AGI不是终点，是起跑线

黄仁勋在最新财报电话会上平静地甩出一句话：对于许多任务来说，我们已经实现了AGI。

他没有跟OpenAI争谁先撞线，而是直接掀了桌子——继续纠结"AGI到底怎么定义"已经毫无意义。整个科技界连"智能"本身都没有共识标准，争论终点线长什么样纯属浪费时间。

真正让老黄兴奋的不是名词，是AI能力的底层质变。

ARC-AGI-3满分意味着什么

英伟达的Avo架构在ARC-AGI-3上拿了100%满分。这个测试由Keras之父François Chollet设计，专门针对大模型的"背题"弱点：要求AI面对从未见过、没有历史数据可参考的逻辑谜题，仅凭极少例子展现抽象推理能力。

过去OpenAI和Google的最强模型在这里准确率突破50%都难。英伟达在零样本提示下，25个公共环境的183个关卡全部自主推理通关——没有明确规则，全靠自己想明白。

这意味着AI跨过了"模式匹配"的死胡同，具备了处理未知复杂问题的通用认知能力。不是"你问它回答"，而是接到任务后自己拆步骤、自己执行、做完还能反思学新技能。

芯片验证自己造，闭环了

跑分只是纸面证据。英伟达落地的"AGI造芯"是ChipStack AI Super Agent——与Cadence联合发布，自主能力Level-5。以Codex和Nemotron编排工作流，调用Cadence Xcelium做RTL仿真、Jasper做形式化验证，全部在NVIDIA OpenShell沙箱运行。

结果：典型验证闭环从约五周压缩到不到一天，RTL验证周期提速超40倍。英伟达内部数千名工程师、每年数十亿计算小时、数百万次测试的验证体系，交给这套智能体承载。

这就是"算力反哺研发"的闭环：AI帮你设计下一代GPU，下一代GPU又让AI更强——左脚踩右脚的升维打击。

每天10.6亿美元

2027财年Q2财报数字：

• 营收962亿美元（预期922亿，同比增长106%）
• 数据中心890亿美元（同比增长117%），超大规模客户487亿+企业AI 403亿
• 净利润597亿美元，净利率62%
• 毛利率75%，毛利721亿

按91天算，日均营收约10.6亿美元，天天如此含周末。Q3指引1080亿——首次单季破千亿美元，日均将逼近12亿。

CFO Colette Kress提前一年给了2028全年指引：营收增长约70%。华尔街预期只有44%。按当前财年近4000亿共识计算，2028总营收将逼近6730亿，超越苹果和微软，成美国营收第二大科技公司（仅次于亚马逊）。

老黄补了一刀：70%只是受限于供应链的供给数字，不受产能约束的话真实需求增速接近100%。

Token即印钞机

黄仁勋把AI商业化的底层逻辑讲透了：更多算力 = 产出更多Token = 必然带来更多利润。

Token不再只是实验室里的数据。AI生成无bug后台代码，效率提升就是盈利Token；AI秒级生成投资策略并执行交易，赚到的是真金白银。每兆瓦约1000万至1500万美元的基础算力成本，能转手做出5000万甚至上亿美元的终端收入。

衡量AI战争胜负的关键指标变了——“每美元产出的Token数"和"每瓦特产出的Token数”。谁掌握算力，谁掌握新时代印钞机。Vera Rubin架构把每GW数据中心收入机会从Hopper的180亿拉到400亿。

4万人指挥400万AI

黄仁勋的预测：英伟达可能只需要维持4万人类员工，同时拥有40万甚至400万数字员工（AI Agent）。1比10，甚至1比100的人机比例。

SemiAnalysis创始人Dylan Patel的推演更宏大：十万亿级算力扩张将引发整个生态系统超5万亿美元的信贷需求。未来两三年，真实世界的经济运行——利率、传统价值股估值——都将直接沦为AI算力垄断与扩张的结果。

算力即权力，Token即财富

这场财报会被载入史册，不只是因为数字，而是掀开了AI商业化最真实的底牌。

恐慌是徒劳的。未来的生存法则只有一条：要么成为控制AI的人，要么成为被AI替代的人。

LynxHot · 跟踪 AI 工具、模型与产业变化