英伟达（NVIDIA）在官方博客中表示，回报最强的AI工厂，是那些“能赚得更多、用得更久、承接更多类型工作”的工厂。公司称，AI工厂以兆瓦乃至吉瓦为单位建设，每兆瓦工厂成本约6000万美元，运营方只有在能清晰看到投资回报的前提下，才会投入这一量级的资本。上述内容来自公司自述，尚未获独立证实。
公司拆解的三项回报变量
英伟达把AI工厂回报拆成三项：创收能力，即若卖光一年内可产出的全部token所能获得的收入；可用寿命，即AI硬件能持续创收的时长；需求，即对这些token的需求规模。公司表示，任一项的强项无法完全弥补另一项的弱项——创收能力再高，若只能卖出部分产能，价值有限；需求再旺，若一年后无法满负荷运转，意义也不大。公司还称三者并不独立：能运行更多类型工作负载的工厂会找到更多需求，从而年复一年保持创收。
公司自述的“生产、耐用、可互换”
按英伟达的说法，其AI工厂围绕上述三项做了工程化设计，对应三个特征：生产性，即每兆瓦吞吐最高、单位token成本最低；耐用性，即GPU与系统在出货多年后仍能创收；可互换性，即能运行各类AI以及许多非AI工作负载。公司引用SemiAnalysis AgentX数据称，NVIDIA Vera Rubin NVL72的每兆瓦吞吐较NVIDIA GB300 NVL72高出超过30倍，在DeepSeek V4 Pro模型上每百万token成本最多低45倍。公司将这一差距归因于从模型、工作负载到软件、计算、网络与内存的全栈协同设计。
耐用性与通用性的支撑案例
英伟达称，并非所有工作负载都需要最新系统，合适的匹配取决于负载的复杂度与形态，因此上一代硬件在下一代问世后仍在创收。文章提到，2020年出货的NVIDIA A100 GPU在六年后仍在商业服务中，CoreWeave近期把与2020年首次推出的设备相关的预订延长至2029年。公司还引用Barkr的估算称，八卡H100系统的可用寿命为五到六年，GB300 NVL72为九到十年；并引用Silicon Data称，六年前的A100仍值其成本的四分之一。在通用性上，公司称CUDA可跨代运行，超过1000个现成CUDA-X库与超过1000万开发者建立在其之上，客户案例包括Lilly使用1016卡的本地集群、Pinterest在横跨Blackwell、Hopper及更早架构的14000块GPU上部署，以及Texas A&M University在26个项目、七家机构间实现95-98%的利用率。
为什么重要
这组表述的落点在于资本开支决策。公司把电力视为AI工厂的硬约束，将每兆瓦每秒token数视为决定创收能力的关键指标；文章还提出，更便宜的token会扩大而非压缩算力需求。需要强调的是，成本量级、吞吐与成本倍数、硬件寿命与残值等数据，均来自公司自述或其所引用的第三方分析，属于对回报框架的论证，而非已兑现的经营结果。公司另表示，其创始人兼CEO黄仁勋将于10月21日（周三）中欧夏令时11时，在GTC Berlin发表主题演讲。
市场影响
这是研判而非已发生行情。公司自述的AI工厂回报框架若被市场接受，对算力产业链景气预期构成一定支撑；但相关数据未经独立证实，效果取决于资本开支能否按此逻辑落地，因此整体呈多空交织。
AI宏观影响研判这是研判而非已发生行情。内容聚焦企业级算力投资回报，与消费端缺乏直接传导，短期影响有限。
AI宏观影响研判后续关注
- 黄仁勋在GTC Berlin的主题演讲（周三10月21日，中欧夏令时11时）是否进一步披露AI工厂投资回报相关细节。
- AI工厂资本开支节奏，以及算力租赁价格与利用率数据的后续验证。
- Sprout于2026年9月发布的《The Productive Life of a Data Center GPU》，以及主要运营方服务器折旧年限变化的后续追踪。
消息来源
本文仅供市场研究与学习参考，不构成投资建议。