黃仁勳上 BG2 Pod：別把壓力全壓在兩家實驗室，2027 年瓶頸是土地、電力與廠房

輝達執行長黃仁勳第三度登上 BG2 Pod，這次對談的主持人是 Altimeter Capital 創辦人 Brad Gerstner 與 Altimeter 合夥人 Clark Tang（本集並非 Bill Gurley 主持）。錄影時間點相當特別：依節目說法，黃仁勳剛參加完白宮國宴、白宮的超級智慧協議簽署，前一天才從總統手中領取國家科學獎章。

將近一百分鐘的對談，從「我們是否正進入奇點」一路聊到 2027 年的算力瓶頸、太空資料中心、AI 營收能否撐起資本支出，以及華爾街共識預測為何一年內被大幅改寫。以下是聽完後整理的重點與評論。

誰在對話？

• 黃仁勳（Jensen Huang）：輝達（NVIDIA）共同創辦人兼執行長。
• Brad Gerstner：Altimeter Capital 創辦人，BG2 Pod 共同主持人。
• Clark Tang：Altimeter 合夥人，本集共同提問。

以下凡是數字、預測與判斷，皆為節目中受訪者或主持人的說法。

從領獎台說起：移民是美國的超能力

Gerstner 開場提到，頒獎台上六個人裡有五個出生在美國以外。黃仁勳則分享父親當年被派到紐約受訓，帶回巧克力與管裝起司，從此種下「有一天要去美國」的夢想；他和哥哥比父母更早到美國。這次領獎，他只給父母 24 小時準備，父親還特地跑去買了人生中的新西裝。

他把獎項歸功於公司：輝達發明了一種新的運算模型，如今存在於每一朵雲、每一家電腦公司與每一個科學領域，GPU 累計出貨約 16.7 億顆。他也強調，美國能吸引全世界最好的人才，是其智慧財產創造力無人能比的原因，但必須「合法、正確地」去做。

算力需求為何是十億倍：推理、記憶與工具

黃仁勳解釋，算力需求暴增的邏輯很直接：AI 從「背出答案」走向「逐步推理」，需要規劃多種方案、展開、反思、剪枝，這種探索本身就吃掉大量運算；而 AI 做得好，人們就把更多工作交給它，兩股力量相乘。

他認為去年最大的突破不只是模型變強，而是替大型語言模型加上「外骨骼」：一是管理工作記憶、把短期記憶整理成長期知識圖譜的能力；二是學會使用人類既有的工具，從 EDA 模擬器到 Photoshop、AutoCAD。寫程式只是第一個落地的場景，接下來是設計、行銷、科學研究等領域。

小評： 「模型加上工具與記憶」才是代理人真正可用的關鍵，這與近一年企業導入 AI 代理人的經驗相符。這也意味著算力需求不只來自訓練，而是來自每一次代理人執行任務時的推論。

Navier-Stokes 與智慧成本下降

主持人提到，依他們的說法，OpenAI 動用上萬個代理人協作攻克了 Navier-Stokes 千禧年難題，Clark Tang 估算這次運算成本約 400 萬美元。黃仁勳提醒，這不是憑空做到的，而是站在大量數學家既有研究的基礎上；許多領域都處在類似的臨界點，只差大量的「搜尋空間探索」，而這需要大量算力。

他預期智慧的成本會快速下降，就像摩爾定律三十年來讓運算成本逐年減半。他舉例，當年訓練初代 GPT 大約花了一兩千萬美元，現在可能只要約 100 美元；但同時人類的野心也變大，模型規模走向數兆、數十兆參數，用量更成長了不知多少倍。他的結論是：對智慧的需求幾乎無法滿足，越聰明的人，越能想到更多應用智慧的地方。

談到 AI 帶來的豐裕，他不認為人們會因此變閒。Gerstner 引用凱因斯 1930 年預言「百年後一週只需工作 15 小時」，經濟確實成長了，但人們並沒有少工作，因為工作與探索本身就是意義。

實體 AI：已是 100 億美元的生意

黃仁勳曾說機器人可能是輝達下一個千億美元市場，這次他說自己「低估了」：依他的說法，輝達今年上半年實體 AI 營收約 100 億美元，前一年全年約 100 億、再前一年約 50 億。實體 AI 涵蓋 CT 與超音波、5G 感知網路、自駕車、工廠視覺檢測、衛星影像到醫院機器人。

他說打造實體 AI 需要「三台電腦」：訓練大腦的電腦、讓機器人在數位孿生（Omniverse）中學習的模擬電腦，以及裝在車或機器人裡的部署電腦，而輝達是唯一三套完整軟體堆疊都做的公司。他也看好每家車廠、物流公司（他點名 FedEx）、零售商與電信業者，最終都會變成科技公司。

安全不是煞車，而是安全氣囊

針對 AI 安全，黃仁勳的立場很鮮明：安全與能力不是兩件事，就像安全氣囊、ABS、車道維持本來就是汽車技術的一部分。說要加速 AI，就是要加速安全技術。

他認為完美的「對齊」永遠不可能達成，因為連「人生要成功」都有無數種詮釋，所以不能把安全寄託在完美對齊上。他的方法是像對待新員工或幼兒一樣：先「零信任、最小權限」的圍堵，再隨著測試建立信心逐步放寬；其次是「頻外監控」，因為被盯著看時，自主系統的行為可能不同，監控必須能在偏離政策時升級處理或直接關掉。他提到輝達推出相關的開源框架，已有上百家公司加入。

Gerstner 則描述他所謂美國超級智慧監管的「三腳凳」：前沿模型上市前由政府機構審查、白宮超級智慧協議要求內外部稽核與董事會監督，以及一個專責產業協調與資安的任務小組。他也提到今年曾有模型被政府要求下架。黃仁勳認同「先行動、再迭代」，認為若爭論完美方案，就永遠到不了終點。他對批評者的建議是：先來了解問題，再提出建設性的改進。

小評： 黃仁勳的「零信任加頻外監控」框架，與企業資安的思路一致，比抽象的對齊辯論更具操作性。三腳凳的實際執行細節屬於主持人的描述，外界仍需觀察落實程度。

2027 年最大瓶頸：土地、電力與廠房

Gerstner 引用研究機構 SemiAnalysis 的估計：明年全球將新增約 43 GW 的 AI 算力，比目前全世界所有 AI 算力還多，後年再加約 35 至 40 GW。

圖說：BG2 Pod 節目中展示的圖表（引用 SemiAnalysis 估計）。全球已安裝 AI 算力從 2025 年約 18 GW、2026 年約 37 GW，預估 2027 年達 80 GW、2028 年達 115 GW；折線為 OpenAI 與 Anthropic 合計占全球 AI 資料中心算力的比重，預估從 20% 升至 35%。圖片來源：BG2 Pod。

黃仁勳說需求「肯定在，而且更多」，真正的障礙在於從數位走向實體：土地、許可、發電、建築工人與專業技師，以及各地的暫停令與反對聲浪。他認為「土地、電力與廠房」會是明年最具挑戰的部分。

但他也強調輝達的韌性：輝達服務每一家雲端業者與新雲端業者，全球代工夥伴都替它生產，若某地建不起來，就把供應轉往別處，而全球各地都想蓋。更關鍵的是，電力越稀缺，客戶越會選每瓦產出最多 token 的平台，因此他說輝達的市占率反而在提升。他也提到，輝達在每 GW 中能賣的內容，從約 180 億美元、200 多億美元，提高到 400 億美元以上，涵蓋 GPU、網通、CPU、儲存與資安。他估計在雲端大廠的資本支出中輝達約占 40%，在雲端大廠以外的市場則約 80%。

馬斯克、Colossus 與太空資料中心

談到馬斯克，Gerstner 說 xAI 正在籌資約 400 億美元、可能採購上百萬顆 Vera Rubin，目標在 2027 年底達到 10 GW。黃仁勳透露，馬斯克在輝達財報分類中已從「企業」改列為「雲端服務商」；他把馬斯克的模式形容為三合一：自己訓練模型、自己部署（他點名 Grok Bot 的用量正在飆升），還把算力出租。xAI 目前是上市公司 SpaceX 的子公司。

他也證實，輝達與 SpaceX 的工程團隊正密切合作，打造適合太空（也適用地面）的新型伺服器架構。被問到 2029 年前太空能否有 500 MW 算力，他把問題留給馬斯克回答，但強調太空只適合放「高價值運算」：發射成本雖不小，但輝達算力的投資報酬率夠高，能吸收發射成本；而且因為 CUDA 軟體長期更新，算力可替代、耐用，不會在軌道上閒置。

AI 營收撐得起資本支出嗎？

這是本集最關鍵的段落。Gerstner 估算，今年兩大前沿實驗室加上推論業者的營收合計約 2,000 億美元，要讓數兆美元的資本支出回本，明年需要翻倍到 4,000 億、後年再到 8,000 億。

圖說：Altimeter 在 BG2 Pod 展示的估算。深色柱為雲端大廠資本支出，從 2024 年約 2,410 億美元增至 2026 年預估 7,880 億美元，2029 年預估 1.3 兆美元；橘色柱為 AI 實驗室營收（OpenAI、Anthropic、SpaceXAI 等），預估從 2026 年約 1,050 億美元增至 2029 年約 1 兆美元。皆為 Altimeter 的情境估算，非保證。圖片來源：BG2 Pod。

黃仁勳的回應是：大家把太多壓力放在兩家實驗室身上。 他把輝達業務拆成大致三等分：

• 約三分之一是傳統運算：資料處理、科學模擬、電腦圖學、詐欺偵測、推薦系統等，即使沒有 AI 實驗室也存在，每年仍成長三到四成。
• 約四分之一到三分之一是前沿實驗室：而且他看到的不是兩家，而是五、六家，包括 Meta 的 Muse、xAI 的 Grok、Google 的 Gemini 與 Anthropic。
• 約三分之一是新一代雲端與新創：數千家新創租用輝達算力，從消費應用（他提到 Instinct）到實體 AI、生物 AI、材料科學。

他預估到 2030 年全球基礎設施年支出約 3 到 4 兆美元，而且更接近 4 兆；光是運算就可能達 1.5 兆。理由之一是摩爾定律已死：過去想要兩倍電晶體只要等一年，現在想要兩倍算力就得付兩倍的錢。他也重申，他支持開源模型，因為大多數新創使用開源模型，不是為了和前沿實驗室競爭，而是去開拓垂直領域，成為「領域內的超級智慧」。

小評： 這段是理解輝達多頭論點的核心。市場擔心 AI 泡沫，往往盯著 OpenAI、Anthropic 的營收能否支撐算力合約；黃仁勳的拆解是，前沿實驗室只是需求的一部分。不過這套分類與比例是他的說法，投資人仍應留意新雲端業者的融資與客戶集中風險。

訂單、供應鏈與華爾街共識的大翻轉

黃仁勳解釋，他之所以公開未來 18 個月的需求能見度，是因為他分配給每位客戶的量都遠低於對方想要的，公開數字能讓客戶理解不是被差別對待。新訂單幾乎每天都在增加，但瓶頸遍布基板、矽光子與廠房，他預期供需缺口「幾年內都很難補上」。他提到不久前宣布的澳洲 2 GW 案，對輝達相當於約 800 億美元。

圖說：Altimeter 在 BG2 Pod 展示的圖表，灰線為 2025 年 9 月的分析師共識，藍線為 Altimeter 當時的看多情境，綠線為 2026 年 10 月的最新共識。以 2027 年為例，舊共識約 2,910 億美元、最新共識約 6,670 億美元，年增率預估從 18% 上修到 74%。資料來源標註為 Visible Alpha 共識與 Altimeter 分析。圖片來源：BG2 Pod。

Gerstner 指出，一年內共識預測上修了一到兩倍，股價卻只漲約兩成，本益比約 13 到 14 倍。黃仁勳的解釋是護城河正在擴大：如果要對一套還沒看到的下一代系統下 1,000 億美元訂單，全世界只敢交給輝達，因為這些系統複雜到無法事先跑分，只能靠過往的交付紀錄建立信任。他把這比喻為輝達把晶圓代工全部交給台積電，因為只有台積電能讓他提前五年規劃、未見實物也有信心。

他也強調「通用」的價值：專門化是可替代性與耐用性的敵人。通用平台可以跑任何模型、服務任何客戶、部署在任何國家，因此更好出租、更好融資，總持有成本也最低。

兩條新成長曲線與資本回饋

黃仁勳提到兩個新的商業模式：一是企業軟體授權，他以每顆 GPU 每年數千美元粗估，乘上大量出貨，規模可觀；二是與部分新雲端業者的營收分成，輝達提供算力、需求與融資支持，換取長期分潤。Gerstner 則提到輝達正以超過一半的自由現金流買回股票，黃仁勳也表示，隨著現金流成長，策略投資占比將快速下降，因為投資 OpenAI 與 Anthropic 這樣的機會「不會再來一次」。

99.99% 的樂觀

節目最後，被問到五年後世界是否會更好，黃仁勳說他有 99.99% 的信心，因為有太多人深深在乎結果。他認為表達擔憂是好事，但不該預言世界末日，那是低估了人類的能力，甚至帶點「只有我做才會成功」的傲慢。Gerstner 則以「如果現在停下來，我們就輸了，輸掉更好世界的機會」作結。

這對投資人代表什麼？

• 算力需求仍遠大於供給：黃仁勳認為瓶頸在土地、電力與廠房，而非需求；電力越緊，越有利每瓦效率最高的平台。
• 別只盯兩家實驗室：依他的拆解，傳統運算、多家前沿實驗室與新創雲端各占約三分之一，AI 泡沫的論點需要更細緻地檢驗。
• 每 GW 的輝達內容價值提高：從 GPU 擴展到網通、CPU、儲存與資安，加上軟體授權與營收分成，成長來源更多元。
• 風險仍在：新雲端業者的融資、客戶集中、地方反對與電網限制，都可能讓建置速度不如預期。

關係揭露

主持人 Brad Gerstner 與 Clark Tang 任職的 Altimeter Capital，過去依 13F 申報曾持有輝達股票，節目圖表也註明 Altimeter 管理的基金投資了文中部分公司；節目最後並聲明內容僅為意見，不構成投資建議。黃仁勳提及的 xAI 為上市公司 SpaceX（Nasdaq: SPCX）的子公司。

---

來源

• 節目原始影片：Jensen Huang | Does AI Revenue Justify Capex, '27 AI Bottlenecks, Singularity, Open vs Closed & more（YouTube／BG2 Pod，2026 年 10 月 15 日）
• 節目頁面：BG2Pod（Apple Podcasts）、BG2Pod（Spotify）
• 文中圖表擷取自節目影片畫面，版權屬 BG2 Pod 與 Altimeter。
• 本文為聽後整理，文中數字、預測與說法皆為受訪者或主持人於節目中的陳述。

非逐字翻譯、觀點整理，不構成投資建議。