黄仁勋：开源模型市占率超七成，算力需求或增十亿倍

当OpenAI、Anthropic等前沿实验室的高管密集发出“AI失控”警告时，全球最大芯片公司英伟达CEO黄仁勋给出了截然不同的答案——AI安全不是监管豁免的借口，而是纯粹的工程技术问题。

9月23日发布的《纽约时报》Ezra Klein Show播客专访中，黄仁勋直言：“如果他们认为自己已无法掌控局面，那么在重获掌控之前，就不应发布产品。”

这场访谈的直接靶标，是科技巨头们一边声称技术“强大到无法控制”、一边寻求监管或反垄断豁免的逻辑矛盾。黄仁勋对此毫不客气：“我是第一次听到一个CEO说，我需要反垄断法律被豁免，我需要产品责任法律被豁免。这个逻辑让我很费解。”

他认为当前AI行业的资源配置恰恰反了——约80%用于能力提升，仅20%用于安全评估。正确比例应该是反过来的：80%的资源应当投入安全验证。

这并非中立的技术讨论。作为全球市值最高公司（5.4万亿美元）的掌舵人，黄仁勋的利益立场并不隐藏：他希望AI持续扩张，而不是因为“不可控”而被监管掣肘。 但他所指出的现象同样真实——那些喊着“末日论”的公司，同时也是最不愿分享技术底牌的玩家。

转折：开源模型为何迅速夺走七成市场？

访谈中最具冲击力的数据来自黄仁勋对市场格局的判断：

年初时，闭源模型的Token使用量约占70%，开源模型仅约20%；而现在，这一比例已完全逆转——开源模型占70%，闭源占30%。

这个数字的含义需要拆解。

首先要明确，这里的“市场份额”衡量的是Token使用量占比，而非收入或利润。也就是说，用户调用AI接口所产生的文字输入输出总量中，超过七成来自开源模型。

这意味着什么？意味着基础大模型的“入口”控制权已经从闭源巨头手中流失了。

开源模型之所以能实现这种逆转，有三个结构性原因：

第一，企业和国家需要掌控自己的基础设施。 不能完全依赖第三方闭源服务的价格变动和内容审查。私有部署的开源模型成为刚需。

第二，开放权重（open weights）模型才能被微调、被整合进企业自身的数据飞轮。 闭源模型的API调用是黑盒操作，而开源模型可以被注入行业数据、持续迭代优化。

第三，开源是最安全的网络安全策略。 正如黄仁勋所说，如果你想让世界拥有最好的网络安全能力，就必须提供开放模型，让人们能够保护自己。

值得注意的是，英伟达在今年已完成对Hugging Face——全球最大开源模型平台——的战略收购，交易规模约120亿美元。黄仁勋透露这是Hugging Face CEO主动寻求合并的结果。这笔交易的意义在于：英伟达正在直接卡位开源生态的关键枢纽节点。

开源模式的胜利并不意味着闭源厂商的失败。GPT-4、Claude、Gemini仍然代表了最前沿的能力水平，它们的商业价值和盈利能力远超开源模型。但在规模化、通用化的基础层，开源已经赢得了用户习惯和数据飞轮的主导权。

动力：十倍百倍算力需求从何而来？

黄仁勋抛出了一个惊人的预测：未来所需的计算量可能增加十亿倍。

这不是无根据的猜测。他的测算框架发生了根本性的范式转换：

过去60年的计算模式是“基于检索”的——你问一个问题，系统去数据库里找到匹配的答案。而未来的计算模式是“基于生成”的——数以千亿计的AI智能体在自主调用大模型进行论证、推导和执行任务。

人类用量是有限的。但当每个企业、每个应用、甚至每件设备都在运行数百个持续运转的智能体时，计算需求就进入了另一个数量级。

他同时提出了一种新的商业模式：AI工厂正在成为一种新型资产类别。

他披露了一组引人注目的数据——建造一个1吉瓦（GW）的AI工厂需要500亿美元，但你可以每年以400到500亿美元的价格将其出租。 极高的生产力回报使得这类设施的资本成本极低，因为这些计算机本身成为了可抵押的优质资产。

这个逻辑的核心支撑点是英伟达GPU的通用性和软件驱动的耐用性。如果一个数据中心能在短时间内收回建设成本，并产生持续的租赁收入，那么它就不再是一个IT基础设施，而是一个类似商业地产的现金流生成器。

当然，这一模型的实际可行性还需要观察：电力成本能否维持稳定、需求增长是否如预期般持续、折旧周期的长短都会影响最终回报率。但它至少描绘了一个清晰的商业图景：AI基建的金融属性正在觉醒。

钱流：5000亿风投涌向了哪里？

黄仁勋给出的另一组数据更为直观：过去六个月里，有5000亿美元的风险投资涌入了AI原生初创企业。

这笔资金的规模之大，足以改变游戏格局。

更重要的是资金流向的特征——它们不是投向基础模型训练（那是谷歌、微软、Meta的领地），也不是投向芯片制造（那是台积电、三星、英伟达的主场），而是大量涌向应用层：法律服务、医疗诊断、工业设计、教育辅助、智能制造……每一个行业都在被AI重新编程。

这就是黄仁勋反复强调的“应用层”——五层AI蛋糕的最顶层，也是离真实商业场景最近的一层。

他的乐观判断植根于此：只要各业持续投入应用层的开发，算力需求的长期健康就有保障。 这与他十亿倍算力预测的逻辑是一致的——如果应用层爆发，底层需求就不会萎缩。

然而这组数字同样存在归因边界。“5000亿美元风投”是黄仁勋的单方表述，尚未得到VentureCapital追踪机构的独立验证。即便如此，这个量级的描述本身就释放了一个强烈信号：资本市场认定AI应用爆发即将到来。

观察点：下一个阶段的关键指标

开源反超70%、算力需求十亿倍、AI工厂金融化——这些都是黄仁勋描绘的愿景。但对投资者和行业从业者来说，更值得关注的是以下几个可追踪的观察指标：

其一，开源模型Token使用量的持续走势。 如果当前70%的份额能保持稳定甚至继续上升，说明开源生态已从“可选项”变成了“必选项”。这对闭源厂商的API定价权和用户粘性都是潜在压力。建议关注Hugging Face等平台后续公开的调用量统计数据。

其二，AI原生初创企业的实际产出效率。 5000亿美元风投砸下去后，哪些应用真正跑通了商业模式？哪些只是概念包装？跟踪头部AI应用公司的营收增长和留存数据，比听信任何CEO的预测更有价值。

其三，AI工厂的租赁价格和入住率。 如果黄仁勋描述的“500亿建厂、年租400-500亿”模式成为行业惯例，那么AI算力将成为类REITs的投资标的。届时关注电力合同条款、GPU折旧速度和实际出租率的公开数据。

其四，英伟达对Hugging Face的整合进展。 120亿美元收购后的产品路线图、开发者生态迁移情况、以及与英伟达硬件栈的协同深度，将决定开源版图的实际话语权归属。

其五，AI安全评估资源的实际投入比例。 黄仁勋呼吁将80%资源转向安全，但现实可能是相反——行业仍在疯狂追求性能竞赛。观察主要实验室是否设立了独立的安全治理委员会、是否发布了透明的对齐评估报告，这将比口号更有说服力。

黄仁勋的判断当然有其立场——他是卖铲子的人，当然希望所有人都在挖矿。但他揭示的结构性变化不容忽视：开源模型已经不再是配角，闭源巨头的垄断地位正在被稀释，而AI产业的焦点正从基础模型的军备竞赛，转向应用场景的落地争夺。

谁能在应用层率先跑通闭环，谁就能在下一轮竞争中占据主动权。而这一切的前提是——你已经准备好拥抱那个开源占主导的世界了吗？