標題 : 黃仁勳：倉庫賺不了錢，AI「工廠」把運算變現 — NVIDIA押注生成式運算成新營收模式

・ 2026 年 04 月 11 日

摘要 : 黃仁勳指出生成式AI將運算從儲存轉為「生產」並可直接收費。

新聞 : 開頭引人興趣 NVIDIA（黃仁勳）在近日訪談中直言：「倉庫賺不了多少錢，工廠才會賺錢。」他以此比喻，指出傳統以儲存與檢索為主的運算模式正在被生成式AI取代，運算將由「儲存資料」轉向「即時生產可售出的輸出」，這種轉變可能重塑科技公司與資料中心的商業模式。

背景與主旨過去幾十年，許多計算系統以大量儲存為核心——先把資料預先錄製或存檔，之後按需檢索使用。黃仁勳指出，生成式AI（Generative AI）改變了這個邏輯：系統不再只是拉出既有資料，而是即時生成「tokens」（輸出單位），這些tokens具備不同價值，可以免費、也可以分級收費，從而將運算直接變成可量化的營收來源。

事實、制度與技術分析 - 結構變化：生成式運算對即時處理能力（GPU/加速器）、網路吞吐、供電與機房設計的要求高於單純儲存，因此資料中心逐步朝「大規模整合算力、網路、儲存與電力」的方向重構。 - 商業邏輯：當輸出的token可被差異化定價（例如基礎回應免費、高精度或專業應用收費），平臺就能把單次運算或每-token定價化，轉變為直接營收。 - 效率與成本：黃仁勳強調，提高每單位能耗所產出的tokens數量，能降低邊際成本；這也使得運算效率（軟硬整合、模型最佳化、架構設計）成為決勝關鍵。

案例與產業意涵 NVIDIA作為AI加速硬體與生態系供應商，擁有設計GPU與大規模系統整合的優勢，其商業策略顯然是押注「把資料中心變成AI工廠」，帶動對高效能運算、專用晶片與系統級解決方案的需求上升。對投資人與業界而言，這意味著資本可能更多流向算力供應、AI平臺與雲端生成服務，而非單純的冷儲存或帶寬資產。

替代觀點與駁斥反對者可能指出：1) 每-token收費可行性受限（定價難度、使用者付費意願）；2) 能耗與成本上升可能侵蝕利潤；3) 隱私與法規可能限制某些生成應用。回應是：定價模式可多樣化（訂閱、按需、分層付費）、技術進步與規模經濟持續降低每-token成本，且企業會在合規框架下設計可付費的專業應用與增值服務。因此，即便存在阻力，從長期趨勢看，生成式運算仍具商業化潛力。

結論與未來展望（行動呼籲）黃仁勳的比喻強調的是結構性轉變：當運算成為「生產輸出」而非純粹「儲存」，生態系與資本配置將跟著改變。投資人與企業應關注三項指標：資料中心的計算密度與架構演進、每-token的邊際成本與定價策略、以及能驅動生成應用商業化的生態（模型、市場與法規）。短期內，受惠於AI訓練與推論需求的硬體與雲端供應商將更具機會；長期則取決於誰能把技術效率轉為可持續、可規模化的營收模型。