黄仁勋在GTC 2026讲了什么｜完整梳理：一万亿美元预言、Token之王、Groq LPU与GPU组合拳、龙虾是Agent的操作系统 原创

当我提前两个小时，进入GTC会场的时候，发现自己并不是第一波场内观众。理当如此。

2026年3月16日，美国加州圣何塞SAP体育馆——NHL圣何塞鲨鱼队的主场——座无虚席。英伟达一年一度的开发者大会，今年吸引了来自190个国家的逾三万名与会者，450家公司赞助，1000场专题论坛，2000位演讲者。由于想听黄仁勋的观众人数，必然是溢出GTC展会所在的圣何塞会议中心的。所以每次的Keynote就会借场于此。

黄仁勋这次照例讲了两个多小时。开口第一件事，是开玩笑提醒在场所有人——这是一场技术大会。毕竟，这个大会最经常的类比，已经是超级碗这样的体育秀。

听完全场，他在演讲中亮了一个数字：1万亿美元，我感觉是焦点中的焦点。

去年此刻，他在同一个舞台上说，对Blackwell和Vera Rubin系统，截至2026年底的高置信度需求大约是5000亿美元。今年，他给出的新数字是截至2027年底，至少1万亿美元。值得注意的是，两次预测的时间窗口几乎相同，都是从发布当天向前看约21个月，并非靠拉长周期堆出来的。在同等预测窗口内，需求本身翻了一倍。他还说，实际的计算需求很可能还会更高，英伟达将面临供不应求的局面。

所以，黄仁勋用两个多小时描绘的，是一家公司从卖芯片到建造"AI工厂"的完整转型——以及他认为这场转型正在催生的所有连锁反应。

要特别说一下：OpenClaw也成为这场大会意料之中的关键环节。这个由奥地利开发者Peter Steinberger在2025年11月写出的周末项目，在短短几周内成为GitHub历史上增长最快的开源项目。黄仁勋在台上花了很大篇幅讲它，把它定义为"Agent计算的操作系统"，并说它与HTML、Linux同等量级。正是在讲完OpenClaw之后，他说出了一个判断：这个新体系，对企业IT，是一次文艺复兴。企业IT将不再只是提供工具让人使用，而是提供高度专业化的AI智能体直接替人完成工作，产业的规模和逻辑都将被重写。

其实，我一直觉得，大模型本身也就像是一场文艺复兴。14世纪，文艺复兴在意大利兴起，本质上是一场知识的重新流通。古希腊罗马的典籍从修道院的手抄本里被重新发掘出来，学者、艺术家、思想家得以站在人类文明积累的肩膀上重新出发，由此引发了科学革命一连串的历史巨变。大模型做的事情，结构上与此高度相似。人类几千年积累的知识，原本分散在无数书籍、论文、对话和实验记录里，大多数人终其一生也只能触及极小的一部分。大模型把这些知识压缩进了模型权重，让任何一个普通人只要开口，就能调用人类文明的集体智慧。知识的流通之后，是能力的释放。

Keynote开始前，英伟达还做了一场几十人参与的pregame预热对话。黄仁勋在OpenClaw创始人参与的环节，做了空降，由此可见他对龙虾的重视。

1. "这栋楼，是GeForce建的"

所有的黄仁勋演讲都有一个起点：历史。这次GTC2026的锚点是两个数字，20年和25年。

今年是CUDA诞生20周年，也是GeForce诞生25周年。

CUDA（Compute Unified Device Architecture，统一计算设备架构）是英伟达在2006年推出的并行计算平台。它的核心发明叫SIMT——单指令多线程，让开发者用写普通单线程代码的方式，自动获得多线程并行执行的能力，比过去的方式容易得多。此后英伟达又引入了分块编程（Tile），帮助开发者更轻松地处理张量运算，而这至今仍是AI数学的基础。二十年后，数千种工具、编译器、框架和开源库围绕CUDA建立，CUDA渗透进了全球几乎每一朵云、每一家计算机公司，以及几乎每一个行业的生态系统。

但CUDA能走到今天，起点是GeForce。"不知道有多少人是玩GeForce长大的？"黄仁勋问台下，"GeForce是英伟达有史以来最伟大的营销活动——我们在用户（游戏玩家）还买不起之前，就把他们培养成了英伟达的客户。是你们的父母在买单。年复一年，直到有一天，你们长大，成了了不起的计算机科学家，成了真正的付费客户。这栋楼，是GeForce建的。"这段话讲完，全场笑声一片。

这套逻辑背后是一个严肃的飞轮模型：装机基础吸引开发者，开发者创造新算法和突破，突破催生全新市场，全新市场带动新的生态系统，更多公司加入，进一步扩大装机基础——如此循环，且正在加速。英伟达库的下载量规模已经很庞大，但增速还在加快。

飞轮加速的另一个证据颇为反直觉：Ampere架构（英伟达2020年推出的上上代GPU）的二手市场价格，在过去几年一直在涨。旧芯片价格不跌反涨，原因是能在上面运行的应用实在太多——英伟达支持AI生命周期的每一个阶段，加速每一种数据处理平台和科学求解器，基础设施的实际使用寿命因此极高。"也许我们六年前就应该注意到这个信号。"黄仁勋说。

25年前，英伟达发明了可编程着色器——世界上第一块可编程加速器。5年之后，CUDA直接由此引出。大约八年前，英伟达推出RTX架构，融入硬件光线追踪和AI两个全新想法。正是这两件事的结合，使得今天的神经渲染（Neural Rendering）成为可能：DLSS 5将可控的3D图形与生成式AI的概率计算融合在一起，3D图形提供确定性的结构控制，生成式AI提供极度逼真的视觉效果，内容既美丽惊人，又完全可控。

黄仁勋接下来，又点出了整场演讲的一条企业AI的主线："结构化信息与生成式AI的融合，将在一个又一个行业中不断重演。结构化数据，是值得信赖的AI的基础。"

2. 数据加速：cuDF与cuVS，两个最重要的基础库

今天AI要用到两类数据，英伟达为此建立了两个基础库。

第一类是结构化数据——SQL、Spark、Pandas、Snowflake、Databricks这些工具处理的数据帧，本质上是记录企业全部业务信息的巨型电子表格。这是业务的基本事实，是企业计算的基本事实。对应的库是cuDF（CUDA Data Frames，CUDA数据帧加速库）。

第二类是非结构化数据——PDF、视频、演讲、邮件，全球每年新产生的信息约有90%是非结构化的。这些数据以前几乎无法被机器有效使用，因为没有简单的索引方式，必须先理解其语义和意图才能做到查询。现在，AI解决了这个问题。对应的库是cuVS（CUDA Vector Search，CUDA向量搜索库）——专门加速语义搜索与向量数据库。

"就像我们创建了RTX用于3D图形，cuDF和cuVS将是未来最重要的两个平台。"

围绕这两个库，英伟达展开了一系列重要的合作：

IBM与雀巢的案例：SQL是IBM发明的，是有史以来最重要的领域专用语言之一。今天，IBM与英伟达用GPU计算库加速了IBM watsonx.data的SQL引擎。雀巢每天在185个国家做出数千个供应链决策，需要汇总每一笔订购和交货事件。接入GPU加速版watsonx.data后，同样的工作负载速度提升5倍，成本降低83%。

Google Cloud BigQuery：与Snapchat合作，将计算成本降低了近80%。黄仁勋说了一句颇为自豪的话："我们是全球唯一同时在PyTorch和JAX/XLA这两大主流AI框架上都做到极致的加速器。"

AWS：今年英伟达还要把OpenAI的服务带到AWS，这将带动海量的云计算消耗，进一步扩展OpenAI的计算能力——"他们完全处于算力受限状态"。英伟达加速EMR、SageMaker、Bedrock，AWS是英伟达最早的云合作伙伴。

Microsoft Azure：英伟达A100超算的第一台部署在Azure，直接催生了与OpenAI的重大合作。英伟达深度加速Azure AI Foundry和Bing Search。此外，英伟达GPU是全球第一批支持机密计算的GPU——即便是云服务商自己，也无法看到租户的数据和模型，对于OpenAI、Anthropic等公司的模型跨区域部署至关重要。

Palantir × Dell × NVIDIA三方联合：能够在任何国家、任何物理隔离网络、完全本地部署的环境下，快速搭建起Palantir Ontology Platform，从数据处理（向量数据库或结构化数据库）到AI的完整技术栈，一站式就绪。

Oracle：黄仁勋说了一句略带得意的话："我们是Oracle的第一个AI客户。大多数人以为我们是他们的第一个供应商——我们也是，但我们是他们的第一个AI客户。我是第一个向Oracle解释什么是AI云的人。"

CoreWeave：全球第一家AI原生云，"生而只为一件事——为加速计算时代提供GPU"，增长极为惊人，拥有出色的客户群。

3. 垂直整合，横向开放

英伟达的定位，黄仁勋浓缩成了一句话，说接下来会一次次看到：

NVIDIA是世界上第一家垂直整合、横向开放的公司。

"加速计算"这个词其实省掉了一个关键定语：应用加速。CPU已经走到了物理极限，唯一能继续大幅提速、大幅降本的方式，是针对特定领域的专项加速。这就是为什么英伟达必须是一家算法库公司——深入理解应用、理解领域、理解算法的根本，然后把这种理解封装成库，在任意计算环境（数据中心、云端、本地、边缘、机器人系统）中部署。

"垂直整合"意味着英伟达必须从芯片一路往上做到软件库；"横向开放"意味着英伟达把这些技术整合进任何合作伙伴想要整合的平台。这也是为什么每一场GTC，几乎每一个垂直行业都在场。本次GTC参会规模代表了全球100万亿美元产业规模的100%，台下坐着从创业不足五年到已有150年历史的各类公司，它们如今都已成为英伟达生态的一部分。

黄仁勋快速扫过了几个垂直行业的概况：

金融服务——本次GTC参会比例最高的行业。算法交易正在从人工特征工程驱动的经典机器学习，转向用超算研究海量数据、自主发现规律。黄仁勋把它称为"金融行业的深度学习与Transformer时刻"。

医疗——AI物理模型、AI生物学用于药物发现、AI智能体用于辅助诊断，正在经历自己的ChatGPT时刻，大会设有专属主题演讲赛道。

工业——"我们正在完全重置，启动人类历史上最大规模的建设项目——建设AI工厂、芯片厂、计算机厂。"

媒体娱乐与游戏——实时AI平台Holoscan，支持翻译、广播，让赛事直播和实时视频实现AI增强。

量子计算——有35家公司正在与英伟达共同构建下一代量子-GPU混合系统。

零售与消费品——35万亿美元的产业，应用英伟达技术做供应链优化、智能体购物助手和AI客服。

机器人与制造业——50万亿美元的产业，英伟达已经耕耘了整整十年，大会有110台机器人在展场运转。

电信——约2万亿美元产业，规模与全球IT行业相当。未来的基站不再只是基站，将成为一个AI基础设施平台。英伟达的Aerial AI-RAN平台（AI无线接入网平台）已与Nokia、T-Mobile及多家运营商展开重要合作——无线基站将演变为能够感知环境、推理路况、动态调整信号波束的智能节点，在节省能耗的同时提升覆盖质量。

"去年，你们创下了纪录年，对吗？恭喜。我们摸到了什么了。这是一件非常非常大的事情的开端。"

整个生意的核心，是CUDA X库。黄仁勋称其为"皇冠珠宝"。本次GTC，英伟达发布了大约70个新库，40多个更新版本——而这只是这一场大会的成果。其中最重要的是cuDNN（CUDA Deep Neural Networks，深度神经网络加速库）——正是它，直接引爆了现代AI的大爆炸。

4. 那张谁都看不清的幻灯片，以及它背后的1500亿美元

讲完垂直行业，黄仁勋停顿了一下，说："接下来这个会把你们吓到一点。我要翻一张幻灯片——不许倒吸冷气。"

幻灯片翻出来，密密麻麻，全是合作伙伴的名字，字小到在台下根本看不清任何内容。"没关系，没有人的感情受到伤害，因为谁都看不清。"他顿了顿，"这是我最好的一张幻灯片。每次我问团队'我最好的幻灯片是哪张'，大家反复说是这张。然后他们说：Jensen，别放这张。我说：不，这些座位是免费的，所以这就是你们的代价。"

这张看不清的幻灯片，本质上是英伟达生态规模的最直观展示。台下同时坐着两类公司。

一类是沃尔玛、欧莱雅、JP Morgan、罗氏、丰田——这些公司几乎定义了现代社会的每一个主要行业，有的已经有一两百年的历史。

另一类是黄仁勋给了一个新名字的公司："AI原生公司（animatives）"——OpenAI、Anthropic，以及无数服务于不同垂直行业的初创企业。名单太长，字缩到谁都看不清。

过去两年，这个行业发生了什么？风险投资规模达到1500亿美元，这是人类有史以来最大规模的科技创业投资浪潮。 而且这是历史上第一次，投资规模从几百万、几千万，直接跳到了几亿、几十亿——原因只有一个：这是历史上第一次，这个行业里的每一家公司都需要算力，都需要大量的Token。

黄仁勋把视角拉长："就像PC革命催生了新一代公司，互联网革命催生了新一代公司，移动云浪潮催生了新一代公司——每一次都有自己的标准和生态，每一次都诞生了定义那个时代的企业。这一次也是。Google、Amazon、Meta定义了上一次计算平台的转型，这一次，将会有同等量级的新公司诞生。我们处于一个新的计算平台迁移的起点。"

5. 推理时代为什么需要100万倍的算力

过去两年，AI基础设施需求为什么会爆炸式增长？黄仁勋给出了三个催化剂。

第一个：ChatGPT，生成式AI时代。 不只是理解，还可以生成全新内容。计算从检索式变成了生成式，这从根本上改变了计算机的架构需求。

第二个：o1，推理AI时代。 推理让AI可以自我反思、自我规划，把无法直接理解的大问题拆成步骤，用查询和研究来校准自己、锚定事实。o1让生成式AI变得可信、有根据，同时也极大地增加了每次对话的Token消耗量，计算量爆炸式增长。

第三个：Claude Code，智能体时代。 "Claude Code是第一个真正意义上的智能体模型——能读取文件、编写代码、编译、测试、评估、迭代。Claude Code革命化了软件工程，你们都知道。 现在，NVIDIA 100%的工程师都在使用Claude Code、Codex和Cursor的某种组合——通常是三个都用。今天，没有一位软件工程师不被AI辅助。"

这个进化路径是：感知→生成→推理→行动。以前你问AI"什么、哪里、何时"，现在你叫它：创建、执行、构建，让它使用工具、读取上下文、分解问题、推理、解决并真正完成工作。AI终于开始做真正有生产力的工作了。

推理时代带来的直接后果：每次AI推理所需的计算量，在过去两年增长了约1万倍；同期AI的实际使用量增长约100倍。两者相乘，过去两年整体计算需求增长了约100万倍。"每一家初创公司都有这个感受，OpenAI有，Anthropic也有——如果能有更多算力，就能生成更多Token，收入就会上升，更多人能用，更先进的模型就能做出来。我们已经达到了这个正向飞轮的起飞时刻。"

6. Token工厂：每一位CEO都会研究的图表

台上最密集的一段，是黄仁勋讲"Token工厂"的那张图表——他自称这是"我折磨所有人的图"，同时又说"这大概是AI工厂未来最重要的一张图表"。

逻辑从一个物理约束开始：数据中心的功率是固定的。 一个1吉瓦的工厂永远不会变成2吉瓦，这是物理定律。在这个固定功率的框架里，衡量一台AI计算机价值的两个维度是：吞吐量（每单位功率能生产多少Token）和Token速度（每秒能生产多少Token）。前者越高，工厂效率越高；后者越快，AI越"聪明"——但两者天然是一对矛盾，AI在深度思考时速度慢、吞吐量低，是正常的工程权衡。

基于这个坐标系，黄仁勋把Token服务分成了五个价格层：

• 免费层
• 基础层：/百万Token
• 进阶层：/百万Token
• 高速层：/百万Token
• 顶级层：0/百万Token（极低延迟、实时响应、适用于关键流程或长链推理任务）

"0每百万Token目前听起来是天文数字。但来算一下：假设你是一个研究者，每天用5000万个Token，按0/百万，以一个研究团队来说，这不是大事。所以我们相信这就是未来。"

不同代GPU在这个坐标系里的位置差距极大。行业分析机构SemiAnalysis完成了有史以来最大规模的AI推理基准测试，创始人Dylan Patel的结论是：Grace Blackwell NVLink 72相比Hopper，每瓦能生产的Token数量提升超过50倍——比黄仁勋去年说的35倍还要高。

Patel还给英伟达贴了一个外号："Token之王（Token King）"。

Fireworks AI和Lynn两家公司的数据佐证了这一点：同样的系统，英伟达更新了全部软件和算法后，两家公司的Token生成速度从每秒约700个跳到近5000个，提升了约7倍。过去一年，这两家公司的业务都增长了约100倍。

做一个简单的工厂收益估算：假设把数据中心功率平均分配到四个价格层，Grace Blackwell相比Hopper，理论上能带来约5倍的工厂收入；Vera Rubin再比Grace Blackwell高约5倍。这就是为什么黄仁勋反复说："请尽快升级到Vera Rubin。"

7. 从DGX1到Vera Rubin：十年，算力提升4000万倍

讲Vera Rubin之前，黄仁勋回溯了十年。

2016年4月6日，整整十年前，英伟达推出DGX1——世界上第一台专为深度学习设计的计算机。8块Pascal GPU，第一代NVLink，170 TFLOPS，全球第一台为AI研究者量身打造的机器。黄仁勋当时把第一台DGX1亲手交给了OpenAI，那台机器售价12.9万美元。

此后每一代都在扩大规模：DGX2加入NVLink Switch，16块GPU全互联，如同一块巨型GPU；2020年Mellanox加入英伟达后，DGX A100超算诞生，纵向扩展（单机多GPU互联，即scale-up）与横向扩展（多机联网协同，即scale-out）两套架构同时走向成熟；Hopper引入FP8 Transformer Engine专用计算单元，引爆了生成式AI时代；Blackwell彻底重新定义了AI超算架构——NVLink 72，72块GPU全互联，130 TB/s全连接带宽，预训练、后训练、推理三条扩展路径同时运转。

十年间，计算量提升了4000万倍。

8. Vera Rubin：七颗芯片，五套系统，一台为智能体AI设计的超算

"以前发布的是芯片，我会拿出来举给大家看，那场面挺可爱的。但今天，我们发布的是整个系统——垂直整合、软件完整、端到端延伸、整体优化为一台巨型系统。"

Vera Rubin，命名自美国天文学家Vera Rubin。她用数十年的观测，提供了暗物质存在的关键证据，2016年辞世。延续Hopper（计算机科学先驱Grace Hopper）、Blackwell（数学家David Blackwell）的命名传统，英伟达以科学史上重要但相对低调的研究者命名旗舰平台。

为什么Vera Rubin是"为智能体AI设计"的？因为智能体的三个核心需求对硬件提出了全新要求：它需要极快的Token生成速度（模型越来越大）；它会大量、持续地读写存储系统（包括注意力机制的中间状态缓存KV Cache、结构化数据库和向量数据库）；它需要调用外部工具，而"AI对慢工具的容忍度远低于人类"。Vera Rubin的每一个子系统都针对这些需求重新设计。

Vera Rubin NVLink 72——主推理引擎

算力3.6 ExaFLOPS，第六代NVLink，260 TB/s全连接带宽。 72块Rubin GPU加36块Vera CPU，整机100%液冷，45°C热水散热——将散热负担从数据中心基础设施转移出去，省出来的能量用于计算。所有线缆取消，曾经需要两天才能安装完成的机架，现在两小时搞定。

黄仁勋特别强调第六代NVLink纵向扩展交换机："这是全球唯一进入量产的第六代多卡互联交换机，极难做到，做到更难，我真的为团队感到无比自豪。"他还走上前，搬起一块机架组件展示——"这东西很重，我也不知道为什么每年都更重。"

NVFP4——新一代张量计算精度

硬件迭代引入了NVFP4，4位浮点计算精度。这不只是"更低精度"那么简单，而是全新类型的张量核心：已经验证可以在无精度损失的前提下进行推理，性能和能效大幅提升，并可同时用于训练。路线图中的LP3.5版本将首次加入NVFP4计算结构，届时再获数倍加速。

Groq 3 LPX机架——极低延迟的Token引擎

高吞吐量和低延迟，对计算机系统来说是天然的矛盾。芯片面积就那么多，鱼和熊掌不可兼得。NVLink 72在批量处理、高吞吐量推理区间无可比拟，但当需要每秒400个Token以上的极高响应速度时，互联带宽就成了瓶颈。

这是Groq LPU的用武之地。

Groq是一家专注AI推理的芯片公司，其LPU（语言处理单元）是一种确定性数据流处理器：编译器提前算好所有计算的时序，数据和计算同时到位，没有任何运行时动态调度，架构内置了海量片上高速存储（SRAM），专为推理这一个工作负载优化。英伟达与Groq签订了技术许可合作协议，将其核心技术和团队纳入英伟达平台。今天，这套合作的第一个产品成果——Groq 3 LPU——正式亮相。

单块Groq 3 LPU：500 MB片上SRAM，1.2 PetaFLOPS FP8算力，带宽约150 TB/s，约为Rubin GPU的7倍。但存储容量只有Rubin GPU板载高带宽存储的1/500——这是它无法单独承载大模型的原因，直到现在。

英伟达的解决方案叫分解式推理：用Dynamo调度框架把推理过程拆开——计算密集的预填充阶段（理解输入、建立上下文）由Vera Rubin承担，对延迟极敏感的逐Token生成阶段（其中前向传播网络部分）交给Groq LPU，两者通过专用低延迟以太网互联。结果：推理延迟降低约一半，在最高响应速度区间，性能提升35倍。

Groq 3 LPX机架内含256块Groq 3 LPU，与Vera Rubin NVL72并排部署。黄仁勋给出了部署比例建议：如果工作负载以高吞吐量为主，100%用Vera Rubin；如果有大量需要极高响应速度的高价值推理任务，可以在数据中心里配置约25% Groq，75% Vera Rubin。Groq 3 LPU由三星制造，预计今年Q3开始出货。

"Vera Rubin的量产爬坡进展非常顺利。事实上，Satya（微软CEO纳德拉）已经在推特上发了——Azure的第一台Vera Rubin机架已经装好运行了。"

Vera CPU——智能体编排的计算核心

全球唯一使用低功耗内存（LPDDR5）的数据中心级CPU。 极高的单线程性能和每瓦性能，专为智能体的数据处理和任务调度设计。

"我们从未想过自己会单独卖CPU，"黄仁勋说，"但Vera CPU卖得出乎意料地好——这已经肯定是一个数以百万美元计的独立业务了。我们为我们的CPU架构师们感到非常非常自豪。"

BlueField-4 STX——AI原生存储架构

整个存储行业100%都在加入这个基于BlueField-4 STX的存储架构。 原因是整个行业看到了同一件事：以前存储系统的使用者是人类，现在是AI。AI读写数据的模式、频率和并发量与人类完全不同，存储行业正在经历一场被AI重新发明的冲击，而BlueField-4 STX是这场重构的核心基础。

Spectrum-X CPO——全球首款量产共包封光学以太网交换机

光学收发器直接封装在交换机芯片上，光信号无需转换为电信号再传输，直接从硅电路出发。 英伟达与台积电联合发明了这项制造工艺（代号"Coop"），全球唯一进入量产。直连光学大幅降低互联延迟和功耗，为未来更大规模AI集群的横向扩展提供网络基础。

Kyber机架与Rubin Ultra

Rubin Ultra采用全新Kyber机架，计算节点竖向插入（而非传统横向平躺）。单机架连接144块GPU，形成一个NVLink互联域。计算板在前，NVLink交换机在后，通过背板直连——整台机架就是一台超算。

两年时间，在同一个1吉瓦的工厂里，Token生成速度将从0.2百万/秒提升至700百万/秒——350倍的提升。

完整路线图

• 当前（Blackwell）
  ：Oberon机架，铜缆纵向扩展，向后兼容
• Vera Rubin（现在）
  ：Oberon NVLink 72（铜缆纵向扩展）+ 光学纵向扩展，最终支持NVLink 576；LP3.5首次引入NVFP4计算结构
• Vera Rubin Ultra（2027）
  ：Kyber机架，144块GPU，NVLink 144
• Feynman（2028）
  ：全新GPU；LP40（NVIDIA与Groq团队联合研发，性能大幅跃升）；新CPU Rosa（全称Rosalind，致敬用X射线晶体学揭示DNA双螺旋结构的Rosalind Franklin）；BlueField-5 + ConnectX-10；Kyber机架铜缆+共包封光学双轨纵向扩展

"铜缆纵向扩展还有用吗？有。光学纵向扩展？有。光学横向扩展？有。所以，整个生态里我们需要更多铜缆产能，更多光学产能，更多共包封光学产能。" 每一年，全新架构。

9. AI工厂的数字孪生：NVIDIA DSX

一个相对低调但战略意义重大的发布是NVIDIA DSX——基于Omniverse的AI工厂数字孪生与运营平台。

黄仁勋描述了一个真实的痛点：一个吉瓦级AI数据中心涉及数十家供应商——服务器商、散热公司、电气公司、网络供应商——在实体落地之前，这些供应商彼此从未在统一的虚拟环境里协同设计过，导致大量能量白白浪费。DSX让所有人能在数字孪生里联合设计、联合测试整座AI工厂，包括四个模块：

• DSX-M
  ：机架物理结构、电气、热力、网络仿真（集成Siemens Star-CCM+、Cadence Reality等工业仿真工具）
• DSX Exchange
  ：AI工厂运营数据共享，与电网实时对接
• DSX Flex
  ：工厂与电网之间的动态功率调配
• DSX MaxQ
  ：Token吞吐量动态最大化（Phaedrus智能体监控冷却和电气系统，Emerald智能体解读电网信号）

数据中心上线后，数字孪生转变为持续运营的"大脑"。"我相信，这里面有2倍的效率提升空间。在吉瓦级规模下，2倍是巨大的数字。"

Vera Rubin Space-1是另一项新发布：英伟达要把AI数据中心带上太空。目前已有经过辐射认证的GPU在卫星上运行，用于卫星成像。太空数据中心面临的散热挑战与地面完全不同——没有传导散热，没有空气对流，只能靠辐射散热，工程团队正在全力攻克这一难题。

10. "这和HTML一样大"——OpenClaw与智能体革命

比Vera Rubin更让黄仁勋兴奋的，是一个他花了将近半小时讲的开源项目。

奥地利开发者Peter Steinberger在2025年11月推出了一个周末项目，起初叫Clawdbot，后经几次更名最终定名为OpenClaw（以龙虾为图腾和吉祥物）。2026年1月下旬，该项目声名大噪。到2026年3月初，OpenClaw在GitHub上已有247,000个星标和47,700个Fork。

黄仁勋称OpenClaw为"人类历史上最受欢迎的开源项目"，在短短几周内超越了Linux三十年积累的成就。

OpenClaw是什么？ 黄仁勋的定义极为直接：智能体计算的开源操作系统。 就像Windows让个人计算机成为可能，OpenClaw让个人智能体成为可能。它可以访问工具和文件系统，可以做任务调度（包括定时自动执行），可以把复杂任务分解成步骤，可以拆分并调用子智能体，支持多种输入输出方式——挥手也行，说话也行。"我刚才描述它用的语法，和我描述操作系统的语法完全一样。"

他举了Andrej Karpathy刚刚发布的一项公开研究：给AI智能体一个任务，然后去睡觉，它整夜跑了100次实验，保留有效的，淘汰无效的。在现场串场视频里，有人演示用OpenClaw连上了洗衣机插件，把家里所有事情都自动化了。"太可爱了，龙虾警报——几百个人正在圣何塞涌向龙虾。"

在企业端，OpenClaw带来了一个尖锐的安全问题：智能体可以访问员工信息、供应链信息、财务信息，然后向外部发送。为此，英伟达与Steinberger联合构建了企业级版本NemoClaw，集成网络访问控制、隐私路由，以及可与任意企业系统的权限管控规则对接的完整参考架构——这套规则决定了智能体能访问哪些数据、能向哪些外部地址通信。"下载它，接入你们公司所有系统的权限规则，就能让智能体在合规范围内工作，同时保护企业数据不被外泄。现在，它企业就绪了。"

历史类比来了——"OpenClaw和HTML、Linux同等量级。"

黄仁勋的逻辑链是：Linux在正确的时机出现，让企业IT有了开源操作系统；HTTP/HTML的出现开创了互联网；Kubernetes在正确时机到来，让移动云成为可能。每一次，都有一个开源标准让整个行业能够抓住它往前走。OpenClaw正在扮演这个角色。每一家企业软件公司、每一家SaaS公司，从现在起都将变成GaaS（Generative AI as a Service，生成式AI服务公司），变成智能体服务公司——由智能体去做那些以前需要人按按钮的工作。

他最后说了一段话，可以当作这部分的注脚：

"我完全能想象，未来公司里每个工程师除了薪资，还会有年度Token预算。我们工程师大概能赚几十万美元的年薪，我会再给他们差不多同等金额的Token，让他们的能力被放大十倍。这已经成为硅谷的招聘工具——'我这份工作附带多少Token？'"

黄仁勋把这场变化定性为"一次重塑，一次文艺复兴"。企业IT的规模大约是2万亿美元，而智能体时代到来之后，这个产业将不再只是提供工具让人使用，而是提供在各个专业领域高度定制化的AI智能体——产业规模和商业逻辑都将被重写。

11. NeMoTron联盟与英伟达的开放模型布局

智能体系统需要能够自行定制的模型——这是英伟达开放模型计划的出发点。

英伟达在多个AI主要领域布局了开源前沿模型：

• NeMoTron
  ：语言、推理、视觉理解、检索增强生成（RAG）、安全、语音
• Cosmos
  ：物理AI世界基础模型，用于世界生成与理解
• Alpamayo
  ：自动驾驶，全球首个具备推理能力的自动驾驶AI
• GR00T
  ：通用机器人基础模型，推理与动作生成
• BioNeMo
  ：生物学、化学、分子设计
• Earth-2
  ：天气与气候预测，根植于AI物理引擎

全球已有近300万个开源模型，覆盖语言、视觉、生物、物理、自主系统等方向。NeMoTron 3在OpenClaw的模型排行榜中位列前三。NeMoTron 3 Ultra将成为"有史以来最好的开源基础模型"，让每个国家都能在此基础上微调、构建自己的主权AI。

为了研发下一代NeMoTron 4，英伟达宣布成立NeMoTron联盟，投入数十亿美元级别的AI基础设施：

• Black Forest Labs
  （德国，图像生成领域的顶尖团队）
• Cursor
  （英伟达内部大量在用的AI编程工具）
• LangChain
  （Harrison Chase创立，累计下载超10亿次，定制智能体框架的事实标准）
• Mistral AI
  （法国，开放权重大模型领军者）
• Perplexity
  （黄仁勋在台上直接推荐："绝对要用，大家都应该用，实在太好了"）
• Reflection AI
  （软件推理研究）
• Sarvam
  （来自印度）
• Thinking Machines Lab
  （Mira Murati的实验室，"她来了，太棒了"）

黄仁勋对这些公司的承诺是：英伟达不会放弃这些模型。 NeMoTron 3之后有NeMoTron 4，Cosmos 1之后有Cosmos 2，每一个都会持续迭代更新。垂直整合，横向开放。

12. 物理AI：自动驾驶的ChatGPT时刻

"自动驾驶的ChatGPT时刻到来了。我们现在确知，可以成功实现自主驾驶。"

这句话背后的技术支撑是Alpamayo——英伟达在CES 2026首发的全球首个具备推理能力的自动驾驶AI。与规则驱动系统不同，Alpamayo能够用自然语言描述自己的驾驶决策——"我正在向右变道，跟随导航路线"，"我前方车道有一辆双停车辆，我正在绕行"——并实时响应乘客的口头指令。

GTC 2026上，英伟达宣布了四家新的NVIDIA DRIVE Hyperion自动驾驶合作伙伴：比亚迪（BYD）、现代（Hyundai）、日产（Nissan）、吉利（Geely），加上此前已有的梅赛德斯、丰田、通用汽车，涉及年产量达1800万辆的可搭载全自动驾驶功能的量产车型。Uber同步宣布将在多个城市部署NVIDIA DRIVE AV支持的车队，将这批自动驾驶就绪车辆接入其叫车网络。

机器人领域的密度同样惊人。大会现场有110台机器人在展场运转，涵盖手术室助理机器人、工业灵巧操作机器人、人形机器人等形态。Newton物理仿真引擎——英伟达与Disney Research、DeepMind联合开发的GPU加速可微分物理仿真引擎——正在成为训练机器人的关键基础设施。ABB、Universal Robots、KUKA等工业机器人巨头均宣布整合英伟达物理AI模型与仿真系统，将机器人部署进制造场景。卡特彼勒（Caterpillar）也在场，工程机械的自主化正在以这套基础设施为支点展开。

大会以一段特别的场景结束：迪士尼的雪宝（Olaf）机器人走上台，与黄仁勋对话。雪宝告诉台下观众，它是在Omniverse里学会走路的，Newton物理仿真引擎——英伟达、Disney和DeepMind联合开发——帮助它从虚拟世界迁移到了真实世界。"你能想象迪士尼乐园的未来吗？所有这些机器人角色，四处游走……"黄仁勋说，然后转向雪宝，略带玩笑地补了一句："不过，我得承认，我以为你会更高一点。我从来没见过这么矮的雪人，说真的。"

雪宝陪同黄仁勋结束了这场演讲。屏幕上随即出现"Terminating simulation."的字样，压轴的AI生成说唱MV开始播放——歌词以乡村说唱串联了整场演讲的全部要点：AI工厂上线、算力乘以4000万倍、Blackwell坐稳推理王位、智能体时代来临、机器人迎来自己的ChatGPT时刻，最后以"Welcome to GTC"收尾。

动画里，黄仁勋和机器人小狗围着篝火弹口琴。"太不可思议了。"黄仁勋在走下舞台前说。

核心问答

Q1：英伟达预计的1万亿美元需求，是如何计算出来的？

驱动力是需求侧的指数级增长，而不仅仅是产品升级。黄仁勋分析了三层叠加：其一，推理AI（o1类模型）使每次对话的Token消耗量比生成式AI时代增加了数倍；其二，智能体AI（Claude Code类工具）的普及使Token成为工程生产力的直接投入品，企业开始把Token预算视为与员工薪资平行的成本项；其三，Vera Rubin相比Hopper的工厂收益约为5倍，而Vera Rubin又比Grace Blackwell高出约5倍，这意味着购买同样规模的算力将能产生更高的Token收入，直接推高了客户的购买意愿。三者叠加，需求曲线的斜率比任何人预期的都陡。

Q2：Vera Rubin的Groq 3 LPX和NVLink 72如何协同工作，各自的边界在哪里？

两种架构在属性上互补：NVLink 72（Rubin GPU）的板载高带宽存储容量大，适合承载数百亿甚至万亿参数的模型，在批量处理、高吞吐量推理区间无可比拟；Groq LPU的片上高速存储带宽极高但容量极小（约为Rubin GPU的1/500），适合在模型权重已经就位的前提下，进行极低延迟的逐Token生成。英伟达用Dynamo框架将推理过程拆分——理解输入的预填充阶段由Rubin GPU承担，逐字生成的解码阶段由Groq LPU承担——两者通过低延迟以太网互联，在最高响应速度区间实现了35倍的性能提升。核心结论是：这不是替代关系，而是分工关系，最优的生产部署需要两种芯片按比例混合配置。

Q3：OpenClaw被比作HTML和Linux，但企业级安全问题如何解决？

OpenClaw的设计哲学是"做一切事"——访问文件系统、调用外部服务、收发邮件、与第三方通信，这套能力在个人使用场景带来了极大灵活性，但在企业环境中意味着潜在的数据泄露风险。英伟达发布的NemoClaw是一套企业级参考方案：在OpenClaw框架外加装了NVIDIA OpenShell（智能体安全运行时）、网络访问控制、隐私路由，以及与各类企业系统权限管控规则的对接接口。权限规则决定智能体能访问哪些数据、能向哪些外部地址通信，OpenShell负责在运行时强制执行这些规则。从技术逻辑上看，这相当于给一个高权限进程套上了企业版的沙箱和审计层，能否在实际部署中真正跑赢安全风险，将是这个生态能否进入大企业的核心测试。