黄仁勋在最新财报电话会上说，AI 基础设施年度开支将冲到 4 万亿美元，是华尔街共识的四倍。这笔钱最终会以电费、订阅费、甚至工作岗位的形式，落到每一个普通人头上。
英伟达现在值 5.7 万亿美元。
这个数字超过了德国 2026 年全年 GDP 预测值 5.45 万亿美元。
一家卖芯片的公司，比欧洲最大经济体还值钱。
5 月 20 日晚，英伟达发布 2027 财年 Q1 财报，营收 816 亿美元，同比增长 85%，全面碾压华尔街预期。
数据中心业务贡献了 752 亿美元，同比暴增 92%，占总营收超过九成。
净利润 583 亿美元，同比翻了两倍多。
更夸张的是下季度指引，910 亿美元，比分析师预期高出 40 多亿美元。
同时英伟达追加了 800 亿美元的股票回购额度。
这家公司赚钱赚到不知道该怎么花了。
4 万亿美元，到底是谁的钱？
财报数字只是前菜。
黄仁勋在随后的电话会上甩出的一个判断，才真正令人叹为观止。
超大规模云厂商的 AI 资本开支，目前已经达到每年 1 万亿美元，接下来将增长到 3 至 4 万亿美元。
华尔街的共识预期是什么呢？
Needham 分析师 Laura Martin 的整理显示，大家觉得超大规模云厂商的资本开支要到 2028 年才能摸到 1.03 万亿。
黄仁勋说的数字，是这个共识的四倍。
英伟达 CFO Colette Kress 给了时间线，AI 基础设施年度开支有望在 2030 年前达到 3 到 4 万亿美元。
Needham 分析师 Laura Martin 在研报中评价说，黄仁勋的愿景和云厂商自己描述的图景不一样，而且更有意思。
钱已经在烧了。
一季度，谷歌资本开支 357 亿美元，同比翻倍；亚马逊 442 亿美元，居四家之首；微软 309 亿美元，同比增长 84%。
Meta 最猛，把全年资本开支预算上调至 1250 亿到 1450 亿美元，结果市场给了它一记耳光，股价次日跌了 9.25%。
四家加起来，2026 年全年预计砸出 7250 亿美元。
美国银行预测，云厂商今年的债务发行总额将达到 1750 亿美元，是过去五年年均水平的六倍。
4 万亿美元是个什么概念？
大约等于日本一年的 GDP。
这笔钱，最终都要从某个地方赚回来。
你的电费账单，正在为 AI 买单
这场豪赌听上去很遥远，但它已经在改变普通人的生活了，从电费开始。
弗吉尼亚州的居民 John Steinbach 在 2026 年 1 月收到了一张 281 美元的电费账单，而他前一个月只付了大约 100 美元。
他在这栋房子里住了将近 40 年，从没见过这种涨幅。
弗吉尼亚是全美数据中心最密集的地区，仅 2024 年数据中心就消耗了全州近 40% 的电力。
这不是个案。
https://www.consumerreports.org/data-centers/ai-data-centers-impact-on-electric-bills-water-and-more-a1040338678/
根据 SemiAnalysis 的研究，覆盖美国东部 13 个州、6700 万居民的 PJM 电网区域，2026 年家庭电费相比「AI 数据中心时代之前」平均上涨了约 15%。
国际能源署的数据显示，一座典型的超大规模数据中心用电量相当于 10 万个家庭。
Meta 在路易斯安那州规划的 Hyperion 项目需要至少 5 吉瓦电力，是新奥尔良全市用电量的三倍。
到 2028 年，美国数据中心的电力消耗预计将占全美总用电量的 12%。
到 2030 年，全美电费预计平均上涨 8%。
这笔账很简单，科技巨头要建 AI 工厂，工厂要用电，电网扩容的成本由谁承担？
至少目前的答案是，所有人。
100 个 AI 员工围着你转
电费只是序章。
黄仁勋在财报电话会上描述了一个更大的图景：全世界有 10 亿人类用户，而接下来世界将拥有数十亿 Agent，每一个 Agent 又会衍生出子 Agent。
这话不是说着玩的。
他在今年 3 月 GTC 大会上给出了更具体的数字，预计十年后英伟达将有 7.5 万名人类员工，同时有 750 万个 Agent，也就是每个人配 100 个 Agent。
麦肯锡去年 11 月的调查显示，62% 的企业已经在试用 Agent。
Andrej Karpathy 做过一个实验，让一个 Agent 去优化一个小型语言模型的训练流程，Agent 在两天内跑了 700 次实验，找到了 20 个优化方案。
https://x.com/karpathy/status/2030371219518931079
不过这里有一个不能回避的现实。
Agent 的可靠性离「放手让它干」还差得远。
某家公司的 Agent 在获得提升权限后，9 秒钟内删掉了一整个生产数据库，客户数据、预订记录、备份全部清空。
ServiceNow CEO Bill McDermott 直接说了一句话，治理能力是生死线。
Agent 的计算需求又进一步推高了对算力的渴求。
黄仁勋透露，Agentic AI 所需的计算量相比两年前的生成式 AI 暴增了 1000%。
英伟达下一代 Vera Rubin 平台正是为此而生，推理 Token 成本降至 Blackwell 的十分之一，训练同规模模型所需 GPU 减少至四分之一。
Anthropic、Meta、OpenAI、Mistral AI 等头部实验室都已官宣将基于 Rubin 训练下一代模型。
https://nvidianews.nvidia.com/news/nvidia-vera-rubin-platform
从这个角度看，4 万亿美元的基础设施预测反而不算激进。
通往 AGI 的高速公路收费站
所有的数字、所有的投入，最终指向同一个终点。
当推理成本降低 10 倍、模型规模持续膨胀、数十亿 Agent 自主运行并相互协作，这条技术曲线的尽头只有一个名字，AGI。再远一点，是 ASI，超级人工智能。
4 万亿美元的基础设施投入，归根结底是在修一条通往 AGI 的高速公路。
黄仁勋赌的，是这条路的终点足够值钱，值钱到让沿途的一切投入都变成零头。
如果 AGI 真的在这个十年末到来，今天所有「AI 投资能不能回本」的讨论都将变得无关紧要。
一个能自主完成几乎所有认知任务的系统，其经济价值将重新定义「回报率」这个概念本身。
那时候的问题只有一个，「谁有资格站在 AGI 时代的牌桌上」。
英伟达已经坐下了。四大云巨头正在用真金白银跟注。
而每一个普通人，都将是这场豪赌的利益相关者，不管你愿不愿意。
参考资料：
NVIDIA 发布 2027 财年第一季度财务报告
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
本文来自转载新智元 ，观点仅代表作者本人，发现AI平台仅提供信息存储空间服务。
如若转载，请联系原作者；如有侵权，请联系编辑删除。
微信扫一扫 
