问题——算力为何被置于新的“生产要素”位置 围绕全球新一轮科技与产业竞争，算力基础设施的定位正在发生变化。在摩根士丹利对应的会议的炉边对话中，黄仁勋提出“算力能够直接转化为企业收入，并更映射到国家层面的GDP”该判断，意在强调算力从成本项向产出项的转变。其核心背景在于，生成式应用的商业化推进，使企业对模型训练、推理与实时服务的需求持续攀升，数据中心不再只是承载与存取数据的“仓库”，而在很大程度上成为连续产出数字内容与决策结果的“工厂”。 原因——三条线索推动数据中心“从存储到生产”的转型 一是技术路径从“生成”走向“推理”，并向更高阶的“智能体”演进。随着大模型能力提升，市场需求从一次性内容生成，转向更强调推理、规划与执行的任务型应用。智能体能够调用外部工具、访问企业系统、分解复杂任务并完成闭环交付，对算力的持续性、稳定性与低时延提出更高要求。 二是“token”成为衡量数字产出的关键计量单位。在黄仁勋的表述中，token可被视为模型输出与计算消耗的基本单位。企业侧越来越倾向于以token产出衡量服务能力、效率提升与成本结构，从而让数据中心具备“可计量产能”的工业化特征。换言之，算力不只是IT投入，更与产能、交付与收入形成联动。 三是长期平台化积累支撑“全栈”能力形成。黄仁勋在对话中回顾英伟达三十余年发展，强调企业从早期图形计算切入，通过加速算法的路线，逐步演进为计算平台建设者。其逻辑在于：大量软件的计算瓶颈往往集中在少量“内循环”代码段，针对瓶颈进行加速能够大幅提升整体效率。图形学曾是典型的可加速任务，随后在更广泛的并行计算与人工智能场景中被放大。平台化能力的形成，使算力供给能够以更标准化方式进入各行业应用。 影响——“算力—产出—收入”链条或重塑产业与资本配置 从产业层面看，若数据中心被视为“生产token的工厂”，算力投入就可能像传统工业的设备投资一样，成为扩大产能、提升效率的重要手段。企业在客户服务、研发设计、营销内容、运营管理等环节引入智能体后，数字劳动力的规模化使用将改变组织结构与生产关系，提升单位时间可交付的“数字产量”。 从宏观层面看，“算力等于GDP”的说法更多是一种趋势判断：算力基础设施建设、软件生态繁荣与行业数字化深化将带动投资、就业与生产率变化。另外，这也对能源供给、网络基础设施、数据治理与安全体系提出系统性要求。若处理不当，算力扩张可能带来能耗约束、供应链风险与区域发展不均衡等新问题。 从资本市场层面看，黄仁勋将其观点与“万亿美元周期”相联系，意在提示产业进入新一轮以算力为核心的长周期投资阶段。其变量不仅在硬件与数据中心，还包括软件平台、行业应用、模型服务与安全合规等“全链条”环节，资本配置逻辑可能从短期应用热度转向长期基础设施与生态能力。 对策——把握机遇需同步推进基础设施、应用落地与治理框架 一要加强算力基础设施与能源系统的协同规划。面向推理与智能体带来的持续性负载，应提升数据中心的能效管理、冷热通道与液冷等技术应用水平，推动绿色电力与储能配置，降低算力扩张对能源约束的敏感度。 二要加快行业应用的可复制落地，形成可度量的产出体系。企业在引入智能体时，应围绕业务流程重构、数据质量、工具链打通与权限管理建立标准化方法，使“token产出”真正对应可核算的效率提升与成本下降，避免“算力堆砌”而缺乏商业闭环。 三要完善数据安全、模型合规与风险防控机制。智能体进入企业核心系统后，权限、审计、可追溯与责任边界需更清晰；同时应强化供应链韧性，降低关键环节单点风险。对公共部门而言，可通过标准体系与评测机制引导产业健康发展。 前景——智能体规模化应用或催生新的增长曲线 综合各方趋势，未来一段时期，生成式应用将继续向推理密集型、任务闭环型演进，智能体在政务服务、工业制造、金融风控、科研计算等领域的渗透有望加快。数据中心的定位也将从“信息基础设施”进一步向“生产基础设施”延展。对企业来说，关键在于能否把算力转化为稳定、可规模化的产品与服务；对国家与区域经济来说，关键在于以更高效率整合能源、网络、数据与产业体系，使算力投入真正转化为生产率提升与高质量发展动能。
从图形处理器到AI超级芯片——从游戏娱乐到智能制造——黄仁勋描绘的算力经济图景揭示了数字文明演进的一条主线。在迈向智能化的过程中，如何平衡算力发展与能源消耗、技术红利与社会公平，将比单纯追求算力增长更值得思考。这场由技术创新驱动的经济范式变化，正在重塑21世纪的增长方程式。