AI 產業已從模型展示進入資本支出競賽，資料中心愈蓋愈大，投資人接下來看的不只是算力規模，而是能否回本，黃仁勳在 Computex 把算力說成營收與利潤，正是在回應市場對 AI 投資報酬率的焦慮。
NVIDIA 創辦人暨執行長黃仁勳。｜Photo Credit: NVIDIA直播截圖
AI 產業進入 2026 年後，資料中心投資仍在擴大，企業客戶與投資人也更在意 AI 基礎設施上線後能否轉成營收，NVIDIA 創辦人暨執行長黃仁勳（Jensen Huang）在 GTC Taipei / Computex 演講中表示，現在「compute is revenue, compute is profit」，也就是算力已經是營收，算力也正在成為利潤。
黃仁勳表示，代理式 AI（agentic AI）已經到來，實用型 AI 已經到來，過去大型語言模型主要回答問題，現在 AI 代理可以觀察、推理、規畫、使用工具、管理記憶體並啟動子代理，AI 因此開始從回答問題走向執行工作。
黃仁勳在演講中提到，一座 1 GW 等級 AI 工廠的投資規模可能從 300 億美元、500 億美元，走向 800 億美元到 1000 億美元，這種規模使客戶不只在意晶片價格，也會在意資料中心多久能上線、吞吐量是否足夠、可靠度能否維持，以及系統在整個生命週期內能產生多少可用算力。
他表示，AI 基礎設施上線的時間、第一個 Token 產生的速度、系統吞吐量、可靠度與可用壽命，都會影響客戶取得營收的時間與效率，NVIDIA 也因此從 GPU 公司走向系統公司，並進一步把自己定位為 AI 基礎設施公司。
黃仁勳把 AI 工廠的產出單位放在 Token 上，他表示，當 AI 代理能執行有用工作，Token 就不只是模型輸出的文字片段，而是可以被客戶使用、被服務收費、被企業流程消耗的運算產出。
他特別提到「每瓦 Token 產出」（tokens per watt），也就是每瓦電力能產生多少 Token，黃仁勳表示，若資料中心只有 1 GW 電力，能產出的 Token 數量就會影響收入，客戶不能只因為晶片比較便宜就選擇架構，而必須看同樣電力條件下能產生多少營收。
黃仁勳也以軟體開發作為代理式 AI 的例子，他表示，GitHub 的 commits 數量在 2023 年約 3 億次、2024 年約 4 億次、2025 年約 5 億次，到了 2026 年前幾個月已接近成長 3 倍。
他表示，全球約 3000 萬到 4000 萬名專業軟體開發者，一年薪資約 3 兆美元，若 AI 協助同一批工程師產生接近 3 倍的產出，就可能讓 3 兆美元薪資對應到約 9 兆美元生產力，黃仁勳並說，AI 不會讓軟體工程師減少，反而會讓企業想聘用更多工程師。
在資料中心端，黃仁勳表示 Vera Rubin 已進入全面量產，這套系統不是單一繪圖處理器（graphics processing unit；GPU），而是為代理式 AI 設計的多機架超級電腦系統，包含 Vera 中央處理器（central processing unit；CPU）、Rubin GPU、NVLink、交換器、儲存、安全處理器與軟體堆疊。
他表示，過去組裝一個 Grace Blackwell 機架需要 2 小時，Vera Rubin 透過新的系統設計，可把組裝時間縮短到 5 分鐘，並提高供應鏈產能與交付速度，Vera Rubin 的供應鏈規模也比 Grace Blackwell 大一倍。
黃仁勳表示，客戶最終要建置的不是單台伺服器，而是可產生 Token、支撐 AI 服務並回收資本支出的 AI 工廠，因此 NVIDIA 已不只是 GPU 公司，也不只是系統公司，而是 AI 基礎設施公司。
他表示，NVIDIA 必須協助客戶更快產生第一個 Token，在固定電力條件下產生更多 Token，並讓系統維持可靠運作，隨著 AI 工廠投資規模升高，算力能否轉成營收，也成為資料中心建置時更難迴避的問題。
責任編輯：羅弘旭 / 核稿編輯：林筠騏
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。