英伟达的世界代币化：黄仁勋如何完善了21世纪的油灯策略

Xpert 预发布版

在线联系方式（Konrad Wolfenstein）

语言选择 📢

发布日期：2026年6月5日 / 更新日期：2026年6月5日 – 作者： Konrad Wolfenstein

世界代币化：黄仁勋如何完善21世纪油灯战略——图片来源：Xpert.Digital

英伟达如何将科技界推向绝对依赖——人工智能的弥天大谎：为什么英伟达的生产力奇迹实际上只是纯粹的浪费

数十亿美元换来空洞的承诺？英伟达代币工厂背后令人不安的真相

英伟达首席执行官黄仁勋提出了一个简单的等式：不计算的人必败无疑。然而，在人工智能热潮光鲜亮丽的外表下，却隐藏着一种残酷的商业模式，令人想起19世纪那些肆无忌惮的垄断策略。凭借前所未有的硬件垄断地位、封闭的CUDA软件生态系统以及诸如新款RTX Spark芯片之类的正面冲击，这家科技巨头正迫使全球经济陷入一种危险的依赖之中。如今，企业不再追求可衡量的生产力，而是主要购买一样东西：大量的“代币”。本文将深入分析英伟达如何颠覆价值创造的规则，为何超大规模数据中心运营商必须投入数千亿美元，以及这种利润和能源浪费的恶性循环最终可能让我们所有人付出惨痛的代价。.

英伟达与世界代币化：黄仁勋如何主导（并从中获利）新的经济秩序

电视购物成为企业战略的那一刻

2026年3月，黄仁勋在旧金山举行的摩根士丹利科技、媒体和电信大会上发表了一番言简意赅、惊世骇俗的演讲：“计算等于代币，代币等于智能，智能等于各个层面的经济产出，从公司到国家。” 这句看似基本的物理方程式，实则是经济史上最具雄心的营销策略之一：将数据中心重新诠释为一台印钞机，主要为英伟达（NVIDIA）创造利润。.

几周前，在台北举行的 Computex 2026 电脑展上，黄仁勋发布了 RTX Spark，这是一款基于 ARM 架构的系统级芯片，专为 Windows 笔记本电脑和小型台式机设计，进一步强化了这一理念。这种论调早已耳熟能详：不消费的人就会落后。消费本身就是经济活动的证明。“买得越多，赚得越多”——这句简洁明了的话语，精辟地概括了基于客户结构性依赖的商业模式的全部逻辑。.

要了解这种逻辑为何如此危险，有必要回顾一下油灯的历史。.

油灯原理：如何给予依赖的礼物

19世纪末，约翰·D·洛克菲勒的标准石油公司将一项简单却革命性的技术——煤油灯——推广到美国家庭。煤油灯本身价格低廉，有时甚至免费。但驱动它所需的煤油却价格不菲——没有煤油，煤油灯就毫无用处。到1879年，标准石油公司控制了美国约90%的炼油产能，从而左右了煤油灯这种唯一燃料的价格。问题不在于煤油灯本身，而在于由此产生的整个体系：一旦你开始使用煤油灯，就再也回不去了。你会一直购买煤油灯——直到你生命的尽头，或者直到最高法院做出裁决。.

NVIDIA 将这一原则带入了数字时代，并在此基础上进行了长达 17 年的潜心研发。自 2007 年以来，该公司一直在开发其专有的编程平台 CUDA，如今它已成为全球人工智能行业的实际操作系统。NVIDIA 拥有超过 500 万注册开发者，仅 CUDA 相关 GitHub 项目就达 5937 个（相比之下，AMD 的竞争产品 ROCm 仅有 187 个），并且几乎涵盖了所有相关的 AI 库——从 cuDNN 和 TensorRT 到 PyTorch 和 TensorFlow 等框架——NVIDIA 打造了一道仅靠资金无法跨越的软件鸿沟。CUDA 是灯泡，计算能力是石油。一旦你进入了这个生态系统，就无法退出。.

开源项目 ZLUDA 的故事就清楚地证明了这一点。ZLUDA 使得在 AMD 硬件上直接运行 CUDA 代码成为可能。当威胁真正来临时，NVIDIA 悄悄地、未经协商地修改了 CUDA 平台的服务条款：通过最终用户许可协议 (EULA) 禁止了转换层。没有法院，没有公平竞争——仅仅是一条合同条款就扼杀了一个刚刚萌芽的真正替代方案。.

代币工厂：价值创造的新范式

“AI工厂”并非比喻，而是一份使命宣言。在2026年3月的GTC大会上，黄仁勋明确阐述了其含义：数据中心不再是被动的基础设施，而是主动的生产工厂，其产出（以每秒代币数量衡量）可以直接转化为公司收入和国内生产总值。代币是数字商品的新型计量单位。.

乍听之下似乎是一种合理的系统化方法，但仔细审视后会发现，它代表着价值归属方式的根本性转变。传统上，经济价值是通过结果来衡量的：问题是否得到解决？产品是否被开发出来？是否产生了收入？在黄仁勋的框架中，价值源于计算本身——无论代币是否有助于解决实际问题，或者最终沦为昂贵的闲置时间。这种计算方式对英伟达和超大规模数据中心运营商来说成立，因为他们从每个代币的创建中获利。但对于最终用户而言，情况则恰恰相反。.

黄指出，自主人工智能（即能够自主规划、研究和执行的系统）消耗的代币数量可能是标准提示的百万倍。这并非效率革命的体现，而是运营成本呈指数级增长的体现。大规模部署人工智能代理的用户并非在购买生产力，而是在购买代币消耗，而代币消耗的价值尚未在实际经济效益中得到验证。.

垄断权力：人数优势，令人窒息。

英伟达在人工智能硬件市场的地位已不再是传统意义上的市场主导地位。这是一个结构性事实，即使是经验丰富的资本市场观察人士也对此保持谨慎。在2026财年第四季度（2025年11月至2026年1月），英伟达实现季度营收681亿美元，同比增长73%。数据中心业务贡献了总营收的91.5%，调整后营业利润率攀升至67.7%。.

相比之下，以高利润率著称的软件公司，其利润率很少超过40%。NVIDIA，一家名义上的硬件公司，其利润率即使对平台公司而言也堪称卓越——这表明其真正的竞争优势在于其软件生态系统，而非芯片本身。据《商报》（Handelsblatt）分析，CUDA才是人工智能行业的真正操作系统，NVIDIA最大的竞争优势在于其代码，而非芯片。.

根据Jon Peddie Research的数据，到2025年第四季度，NVIDIA将在独立显卡市场占据94%的市场份额。AMD将占5%，英特尔占1%。在人工智能专用GPU市场，各厂商的份额也与之相当。摩根士丹利的一项分析预测，在用于人工智能芯片的晶圆生产领域，NVIDIA到2025年将占据77%的市场份额，高于前一年的51%。.

这种集中并非自然规律，即便黄喜欢这样描述。它是多年来基于技术优势、精准市场细分以及构建生态系统的战略成果。在这个生态系统中，客户的转换成本极高，即使大幅提价也能被客户接受而不引起抱怨。.

资本流动：谁来买单？

英伟达对客户的依赖程度，并非体现在其自身公布的数据中，而是体现在其最重要的客户的资本支出计划中。美国五大超大规模数据中心运营商——亚马逊、Alphabet、微软、Meta和Oracle——已宣布2026年的总资本支出为6600亿至6900亿美元，几乎是上一年的两倍。其中，约55%至60%的资金直接或间接流向了英伟达。.

仅亚马逊一家就宣布了2026年2000亿美元的投资计划——这一数额超过了葡萄牙的年度国内生产总值。Alphabet的资本支出预计将从910亿美元增至1800亿美元，增幅高达98%。微软的数据中心预算也同比增长了59%。这些支出不再完全依靠自由现金流来支付。预计到2026年，亚马逊的自由现金流将出现170亿至280亿美元的负值，Meta的自由现金流预计将下降近90%，而Oracle预计到2030年将出现负自由现金流。.

最终由谁买单？超大规模云服务商通过提价将成本转嫁出去。2026年1月，AWS将H200 GPU实例的价格提高了15%，逆转了过去二十年云计算价格持续下降的趋势。因此，通过云端获取AI服务的企业客户实际上是在为NVIDIA的垄断地位买单。.

AllianceBernstein 估计，NVIDIA 将 AI 数据中心总支出的约 30% 作为利润保留。这意味着，欧洲公司每在云端 AI 服务上花费 1 欧元，大约有 30 美分流入美国公司——而无需以解决问题、创新或社会效益的形式做出任何投资回报。代币已经发行。这就足够了。.

将浪费作为关键绩效指标：生产力的反常逻辑

黄仁勋曾在一些场合表示，如果一位高薪软件开发者每年在代币成本上的支出不足25万美元，他会深感担忧。科技媒体经常引用这一说法来佐证黄仁勋的远见卓识，但很少有人从经济角度对其进行深入分析。.

25万美元的代币成本并非生产力指标，而是消耗指标。关键区别在于：生产力衡量的是单位投入的产出，而消耗只衡量投入。黄将代币消耗提升为管理指标，违背了企业管理中最古老的原则之一：创造价值的不是资源的使用，而是最终的结果。.

从某种程度上说，实践证明了黄的观点——但这种证明方式却对公司有害。像Zapier这样的公司已经开始系统地追踪员工的代币消耗情况。任何代币消耗量达到平均水平五倍的员工都会受到内部审查，以了解其使用模式。这种最初出于成本控制目的的做法，如今却有可能演变成一种新的绩效考核狂热，员工们会学会提交毫无意义的提示，以避免在内部排名中下滑。代币消耗变成了绩效的体现，而浪费则成了一种自我保护的手段。.

德国信息技术协会（Bitkom）近期对604家德国公司进行的一项调查显示，三分之一使用人工智能的公司已经对相关成本感到惊讶。Bitkom主席拉尔夫·温特格斯特证实，许多公司反映，人工智能代理需要比预期更多的传统员工支持。芝加哥大学的布莱恩·贾巴里安总结道：“大家都以为只要部署人工智能设备，就能看到生产力提升，仅此而已。但现实远比这复杂。”

生产力谎言及其方法论缺陷

英伟达论证其平台经济可行性的核心论点是人工智能能将生产力提高三倍。然而，这一数据存在一个鲜少在公开讨论中提及的方法论缺陷：它几乎完全基于软件开发领域的观察——而软件开发恰恰是人工智能工具的最大受益者，他们拥有实现最佳应用所需的技术专长，并且已经广泛使用各种数字工具。.

德国就业研究所 (IAB) 认为，人工智能对德国劳动力市场的总体影响是真实存在的，但其分布远比黄的报告所显示的要不均衡得多：人工智能可能导致约 80 万个工作岗位流失，与此同时，也将创造约 80 万个新的工作岗位——整体经济生产率每年最多可提高 0.8 个百分点。这一数字在经济上意义重大，但远非翻三倍。.

西蒙·库彻咨询公司（Simon-Kucher）发布的《2026年欧洲增长研究》基于对13个欧洲国家1236家公司的访谈，得出结论：73%的公司目前在其不到30%的流程中使用人工智能，并且预计只有当人工智能的渗透率达到30%至50%时，才能看到明显的生产力或就业效益。贝塔斯曼基金会基于约6000万份招聘信息的劳动力市场分析发现，自2022年以来，人工智能相关工作的占比一直处于本已较低的水平，甚至在2023年和2024年略有下降。.

这并非意味着人工智能没有经济影响。而是说，这种影响具有选择性且分布不均，其显现速度远比产业界传播的速度慢得多——而成本却会立即产生。.

借助“托管人工智能”（人工智能）实现数字化转型的新维度——平台及B2B解决方案 | Xpert咨询

“托管式人工智能”开启数字化转型新篇章——平台及B2B解决方案 | Xpert Consulting - 图片来源：Xpert.Digital

在这里，您将了解到您的公司如何快速、安全地实施定制化的人工智能解决方案，且无需承担过高的准入门槛。.

托管式人工智能平台是您实现人工智能的全方位、无忧解决方案。您无需处理复杂的技术、昂贵的基础设施和漫长的开发流程，即可从专业合作伙伴处获得根据您的需求量身定制的现成解决方案——通常只需几天时间。.

主要优势一览：

⚡ 快速实施：从构思到可立即使用的应用，只需几天而非几个月。我们提供切实可行的解决方案，创造即时附加值。.

🔒 最高数据安全保障：您的敏感数据始终由您掌控。我们保证安全合规地处理您的数据，绝不与任何第三方共享。.

💸 无财务风险：您只需为结果付费。完全无需前期投入大量资金用于硬件、软件或人员。.

🎯 专注于您的核心业务：集中精力做好您最擅长的事情。我们将负责您人工智能解决方案的全部技术实施、运营和维护。.

📈面向未来且可扩展：您的AI将与您一同成长。我们确保持续优化和可扩展性，并灵活调整模型以适应新的需求。.

更多信息请点击这里：

托管式人工智能解决方案——工业人工智能服务：服务业、工业和机械工程领域保持竞争力的关键

代币经济作为一种商业模式：为什么英伟达的愿景对整体经济构成威胁

RTX Spark 的策略：摧毁市场，然后出售解决方案

NVIDIA 当前战略中最引人注目的亮点之一是 RTX Spark 的推出。这款芯片于 2026 年 5 月 31 日在台北国际电脑展 (Computex) 上发布，它结合了基于 Grace 架构的 20 核 ARM 处理器、拥有 6144 个 CUDA 核心的 Blackwell GPU 以及高达 128GB 的共享 LPDDR5X 显存，并拥有高达 1 petaflop 的 AI 计算能力。首批搭载该芯片的设备之一是微软的 Surface Laptop Ultra。.

表面上看，这似乎是对苹果M系列芯片的回应，近年来，苹果M系列芯片凭借高效的ARM处理器主导了高端笔记本电脑市场。然而，深入分析后会发现另一番景象：英伟达数据中心对AI GPU的巨大需求，显著加剧了内存芯片的短缺和成本上涨，给传统PC市场带来了巨大压力。2025年第一季度，整个GPU市场（包括集成显卡）萎缩了12%，至6880万颗。而现在，英伟达又推出了一款高端ARM PC，这实际上宣告了传统台式电脑的过时。.

这种模式并不陌生：一个成熟的市场因外部因素而动荡不安。随后，一家厂商带着他们自己一手造成的问题的解决方案出现——当然，价格也相当高昂。RTX Spark 的目标市场显然是高端市场。虽然具体价格尚未公布，但业内人士预计，与搭载英特尔或 AMD 处理器的同类设备相比，其价格将大幅上涨。进入这个新生态系统的用户将放弃 x86 标准，从而依赖 ARM 架构，而专有的 CUDA 生态系统又进一步强化了这种依赖性。未来，用户将能够根据黄仁勋制定的规则，在黄仁勋的硬件上，使用黄仁勋的软件，生成自己的代币。.

机器为机器生产：经济的循环论证

黄仁勋最激进的设想是：人工智能代理为其他人工智能代理提供服务，而这些人工智能代理又依赖于人工智能基础设施，后者则由其他代理监控。经济活动实现了自我维持——只要资金持续流动，它就不再需要人类的最终用途即可衡量。.

这种循环论证对英伟达来说逻辑严密，但对其他经济体而言却令人担忧。如果将代币视为经济活动的代表，那么每创造一个代币，就会为进一步投资基础设施以产生更多代币提供正当理由。结果就是形成一个螺旋式上升的局面：计算投资因代币产出而合法化，而代币的实际经济效益却不明朗。对科技行业而言，这是一个飞轮效应；而对更广泛的经济而言，这可能演变成一种新型的挤出效应：流入代币工厂的资金无法用于制造业、基础设施、教育或医疗保健等生产性投资。.

超大规模数据中心的数据清楚地表明：亚马逊的自由现金流预计将在2026年转为负值，而Meta的自由现金流将降至几乎为零。这种资本投入并非稳健经济判断的体现，而是市场军备竞赛的结果，在这场竞赛中，任何一方都无法置身事外，否则就会失去市场份额。不买入的公司将会落后，而买入的公司则会补贴英伟达的利润。.

环境维度：等式中看不见的第三方

忽略环境成本的代币经济分析是不完整的。全球人工智能数据中心的电力消耗将从2023年的500亿千瓦时增至2030年的约5500亿千瓦时，增幅高达11倍。与此同时，尽管可再生能源也在同步发展，数据中心的温室气体排放量仍将从2.12亿吨二氧化碳当量增至3.55亿吨。.

在绿色和平德国委托撰写的一份报告中，应用生态研究所（Öko-Institut）得出结论：由于本地电网已接近其容量极限，未来几年数据中心仍将严重依赖化石燃料。国际货币基金组织（IMF）量化了人工智能数据中心和加密货币在全球电力消耗中的占比，预计到2023年将达到2%，到2027年将增至3.5%。一次ChatGPT查询的耗电量是传统谷歌搜索的三到十倍。.

这些成本并未出现在英伟达的任何资产负债表上，也未体现在代币定价中。它们是外部成本，由能源消费者、气候系统和子孙后代承担。从经济学角度来看，这些是显著的负外部性，它们在没有任何透明度的情况下系统性地补贴了代币经济的商业模式。.

CUDA 就像标准石油：类比及其局限性

将洛克菲勒的标准石油公司与英伟达的CUDA平台进行历史比较，不仅有其分析基础，而且意义远不止于此。标准石油公司控制着输油管道和炼油厂——这些实体基础设施原则上是可以复制的，尽管需要巨额的资本投入。该公司之所以能在1911年被拆分，正是因为这些设施已经存在，并且可以分配给34家继承公司。.

CUDA 更难分割。它不是一根可以轻易切开的管道，而是一个由数百万行代码、库、文档、开发者经验和网络效应构成的生态系统，历经 17 年的积累而成。在 AMD 硬件上执行 CUDA 代码的转换层是被合同禁止的。像 ROCm 或 OpenCL 这样的开源替代方案，在覆盖范围和市场成熟度方面都远远落后于 CUDA。NVIDIA 在 2025 财年投入 129 亿美元的研发预算，旨在为自身生态系统赢得每一项新的性能优势，赶在竞争对手赶上之前将其夺回。.

与此同时，NVIDIA 在开放权重模型方面的策略尤为巧妙：该公司将在五年内投资 260 亿美元用于开发开放 AI 模型——任何人都可以免费使用这些模型。但 NVIDIA 的 Nemotron 模型采用 NVIDIA 专有的 4 位 NVFP4 格式进行训练，并且只有在 Blackwell 硬件上才能发挥其全部性能优势。这就像免费赠送油灯，但只从一家炼油厂供应石油一样。.

反制力量和支配地位的结构性限制

将英伟达的地位描述为不可撼动是不客观的。尽管其影响力常常被高估，但确实存在一些制衡力量。谷歌的TPU、亚马逊的Trainium、Meta的MTIA以及微软的Maia都是英伟达内部强有力的替代方案，它们已将英伟达在超大规模数据中心资本支出中的份额从2023年的约70%降低到2026年的预计55%至60%。AMD的MI300和MI400系列正在不断扩大市场份额，尤其是在某些推理工作负载方面。.

但英伟达的市场份额从70%下降到55%的同时，整体市场却呈现巨大的增长。从绝对值来看，英伟达的收入仍在持续增长。超大规模数据中心运营商之所以开始自主研发芯片，是因为他们深知并担忧自身对英伟达的依赖——但他们只有在CUDA兼容的替代方案足够成熟，能够处理生产级工作负载时，才能实现市场多元化。而这一目标距离实现还很遥远。.

来自中国的DeepSeek在2025年初就已证明，只需极少的计算资源就能达到相当的模型质量，从而显著提升效率。哈索·普拉特纳研究所指出，DeepSeek仅需传统方法百分之一的能耗，就能实现相同的训练精度。如果这种效率逻辑得以确立，对原始计算量的需求将从根本上下降，从而对英伟达的代币数量模式构成压力。黄仁勋已经意识到这一威胁，并将效率（以每瓦代币数量衡量）作为CEO层面新的决策参数。再次强调，信息很明确：购买更多，但要购买更高效的机器——来自英伟达。.

监管：反垄断法出台是否为时已晚？

关于英伟达的市场地位是否构成反垄断诉讼的问题，在布鲁塞尔和华盛顿引发了越来越多的讨论。将其与标准石油公司相提并论并非空穴来风：当年，洛克菲勒集团曾以90%的市场份额控制着美国石油行业，直到1911年5月的法院判决将其拆分为34家继承公司。欧盟竞争监管机构至少已通过《数字市场法案》和《人工智能法案》建立了监管框架。然而，针对英伟达CUDA生态系统的直接干预措施仍悬而未决。.

概念上的难题众所周知：与管道或铁路等物理网络不同，软件生态系统难以通过监管干预轻易开放。互操作性要求，即赋予 CUDA 替代方案相同硬件访问权限的义务，理论上是可行的，但实际上成本高昂且技术复杂。此外，任何监管措施都必须迅速实施，才能改变日益固化的市场结构，而这种固化正随着新一代产品、新硬件架构和新的厂商锁定效应而日趋严重。.

在此之前，情况依然如此：任何投资数据中心、使用云端人工智能服务或培训开发人员使用基于 CUDA 框架的人，都在直接或间接地为英伟达的垄断利润买单。这并非阴谋论。这就是市场现状：一家供应商控制着 94% 的独立显卡市场、77% 的人工智能芯片晶圆生产，以及几乎所有与人工智能开发相关的软件库。.