4 万亿美金的口径来源
5 月 25 日，黄仁勋在炉边谈话上把全球 AI 算力的年度资本支出预测推到了 4 万亿美元，这个数字相当于全球 GDP 的 4%、能源行业年投资的两倍多。在 X 上一位投资人转出后立刻被引爆讨论，原帖 12 小时内转发破万。
口径变迁本身值得讲。2024 年 GTC 上他给出的还是 2030 年前数据中心总投入达到 1 万亿美元；2025 年下半年改口到 3 到 4 万亿；这次干脆把”年度支出”也推到 4 万亿。黄仁勋的原话是：”不要把 AI 的资本支出曲线和过去任何一次 IT 周期对照——它的需求侧是软件应用层的 token 消耗，这条曲线在我们能看到的所有信号里没有任何减速。”作为 GPU 供给方代表，可信度天然要打折，但即使按一半算也是无法忽视的资本量级。
三条现实瓶颈一个都缓不过来
第一是先进制程产能。台积电 2nm 要 2026 下半年量产，三星 GAA 良率仍在爬坡，Intel 18A 刚交首批样片。如果年支出真到 4 万亿，全球先进制程立刻成为分母不够。台积电 CEO 魏哲家在最近一次法说会上回应过类似口径：”我们的客户在 2027 到 2029 年的需求承诺已经超过了规划产能，这不是加单能解决的问题。”
第二是能源。一座 100MW 的 AI 数据中心相当于 8 万户美国家庭的总用电；美国电网 2025 下半年以来新接入数据中心用电请求超过过去十年总和。德州、弗吉尼亚州的电网开始排队，部分新建数据中心被告知 2027 年之后才能通电。微软首席能源官 Bobby Hollis 直言：”核电、燃气、地热是我们接下来五年的三条腿，少一条都站不住。”
第三是数据中心内部的铜互连功耗——几十万张 GPU 的集群里，铜线本身已经开始成为瓶颈。黄仁勋这次把不少篇幅放在硅基光子学（CPO）方案上，从铜到光是 4 万亿里基础设施级别的换代项。
这是窗口期，也是回收期的压力
三条瓶颈合起来构成 2026 年算力扩张的真实约束：制程、电力、互连。任何一项卡死，4 万亿都得打折。但市场对算力扩张的信心已经被英伟达从七千亿到四万亿市值的连跳反复验证——大模型应用渗透远没饱和，从 ChatGPT 到 Cursor 到企业内部 agent 都在加速吃 token。短期内这条路径基本不会停。
对中小公司，这个数字是一个 3 到 5 年的窗口期信号——能源、芯片、网络、冷却的供应商都有自己的浪头。对大模型厂商，4 万亿是目标也是压力——光靠 API 现金流远不够，应用层产品化必须跟上。
参考：X 讨论原帖
