英伟达提出“词元经济”：AI基建进入数十年盈利周期？
2026年6月24日，英伟达（NVIDIA Corporation, NVDA.O）举行年度股东大会，公司首席执行官黄仁勋在会上对人工智能基础设施的长期前景作出明确判断。他指出，当前这一轮AI基建周期“将以数十年为尺度来衡量”，并强调英伟达构建的AI数据中心本质上是“词元（token）的工厂”——每个词元都能转化为代码、答案、设计、行动或服务，因而构成可货币化的利润单元。黄仁勋进一步解释称，尽管英伟达系统未必是市场上最便宜的选择，但其单位词元的生成成本最低、吞吐量最高，从而带来最大收入潜力。他还将“物理AI”——即具备感知、推理、规划与自主行动能力的机器人、智能汽车和自动化工厂——定义为下一阶段增长的核心驱动力。
AI基建进入“词元经济”时代：从算力竞赛到单位产出效率
黄仁勋此次发言标志着英伟达战略叙事的重大演进。过去两年，市场普遍聚焦于GPU出货量、训练集群规模或大模型参数数量等指标；而黄仁勋将讨论焦点转向“词元经济性”（token economics），实质上是在重新定义AI基础设施的价值评估框架。在他看来，真正的竞争不再局限于硬件性能峰值，而是落在每单位计算资源所能产出的有效信息量及其商业转化效率上。
这一逻辑背后，是AI应用从“演示阶段”向“生产阶段”的实质性迁移。早期大模型主要用于文本生成或图像合成，其价值难以量化；但随着企业级AI代理（AI agents）开始执行客户服务、软件开发、供应链优化等具体任务，每一次交互所产生的词元都直接关联到运营成本节约或收入创造。因此，能够以最低边际成本、最高吞吐速率稳定输出高质量词元的系统，自然成为企业部署AI的首选。
值得注意的是，黄仁勋特别强调“推理经济性”优于单纯训练成本。这反映出行业重心正从模型预训练转向持续推理部署。据公开数据，当前头部AI应用的日均推理请求量已远超训练所需算力，且对延迟、准确性和能耗提出更高要求。英伟达通过其全栈架构——包括Blackwell GPU、NVLink互连、AI Enterprise软件及推理优化库——试图在这一环节建立结构性优势，使客户在规模化部署时获得更优的总拥有成本（TCO）。
“物理AI”成为第二增长曲线：从虚拟世界走向现实空间
除数据中心内部的词元工厂外，黄仁勋将“物理AI”视为未来十年的关键突破口。他所指的并非传统工业机器人，而是具备环境理解、自主决策与多模态交互能力的智能体，能够在真实物理世界中执行复杂任务。这类系统需要融合计算机视觉、传感器融合、实时控制与大语言模型推理能力，对底层计算平台提出极高要求。
这一方向并非空谈。早在2026年6月8日，黄仁勋就与现代汽车集团高层会晤，宣布双方将扩大在自动驾驶汽车、机器人出租车（robo-taxis）及自主移动系统领域的合作。他当时表示，“工业化机器人的时间已经非常接近”，并透露英伟达有意在韩国新万金（Saemangeum）参与AI与机器人制造生态建设。这表明，英伟达正将其AI基础设施从云端延伸至边缘端，覆盖从工厂车间到城市街道的全场景智能体部署。
物理AI的商业化路径虽仍处早期，但其潜在市场规模不容小觑。制造业自动化、物流仓储、医疗辅助及家庭服务等领域均存在大量非结构化任务，传统程序化方案难以应对。而基于生成式AI的智能体可通过持续学习适应动态环境，有望打开万亿级增量市场。英伟达凭借其在仿真训练（如Omniverse平台）、边缘AI芯片（Jetson系列）及机器人操作系统（Isaac ROS）上的布局，已初步构建起端到端技术栈。
数十年周期判断的深层逻辑：基础设施范式的根本性转变
黄仁勋断言本轮AI基建将持续“数十年”，这一判断远超常规科技周期（通常为5-10年）。其依据在于，AI并非单一技术突破，而是正在重塑整个信息处理与决策执行的基础架构。如同电力在20世纪初从照明工具演变为工业生产的通用能源，AI正从特定应用工具转变为社会运行的“认知基础设施”。
初期投资集中于核心骨干网络（如数据中心集群），随后逐步渗透至终端节点（如智能设备、机器人）。英伟达当前的角色类似于“AI时代的通用电气”：不仅提供核心发电设备（GPU），还参与构建输电网络（高速互连）、配电系统（软件栈）乃至用电终端（物理AI平台）。
此外，黄仁勋对ASIC（专用集成电路）冲击的乐观态度也值得玩味。尽管多家科技巨头已自研AI芯片以降低对英伟达依赖，但他认为通用GPU在灵活性、软件生态和推理效率上的综合优势难以被专用芯片全面取代。尤其在需要频繁迭代模型、处理多任务混合负载的企业环境中，GPU的可编程性仍是关键护城河。
投资者应关注的结构性机会与风险平衡
对于全球投资者而言，黄仁勋的表态强化了AI基础设施作为长期配置资产的逻辑。短期市场波动可能受财报指引或竞争消息扰动，但若AI确实进入“词元即利润”的规模化变现阶段，具备最优单位经济性的平台型企业将获得持续超额回报。
然而，风险亦不可忽视。首先，数十亿美元级别的数据中心投资能否如期转化为企业级AI支出，仍取决于实际ROI验证。其次，地缘政治对高端芯片出口的限制可能影响英伟达全球市场覆盖能力。再者，物理AI的落地速度受制于安全法规、伦理标准及公众接受度，商业化进程或慢于预期。
总体而言，黄仁勋在2026年股东大会上的发言，不仅是对英伟达技术路线的重申，更是对AI产业演进阶段的权威界定。当行业从“有没有AI”转向“AI是否赚钱”，基础设施的竞争将回归到最本质的经济指标：单位产出的成本与效率。在此框架下，英伟达试图证明，其系统虽非最廉价，却是最具生产力的选择——而这，或许正是支撑其“数十年周期”判断的核心底气。
