开云体育- 开云体育官方网站- APP下载从“卖铲子”到“开工厂”英伟达跃向“词元时代”

　　开云体育,开云体育官方网站,开云体育APP下载当词元成为统一计量单位，谁能以更低成本生产更多词元，谁就掌握新的定价权。

　　在2026年的英伟达年度开发者大会（GTC）上，CEO黄仁勋抛出一个判断：AI竞争的本质是词元（Token）生产效率的竞争。在GTC大会上，英伟达将词元定义为现代AI的基本单位，是支撑科学探索、虚拟世界以及物理世界机器运行的基石。

　　如今，这家靠GPU称霸AI时代的芯片巨头，正在将战场从“训练”转向“推理”，从“堆算力”转向“降成本”。

　　尽管GPU依然稀缺、依然重要，但“拥有算力”本身，正在让位于“如何使用算力”。综合科技媒体TechRadar发布的报告数据，当前部分企业场景算力利用率甚至不足10%，这意味着，AI产业的价值正在从“卖算力”向“用算力”转移。AWS、Microsoft Azure等云厂商，已开始从调度和计费方式入手争夺定价权。

　　这迫使英伟达调整战略，黄仁勋公开表示，英伟达不再只是卖GPU，而是构建“AI工厂”。《商学院》记者从英伟达方面获悉，英伟达正通过全栈架构，将数据中心重新定义为词元生产系统，使词元从技术单位逐渐变为产业计价单位。

　　行业开始用“每美元词元产出”和“每瓦词元产出”来衡量能力，词元不再只是模型内部变量，更成为AI经济中的基础单位。

　　衡量AI公司的标尺正在发生根本变化：计算的基本单位开始从GPU转向词元。

　　英伟达加速计算产品总监Dave Salvator认为，系统效率则取决于词元处理速度与单位成本。

　　《商学院》记者从英伟达方面获悉，其加速计算团队长期跟踪超大规模计算与AI数据中心演进，并判断AI正在进入以词元为核心计量单位的新阶段。在这一体系中，词元不再只是模型内部的中间变量，正在成为AI经济的基础单位。

　　中国社会科学院研究生院特聘导师柏文喜认为，词元经济下，商业天花板在“量”上被放大，但在“利润率”上开始承压。词元经济将算力的计量方式，从“卖硬件”转向“卖结果”，直接扩展了市场规模。当词元消耗从万亿级走向百万亿级，需求呈指数级增长。

　　这对英伟达而言，是典型的双刃剑：一方面，增量空间被显著打开，推理算力的需求规模正在向训练算力的百倍量级演进，叠加智能体带来的毫秒级高并发与长链路任务，底层算力基础设施必须重构，这为整个行业创造了新的增长曲线。

　　另一方面，利润结构正在被压缩。当前行业算力利用率普遍在30%—60%，大量GPU处于低效或闲置状态。当客户开始按词元付费，本质上只为“有效产出”买单，利用率压力将向上游传导。对英伟达来说，这意味着商业逻辑必须转变，不再是尽可能多地卖出GPU，而是让每一张卡产生更多词元。这也正是黄仁勋推动“AI工厂”的底层逻辑，把算力从静态资产变成持续运转的生产系统。

　　这一拐点的本质，是GPU厂商定价权的迁移，从过去依赖供给稀缺形成的“稀缺性溢价”，转向由系统效率决定的“效率溢价”。当词元成为统一计量单位，谁能以更低成本生产更多词元，谁就掌握新的定价权。

　　如今，行业开始用“每美元词元产出”和“每瓦词元产出”来衡量能力，词元不再只是模型内部变量，更成为AI经济中的基础单位。其直接结果是，竞争焦点从模型能力转向词元成本，在相同硬件条件下，不同系统的词元效率差异，足以拉开数量级的商业回报差距，AI产业由此进入“词元经济”阶段。

　　英伟达做的所有动作，本质上都是在嵌入生产过程本身，让自己不只是卖GPU，而是参与定义词元如何被生产出来。

　　英伟达并不直接卖词元，但它通过控制生成路径来参与定义词元。在“AI工厂”框架下，英伟达正祭出一套“组合拳”：

　　很多能力也在被软件化并开源，英伟达TensorRT-LLM接入各种框架，优化缓存和数据流动，本质都是在压低单位词元的浪费。

　　英伟达还在用一款面向“AI工厂”的逻辑仿真平台DSX Air做仿真，在硬件进数据中心之前就先跑一遍系统，对计算、网络、存储、编排与安全进行全栈模拟与验证，把可能的瓶颈提前暴露出来。这让优化不再发生在上线之后，而是提前在设计阶段完成。

　　据英伟达方面披露，这一机制带来三项直接变化：部署周期从数月缩短至数天；首个词元生成时间从数周压缩至数天甚至数小时；系统集成与故障排查被前移至仿真阶段完成。

　　汇生国际资本总裁黄立冲认为，如今，硬件已经从“卖卡”进入“被结果检验”的阶段。英伟达、云厂商、模型公司、Agent OS、算力优化平台都在同一条链上，但每一层利润点不同。AI产业不是单中心替代，而是多层护城河重估。英伟达做的所有动作，不管是开源软件还是系统化设计，本质上都是在嵌入生产过程本身，让自己不只是卖GPU，而是参与定义词元如何被生产出来。

　　英伟达2026财年第四季度收入达到681亿美元，同比增长约73%；数据中心收入623亿美元，同比增长约75%，仍然保持高速增长，需求主要来自Agentic AI和AI Factory（“AI工厂”）带来的持续计算负载。

　　但长期来看，黄立冲认为，一旦客户开始按词元、按任务、按结果来衡量成本，GPU就不再是“越多越好”的线性扩张，而要进入单位经济的比较框架。客户会直接问三个问题：同样100万词元，谁的成本更低；同样一个客服或投研Agent，谁的延迟更低、成功率更高；以及整个系统的账单是否足够透明。竞争从“供给多少算力”，转向“单位算力的经济效率”。

　　黄立冲表示，第一，采购语言的变化。企业是否从“买多少卡”转向“买多少词元产能、多少任务吞吐”。一旦发生这种变化，说明算力已经被产品化为服务能力，而不是硬件规模。第二，计量体系的变化。收入与成本指标是否从FLOPS转向cost per token、tokens per watt、tokens per dollar。第三，系统优化的外溢效应。包括软件调度、缓存机制、路由策略、小模型分流以及专用芯片设计，是否持续把同样任务的GPU消耗压低。如果单位任务越来越“省卡”，说明价值正在从硬件规模转向系统效率。

　　因此，黄立冲认为，英伟达的天花板并不是单向变化的，英伟达在AI总需求爆发阶段被放大，但在词元经济成为主导之后，又被重新拉回到单位效率约束之中。如果它只是一个GPU厂商，天花板会被压缩；但如果它把GPU、网络、软件、机柜与推理优化整合为“AI工厂”，那么它面对的就不再是芯片市场，而是整个AI生产系统的规模。

　　黄立冲说：“词元经济不是在削弱GPU，而是在淘汰低效GPU。最终决定定价权的，不是谁拥有更多算力，而是谁能让词元更便宜、更稳定、更可控。这个逻辑与AI经营系统是一致的：资本市场不会一直奖励我有AI项目，而会奖励可规模复制、可审计归因、可治理回滚的经营系统能力。”

　　词元经济并没有消解英伟达的护城河，但改变了其形态。过去，护城河建立在GPU性能与供给稀缺之上；而现在，则转向系统整合能力与成本控制能力。

　　英伟达并不直接销售词元，也不参与API定价，但通过GPU架构、NVLink互联、整机系统以及CUDA生态（英伟达的一套让开发者高效调用硬件算力的通用语言与工具包），深度影响词元的生成路径与成本函数。

　　因此，CUDA不只是工具，而是贯穿训练到推理的一整套体系，又通过GeForce连接开发者，再通过CUDA-X进入汽车、金融、医疗、工业等行业。英伟达做的事情其实很简单：尽量让不同产业运行在同一套计算框架里。黄仁勋在 GTC 2026 上提到一个例子：Fireworks AI 和 Lynn 两家公司在没有更换任何硬件的情况下，仅通过英伟达更新软件栈和推理算法，就把词元生成速度从每秒约 700 个提升到接近 5000 个。这说明，不增加硬件投入，仅靠调度和推理优化，也能把“产出效率”明显抬上去。

　　这种提升并不只来自芯片本身，更依赖软件体系的持续打磨。《商学院》记者从英伟达获悉，CUDA 平台目前已有约 600 万开发者。人越多，生态越丰富；生态一旦形成，后来者切换的难度也就跟着上来了。

　　这种“难”，不只是换个工具那么简单。主流框架对 CUDA 绑定很深，切换平台往往要重写代码，同时，开发、调试、优化的一整套流程也要跟着重来。更重要的是，工程师多年积累的调优经验，很难直接迁移。再加上围绕CUDA沉淀下来的开源项目和社区支持，一旦离开，效率和资源会大量流失。

　　在GitHub 上，与CUDA相关的项目已达数万，英伟达的工具链也逐渐成为AI研究中的通用选择。相比硬件，这套由开发者、工具和项目构成与成本函数的体系更难被替代。时间积累下来的使用习惯和安装基础，才是CUDA真正的护城河。

　　奥优国际董事长张玥更关注词元经济带来的商业变化。她提到一个很直接的转折：客户不再只是买GPU，而是开始直接买结果。算力从资产，变成服务，而且是持续消耗的那种。AI应用越多，这种消耗就越明显。在这个过程中，英伟达一边用CUDA稳住生态，一边用DGX往上走，慢慢把“卖芯片”变成“交付整套能力”。

　　知名财经作家、眺远影响力研究院院长高承远认为：客户一旦把算力、数据和开发环境都放进来，就很难再迁出去，收入形态也随之改变，更接近持续收费而不是一次易。价格怎么定，也不再完全跟着硬件周期走，而是看资源和效率情况。

　　护城河的变化也在这里得以体现。CUDA、TensorRT这些软件和GPU深度绑定，性能不再是单点突破，而是整套系统一起发挥作用，这让替代变得更难。与此同时，另一层竞争开始出现，比如调度能力、异构算力利用率、Agent的组织方式。人工智能基础设施及智算云提供商九章云极则选择把GPU用得更“满”，直接冲击按卡计费的模式。不过短期看，这类变化更多还是影响云厂商和边际需求，还没有真正动到最底层。

　　柏文喜认为，英伟达正从“卖GPU”走向“卖系统”，这既是其既有优势的延续，也是对产业竞争格局变化的主动重构。“AI工厂”战略本质上是将竞争维度从单一芯片性能上移至系统效率层面，即把AI基础设施从“存储与处理数据”的数据中心，重塑为“生产智能”的工厂，其核心指标也由硬件性能转向单位能耗对应的产出能力。

　　如今，行业开始出现分层。英伟达在高端训练上的优势仍然稳，但在推理和规模化应用这一侧，云厂商的话语权在变强。价格也不再由单一一方决定，而是分散在不同环节。

　　在这样的背景下，“AI工厂”成为黄仁勋重新定义数据中心的关键，它更像一个生产系统，而不是设备集合。DGX这类产品，本质上是把硬件、软件和运行环境一起交付，客户买到的，不再是一块GPU，而是一种持续产出能力。走到这一步，英伟达的位置也发生了变化，更接近基础设施本身，而不只是芯片供应商。