全球科技股本周遭遇大规模抛售，全球前二十大科技股市值合计蒸发逾 1 万亿美元，市场对 AI 基础设施投资回报的质疑明显升温。就在这个节点，英伟达 CEO 黄仁勋连续公开发声，先是在斯德哥尔摩接受彭博采访时为 CoreWeave 背书，随后又在 BG2 播客一场近 140 分钟的访谈中集中回应市场最关心的问题：AI 算力建设的钱，到底由谁来支付。
这场 BG2 访谈在美东时间 10 月 15 日美股盘前发布，时间接近早上 7 点。当时华尔街交易员、分析师和量化基金正准备迎接开盘。
CoreWeave 成为本轮抛售焦点
CoreWeave 是这轮科技股抛售中最受关注的压力点之一。根据 ICE Data Services 数据，为 CoreWeave 债务违约风险提供保险的五年期信用违约互换（CDS）价差，盘中一度飙升 74.5 个基点，达到 1194.5 个基点的盘中历史高位，隐含的五年违约概率超过 60%。
市场之所以高度紧张，原因在于 CoreWeave 通过大举借债扩张算力，而英伟达既是其设备供应商，又持有其约 10% 股权，是第二大股东。这种「供应商为买家融资、买家再购买供应商产品」的循环融资结构，持续引发外界对 AI 基础设施扩张财务可持续性的质疑。
面对这一担忧，黄仁勋在斯德哥尔摩对彭博表示，CoreWeave「每天都在变得更强」，「我很乐观。他们的资本成本实际上正在下降。」他同时明确说，英伟达不需要为 CoreWeave 提供任何形式的兜底支持。
这番表态很快反映到市场价格上。CoreWeave 当日逆势收涨 5.94%，此前连续两日累计暴跌逾 18% 的跌势暂时止住。纳斯达克指数随后收复全部跌幅。《巴伦周刊》在盘后复盘中称，市场「只要来自『AI 教父』黄仁勋的几句安抚就足够了」。
黄仁勋称市场把问题问错了
本周抛售背后的一个核心逻辑，是市场开始系统性质疑 AI 基础设施投资回报：如果 OpenAI 和 Anthropic 的营收增速放缓，谁来承担数万亿美元级别的算力建设？
在 BG2 访谈中，黄仁勋直接将这一思路定性为「问错了对象」。他把英伟达面对的算力需求拆成三个大致相当的板块。
第一块，约三分之一，与 AI 实验室没有直接关系，属于基础计算需求，包括分子动力学、物理仿真、量子化学、经典机器学习，例如 Visa、Mastercard 的欺诈检测，以及推荐系统等。他说：「就算完全没有 AI，英伟达也不是零，这块业务每年增长 30% 到 40%。」
第二块，约四分之一到三分之一，来自前沿实验室的算力需求。但他强调，市场通常只盯着两家，自己看到的却是五六家，包括 Meta、Grok、Gemini、Anthropic，以及其他正在崛起的机构。他在访谈中说：「如果你告诉我这代表我们业务的不到三分之一，大约四分之一，那很好。」
第三块，同样约三分之一，来自数千家租用算力的初创公司。黄仁勋把这部分比作「下一代 AWS」。他说，这些公司中有 80% 使用开源模型，在物理 AI、生物 AI、材料科学等垂直领域构建专属智能。「把这一大块云计算当成下一代的 AWS，这就是今天的 AWS，只不过是面向未来的。」
在他看来，「把数万亿美元的建设押在两家实验室的营收上，是一个很大的错误。」他同时表示，自己很乐意与这些实验室合作并支持它们，它们会成为有史以来最重要的科技公司之一，也会取得巨大成功，但它们的营收「根本不需要接近一万亿美元，这件事才能成立」。
他认为需求不会线性减速
黄仁勋在访谈中还解释了，为什么他判断算力需求不会线性放缓，而会持续加速。
他的逻辑建立在两个复合因子之上。第一，推理，也就是「思考」，比背诵式生成贵几个数量级。AI 在执行任务时，需要展开多个方案、做规划、反思并剪枝，还要保留「战略期权」，这些过程本身就会消耗大量算力。第二，模型能力越强，被「雇佣」的场景就越多。他说：「它用更多算力完成工作，但它做得好，所以我们会雇它做更多工作，这两件事叠加，需求就是加速的，不是减速的。」
黄仁勋还把去年的一个关键解锁概括为「harness」，包括工作记忆管理、知识图谱构建，以及工具使用。他认为，正是这三件事让大语言模型从「聊天机器人」变成可以进入企业执行任务的智能体。「编程是第一个落地场景，设计与创意是下一波。」
他提到，OpenAI 和 Anthropic 目前各自拥有的算力大约只有两三吉瓦，「相对于即将到来的规模，这是很小的量」。而就在这样的算力水平下，AI 已经解决了纳维-斯托克斯方程这一千禧年数学难题。他说：「这是我们从今往后将拥有的最差的智能，从这里开始，只会越来越好。」
2027 年瓶颈在土地、电力、许可和施工
对于未来几年的建设节奏，黄仁勋给出了较明确的判断：需求「只多不少」，真正的限制来自物理世界。
据 BG2 主持人 Brad Gerstner 援引 SemiAnalysis 的数据，明年将新增 43 吉瓦 AI 算力，超过当前全球存量总和，之后一年还会再增加 40 吉瓦。黄仁勋认同这一数字在需求侧的判断，但也指出，实际落地会受到土地、电力、外壳、许可和施工人力等因素约束。他说：「土地、电力、外壳，这将是最关键的障碍之一。」
在他的框架里，电力稀缺甚至会反过来强化英伟达的份额。理由是，英伟达架构在每瓦算力产出，也就是 tokens/watt 上处于全球最高水平。电力越紧张，客户越倾向选择单位能耗产出最高的平台。他说：「当电力减少时，你放进去的算力质量必须是最高的，我们是最可出租的，是可互换的，是耐用的。」
他还披露，英伟达每吉瓦算力对应的市场价值，已经从约 180 亿美元升至 200 多亿美元，现在超过 400 亿美元，而且还在上升。在全球云服务商（CSP）的资本支出中，英伟达占比约 40%；在非 CSP 一侧，包括本地部署和新云计算，占比约 80%。他说：「六年前，我们占全球资本支出的比例还是个位数。」
黄仁勋给出长期规模判断
对于 AI 基础设施的长期规模，黄仁勋也给出了自己的推算框架，这也是他认为市场低估算力需求持续性的一个关键依据。
按照他的说法，在 AI 出现之前，全球计算基础设施每年的建设规模约为 5000 亿美元，而且本来就处在自然增长轨道上。再加上摩尔定律终结带来的变化——「如果你想要两倍的晶体管，不管等多久，你都要付两倍的钱」——半导体行业本身就已走在成为全球最大产业的路径上。叠加 AI 带来的新增需求和新一轮创业浪潮后，到本十年末，年建设规模将在 3 万亿至 4 万亿美元之间，更接近 4 万亿美元，其中纯计算约 1.5 万亿美元。
对更长期的展望，黄仁勋说：「如果有人告诉我，年度基础设施建设和更新规模达到 10 万亿美元，我一点都不惊讶。」
在英伟达自身的财务策略上，他透露，公司目前把超过 50% 的自由现金流用于股票回购，上一季度这一比例约为 60%。他还提到两条新的增长向量：一是面向企业的软件许可，按 GPU 数量收取年费；二是与部分云服务商的收入分成（Revshare）安排。这两条路径都相对独立于硬件销售，依托的是英伟达现有的安装基础和生态系统。