标题：AI的杰文斯悖论，离成立还差一个英伟达

正文：杰文斯悖论并非天然成立。AI正从技术变革转向规模化商业应用，对GPU的需求也从快速部署转向更具性价比的算力。Deepseek、阿里千问和百度文心推动了价格战，但硬件层面的算力成本还需进一步下降，包括单位算力成本和性能能耗的双重优化。仅靠降低单位算力成本，很快会遭遇电力瓶颈，尤其在美国，电力基础设施的限制可能使前沿模型训练在2030年前终结。

对英伟达而言，若算力触及电力瓶颈，必须降低单位算力能耗，否则行业可能转向软硬件协同优化现有硬件。即便未触及电力极限，企业也会追求更低成本的资本开支或运营开支。CoreWeave数据显示，电力约占其基础设施成本的10%，而H100芯片的高能耗已引发散热及设计难题。EpochAI估算，到2030年，算力将大幅提升，但能耗需降低4倍，以应对运营成本压力。

巨头们开始自研芯片，谷歌计划与联发科合作开发TPU。提升能效成为下一代芯片创新的核心。从2022年ChatGPT发布到2027年Rubin部署，算力基础设施已走过五年周期，节能需求愈发迫切。过去的经验表明，技术创新可缓解电力限制。谁能解决这一问题，谁就能在产业中占据更多优势。黄仁勋需在GTC上给出能源解决方案。