进入10月以来，全球AI产业链股票经历了一轮剧烈调整。截至10月16日，美国费城半导体指数连续8个交易日下跌，创下2008年以来最长的连跌纪录。10月22日，亚洲市场的芯片和AI股再度领跌，韩国KOSPI指数收跌3.52%，SK海力士跌超5%，A股创业板指数跌4.37%，算力硬件股集体走弱。按照亚马逊、微软、谷歌母公司Alphabet、Meta在7月下旬给出的指引，四家公司今年的资本开支都将超过1000亿美元，主要投向数据中心等AI基础设施。这些投入能否收回，举债扩张的风险有多大，是全球资本市场眼下争论的焦点。

　　市场的担忧情绪还在多个维度持续蔓延，近期CoreWeave、Nebius等新型云服务商股票接连遭遇抛售，投资者普遍担忧企业AI基础设施扩建支出规模过大、投资回报周期长于预期，同时警惕相关企业为数据中心建设融资所承担的高额债务规模。周四盘前，Nebius跌3.6%，CoreWeave跌4%，Iren和Applied Digital也跌近4%。美国AI债券市场也同步出现波动，近几周来，为Meta、英伟达、甲骨文等公司入驻的数据中心融资发行的债券价格已远低于面值，投资者对AI热潮带来的预期收入逐渐失去信心，认为其不足以支撑为数据中心融资的巨额债务。

　　面对市场的普遍质疑，英伟达创始人兼首席执行官黄仁勋在欧洲巡访期间多次公开回应相关关切。10月16日，正在欧洲巡访的黄仁勋在柏林接受媒体采访时表示，这一切都会过去，原因很简单，AI将带来变革，以非常积极的方式影响每一个行业、每一个国家，在他看来，AI带来的变革还处在起点。10月21日，黄仁勋在柏林的GTC（英伟达GPU技术大会）上发表主题演讲，用制造业的逻辑讲解AI工厂也就是训练和运行AI模型的数据中心的投入和产出逻辑，首次系统性地向市场传递英伟达对AI产业投资回报的判断。

AI工厂的制造业逻辑

　　黄仁勋在演讲中明确提出，AI实际上是一种制造业，计算机的运作方式已经根本改变，从人使用的工具，变成了生产智能的工厂。在他的描述里，AI工厂以电力为原料，生产出Token也就是词元，AI模型处理和生成信息的基本单位，供各行各业使用。他估算，一座1吉瓦的AI工厂造价约500亿美元，涵盖土地、电力、厂房，以及计算、网络、存储、冷却设备和系统集成等全部相关投入，每年预计能带来数百亿美元的收入。

　　按照这一制造业逻辑，AI工厂的投资能否顺利收回，核心取决于两大核心指标，一是工厂能否快速建成投产、尽可能降低运行过程中的电力消耗，二是建成以后，生产出来的Token有没有足够的稳定买家支撑持续营收。黄仁勋举例说明投产速度的重要性，按一座1吉瓦的AI工厂每年带来400亿美元收入计算，晚投产3个月，就要少收约100亿美元，100亿美元的收入损失，会让任何运营方都感到焦虑。

　　针对第一大核心指标，英伟达将AI工厂设计方案的核心目标概括为每瓦电力产出更多智能，用更短的时间产出第一个Token，前者对应单位电力的产出效率，后者对应一座新工厂从建设到投产的速度，两者都直接关系到AI工厂的投资回收周期。黄仁勋在演讲中表示，摩尔定律已经基本终结，即便它仍然有效，芯片性能十年也只能提升100倍左右，而在过去的11年里，AI性能提升了100万倍，靠的是芯片、系统、软件和算法的极致协同设计，以此突破传统的摩尔定律瓶颈，实现功耗的大幅优化。

　　英伟达公布的信息显示，按照其设计方案，在同等产出条件下，AI工厂的功耗最多可以降低30%。英国AI云服务商Nscale在上一代GB300系统上测试英伟达的电力管理软件后，在供电额度不变的情况下，可以多部署37%的GPU，单位时间产出的Token总量则提高了近50%。为进一步缩短投产时间，英伟达在大会上发布了整座AI工厂的模块化参考设计DSX POD，按照这一设计，合作伙伴先在集装箱式的模块里装好设备、完成集成和验证，再运到施工现场，在场地设施就绪的前提下，现场部署时间可以从6个月缩短到14天。英伟达计划与戴尔、慧与、联想、施耐德电气等合作伙伴，于2027年初开始向全球交付相关设施。

Token需求的核心支撑场景

　　在解决了AI工厂的建设效率和运行效率问题之后，黄仁勋将市场关注的核心需求来源指向了AI智能体和企业定制化模型。他指出，过去一年AI技术变化显著，已经开始能够自主推理、反复尝试、调用工具，并独立完成各类实际任务。与简单的问答交互相比，智能体执行一项任务，往往需要拆解多个步骤、查找相关资料、调用不同软件工具，再根据实时结果调整执行路径，这些全流程的运行环节都需要持续消耗Token。

　　黄仁勋表示，智能体的思考推理过程本身就会消耗大量Token，智能体越实用，吸引的使用场景和用户就越多，整体Token消耗量就会随之激增，对应的GPU需求也会大幅攀升。随着智能体开始进入更多实际业务场景执行各类任务，运行过程中的安全管控问题也随之受到行业广泛关注。为了推动智能体在各行业的广泛部署，英伟达同步发布了OpenShell安全智能体参考架构，黄仁勋介绍，智能体能够自主访问文件、网络和各类工具，因此需要尽量限制其操作权限，并对运行行为进行持续监控。

　　这套安全架构通过隔离运行环境、执行预设访问规则等方式，帮助企业精准控制智能体可以访问的资源范围、可以执行的操作类型。按照英伟达的设计，Vera Rubin负责模型推理，Vera CPU负责运行智能体的任务调度及工具调用，BlueField-4则运行Sentry安全软件，持续监控智能体的全部运行行为，当智能体试图突破设定的软件边界时，Sentry可以在毫秒级时间内做出响应，及时阻断违规操作。

物理AI领域的增量算力空间

　　除了智能体和企业定制化模型带来的海量Token消耗需求之外，黄仁勋还重点提及了物理AI领域的庞大算力需求空间。物理AI的覆盖范围主要包括自动驾驶与人形机器人两大方向，这类技术在正式落地进入实际应用场景之前，就需要消耗大量数据中心算力进行模型训练和数字孪生环境下的技能学习，整个过程会持续产生规模庞大的Token消耗。

　　为了做大物理AI领域的整体市场规模，同时加速相关技术的迭代速度，英伟达推出了对应的标准化架构与配置体系，为行业参与者提供统一的技术底座。这套标准化架构能够降低不同企业参与物理AI技术研发的门槛，减少重复的底层技术开发投入，让更多行业资源可以集中在应用场景的创新层面，进一步扩大物理AI领域的整体算力需求，为AI工厂生产的Token开辟又一个规模可观的稳定消费市场。

　　黄仁勋同时提及，当前AI产业的发展还面临资本和电力两大现实制约因素，市场对新型云服务商也就是专门提供AI算力的基建企业的需求高得惊人，基本面需求爆表，行业相关企业的能力也十分出色，但推动增长所需的营运资金存在明显缺口，AI众多领域的需求巨大而资本稀缺，资本需求远大于资本供给，但他相信这个问题最终会得到解决。电力同样是AI热潮的主要制约因素，尤其在电价更高的欧洲，将稀缺能源分配给Nebius和Mistral等优质企业对其增长至关重要，整个欧洲都需要更多新型云服务商，先在本地建立AI基础设施，才能在其上构建完整的AI生态系统和AI经济，推动产业发展的飞轮在欧洲顺利启动并形成闭环。

　　英伟达正持续扩大在欧洲AI产业的投资，已承诺向当地企业、大学及研究机构投入近100亿美元，黄仁勋本月在欧洲密集展开相关活动，上周访问伦敦期间，还宣布向5家英国初创企业投资逾10亿美元。黄仁勋表示，欧洲拥有丰富的科技积累、工业经验及科研能力，英伟达希望参与并协助当地建立完整的AI经济体系，推动全球AI产业的整体发展。

(编辑：曹凤芹)