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情绪急剧升温。

就在这一关键节点，英伟达CEO黄仁勋接连出手——先在斯德哥尔摩接受彭博采访时公开为CoreWeave背书，随后在BG2播客发布长达近140分钟的深度访谈，回应市场最核心的焦虑：AI算力建设的钱，究竟靠谁来买单？

值得注意的是，硅谷知名投资播客《BG2》这场黄仁勋的访谈是在美东时间10月15日美股盘前、也就是美东时间早上将近7时放出的，当时华尔街的交易员、分析师和量化基金正在高度紧张地准备和应对美股开盘。

黄仁勋在彭博采访中明确表示，CoreWeave“无需英伟达提供兜底支持”，并称其“资本成本实际上正在下降”。这番表态直接带动新云计算股盘中反弹，CoreWeave当日逆势收涨5.94%。纳斯达克指数随后收复全部跌幅，《巴伦周刊》在复盘报道中称，市场“只要来自‘AI教父’黄仁勋的几句安抚就足够了”。

在BG2访谈中，黄仁勋更进一步，直接点破市场的核心误判：将数万亿美元的算力建设押注在两家AI实验室的营收上，是“问错了对象”。他将英伟达的算力需求拆解为三个大致相当的板块，前沿实验室仅占其中约四分之一到三分之一，且涉及的是五六家机构而非市场通常认知的两家。这一判断，对于理解AI基础设施投资的真实逻辑，具有直接的市场参考价值。

CoreWeave风波

CoreWeave是本轮科技股抛售中最受关注的压力点之一。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，创下1194.5个基点的盘中历史高位，隐含的五年违约概率超过60%。

这一信号令市场神经高度紧绷。CoreWeave大举借债扩张算力，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，引发了外界对AI基础设施扩张财务可持续性的广泛质疑。

黄仁勋在斯德哥尔摩的表态，直接与信用市场的定价形成对冲。“CoreWeave每天都在变得更强，”他告诉彭博，“我很乐观。他们的资本成本实际上正在下降。”他同时明确表示，英伟达无需为CoreWeave提供任何形式的兜底支持。

这番话的分量，在于黄仁勋的双重身份——他既是CoreWeave最重要的设备供应商，也是其第二大股东。市场对此的反应立竿见影：CoreWeave股价当日收涨5.94%，此前连续两日累计暴跌逾18%的跌势得到遏制。

拆解误判：算力需求远不止两家实验室

市场本周抛售的深层逻辑之一，是对AI基础设施投资回报的系统性质疑——如果OpenAI和Anthropic的营收增速放缓，谁来为数万亿美元的算力建设买单？

黄仁勋在BG2访谈中，将这一逻辑定性为“问错了对象”。他将英伟达的算力需求拆解为三个大致相当的板块：

• 第一块，约三分之一是与AI实验室完全无关的基础计算——分子动力学、物理仿真、量子化学、经典机器学习（如Visa、Mastercard的欺诈检测）、推荐系统等。“就算完全没有AI，英伟达也不是零，”他说，“这块业务每年增长30%到40%。”
• 第二块，约四分之一到三分之一是前沿实验室的算力需求。但黄仁勋强调，市场通常只看到两家，而他看到的是五六家——Meta、Grok、Gemini、Anthropic，以及其他正在崛起的机构。“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，是数千家初创公司租用算力——他将其比作“下一代AWS”。这些公司中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，”他说，“这就是今天的AWS，只不过是面向未来的。”

“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，”黄仁勋说，“我很乐意与他们合作，支持他们。他们将成为有史以来最重要的科技公司之一，会取得辉煌的成功。但他们的营收根本不需要接近一万亿美元，这件事才能成立。”

需求加速的底层逻辑

黄仁勋在访谈中系统阐述了算力需求为何不会线性减速，而是持续加速的内在机制。

核心在于两个复合因子相乘。其一，推理（思考）比背诵式生成贵几个数量级——AI需要展开多个方案、规划、反思、剪枝，保留“战略期权”，这本身就消耗大量算力。其二，模型越能干，被“雇佣”的场景越多。“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，”他说，“这两件事叠加，需求就是加速的，不是减速的。”

去年的关键解锁，黄仁勋将其称为“harness”——工作记忆管理、知识图谱构建（类似睡眠时的离线压缩）、工具使用，这三件事让大语言模型从“聊天机器人”变成能进企业干活的智能体。“编程是第一个落地场景，”他说，“设计与创意是下一波。”

在他看来，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”。而正是在这么小的算力规模下，AI已经解决了纳维-斯托克斯方程这一千禧年数学难题。“这是我们从今往后将拥有的最差的智能，”他说，“从这里开始，只会越来越好。”

电力稀缺反推英伟达份额，2027年瓶颈在物理世界

黄仁勋在访谈中对2027年的算力建设瓶颈给出了明确判断：需求“只多不少”，但土地、许可、电力和施工人力将是主要障碍。

据BG2主持人Brad Gerstner援引SemiAnalysis的数据，明年将新增43吉瓦AI算力，超过今天全球存量的总和，此后一年再增40吉瓦。黄仁勋对这一数字的需求侧判断表示认同，但指出物理世界的约束将制约实际落地节奏。“土地、电力、外壳，”他说，“这将是最关键的障碍之一。”

值得注意的是，电力稀缺在黄仁勋的逻辑框架里，反而构成英伟达市场份额进一步提升的驱动力。他的论据是：英伟达架构的每瓦算力产出（tokens/watt）全球最高，电力越紧张，客户越倾向于选择单位能耗产出最高的平台。“当电力减少时，你放进去的算力质量必须是最高的，”他说，“我们是最可出租的，是可互换的，是耐用的。”

他进一步披露，英伟达每吉瓦算力对应的市场价值，已从约180亿美元升至200多亿美元，现在超过400亿美元，且仍在上升。在全球云服务商（CSP）的资本支出中，英伟达占比约40%；在非CSP侧（含本地部署和新云计算），占比约80%。“六年前，我们占全球资本支出的比例还是个位数，”他说。

本十年末：年建设规模3至4万亿美元，“10万亿一点都不惊讶”

黄仁勋在访谈中给出了他对AI基础设施长期规模的判断框架，这也是他认为市场低估AI算力需求持续性的核心依据。

他的推算路径是：AI出现之前，全球计算基础设施年建设规模约为5000亿美元，且在自然增长轨道上。叠加摩尔定律终结的影响——“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在走向成为全球最大产业的路径上。再加上AI带来的新需求和新一轮创业浪潮，“到本十年末，年建设规模在3到4万亿美元之间，更靠近4万亿，其中纯计算约1.5万亿，”他说。

对于更长期的展望，他表示：“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。”