当地时间9月2日，在美国北卡罗来纳州教堂山举行的G20创新部长级会议上 ，英伟达创始人兼首席执行官黄仁勋与美国商务部长霍华德·卢特尼克展开炉边对话
，向各国官员阐述其“AI经济学”。

　　在黄仁勋看来，AI正在从一种软件技术演变为与道路、电力 、互联网类似的国家级经济基础设施 。对各国而言 ，这轮产业革命更大的风险不是AI本身
，而是投资和应用不足
。

　　“最坏的结果就是你没有利用它，被甩在后面。
”黄仁勋说 。

2030年全球AI相关能源需求

将达100吉瓦

　　黄仁勋认为 ，随着AI快速发展
，芯片和计算机已经不能再被简单理解为PC
、手机等终端产品，算力设施正在成为一种能够持续创造经济价值的生产资料
。

　　在他的经济模型中 ，过去人类将能源按照千瓦时计价
，如今智能开始以Token计价。数据中心由此不再只是存储和处理数据的后台设施，而是投入电力、芯片和数据 ，持续产出Token的“AI工厂” 。

　　这种生产方式也意味着AI产业将进入重资产投入阶段
。黄仁勋在会上表示，近来 建设1吉瓦AI基础设施大约需要500亿美元至600亿美元投资
，约为一座250亿美元晶圆厂的两倍。

　　他预计，从现在到2030年 ，为满足全球对智能的需求
，相关AI基础设施建设规模可能达到约100吉瓦 。若按照上述单位投资简单计算，所对应的潜在投入将达到数万亿美元
。不过 ，实际投资规模还会受项目结构 、设备费用 和建设进度等因素影响。

　　黄仁勋此前将AI产业概括为一块“五层蛋糕 ”：底层是能源
，其上依次为芯片
、计算基础设施、模型和应用 。应用需求向下传导，将带动发电 、电网
、芯片制造、服务器 、 *** 和数据中心等环节的投资。

　　能源已成为其中最明显的约束
。世界 能源署预计 ，全球数据中心用电量将由2025年的约485太瓦时增至2030年的约950太瓦时；AI专用数据中心同期用电量可能增至原来的三倍。芯片供给之外
，电源
、电网、变压器和项目审批将共同影响AI基础设施的扩张速度 。

　　此次对谈中，黄仁勋认为每个国家都需要建设一定规模的AI基础设施 ，以支持本国企业 、科研机构和初创公司发展
。

　　但他同时表示
，一个国家不必在能源、芯片
、基础设施、模型和应用五个环节全部成为全球领导者，也不必独立发展所有环节。“各国需要根据自身的能源 、制造业
、资本、人才和数据条件 ，确定重点参与的位置 。
”黄仁勋说
。

物理AI将成新赛点

AI治理仍悬而未决

　　对于AI下一阶段的发展，黄仁勋将重点指向智能体和物理AI。

　　在他看来
，大语言模型只是基础能力，真正形成生产力还需要为模型增加知识检索 、工作记忆
、工具调用和协同能力 。能够操作数字工具的智能体可以成为“数字员工”；进一步进入汽车、机械臂等物理设备后 ，则会形成自动驾驶 、工业机器人
、物流机器人和手术机器人等应用
。

　　黄仁勋预计
，未来几年，AI将基本实现通用人工智能。但他认为 ，即使模型具备较强的通用能力
，企业也不能接入一个模型后便自动完成业务升级 。AI仍然需要获得具体业务的目标、知识 、上下文和访问权限
。

　　“每个国家
、每家公司，不能把所有的智慧都外包给别人。 ”黄仁勋说 。

　　对于AI可能造成大规模失业的说法 ，黄仁勋同样持相对乐观的态度。他认为
，AI将自动化大量具体任务，但职业本身所承担的目标仍然存在 ，工作内容将因此被重新定义
。

　　在黄仁勋描绘的图景中
，AI基础设施建设还将带动电力、建筑 、芯片制造、设备安装和数据中心运维等领域的就业。

　　在监管问题上，黄仁勋呼吁各国不要围绕“理论上的伤害
”制定AI规则 ，而应把重点放在已经出现的现实问题上 。在他看来，如果政策制定者持续以恐惧和不确定性谈论AI
，可能会放慢技术采用速度，进而使本国在产业变革中落后
。

　　有意思的是 ，从整场对话来看
，与会者并非完全认同黄仁勋的观点。OpenAI首席执行官萨姆·奥尔特曼认为，对AI风险保持担忧具有必要性 。

　　事实上 ，眼下数据中心建设已在美国部分地区引发围绕电价
、用水、土地和环境影响的争议
。如果建设成本和外部成本更多由当地社会承担
，而智能生产带来的利润主要集中在少数企业，AI基础设施便很难像道路和电网一样天然获得公共支持。

　　这也成为黄仁勋“AI经济学”仍需回答的另一面：在数万亿美元的投资中 ，谁来出资
，谁拥有基础设施，谁取得Token生产带来的收益 ，又由谁承担电力 、折旧和金融风险 。

　　作者：罗茂林

（文章来源：上海证券报）