黃仁勳的 AI 基建豪賭：4 萬億美元預測背後，最終要睇變現

黃仁勳要投資者以另一個角度睇 AI：唔係一輪普通晶片周期，而係一場接近工業基建級別的建設潮。Nvidia 的樂觀情景相當進取——到 2030 年，全球每年 AI 基建開支可達 3 萬億至 4 萬億美元。不過，這是 Nvidia 自身的預測，並不是業界已確認的共識；同時亦意味部署資本的公司要交出非常高門檻的回報證明。140

核心論點：AI 運算會變成基建

黃仁勳的說法是，生成式 AI 需要一種新的運算模式：數據中心不再只是存放伺服器，而是把電力與資本轉化為 AI 算力的「AI 工廠」。在這個框架下，Nvidia 的可服務市場不只包括加速器，也包括網絡、整套系統、軟件，以及 AI 工廠的運作模式。

目前投入規模已經不小。國際結算銀行（BIS）表示，五家最大型超大規模雲端服務商（hyperscalers）在 2025 至 2026 年間，AI 相關資本開支合計預計超過 1 萬億美元。美國國會研究處另一份簡報則指，全球 AI 相關投資在 2026 年預計超過 1 萬億美元。4033

這些數字令 2030 年的目標不是完全不可想像，但亦未算被證實。關鍵在於定義：企業整體資本開支、專門投放 AI 的開支、數據中心開支，以至整個 AI 生態系統的開支，並不是可以直接互換的統計口徑。

需求很強，但短期卡住的是供應與落地能力

Nvidia 最新業績是其用來證明當前需求的最直接依據。截至 2026 年 7 月 26 日止季度、即 Nvidia 2027 財政年度第二季，公司收入為 962 億美元，按年升 106%；並預測下一季收入為 1,080 億美元，上下浮動 2%。路透社報道，Nvidia 同時警告記憶體零件短缺會限制其擴張速度。17

黃仁勳在投資者會議上形容，AI 建設潮仍處於早期，但亦承認制約不只來自晶片：供應鏈產能、土地與電力都可以拖慢部署。2

換言之，樽頸不是單純「有冇 GPU」。一個大型 AI 項目還要有高效能記憶體、先進封裝、網絡設備、數據中心空間、建築工程、穩定電源，以及電網輸送能力。

對投資者而言，這是雙刃劍。供應緊張短期可以維持 Nvidia 設備需求，但如果客戶未能湊齊整個設施所需條件，項目便可能延遲，收入亦會押後——客戶需要的是可營運的數據中心，不是只有一批伺服器。

從雲端巨頭開支，走到公用設施級項目

黃仁勳以實體基建例子說明規模轉變。報道指，他在高盛會議上提及澳洲一個計劃於 2027 年落成、容量 2 吉瓦（GW） 的 AI 項目，相關基建估計值 800 億美元。35

個別項目能否達到相關目標仍有不確定性，但這個例子點出了其邏輯：AI 容量競賽已不只是半導體問題，也涉及電力、土地、施工和融資。

BIS 對五家最大 hyperscalers 在 2025 至 2026 年合共投入逾 1 萬億美元 AI 相關資本開支的估計，亦提供了一個現實參照：這輪投資確實存在，規模亦很大；真正的爭論在於，最終能產生幾多經濟回報。40

Nvidia 想將算力變成可融資資產

Nvidia 的策略不止是向最大型雲端商賣硬件。2026 年 8 月，公司公布與 Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs 及 KKR 簽署諒解備忘錄，建立獨立算力融資平台，目標是隨時間動員超過 5,000 億美元第三方資本。4959

其構想是，令 AI 系統與相關基建可憑較長年期、與實際使用量掛鈎的收入來融資，而不完全依賴客戶本身的資產負債表。Nvidia 形容這是將運算能力和全棧 AI 基建變成可投資的資產類別。59

但要分清楚：這些是旨在動員資本的諒解備忘錄，並不等同一個已完成、已注資 5,000 億美元的基金。實際經濟效益仍要視乎個別項目、客戶合約、設備使用率及信貸質素。路透社亦報道，Nvidia 表示可為潛在交易提供最多 1,250 億美元、即 25% 的支持安排。50

最大風險：應用層收入要追得上基建成本

淡友的重點不是 AI 需求純屬虛構。Nvidia 的業績及 hyperscalers 的開支計劃，均反映現時存在實質需求。更難回答的問題是：企業軟件、AI 代理、消費者服務等應用層收入，能否長期支撐算力、電力、數據中心、設備折舊與融資成本？

所以，較有用的觀察指標不應只限於 GPU 出貨量或資本開支公告：

• 使用率： 昂貴 AI 系統是否有足夠高的運作使用率？
• 收入質素： AI 服務帶來的是持續性收入，還是短暫的試驗項目？
• 單位經濟： 訓練及推理工作負載的定價與毛利，能否覆蓋完整服務成本？
• 合約耐久性： 算力承諾背後的客戶，在需求轉弱時是否仍有付款能力？
• 投入資本回報： 基建買家扣除折舊與電費後，賺取的回報是否高過資本成本？

投資者應怎樣理解這個 4 萬億美元預測？

黃仁勳的論點由三個環節扣連：AI 運算需求正在加速；實體供應需要時間追上；私人資本可協助為相關基建融資。Nvidia 的收入增長與指引，短期支持第一點；BIS 的數據亦確認，這輪投資已具相當分量。1740

但最未解決、亦最重要的一點，是使用這些算力的公司能否將其轉化為持續且有利可圖的服務。若果做到，AI 運算可能會像具生產力的基建一樣運作；若果做不到，市場可能留下成本升得快過變現能力的產能。

因此，衡量「4 萬億美元論」成敗的關鍵，並非 Nvidia 晶片賣得幾多，而是 AI 服務收入能否持續增長，以及現正興建的基建能否交出合理投資回報。