Token 經濟學：黃仁勳解析 token 與算力如何成為新貨幣
Token 是算力嗎？黃仁勳在 Morgan Stanley 大會提出 AI 三大拐點，以「算力等於營收、token 等於新貨幣」重新定義 IT 商業模式。
本文整理自 Morgan Stanley TMT Conference 2026 年 3 月播出的單集。
{{< youtube xv7UVAfyebk >}}
兩年三次拐點，AI 的加速度超乎想像
NVIDIA 執行長黃仁勳（Jensen Huang）在 Morgan Stanley TMT 大會的爐邊談話中，開場就丟出一個讓人停下來想的觀察：過去兩年，AI 經歷了三次拐點。不是漸進式的進步，是三次質變。
第一次拐點是生成式 AI。GPT-3 其實「在眾人眼前擺了好幾個月」，直到有人把它包成 ChatGPT、做成 API，讓所有人都能用。生成式 AI 的核心能力是「轉換」，把一種形式的資訊轉換成另一種，然後自回歸地產生 token。但它有個根本問題：容易產生幻覺，因為它沒有被「錨定」在脈絡資訊上。
第二次拐點是推理能力的出現。O1 帶來的不只是回答品質的提升，而是一整套新的能力：基於事實的推理、自我反思、自我修正。黃仁勳的說法很直白：過去 ChatGPT 給你的是「資訊」，本質上是一個更準確的聊天機器人。我們用它做研究、找答案，取代搜尋。但推理模型產生的 token 量，大概是第一代的一千倍，再乘上因為更實用而暴增的使用量，整體算力需求可能是百萬倍的成長。
第三次拐點，也就是現在正在發生的，是 AI 學會了使用工具。它能推理、能思考、能讀取檔案、能操作工具、能解決問題。黃仁勳的用詞很精準：過去的 prompt 是「什麼是」、「誰是」、「何時」。現在的 prompt 變成了「建立」、「執行」、「創造」。過去是查詢，現在是行動。過去是 query，現在是 task。
OpenClaw：三週超越 Linux 的軟體革命
黃仁勳在談到第三次拐點時，特別點名了 OpenClaw。這個由奧地利開發者 Peter Steinberger 在 2026 年 1 月底推出的開源 AI Agent 平台，在他口中是「可能是人類歷史上最重要的軟體發布」。
這話聽起來很誇張，但數字不會說謊。Linux 花了大約三十年達到的下載量級，OpenClaw 用了三週就超越了。黃仁勳說，就算用半對數圖來看這條成長曲線，它看起來都像是 Y 軸本身，幾乎是垂直的。他說他「從來沒看過這樣的東西」。
OpenClaw 的爆發並非偶然。它恰好出現在 AI 從「回答問題」跨越到「執行任務」的轉折點上。使用者不再只是問問題，而是交付任務：替我做這件事，你自己去想辦法。Agent 會自己去搜尋資料、閱讀工具手冊、調用合適的工具，然後完成工作。NVIDIA 內部已經大量使用這類 Agent，黃仁勳稱之為「CLAWS」，這些 Agent 在公司內部持續運行，替團隊寫程式、開發工具、處理各種任務。
這意味著一件事：每個 Agent 消耗的 token 量，可能是傳統查詢的百萬倍。它們不是問一個問題就結束，而是持續運轉、持續思考、持續行動。NVIDIA 內部的算力需求因此暴增，而黃仁勳認為，這正是每一家公司即將面臨的現實。
AI 工廠：資料中心的身份轉換
黃仁勳幾年前就開始推廣一個概念：這些新建的大型運算設施，不應該叫「資料中心」，應該叫「AI 工廠」。因為它們的核心目的不是儲存資料，而是生產 token。
他承認，當初提出這個說法的時候，業界的反應是「聽起來好粗獷」。但他堅持這個比喻，因為背後有一個關鍵的認知轉換：沒有人喜歡建資料中心，因為你不確定投資報酬率會是多少。但所有人都喜歡建工廠，因為工廠會賺錢。
現在這個邏輯已經被驗證了。這些設施直接生產 token，token 可以被貨幣化，更多的算力意味著更多的 token，更多的 token 意味著更高的營收。黃仁勳說這已經不是假設，而是事實：企業的營收和它擁有的算力直接相關。就像賓士（Mercedes-Benz）的產能受限於工廠產能一樣，如果 OpenAI 現在有更多算力，它的營收就會更高。
這個邏輯延伸到國家層級就更震撼了。黃仁勳直接說：算力等於 GDP。這不是修辭，是他的核心預測。因為沒有任何一個國家會在未來說「我們不需要智慧」，而智慧需要 AI，AI 需要算力。
Tokens per Watt：CEO 必須親自審核的決策
在「AI 工廠」的框架下，黃仁勳提出了一個全新的關鍵指標：tokens per watt，每瓦特能產生多少 token。
邏輯很簡單但很致命。每座 AI 工廠的電力是有上限的，可能是 100 百萬瓦、可能是 1 吉瓦。在電力固定的前提下，你選擇的運算架構每瓦特能產出多少 token，直接決定了你的營收天花板。黃仁勳宣稱 NVIDIA 的 tokens per watt 領先競爭對手一個數量級，也就是十倍。這意味著，同樣一座 1 吉瓦的工廠，用 NVIDIA 的架構，營收可以是用替代方案的十倍。
他從這裡推導出一個結論：在歷史上第一次，公司選擇什麼電腦架構放進自己的工廠，必須經過 CEO 親自審核。因為如果選錯了，直接影響的是明年的營收。不是 IT 部門的採購決策，是攸關公司未來的戰略選擇。
黃仁勳還引用了半導體分析機構 SemiAnalysis 的大規模基準測試結果，該機構宣布 NVIDIA 是「推理之王」（Inference King）。推理就是生產 token，就是每秒能產生多少 token、每瓦特能產生多少 token、每美元能產生多少 token。他強調，NVIDIA 不只是效能最好，而且是每美元成本最低的選擇，而且不是接近，是一個數量級的差距。
軟體產業的大轉型：從賣授權到賣 token
黃仁勳對未來軟體產業的預測可能是整場談話中最具爆炸性的觀點：未來不會有任何軟體不是 agentic 的。
他的推理很直接：軟體產業現在的商業模式是賣工具授權，你租用軟體工具來完成工作。但未來，你不只租工具，還要租用能操作這些工具的「專家」，也就是 AI Agent。這些 Agent 會非常擅長使用特定領域的專業工具，就像你的公司不只雇用員工，還會聘請外部專家和承包商一樣。
他用了生物勞工和數位勞工的類比：有些你自己培養（開源模型，自己微調），有些你外包（閉源模型，按量付費）。這不是非此即彼的選擇，而是並行的策略，和現實世界的人力配置邏輯完全一樣。
黃仁勳點名了幾家公司來說明這個轉型。Cadence、Synopsys、Siemens，這些 EDA 和工業軟體巨頭，未來都會比現在大得多。但它們的商業模式會根本改變，從純粹的軟體授權公司，變成同時出租「專業 token」的公司。
他把數字攤開：今天的 IT 產業大約是兩兆美元的規模，其中 token 消耗量幾乎為零。未來，這整個產業都會成為巨大的 token 消費者。這些 token 要麼自己生產（需要算力），要麼轉售（也需要算力）。這就是算力需求的資金來源：不是來自某個新興市場，而是來自整個既有 IT 產業的轉型。
我的觀察：臺灣企業準備好「賣 token」了嗎？
黃仁勳在這場對話中建構了一個完整的經濟論述框架：AI 的三次拐點推升了 token 需求，token 需求推動了 AI 工廠建設，AI 工廠的效率由 tokens per watt 決定，而整個 IT 產業的商業模式將從「賣工具」轉向「賣 token」。
對臺灣來說，這個框架有雙重意義。作為 NVIDIA 供應鏈的核心（台積電代工晶片、日月光封裝測試、鴻海組裝系統），臺灣在 AI 工廠的硬體端已經站穩位置。但黃仁勳描述的更大轉變，是軟體產業的重新定義。
臺灣的軟體公司，從企業 SaaS 到垂直產業解決方案，有多少家已經開始思考「我的產品未來要怎麼消費 token、怎麼產生 token、怎麼販售 token」這個問題？黃仁勳預測的不是十年後的事，而是正在發生的轉變。OpenClaw 三週超越 Linux 的速度告訴我們，這個轉折來得比任何人預期的都快。