当 AI 基建的讨论单位升级为“吉瓦”，一场大国间的重资产竞赛已然拉开帷幕。
美国当地时间 9 月 2 日，英伟达 CEO 黄仁勋出席 G20 创新部长级会议，与美国商务部长卢特尼克展开对话。面对各国政要，黄仁勋系统阐述了其“算力经济学”核心观点：建设 1GW 规模的 AI 基础设施需耗资 500 亿至 600 亿美元。相比之下，台积电一座先进制程晶圆厂的投资约为 250 亿美元，这意味着吉瓦级 AI 数据中心的投入是前者的两倍。
黄仁勋强调，算力已超越消费电子范畴，演变为类似电网、铁路的国家级核心生产资料。设备采购正转化为长周期的重资产基建投资。他指出，对各国而言，这场产业革命最大的风险并非 AI 发展过快，而是因投资不足而被时代抛弃。
受此消息提振，英伟达股价当日收涨约 3.2%，此前因市场对 AI 资本开支可持续性的担忧，其股价曾短暂承压。
1GW 耗资 600 亿美元的重资产账本
黄仁勋正致力于重塑外界对计算产业的认知。在生成式 AI 时代，数据中心已从单纯的产品制造转变为持续产出经济价值的“工厂”。该工厂消耗电力与算力，产出的商品则是代表机器智能的 Token。
正如人类将能源量化为“千瓦时”进行交易，智能也正在形成新的计价体系（如每百万 Token 的价格）。这也是英伟达频繁使用"AI 基础设施公司”而非单纯"GPU 公司”定义自身的原因。早在今年 6 月的 GTC Taipei 上，黄仁勋便提出“算力即营收，算力即利润”，并预测吉瓦级 AI 工厂的资产规模将达到数千亿美元。
此次在 G20 会议上，他进一步向各国部长阐释了这一投资逻辑：每个国家都需建设本土基础设施以支撑经济发展。黄仁勋预计，从现在到 2030 年前后，全球 AI 基础设施建设规模将达约 100GW，对应数万亿美元的长期资本开支周期。
“五层蛋糕”分工模型
针对高昂的投资门槛，黄仁勋提出了“五层蛋糕”AI 产业模型，指导各国明确投资方向：
1. 能源层：电力供应与电网配套；
2. 芯片层：计算与互联硬件；
3. 基础设施层：数据中心、冷却系统及网络；
4. 模型层：通用大模型与行业底座；
5. 应用与数据层：垂直场景与私域业务流。
黄仁勋认为，虽然美国希望占据全链条领先地位，但各国无需在所有层级均取得优势。关键在于明确自身定位，确立底线：每个经济体必须建立足够的本土基础设施承载能力及垂直应用能力，避免核心能力完全依赖外部供应商。
AI 替代的是任务，而非工作
在算力基础设施解决“智能来源”之后，黄仁勋判断 AI 将进入智能体（Agent）和物理 AI 阶段。未来的 AI 系统将具备知识检索、工作记忆、工具调用及多 Agent 协同能力，从简单的聊天机器人进化为操作软件系统的“数字员工”，乃至驱动自动驾驶、工业及医疗机器人的物理实体。
尽管预计未来几年将在工程层面基本实现 AGI（通用人工智能），但黄仁勋强调，企业无法仅通过调用外部通用模型完成产业升级。没有一家企业或国家能将所有智慧外包。业务目标、核心上下文、专有数据及访问控制权必须保留在本地系统中。
关于就业影响，黄仁勋指出，AI 主要替代信息归纳、初稿撰写等高度标准化的“任务单元”，但岗位的责任主体、意图设定与决策权仍由人掌握。AI 的本质是放大人类能力，而非简单取代工作岗位。
声明：本文为 AI 前线整理，不代表平台观点，也不构成投资建议，未经许可禁止转载。
QCon 全球软件开发大会·2026（上海站）现已正式启动。本届大会聚焦 Harness AI 时代的工程实践，从「构建 AI」到「驾驭 AI」，围绕 AI Native 架构、Agent Runtime、AI Infra、Agent 安全与可观测、Loop Engineering、具身智能与世界模型等热门技术方向，邀请全球技术社区与产业一线实践者，共同分享 AI Native 时代最具价值的工程经验。
