它叫做老黄经济学。它里面有三层,分别决定了算力需求从哪来,建AI工厂的钱从哪来,以及AI赚的钱最后该归谁。看懂了老黄经济学,就看懂了英伟达的现在和未来。所以为什么算力越来越便宜,英伟达反而越来越挣钱?为什么英伟达要从GPU一路做到整座AI工厂?一家芯片公司为什么开始做金融生意?美国、中国和欧洲谁才会在AI时代真正赚到钱?还有更关键的,老黄经济学到底能撑多久呢?这期视频我们就一口气来看一下。视频很长也有点硬核,但是如果你能看完肯定会对你有所帮助。老黄经济学的第一层叫做生产经济学。它关心的是AI能不能让算力需求一直涨下去?这个事儿得从黄仁勋在台北说的一句话讲起。今年6月在台北GTC上,老黄抛出了一句话,算力及油,算力及营收。这句话其实是和传统的情况反着来的。因为在过去买电脑买服务器对于企业来说都是成本开支,肯定都是能省则省。以前要100台服务器才能跑起来的业务,如果现在50台就搞定了,企业老板们肯定会很高兴。但是卖服务器的人可能就笑不出来了。这个时候老黄跳出来说,各位,AI时代的规矩变了。AI算力不再是消耗品,而是能够直接帮你赚钱的生产资料。这个过程会通过一个名叫AI工厂的东西来实现。就像传统工厂进取原材料出来工业品一样,AI工厂一头进去的是电,经过中间的算力基础设施去加工,转化成一个一个的token。这些token再通过模型、智能体,还有各种应用变成实实在在的钱。一旦你接受了这个设定,算账的方式就变了。你关心的可能就不再是这块GPU卡花了多少钱,而是同样消耗一度电,谁能产生更多的token。同样花一美元,谁能提供更多的智能服务。如果投入一亿美元建一座AI工厂,它最终能够创造多少收入。说白了,老黄就是想改变你买GPU时的心态。如果算力是成本,你的本能就是少买点,能省点就是试一点。但是如果算力是能够下金蛋的母鸡,你肯定会本能的去多买扩产的。如果我告诉你,这台机器一年能够给你挣100万美元,那它卖10万还是20万,其实就没那么重要。不过这里有个看起来很矛盾的地方,英伟达每出一个新的平台,单位算力的成本都在大幅的下降。按理说东西更便宜了,客户花的钱应该更少才对。为什么英伟达反而赚的越来越多呢?这里就要提到经济学里一个很有名的概念,杰文斯悖论。19世纪英国经济学家杰文斯发现了一个很奇怪的现象,蒸汽机经过改良之后越来越省煤,但是英国烧掉的煤反而越来越多了。原因就是当蒸汽机变得越来越划算的时候,以前用不起的地方,现在也能给用上了。那新增的煤炭用量远远超过了省下来的那点。其实AI也是一样,而且可能会更加的夸张。算力便宜了,不光是原来的活干的更便宜,而且一大堆原本用AI来做不划算的活,突然就变得划算了。比如说以前让AI帮你审算合同,成本很高,还不如请个助理。但是如果未来成本降到现在的十分之一,甚至是百分之一,那合同啊,邮件啊,报表啊,代码公单等等等等,通通都可以丢给AI。需求的天花板一下子就被掀开了。这也是为什么英伟达要一代接一代的推出,像VRUBIN这样更加高效的平台。但是杰文斯悖论可不是物理定律,不是一定会发生的。它有一个前提,就是用量涨得得足够猛,猛到能够盖过单价的下降。比如成本如果降了10倍,但用量只涨了3倍,那总支出其实还是变少的。所以老黄必须找到一种应用,让整个社会对算力的需求,出现数量级的增长。那它压住的方向就是AI智能体。过去几十年,绝大多数软件都是给人用的。比如说我是一个芯片工程师,每天的工作就是打开EDA软件,改RTL代码,跑仿真看结果,然后再去调试,周而复试。软件再强大,我一天能操作的次数也是有上限的。毕竟我得吃饭,睡觉,耍视频。但是智能体可不一样,它会推理规划,会调用工具,会检查结果,还会反复迭代。最关键的是,它不用睡觉,也不会摸鱼,还能一口气复制出来几百个分身同时干活。比如我以前手动跑挤入组访就不错了,现在智能体可以自己提出上千种组合,并且自动去做筛选优化,不知疲倦的去干活。结果就是人们亲手去操作软件的次数变少了,但是软件被调用的总次数,后台跑的计算量反而会暴涨。而且智能体干活不是只靠GPU,它还需要靠CPU去调度任务,需要内存和存储来存数据,需要网络来连接各种工具和系统,这个就叫一人得到鸡犬升天。这是为什么老黄在台北和柏林反复强调智能体的真正原因。老黄这套话术虽然很洗脑,但是仔细想想这套逻辑也不是没有漏洞。比如老黄把AI工厂比作工厂,把token比作工业品,可是钢铁厂链出一吨钢,拉到市场上就能换钱。AI吐出一万个token可不一定值一分钱,比如说一个agent为了修一个bug,坑吃坑吃推理了一个小时,烧掉了几千万个token,结果最后把程序改得更烂了。这些token不仅没有创造价值,甚至可能产生了负价值,因为工程师还要额外去花时间来收拾AI的乱弹。所以token只是生产智能的中间产物,不是最终的产品。英伟达关心的是每瓦店每美元能够产出多少token,而用户关心的是完成一个正确的任务,要花多少钱能赚多少钱。如果这两边能对得上,大家能一起发财,如果对不上,矛盾就来了。比如说哪天有个算法创新,让模型用更少的token就能干完同样的活。对于用户来说就是天大的好事,可是对于按照token产能卖设备的英伟达来说,就不一定是好事。说到底,token生成的再快,英伟达想要的需求增长,最后还得靠真正有价值的应用来支撑。只有AI真正能靠谱的把活干好,算力降价才会不断的催生新的用途,杰文斯贝论才可能真正发生。假设这些应用真的跑通了,需求涨了十倍一百倍,英伟达要怎么把这么多的算力给造出来,再从中多赚钱呢?这就得从供给侧来说。如果你要建一座AI数据中心,该买怎么样的GPU呢?几年前的答案可能很简单,谁性能更强,价格合适,生态好就买谁,但是今天可就不一样了。你买回来几万块GPU,它们可不会自己自动拼成一台高效的超级计算机。它们还需要CPU来分配任务,需要内存和存储来存数据,还需要高速网络来相互的通信,还需要足够多的电和夜冷,哪怕这些都背齐了,如果软件和调度没做好,大把的GPU算力也只能在那干等。所以今天决定AI算力效率的,早就不是单块GPU有多猛,而是整座AI工厂能不能作为一个系统来高效的运转。这就是为什么今年在台北的GTC上,老黄展示的是VairRubin系统级的平台,包含了RubinGPU,VairCPU,AVLink,SpectrumX以太网,Infiniband等等。这个我专门做过一期视频做详细解读,面接在下方的评论区里。到了柏林的GTC,老黄又往前迈了一步,开始强调AI工厂的整体设计,部署和运营效率。而且英伟达现在还在操心很多传统芯片公司压根不会去想的事,比如说电力,空间,散热,还有电网接入。这是因为如果一个客户只拿到了1G瓦,也就是100万千瓦的供电配额,他能装多少GPU就不只是看钱包了,而是看能效和配套条件。电就这么多,再有钱也插不进更多的卡。所以老黄现在真正在争的是客户每拿到1G瓦的电,有多少设备采购的钱能够流进英伟达的口袋。按照英伟达自己的互算,这个数字在Hopper时代大约是180亿美元,Blackwell是250亿,到了Virubin时代直接涨到了400亿美元。这多出来的几百亿可不是因为GPU卖的更贵了,而是英伟达能卖的东西更多了。这意味着英伟达将来不一定非得靠GPU去一统天下。就算客户用了AMD或者是其他友商的GPU,或者是自己去研发了ASIC芯片,只要网络软件还有系统生态这些高价值的环节还掌控在英伟达的手里,它照样能够持续的分钱。在柏林,老黄重点推了一个新的东西,叫做DSXPod。简单来说就是把整座AI工厂提前装进一个个模块化的集装箱里,机甲安装布线液冷系统验证,能在工厂里做完的都提前去做完,然后整个运到客户的现场。有点像AI数据中心的预制菜,按照英伟达的说法,只要场地的电、冷却还有网络都准备好了,现场部署的时间就能从原来的6个月缩短到最快14天。一家芯片公司如此在于工期,原因还是前面的那句话,算力及营收。咱们可以来算笔账,假设一座AI工厂一年能创造400亿美元的收入,每个月大约就是33亿,晚三个月投产就是差不多100亿美元打了水漂。对于这种动辄砸下几百亿的生意,早一天开工可能比省一点采购成本要重要得多。如果换你是老板,你大概也宁愿多花点钱买一套能够早点开展的设备。我们再往深地想,DSXport其实是在把复杂的数据中心工程变成一种可以标准化批量复制的工业比。这个其实有点像当年的汽车工业,正是因为零部件被标准化了,汽车才能实现大队模的生产。从GPU到机架,再到AI工厂和模块化的数据中心,英伟达的地盘正在一圈一圈的往外扩。不过能卖的东西多了,其实并不代表利润也会跟着同比例的涨。GPU技术壁垒高,毛利率自然很高,但是机架散热这些基础设施组件,毛利可能就没那么香了。英伟达管理层自己也说,虽然这个季度的整体毛利率高达75%,但是受到内存成本等等这些因素的影响,后面可能还会阶段性的下滑。所以要判断老黄经济学到底成没成,光看每季瓦能够卖多少钱还不够,还得看每季瓦能赚多少毛利,这个才是英伟达从一家GPU公司变成AI工厂平台公司,真正需要向市场交出的打卷。讲到这里,咱们先把老黄经济学的第一层就是生产经济学给捋一下,在需求端把算力做便宜,让更多应用变得更加划算,在供给端靠系统级的协同设计提高生产效率,缩短投产时间,从客户的基建运算里切走更大的一块蛋糕。是不是听起来非常完美?但其实还有一个很现实的问题没有解决,那就是这么多的AI工厂到底应该由谁来买单呢?这个其实就是老黄经济学的第二层。老黄经济学的第二层是资本经济学,它要解决的是怎么让巨额资金源源不断的流进AI基础设施。现在建议做AI工厂要花钱买GPU、CPU、网络设备、土地、机房、电力、夜冷都得备齐,加起来轻松就会超过几十亿甚至达到上百亿美元。那一家AI公司就算业务涨得再快,手里也不一定有这么多的现金。所以老黄要操心的不光是怎么造出更多的GPU,还有怎么能够让更多的客户买得起GPU。他想到的第一招就是让金融机构来出钱。可是要让华尔街那帮老狐狸掏钱,就得先改变他们对GPU的看法。我们想想银行之所以愿意给机场港口发电站放长期贷款,是因为这些东西能够稳稳当当的赚好多年的钱,不会因为明年出了一个新款就突然一文不值。但是GPU很不一样,你今天花大价钱买下来的集群,两三年之后可能就会被新一代的产品给比下去了。这样一来,银行就很难把它当成是长期资产来去放贷。为了解决这个问题,英伟达管理层在最新的财报会议上反复在念叨三个词,分别是productive, fungible,还有durable。他们的意思是英伟达的平台足够通用,能做训练,能做推理,还能跑智能体。就算今天这个客户不要了,还能立刻就转卖或者转租给别人,接着去赚钱。一旦华尔街认了这个礼,建AI工厂的公司就可以拿着设备去做抵押,搞长期租赁做项目融资,把钱给接到手。以前是客户得先攒够钱才能买GPU,现在客户可以凭GPU未来能赚的钱,提前把这些钱给拿到手去见算力。不过这里又有个绕不开的矛盾,英伟达一边希望GPU能长期保值,一边又要每年推出更强的新品,催着客户升级换代。新卡越强,旧卡就越来越不值钱。这个矛盾怎么解决?老黄没说。如果你知道的话,欢迎在评论区指导他一下。点赞最高的评论我会送给他一副小丑老黄的破牌。这套资本打法也体现在英伟达的财报里。截至2026年7月26日,英伟达的供应和产能采购承诺已经高达2790亿美元。他向前沿AI实验室投了接近500亿美元,还拉上了贝莱德、黑石、高盛、KRR这些金融大鳄,一起推动规模超过5000亿美元的融资。还有个细节很有意思,英伟达在支持一些长达十几年甚至是20年的土地和机房的租约,租约,而机房里的GPU可以定期换新。你就细品,房子和电是长期的可以收租金,卡是一代一代换的,每换一次就是一笔新的收入。换句话说,英伟达现在是三头一起抓,上游锁定先进制程HBM和先进封装的产能,中游去推进土地、电力和机房的建设,下游去帮助模型公司和算力服务商找钱做部署。所以英伟达已经不是坐等市场成熟了再去卖GPU,而是亲自下场去主动塑造这个市场,但是这也引出了一个更有争议的问题,那就是循环融资。正常的产业链是这样的,客户发现商机自己去筹钱,然后去买设备。但是英伟达在某种程度上把这个顺序给倒过来了,他先投资AI模型公司,参与基础设施融资,帮客户锁定土地和电力,给客户延长付款期限,扶持AI云服势商起步。而这些公司转过头来又成了英伟达GPU的买家,这个就是所谓的循环融资。先说清楚,循环融资和拆东墙补西墙的庞氏骗局是两码式,它确实能让真实的需求更快地变成基础设施投资。但问题在于客户的需求和英伟达给的钱可能会变得你中有我,我中有你。咱们来看看财报里的数字,英伟达这个季度营收962亿美元,同比增长了106%,可以说是非常逆天了。但是与此同时,营收账款也冲到了631亿美元,有些大项目的付款周期甚至能拖到90天到一年。管理说下一个财年需要靠英伟达资产负债表撑腰的AI实验室,可能会贡献英伟达大约四分之一的营收。那把前面翻译成大白话,就是英伟达越来越多的收入其实并没有变成真金白银,而是以长涨期的形式压在客户那儿。英伟达相当于在用自己的家底给客户提供一种隐形的贷款。所以循环融资真正要看的是现在这波AI基建需求,到底有多少是终端用户愿意持续付费的,又有多少是资本推着提前建出来的。如果AI公司最后真的能攒下一大批稳定付费的客户,那英伟达的这些融资操作就是在帮助整个产业突破早期的资金瓶颈。那反过来如果GPU出租的收入始终覆盖不了折旧电费还有这些融资的成本,那前期砸得越狠后面的压力就会越大,而且这种风险还会沿着产业链一路传道下去。那这个就是老黄经济学的第二个核心矛盾,卖产资的人可以一直赚钱,但这并不代表挖金资的人也都在赚钱。好,那总结一下老黄经济学的第二层资本经济学,英伟达把GPU包装成一种可以拿来融资的资产,再加上供应链的协调,基建的推进和融资的安排,让更多的钱涌进AI产业去买硬件改AI工程。但是光有技术和资本还不够,英伟达还缺一个足够大足够分散的全球市场。如果全世界最后只有硅谷那几家巨头在大手笔买单,英伟达不仅要面临客户高度集中的风险,还得天天提防这帮巨头搞自研芯片被刺自己。所以老黄把10月的GTC开到了德国玻璃,这就引出了老黄经济学的第三层产业经济学。老黄的产业经济学核心就是盘算一件事,全球不同的国家和经济体该怎么分工生产和消费AI,而英伟达又该怎么从每个国家的口袋里都赚到钱。在柏林,老黄又造了一个新词,AI是一种制造业。他喊话欧洲,你们不能光当AI的消费者,也得自己生产AI。有人可能觉得,欧洲直接去买美国云厂商的AI服务就够了,没必要自己去见。但是对于一个国家来说,AI早就不只是买个软件服务那么简单了,它牵扯到数据安全、产业竞争力、还有关键技术的控制权。欧洲有很强的那种汽车、机械、制药、能源和工业软件的产业,攒下了大量的技术和数据。等AI深入到这些工业流程里,谁掌握了模型、数据和算力,谁就有可能左右整个产业的竞争格局。所以老黄给欧洲开了一个方子,那就是你们不用非得做全球最强的大模型,也不用自己去设计GPU。你们可以拿成熟的开源模型,结合自己的工业知识和企业数据,去训练出各个行业的AI,然后在本地建AI工厂来跑,这样欧洲就有机会把传统的工业优势变成AI时代的竞争力。这些对于英伟达来说,就意味着原本攒在少数几个美国云巨头手里的采购需求,可以扩散到更多地区、更多主权机构和工业企业。其实这个变化在财报里已经能看出苗头了。最新一个季度,英伟达数据中心营收890亿美元,其中大型云厂商贡献了大约490亿,而英伟达称为ACIE的这部分客户,也就是AI云工业和企业用户贡献了大约400亿美元,同比增长138%,比整个数据中心业务的增速还要更快。如果我们把视野再拉大一点,你会发现美国、中国和欧洲正在走出三条不同的AI路线。美国走的是前沿模型和高附加值服务的路子,像OpenAI, Anthropic, Google这些头部的模型公司,再加上庞大的云计算体系和资本市场,让美国可以靠最强的模型和产品,吃到最高的产业价值。它面临的挑战,一是砸下去的天价投资,能不能换来足够的长期回报,第二是自研芯片能不能减少对英伟达的依赖。再看中国,中国走的是开源生态加极致工程效率,再加普惠智能的路子。以DeepSeek千万为代表的开源模型,极大的降低了AI的使用能坛。再加上庞大的制造业,机器人和互联网生态,让中国能够用更低的成本,让AI进入到更多实实在在的业务里。不过中国同样面临的挑战,一个是在算力受限的情况下如何保持竞争力,第二就是在模型越来越便宜之后,从生态行业服务和应用规模里如何赚到长期的钱。欧洲走的是工业应用和主权AI的路子,汽车机械能源医疗设备之一,这些行业积累的专业知识和复杂流程,恰恰就是AI进入实体经济最好的落脚点。但是它面临的挑战是如果你这些AI系统高度依赖外部平台,欧洲就得想办法把关键产业的命脉攥在自己的手里。而对英伟达来说,不管你走哪条路,最后都得用到算力。老黄想打造的从来就不只是美国硅谷的算力底座,而是整个世界AI经济体的收费高速公路。那不管上面跑的是哪个国家的车,只要上路就得给英伟达交过路费。我们聊完了生产、资本和产业这三层逻辑,最后我们再回到开头的最核心的问题,老黄精心搭建的这套经济学飞轮究竟能够赚多久?在我看来想要回答这个问题,得算清楚三本账。第一本是技术账,也就是AI到底有没有真正提高全社会的生产力。未来咱们看英伟达的发布会,不能只听老黄吹GPU每秒能蹦出多少万个Token,更要看单位算力到底能帮助企业搞定多少件正确可靠,能够换来真金白银的任务。如果越来越多的企业发现AI真的能够帮助自己降的增效,职能体和物理AI也能不断开辟出新的场景,老黄经济学的增长引擎就有了实打实的底子。反过来如果大部分的AI应用热闹了半天,依然停留在发布会的演示阶段,那算力就算降到了白菜价也撑不起一个持续膨胀的万亿级市场。第二本是资本账,也就是消耗百亿的AI工厂自己到底能不能跑通盈利的循环。判断的标准其实也很简单,就是看接下来的AI基建的扩张,是越来越靠终端客户交的订阅费和账单来驱动,还是越来越依赖华尔街的融资,还有英伟达自己的资产负债表来都抵。前者就是良性循环,越赚越健康,而后者滚雪球般的资本循环迟早就会迎来算总账的那天。第三本就是产业账,就是AI创造出来的巨大财富最后到底分给了谁。当AI真正成为一项通用技术,英伟达注定要面对越来越多的竞争对手。开业模型会让换平台越来越容易,那做应用的公司也有可能分走更大的蛋糕。英伟达得证明,在市场越来越成熟的过程中,它还能一直保持技术的优势和平台的地位。如果这三本帐能够互相撑住,老黄经济学就能一直转下去,但只要有一本帐出问题,整个循环都会受到影响。在我看来,黄仁勋正在努力让AI变成像电一样无处不在的基础生产要素。同时让英伟达成为在这个体系里谁也绕不开的基础设施提供商。但是过去200年的工业史一次又一次的告诉我们,一项基础技术创造的价值最终都会分散到无数使用它的行业。技术革命最大的赢家不一定是最早解决基础设施瓶颈的那家公司。铁路改变了交通,但铁路投资者未必都赚了钱。电力改变了工业,但今天几乎没有人能说出100年前最赚钱的发电机厂商是谁。互联网改变了世界,但也没有让每一家铺设光鲜的公司都成为赢家。今天的AI可能也是这样。老黄已经不满足于只当AI时代卖铲子的人。他想为整个AI时代制定一套全新的经济运行法则。但是这套老黄经济学最终能够创造多少财富,这些财富最后又会落进谁的口袋,可能还需要很多年才能给出真正的答案。好了,以上就是本视频的全部内容。你觉得老黄经济学能够一直赚下去吗?那今天的AI繁荣是否已经进入了自我造学的阶段了呢?欢迎你在评论区留言和大家一起讨论。如果你觉得这些视频对你有帮助,也欢迎点赞转发和关注。我是新铁公众师老师,我们下期视频再见。