黃仁勳在最新財報電話會上表示，AI 基礎設施的年度開支將飆升至 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。

文章作者、來源：新智元

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。

一家販售晶片的公司，價值高於歐洲最大經濟體。

於 5 月 20 日晚，英偉達發布 2027 財年 Q1 財報，營收達 816 億美元，同比增長 85%，全面超越華爾街預期。

數據中心業務貢獻了 752 億美元，同比暴增 92%，佔總營收超過九成。

Net profit of $58.3 billion, more than tripling year-over-year.

更誇張的是下季度的指引，達 910 億美元，比分析師預期高出 40 億美元以上。

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麼花。

4 萬億美元，到底是谁的錢？

財報數字只是前菜。

黃仁勳在隨後的電話會議中提出的判斷，才真正令人嘆為觀止。

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

What is Wall Street’s consensus expectation?

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

The number Huang Renxun mentioned is four times this consensus.

英偉達財務長 Colette Kress 提供了時間表，預計 AI 基礎設施的年度支出有望在 2030 年前達到 3 至 4 萬億美元。

Needham 分析師 Laura Martin 在研報中評價說，黃仁勳的願景與雲廠商自己描述的圖景不同，而且更有趣。

Money has already been burned.

第一季度，谷歌資本開支為 357 億美元，同比翻倍；亞馬遜為 442 億美元，居四家之首；微軟為 309 億美元，同比增長 84%。

Meta 最猛，將全年資本開支預算上調至 1250 億至 1450 億美元，結果市場給了它一記耳光，股價次日下跌 9.25%。

四家合計，2026 年全年預計投入 7250 億美元。

美國銀行預測，雲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 萬億美元是個什麼概念？

約等於日本一年的 GDP。

這筆錢，最終都要從某個地方賺回來。

你的電費帳單，正在為 AI 付款

這場豪賭聽起來很遙遠，但它已開始改變普通人的生活，從電費開始。

弗吉尼亞州居民 John Steinbach 於 2026 年 1 月收到一張 281 美元的電費帳單，而他上個月僅支付了約 100 美元。

He has lived in this house for nearly 40 years and has never seen such a surge.

維吉尼亞州是美國數據中心最密集的地區，僅 2024 年，數據中心就消耗了該州近 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於 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佔全美總用電量的 12%。

By 2030, U.S. electricity bills are expected to rise by an average of 8%.

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

至少目前的答案是，所有人。

100 AI employees 環繞著你

電費只是序章。

黃仁勳在財報電話會上描述了一個更宏大的圖景：全球有 10 億人類用戶，而接下來的世界將擁有數十億 Agent，每個 Agent 又會衍生出子 Agent。

這話不是開玩笑的。

他在今年 3 月的 GTC 大會上提供了更具體的數字，預計十年後英偉達將有 75,000 名人類員工，同時有 7,500,000 個 Agent，也就是每人配備 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。

安德烈·卡帕西里做了一個實驗，讓一個 Agent 去優化一個小型語言模型的訓練流程，該 Agent 在兩天內運行了 700 次實驗，找到了 20 個優化方案。

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

但這裡有一個無法迴避的現實。

The agent’s reliability is still far from being ready to be let loose.

某家公司的一名 Agent 在獲得提升權限後，9 秒內刪除了整個生產數據庫，客戶數據、預訂記錄和備份全部被清空。

ServiceNow 執行長 Bill McDermott 直接說了一句話：治理能力是生死線。

The computational demands of agents have further increased the appetite for computing power.

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

NVIDIA 下一代 Vera Rubin 平台正是為此而生，推理 Token 成本降至 Blackwell 的十分之一，訓練同規模模型所需的 GPU 減少至四分之一。

Anthropic、Meta、OpenAI、Mistral AI 等頂級實驗室均已官宣將基於 Rubin 訓練下一代模型。

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

From this perspective, the $4 trillion infrastructure forecast is not even aggressive.

通往 AGI 的高速公路收費站

All numbers, all investments, ultimately lead to the same destination.

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

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。

黃仁勳賭的，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「報酬率」這個概念本身。

當時的問題只有一個：「誰有資格站在 AGI 時代的牌桌上」。

英偉達已經坐下了。四大雲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，不管你願不願意。

參考資料：

NVIDIA 發布 2027 財年第一季財務報告

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