黃仁勳提3大趨勢 反駁AI泡沫化

人工智慧（AI）晶片巨頭輝達（Nvidia）於19日公布第3季財報，營收較去年同期增長62%，達570億美元營收，創下歷史紀錄，消除外界對AI泡沫化的擔憂。輝達執行長黃仁勳否定AI泡沫化的疑慮，並提出大量資料處理、生成式AI與代理式AI等3個趨勢因素，解釋底層的運算方式發生根本性轉變，已從CPU大幅轉向GPU，因此AI需求並非空轉，是完全合理的。

印度時報報導，黃仁勳19日出席「美沙投資論壇」（US-Saudi Investment Forum），被問及AI是否正走向泡沫化時指出，要理解AI是否泡沫化，必須回到運算需求最基本的出發點。

他說明，如果從「第一原理」（first principles）檢視當前的運算需求，就會發現摩爾定律實質上已走到盡頭，通用型CPU無法再滿足急遽增加的計算量，全球因而加速轉向以GPU為核心的加速運算。黃仁勳提第一原理不是在講哲學，而是強調從系統最根本的條件來判斷。

他並舉例指出，全球前500大超級電腦6年前仍有90%以CPU為主，今年已降至不到15%，反觀GPU占比則從10%攀升至90%，這顯示算力模式出現明顯轉折點。

在這個基礎上，黃仁勳提出3項推動AI需求的核心因素。

首先，全球用於處理姓名、地址、收入等原始資料的運算量本身就極為龐大，每年耗費數千億美元，這些工作即便與AI無關，規模也早已超出CPU的可負荷範圍，迫使企業轉向GPU擴建資料處理能力。

其次，支撐網路運作超過15年的推薦系統（recommender system）模型正由生成式AI取代。過去依賴CPU的推薦演算法如今全面轉向由GPU執行，使企業紛紛建立大型GPU超級電腦，用於資料處理與模型訓練。推薦系統是替使用者挑選並推送內容的演算法，因為網路資訊量過大，需要系統代為篩選。

第三，黃仁勳指出代理式AI（agentic AI）快速興起，包括Grok、OpenAI、Anthropic與Gemini等新模型都建立在前面兩點既有巨大算力的需求上，進一步拉高整體算力需求。

黃仁勳指出，由於大量資料處理、生成式AI與代理型AI等3大需求驅動，只要看清運算模式正從CPU全面轉向GPU，就能理解AI需求確實存在且合理，而不像市場以為的那樣誇張，更不是外界擔憂的投機泡沫。