问题——算力需求快速跃升，产业增长与资源约束并存 随着大模型训练、推理和代理式应用加速落地，全球算力需求持续上升；黄仁勋将这个变化概括为计算角色的转变：过去计算机更像“文件仓库”，价值主要存储与基础处理；面向生成式应用的系统则更像“Token工厂”，能够持续产出面向不同用户与场景的数字化成果，并更直接地与商业收入挂钩。在他看来，未来与计算涉及的的经济活动占比将明显提高，算力设备也将从“成本中心”逐步走向“利润中心”。这一趋势将影响云服务模式、软件开发方式、企业IT投入方向，以及能源与基础设施的配置逻辑。 原因——模型规模、推理复杂度与供应链协同共同推高门槛 从技术演进看，算力需求的增长不再只来自训练。黄仁勋提出多条“扩展规律”，将路径从预训练延伸到后训练、测试时扩展和代理式扩展，强调推理、规划、搜索等能力上线后，算力压力会持续向推理端转移。他提出“推理就是思考”，而“思考”并非轻量任务；测试时扩展也会更抬高推理阶段的计算消耗。 从产业组织看，算力系统正在进入“超算工程化”阶段。高端机架往往由上百万个组件组成，需要数百家供应商协同交付，任何环节的产能、良率或交期波动都可能拖慢整体落地。同时，高带宽内存（HBM）等关键部件成为性能与供给的核心变量。提前锁定产能、推进多元内存路线，并将更多组装与集成前移到供应链端，正成为头部企业的常见选择。 影响——算力经济扩张或重塑企业估值逻辑，也加剧能源与基础设施压力 在资本市场层面，黄仁勋对增长空间保持乐观，认为“增长大概率会发生”。其基础在于：如果“Token工厂”的产能持续扩大，算力服务以及相关硬件与软件栈的市场容量将被显著放大，企业收入与估值逻辑可能随之抬升。但算力扩张也面临硬约束，电力与散热已成为数据中心规模化部署的重要瓶颈之一。 在社会与治理层面，算力从“工具”走向“生产要素”，将推动更多行业把模型能力嵌入业务流程，带来效率提升，同时也可能出现新的分化：同类数字化产出形成分层供给，衍生出免费、增值与高端等不同服务形态。对监管、能耗指标、数据安全与产业政策而言，新的组织方式与资源配置方式将提出更高要求。 对策——以能效提升与电力机制创新缓解瓶颈，强化供应链与生态体系 针对电力约束，黄仁勋提出两条并行路径：一是持续提升能效，用“每瓦每秒生成的Token数量”等指标衡量系统效率，通过软硬件协同设计加快单位产出成本下降；二是更充分利用电网的非峰值冗余能力。他指出，电网大多数时间并不处于峰值负荷，如果云服务商与电力企业在合同与调度机制上做出调整，减少对“极高可用性”的单一追求，建设可随电力供给自动降负载、降频运行的“可优雅降级”数据中心，有望在保障服务连续性的同时，取得更好的能耗与碳排平衡。 在供应链上，他强调与关键伙伴协同规划、提前布局。一方面，复杂机架系统可工厂完成更高程度的集成与装配，通过整箱交付提升部署效率、降低现场施工难度；另一上，面对HBM等关键部件供给偏紧，需要更早明确需求、推动扩产，并探索将低功耗内存等路线引入更多计算场景，以降低对单一路线的依赖风险。 在生态层面，黄仁勋将软件生态视为重要护城河之一，强调开发者体系、工具链和平台兼容性带来的黏性。大规模装机与长期积累形成的信任网络，使底层优化与横向整合更容易推进，也提高了后来者复制的难度。 前景——“地面算力”仍是主战场，产业竞争将转向系统工程与能源协同 对于“将数据中心搬到太空”的设想，黄仁勋更偏务实：相关硬件已在特定场景使用，但大规模太空数据中心仍受散热等物理限制。综合成本、技术成熟度与建设周期来看，未来一段时间，继续挖掘地球现有电力与基础设施潜力、提升系统能效与部署效率，仍是更可行的路径。 同时，行业对超大规模集群的建设速度提出更高预期。黄仁勋在评价快速建成大规模GPU集群的案例时，强调系统思维与极简方法对工程落地的价值。可以预见，下一阶段竞争不再局限于单点芯片性能，而将更多体现在系统集成、供电与散热、供应链组织、软件生态，以及面向行业应用的交付能力上。
在全球计算产业快速变动的背景下，黄仁勋的判断既指向技术演进的主线，也凸显基础设施升级的紧迫性；如何在算力快速增长与能源约束之间找到可持续的平衡，将成为企业战略能力的关键考题。这场由价值重构推动的产业变化，可能在未来十年重塑全球经济格局。