我刚刚意识到一件困扰我数周的事情:黄仁勋和中本聪基本上是同一个人,只是在不同的时代运营。



让我解释一下我的意思。早在2009年,一位匿名的天才创造了某种被称为“代币”的东西。你把计算能力投入进去,就会得到代币,而这些代币会在网络中流通。这就是整个加密经济诞生的方式。17年过去了,人们仍然在争论这些代币究竟是否真的有意义。

然后在2025年3月,一个穿皮夹克的家伙走上舞台,把这一切彻底改写了。相同的概念,不同的落地方式。你投入计算能力,生成代币,而这些代币会被立刻消耗——用于思考、推理、编写代码、做决策。由此,整个AI经济加速前进。再也没有人争论这些代币有没有价值了,因为你今天午饭前大概率已经把其中数百万个用掉了。

两个代币。相同的名字。相同的底层逻辑:算力输入,产出有价值的结果。

这时问题变得有趣了。在2026年的GTC上,我亲眼看着黄仁勋做了一场主题演讲,里面几乎没怎么提产品规格。当然,他宣布了Vera Rubin,一款新的CPU-GPU组合。但他没有谈制造工艺或技术细节。相反,他花了2个小时讲解了一个完整的代币经济框架——哪个模型对应哪种代币速度,哪种速度对应哪个价格区间,以及每个层级需要什么硬件支撑。

他甚至真的帮在场的CEO们规划数据中心预算:免费层25%,中端25%,高端25%,超高端25%。他没有推任何特定的GPU系列。但他在卖一种极其巨大的东西。

那两个小时之后,我才明白他真正想说的是什么:“欢迎来到代币经济。只有我们的工厂才能制造那些机器。”

就在那一刻我意识到——这个人和17年前挖出第一个代币的匿名者,做的其实是同样的结构性动作。

**相同规则集,不同语境**

中本聪在2008年写了一份长达9页的白皮书,提出了一套简单的规则:投入算力,解决一个数学难题 (工作量证明),然后作为奖励获得加密代币。天才之处不在技术本身,而在于:你不需要信任任何人。接受规则,就进入了经济体系。某种程度上,这套规则说服了数百万人参与其中——甚至是那些没人信任的人。

在2026年的GTC舞台上,黄仁勋展示了结构上完全相同的东西。他展示了一张图:Y轴是推理效率 (每兆瓦吞吐量),X轴是交互性 (用户感知速度)。在图下方是5个定价层级:

免费层:Qwen 3,$0 每百万代币
中端:Kimi K2.5,$3 每百万代币
高:GPT MoE,$6 每百万代币
Premium:GPT MoE 400K上下文,$45 每百万代币
Ultra:$150 每百万代币

这张幻灯片几乎可以直接当作黄仁勋代币经济白皮书的封面。

中本聪定义了“什么算有价值的计算”——解决SHA-256哈希碰撞。黄仁勋定义了“什么算有价值的推理”——在特定用例下,以特定速度生成代币,同时考虑算力约束。

他们两个人其实都不会自己生产代币。他们只定义生产规则和定价机制。其他一切都从那里流出。

黄仁勋在台上说的一句话,甚至可以直接从代币经济宣言里抄出来:“代币是新的商品。商品会随着成熟自然分层。”他并不是在描述已经存在的东西。他是在预测市场结构,然后把自己的产品线精确地摆放到每一层当中。

甚至连措辞都如出一辙:挖矿就是挖矿,推理就是推理。两者本质上都是电力变成货币。矿工花电力去挖加密货币并把它卖出去。AI模型花电力去生成代币,并把它卖给开发者换来数百万收益。中间步骤不同,终点相同:左边是电表,右边是收入。

**稀缺性,用两种不同方式实现**

中本聪最重要的决定并不是工作量证明——而是把比特币限制在2100万枚。他通过代码制造出人为稀缺性。无论多少台挖矿机器加入网络,比特币的供应都永远不会超过2100万。这种稀缺性锚定了整个加密经济的价值。

黄仁勋用的是物理学。“一个1GW的数据中心永远不会变成2GW,”他说。不是代码限制——而是物理规律。土地、电力、冷却——每一样都有硬性的物理边界。你这个 $40 十亿级数据中心在15年内能产出多少代币,完全取决于内部的计算架构。

关键差异在这里:中本聪的稀缺性可以被分叉。你不喜欢2100万的上限?分叉链条,把它改成2亿,叫以太坊什么的,写一份白皮书。人们一直都在这么做。

你无法分叉黄的稀缺性。你无法分叉热力学第二定律。你无法分叉一个城市的电力网容量。你无法分叉土地面积。

但两者最终都带来了相同的结果:硬件军备竞赛。

加密挖矿经历了CPU → GPU → FPGA → ASIC。每一代都会淘汰上一代。AI正在重复这个模式:Hopper → Blackwell → Vera Rubin → Groq LPU。通用硬件让位给专用硅片。Nvidia甚至在GTC上展示了Groq LPU——一种确定性数据流处理器,他们从Groq那里收购而来。静态编译,没有动态调度,片上SRAM容量为500MB。基本上就是一种推理用的ASIC:只做一件事,并且做得非常出色。

有个有趣的细节:两波浪潮中GPU都至关重要。大约在2013年前后,矿工们意识到GPU在加密挖矿中碾压CPU,Nvidia显卡出现了供不应求。10年后,研究人员发现GPU在AI训练和推理中是最优的,Nvidia数据中心卡又一次售罄。GPU服务了两代代币经济。

但改变在于:第一次,Nvidia只是被动受益。第二次,当AI计算从预训练转向推理,Nvidia没有坐等。他们主动设计了整个游戏。他们成了规则制定者,而不仅仅是供应商。

**铲子生意**

在淘金热期间,最有钱的人不是探矿者——而是卖铲子的人。Levi Strauss赚得比矿工还多。

在加密挖矿里,最富的人也不是矿工本身。Bitmain和Jihan Wu通过卖矿机赚得更多。

在AI浪潮中,最富的人不会是模型制造者或智能体。他们会是卖GPU的人。

但关键在于:Bitmain和Nvidia现在已经不是同一种类型的公司了。

Bitmain只卖挖矿机器。他们不在乎你挖什么、用哪个矿池,或者你能拿到什么价格。纯硬件供应商,每台设备一次性利润。卖出之后,他们就退出了这场博弈。

Nvidia呢?Nvidia不一样。他们不仅仅卖硬件。尤其是在2025年推理爆发之后,他们深度定义了整个游戏:要计算什么、如何给代币定价、谁来买、数据中心如何分配产能。所有这些都写在Nvidia的演示幻灯片里。他们把市场划分为5个层级,每个层级都对应特定模型、上下文长度、交互速度和价格点。他们正在标准化未来的市场——AI推理将驱动一切。

来看收入分成:60%来自AWS、Azure、GCP、Oracle、CoreWeave等超大规模云服务商;40%来自去中心化的AI原生力量、主权AI项目以及企业。这与加密挖矿的结构相呼应——大矿池主导收入,但更小的参与者提供韧性和多样性。

Bitmain面临竞争对手——Whatsminer、Innosilicon、Canaan Creative都在侵蚀市场份额。挖矿设备本质上是相对简单的ASIC设计,所以竞争对手可以追赶上来。

动摇Nvidia的统治看起来越来越不可能:20年的CUDA生态系统、数亿台已安装的GPU、第六代NVLink互连、以及他们集成的Groq推理架构。技术复杂性和生态护城河让竞争几乎变得徒劳无功。要把它们撬动,可能需要两个十年。

**根本性的分叉**

更深层次上,这两套代币系统真正把人分开的,是它们被用来做什么。

加密代币存在于投机之中。没人“需要”比特币来完成他们的工作。每一份宣称区块链代币能解决真实问题的白皮书,都不过是营销。你持有加密货币,是因为你相信将来会有人为它付出更高的价格。比特币的价值纯粹是自我实现的预言——它只有在足够多的人相信它有价值时才有价值。信仰经济。

AI代币存在于生产力之中。雀巢用它们来做供应链决策。他们的数据刷新从15分钟缩短到3分钟。成本降低83%。这可以直接映射到损益表。Nvidia工程师用代币来写代码,而不是手工去做。研究团队用它们做真正的科学工作。你不需要信仰。你只管使用,而它的价值会通过使用情况自行证明。这是必需品经济。

这就是根本性的分叉。加密代币被持有和交易——当你不使用它们时,它们的价值反而上升。AI代币则会被立即消耗——它们的价值就在使用的那一刻存在。

一个是数字黄金。囤着它,它就会更有价值。另一个是数字电力。生产出来就把它烧掉。

这种差异意味着AI代币经济不会像加密货币那样泡沫化。比特币的剧烈波动来自投机情绪。AI代币的价格由使用带来的需求以及生产成本驱动。只要AI仍然有用——只要人们继续用Claude Code、ChatGPT、AI智能体去做真实工作——代币需求就不会崩塌。它不依赖信仰,只依赖必需。

早在2008年,中本聪的白皮书花了很多篇幅去论证为什么去中心化电子现金有价值。17年后,人们仍在争论它。

到了2026年,代币经济几乎没有引发任何争议。它在不需要证明的情况下就成了共识。当黄仁勋在GTC舞台上说“代币是新的商品”时,没有人质疑。因为那场演讲现场的每个人,早上都已经用数百万代币去使用Claude或ChatGPT了。他们不需要被说服。他们的信用卡账单已经证明了一切。

从这个意义上说,黄仁勋确实是中本聪的继任者——他留下了挖矿机生产的垄断,定义了代币的使用场景和标准,并且每年在圣何塞的SAP Center办一场展会,展示下一代AI“挖矿机器”。

中本聪有一种神秘的魅力。他设计规则,把它交给代码,然后消失。这就是密码朋克式的浪漫。

黄更像商人,而不是科学家。他设计规则,亲自维护它们,不断扩展,在自己的生意周围筑起护城河。

你曾经因为相信它而见过的那种代币,如今你不需要相信也能看到。它是继瓦特、安培、以及比特之后的下一个伟大单位。
查看原文
此页面可能包含第三方内容,仅供参考(非陈述/保证),不应被视为 Gate 认可其观点表述,也不得被视为财务或专业建议。详见声明
  • 赞赏
  • 评论
  • 转发
  • 分享
评论
请输入评论内容
请输入评论内容
暂无评论