剛剛，英偉達龍蝦登場！黃仁勛暴論頻出，「人車家天地芯」沖擊萬億收入

今年英偉達 GTC 主題演講，應該是史上懸念最少的一屆。

2022 年說元宇宙，2023-2024 年說生成式 AI，2025 年說物理 AI。但今年不一樣，即便臺上英偉達創始人黃仁勛的演講還沒有開始，但臺下所有人已經知道答案了——Agent。

包括英偉達也悄悄在 GTC 園區里開設了「Build-a-Claw」互動專區，讓與會者現場搭建自己的AI Agent。 從芯片到模型，從英偉達版龍蝦到數據中心，今年主題演講的潛臺詞只有一句話：

一切都要為 Agent 讓路。

專為 Agentic AI 打造的 Vera Rubin 正式發布

如果說 Hopper 架構開啟了生成式 AI（Generative AI）的時代，讓機器學會了「說話」；那么 Vera Rubin 的使命，就是開啟智能體（Agentic AI）時代，讓機器學會「干活」。

英偉達 Vera Rubin 架構包含七款芯片、五套機架系統，以及一臺用于 AI Agent 的超級計算機

七款芯片分別是 NVIDIA Vera CPU、NVIDIA Rubin GPU、NVIDIA NVLink? 6 交換機、NVIDIA ConnectX-9 超級網卡、NVIDIA BlueField-4 DPU 和 NVIDIA Spectrum?-6 以太網交換機，以及新集成的 NVIDIA Groq 3 LPU

五個機架分別是 NVIDIA Vera Rubin NVL72 機架、NVIDIA Vera CPU 機架、NVIDIA Groq 3 LPX 機架、NVIDIA BlueField-4 STX 存儲機架，以及 NVIDIA Spectrum-6 SPX 以太網機架。

過去的 AI 像是一個極其聰明的圖書館管理員，我們問一個問題，它慢條斯理地翻書，然后把答案整理出來。我們對這種速度是寬容的，因為我們自己打字看書也慢。

但 Agent 完全不同。它不僅要用大模型思考，還要瘋狂地調用工具——比如打開瀏覽器、控制云端的虛擬 PC、在無數個數據庫里來回比對。更要命的是，AI 對工具的容忍度極低，它要求一切操作都在毫秒級完成。

「它會狠狠地捶打內存。」黃仁勛在臺上這樣形容。

當模型越來越大，上下文長度從十萬 Token 飆升到數百萬，還要同時處理結構化和非結構化的數據，傳統的算力架構開始喘不過氣了。為了應對這種「捶打」，英偉達交出了第一份答卷，全新的 Vera CPU。

這顆芯片特立獨行，它是世界上首款專為智能體 AI 和強化學習時代打造的處理器，其效率是傳統機架式 CPU 的兩倍，速度提升 50%，采用 LPDDR5X 內存，能實現極高的單線程性能、大型的數據吞吐量和極致的能效。

黃仁勛甚至毫不掩飾他的驕傲：「我們從沒想過會單獨賣 CPU，但現在，這絕對是一個價值數十億美元的業務。」

緊隨其后的是 Rubin GPU，單片芯片直接塞進了高達 288 GB 的海量內存。它就像是一個擁有無限腦容量的思考者，專門用來裝載那些體積越來越龐大的超大語言模型，以及處理成百上千萬的上下文 KV 緩存。

除了堆疊 CPU 和 GPU，英偉達這次發布的 Vera Rubin 架構，直接把 NVLink 的帶寬翻了一倍——260 TB/s 的全互聯帶寬。

十年前，DGX-1 用第一代 NVLink 把 8 張卡連在一起，那是專為 AI 研究員打造的奇跡；到了 Hopper 時代，是 NVLink 4；而前不久的 Blackwell 架構，用 NVLink 72 實現了 72 張 GPU 的全互聯，帶寬達到 130 TB/s。

為了配合 Vera Rubin，黃仁勛甚至掏出了被稱為 Kyber 的全新機架。在這個機架里，計算節點垂直插入，背后是第六代 NVLink 交換機。完全拋棄了傳統的以太網或 InfiniBand 限制，在一個 NVLink 域內直接打通 144 張 GPU。

即便強如 Vera Rubin，在面對「無限生成 Token」的極端需求時，也會感到吃力。

在算力世界里，吞吐量（Throughput，同時處理巨量任務的能力）和延遲（Latency，單次任務的極速響應）是一對物理學上的死敵。英偉達是吞吐量的絕對霸主，但在極致低延遲的 Token 生成上，傳統 GPU 架構顯得過于笨重。

這時候，Groq 出場了。英偉達早在之前就「收購」并授權了 Groq 團隊的技術，在今天正式推出了Groq LPU（語言處理單元）。

黃仁勛用一款名為 Dynamo 的軟件，把這兩者完美捏合，首創了「解耦推理（Disaggregated Inference）」。

AI 推理前半段的 Prefill（預填充）和極其耗費算力的 Attention（注意力機制），全部交給 Vera Rubin 這個性能王者來處理；

后半段的 Decode（解碼），也就是生成 Token 的瞬間，直接卸載給 Groq LPU 來降低延遲。

結果顯示，在最具商業價值的高端推理層級，這種組合讓性能直接飆漲了 35 倍，且每兆瓦的吞吐量同樣提升了 35 倍。

一個開源項目，讓所有 CEO 都睡不著覺

主題演講的后半部分，黃仁勛拋出了一個讓全場屏息的判斷：OpenClaw，將堪比這個時代的 Linux，是這個時代的 HTML。

OpenClaw 上線僅數周，下載量和影響力已經超過了 Linux 三十年的積累，其本質上是一套智能體操作系統。它能調用大模型、管理文件、拆解任務、協調子智能體，還能發郵件、發短信，以任何模態與人溝通。

在黃仁勛看來，每一家 SaaS 公司，遲早都會變成 AgaaS 公司，也就是「Agent-as-a-Service（智能體即服務）」公司。而每一位 CEO 現在都必須回答同一個問題：你的 OpenClaw 戰略是什么？

當然，開源意味著自由，但企業更需要的是安全。這也是 OpenClaw 規模化落地前最大的障礙。

為此，英偉達聯合以 OpenClaw 創始人 Peter Steinberger 為代表的團隊，召集了一批頂級安全與計算專家，推出 NeMoClaw 參考架構。

它內置 OpenShell 技術、網絡防護機制和隱私路由能力，可以讓企業可以在自己的私有環境中安全運行智能體系統。

而支撐這套智能體生態的，是英偉達一整條開源模型產品線。

比如 Nemotron 主攻語言推理，Cosmos 聚焦世界建模，Groot 面向通用機器人，Alpha Mayo 服務自動駕駛，BioNeMo 深耕數字生物學，Earth-2 則專注 AI 物理仿真。

黃仁勛特別強調，這些模型不只是排行榜上的名字。英偉達會持續投入推進，Nemotron 3 之后有 Nemotron 4，Cosmos 1 之后有 Cosmos 2，每一代都會更強。

更重要的是，這些模型全部以基礎模型形式開放，任何企業都可以在此基礎上繼續微調和后訓練，打造專屬于自己業務場景的定制化智能。英偉達還宣布將與各地區合作伙伴協作，幫助不同國家和市場孵化本土化 AI 能力。

在臺上，黃仁勛還宣布了一份讓人眼前一亮的合作名單。Black Forest Labs、Cursor、LangChain、Mistral、Perplexity、Sarvam，以及 Mira Murati 創立的 Thinking Machines，悉數加入，共同推進 Nemotron 4 的研發。

劃重點，英偉達不甘心只做賣鏟人，更要親自下場帶頭挖金礦，更重要的是，英偉達也是在構建一個生態，一個圍繞智能體時代的完整體系。

玩家的顯卡錢，是一場長達 25 年的「眾籌」

要理解英偉達今天的恐怖統治力，黃仁勛首先把時鐘撥回了 25 年前。

那時候沒有 ChatGPT，沒有大模型，只有一群為了讓游戲畫面更流暢而瘋狂攢機的年輕人。「GeForce 是英偉達有史以來最偉大的營銷活動」，黃仁勛在臺上笑著說。

黃仁勛非常直白地承認，GeForce 就是用來吸引未來客戶的。他們在我們還買不起企業級產品的時候，通過游戲顯卡潛伏進我們的電腦。日復一日，年復一年。

也正是依靠一代代游戲玩家的「供養」，英偉達在 20 年前做出了一個當時看來堪稱瘋狂、甚至差點拖垮公司利潤的決定——研發 CUDA，并將它送到了全世界每一個開發者的桌面上。

這可以說是一個在黑暗中蟄伏的故事。連續 13 代架構，長達 20 年的死磕，英偉達徹底把 CUDA 變成了一個裝機量過億的龐然大物。

這也解釋了為什么當深度學習的「宇宙大爆炸」來臨時，Alex Krizhevsky 和 Ilya Sutskever 們環顧四周，發現除了英偉達的 GPU，他們別無他選。

Nvidia 不是碰巧站在了風口上，而是花了 20 年時間，自己造了一臺造風機。

飛輪一旦轉動，就再也停不下來了。因為在這個飛輪里，硬件只是載體，真正黏住開發者的是那成千上萬個工具、框架和開源項目。

既然當年是 GeForce 游戲顯卡把 AI 算力（CUDA）帶給了這個世界，那么十年后的今天，是時候讓徹底長大的 AI，反哺它最初的「老家」了。

黃仁勛在臺上甩出了驚艷全場的 DLSS 5。簡單來說，英偉達正在用 AI 重新發明計算機圖形學。傳統的 3D 渲染是「結構化數據」，它是死板的、百分百可控的；而生成式 AI 是「概率性計算」，它是天馬行空、極其逼真的。

以前這兩派路線完全不同，但在 DLSS 5 里，英偉達硬是把它們揉在了一起，用可控的 3D 數據打底，用生成式 AI 去腦補和渲染細節。我們看到的畫面，既不會出現 AI 經常犯的幻覺錯位，又擁有近乎現實的驚人質感。

「生成出來的世界，變得極其美麗，同時又完全受控。」

但這也不只是一幫極客為了高幀率打游戲搞出來的炫技。黃仁勛說，這種將「結構化數據」與「生成式 AI」融合的邏輯，將會在每一個行業里一遍遍重演。

「這是我最喜歡的一頁 PPT」

在演講的高潮，黃仁勛放出了一張極其復雜的架構圖，說這是他最喜歡的一頁 PPT。接著，他又半開玩笑地說，團隊屢次勸他別放這張圖，但他偏要放，「反正你們有些人也是免費進來的，這就是門票錢」。

這張「最不聽勸的 PPT」，真正揭示了英偉達接下來要吞噬的真正獵物，全球企業的數據中心。

過去，企業的數據分為兩類。

一類是結構化數據，也就是常見的數據庫 SQL、Pandas 里的那些龐大表格，它們是商業運轉的地基。另一類是非結構化數據，比如海量的 PDF、視頻、語音，占據了世界 90% 的信息，卻因為難以檢索而如同廢紙。

過去幾十年來，處理這些巨型 Excel 表格一直是 CPU 的絕對領地。當人類去查詢這些表格時，CPU 的速度勉強夠用。但黃仁勛一針見血地指出了未來的趨勢，「未來，使用這些結構化數據庫的，將是 AI Agents」。

當成千上萬個不知疲倦的 AI Agent，以遠超人類百萬倍的速度同時向數據庫發起查詢時，傳統的 CPU 計算系統連喘息的機會都沒有，只會被瞬間壓垮。

為了處理這個問題，英偉達掏出了第一把底層殺器：cuDF。它直接越過 CPU，用 GPU 的恐怖并行算力，把這群數據的處理速度拉爆。

而針對非結構化數據，英偉達掏出了第二把殺器，針對向量數據庫和非結構化數據的 cuVS。有了這兩個底層庫，英偉達實際上是捏住了全球數據處理的咽喉，它正在用 AI 的方式，重新定義企業到底該怎么處理數據。

兩個工具庫的效果也是相當明顯。黃仁勛舉了非常多合作伙伴的例子，其中提到雀巢公司每天要處理覆蓋 185 個國家的龐大供應鏈數據，在換上英偉達加速的 IBM Watsonx.data 后，速度飆升了 5 倍，成本卻驟降了 83%。

這就是「加速計算」的恐怖之處。當速度實現了幾個數量級的躍升，成本就會呈斷崖式下跌，新的商業模式就會在此刻涌現。

黃仁勛的演講進行到這里，滿嘴都還是「算法」、「庫（Libraries）」和「數據幀」，他直言「英偉達是一家算法公司。」

英偉達將自己的算法庫深度嵌入每一家云端，客戶為了用 Nvidia 的算力和框架，才會去購買云服務。這也是為什么幾乎世界上所有的云服務巨頭——Google Cloud、AWS、微軟 Azure、Oracle，都得排著隊，把英偉達的服務請進自己的機房。

曾經呼風喚雨的云廠商，在加速計算時代，似乎都正悄然淪為英偉達龐大生態的「底層基礎設施」和「分銷渠道」。

英偉達為什么能做到這一切？黃仁勛給出了一個極度反常識的定義，英偉達是世界上第一家「垂直整合，卻又水平開放」的公司。

向下，它自己造芯片、造系統；向上，它懂每一個行業的應用場景。

金融界的量化交易員在用它，醫療行業的醫藥研發在用它，連電信行業那個只會發射信號的基站，在未來也會變成運行 AI 算法的邊緣計算節點。

英偉達甚至還推出了機密計算（Confidential Computing），讓極其敏感的企業數據和模型可以在完全隔離的環境下運行，連操作員都看不到。這直接打消了巨頭們擁抱 AI 的最后一點顧慮。

它把自己封裝成一個個底層算法庫，然后像水和電一樣，悄無聲息地接入了所有人的基礎設施；看似把所有的利潤都分給了生態伙伴，但實際上，英偉達已經牢牢掌握了整個 AI 時代的命脈。

1 萬億美元，而且還會供不應求

根據黃仁勛的判斷，到 2027 年底，其 Blackwell 和 Rubin 芯片將至少創造 1 萬億美元收入。，而且這還是保守估計，實際計算需求會遠超這個數字。

這個數字從何而來？答案藏在過去一年英偉達做的那件最重要的事里——AI 推理。

黃仁勛直言，很多人覺得推理很容易，但事實恰恰相反。

高難度推理是 AI 領域最難的事，也是最重要的事，因為它直接帶來收入的增長。為此，英偉達在 Hopper 架構巔峰期做出大膽決定，徹底改變架構，打造出 NVLink 72，引入 NVFP4 精度格式，配合 Dynamo、TensorRT-LLM 及全套新算法，還專門建造了超級計算機來優化整套技術棧。

英偉達押注的結果，遠超所有人的預期。

黃仁勛曾宣稱 Grace Blackwell NVLink 72 每瓦性能提升 35 倍，當時沒人相信他。后來 SemiAnalysis 發布評測報告，分析師 Dylan Patel 說黃仁勛說得太保守了，實際提升是 50 倍。

黃仁勛打趣道「Monkey King」「Token King」。

按摩爾定律，一代產品通常只能帶來約 1.5 倍提升，沒人預料到這次會是 50 倍。

性能提升之后，擺在面前的是另一個問題。一座 1 吉瓦數據中心，按 15 年攤銷，建造成本就高達 400 億美元，設備還沒放進去。在這樣的投入規模下，放進工廠里的計算系統必須是全球最好的，否則每一瓦浪費的電力都是真實流失的收入。

黃仁勛坦言，全球 AI 工廠里正有大量電力被白白浪費。

為此，英偉達發布了 NVIDIA DSX 平臺，基于 Omniverse 數字孿生技術，讓工程師在真正動工之前，先在虛擬空間里把整座 AI 工廠仿真一遍，從散熱到電網，全部模擬清楚。

配合 Max-Q 技術，系統可以在功耗與算力之間實時動態調節。

黃仁勛說，這里面至少還藏著兩倍的優化空間。同一套硬件，英偉達更新算法與軟件后，Fireworks 等服務商的 token 生成速度從每秒 700 個躍升至接近 5000 個，提升 7 倍。這就是「極致協同設計」的真實含義。

過去數據中心存放文件，現在它生產 token。土地、電力、機房空間決定了工廠上限，而架構優劣決定了產出多少。黃仁勛說，未來每一家公司都會認真思考自己 token 工廠的效率問題，因為算力，就是收入本身。

更重要的是，地球上的 AI 工廠還沒建完，英偉達已經把目光投向了太空。

英偉達 Thor 芯片已通過抗輻射認證，率先應用于衛星之上。英偉達正與合作伙伴聯合研發名為NVIDIA Space-1 Vera Rubin的新型計算機，目標是直接在太空中建設數據中心。

太空沒有空氣，無法對流散熱，散熱是一道極其棘手的工程難題。黃仁勛坦承這件事非常復雜，但他相信英偉達有足夠優秀的工程師來攻克它。從地面到軌道，英偉達算力擴張的路線，仍在持續。

自動駕駛的 ChatGPT 時刻，已經到來

物理 AI 是未來十年最重要的課題，而黃仁勛用一句話宣告，自動駕駛的 ChatGPT 時刻，已經到來。

英偉達 RoboTaxi Ready 平臺此次新增四位重量級伙伴：比亞迪、吉利、五十鈴、日產，攜手打造 L4 級自動駕駛汽車。

這四家車企每年合計生產約 1800 萬輛汽車，體量驚人。加上此前已加入的梅賽德斯、豐田和通用，英偉達的自動駕駛版圖已覆蓋全球最重要的一批整車制造商。

英偉達還與 Uber 簽署合作協議，計劃將具備 RoboTaxi Ready（無人出租車就緒）能力的車輛部署至多個城市，并直接接入 Uber 的全球出行網絡。

在工業機器人領域，英偉達與 ABB、Universal Robots、庫卡等頭部企業展開合作，將物理 AI 模型集成至仿真系統，推動機器人大規模進入制造產線。卡特彼勒的加入，意味著重型工程機械也開始走向智能化。

主題演講的最后，依舊是經典的機器人環節。

近期，《冰雪奇緣》的雪寶機器人已經現身迪士尼海外游樂園，而這一次，它也邁著憨態可掬的步伐登上 GTC 2026 的舞臺，和黃仁勛有來有往地對話，動作自然，反應流暢。

它的肚子里裝著英偉達 Jetson 計算機，這是整套系統的大腦。它的步態和動作，全部在 Omniverse 虛擬環境中完成訓練，靠的是由英偉達、迪士尼和 Google DeepMind 三方聯合研發的 Newton 物理引擎，運行于英偉達 Warp 之上。

正是這套物理仿真系統，讓雪寶在進入真實世界之前，就已經充分適應了現實物理規律。黃仁勛說，未來的迪士尼樂園所有角色都將擁有真正的智能，在園區里自由走動，與每一位游客展開真實的互動。

演講開始的時候，黃仁勛說，我要提醒你們，這是一個技術大會。我們將要談論技術，談論平臺，最重要的是，我們要談論生態系統。

生態系統？他實在太謙虛了，用生態帝國也不為過，黃仁勛曾經用一塊五層蛋糕來描述 AI 產業的結構：最底層是能源和芯片，往上是基礎設施、模型，最頂層是應用。

每一層都不可或缺。這個比喻聽起來像是在描述一個分工清晰、各司其職的產業格局。但當你把這塊蛋糕從底看到頂，會發現每一層里都有英偉達的手筆。

從最早「潛伏」在玩家機箱里的顯卡，到主宰全球云廠商的底層框架；從太空里的抗輻射數據中心，到迪士尼樂園里和我們談笑風生的機器玩偶。

英偉達用 20 年時間造了一臺造風機，如今這臺機器已經化身為一臺永不停歇的 Token 生產廠。在這個工廠里，算力即權力，生態即壁壘。

當所有的企業、用戶都在為如何落地 AI 焦慮時，黃仁勛已經悄悄把通往 Agent 時代的門票，塞進了世界上每一臺服務器的咽喉。

這場關于未來 AI 的賭局，英偉達不僅既做莊家又做玩家，它甚至要把牌桌都買下來了。