CUDA当年：0%营收、占90%成本，但我们没放弃——黄仁勋GTC 2026记者会问答 原创

GTC 2026主题演讲结束后第二天，黄仁勋在记者会上回答了几十位全球记者的提问。问题略散，从芯片架构到开源战略，从游戏渲染到人生哲学，但我觉得这些问题背后可以找到一条比较核心的线索：AI究竟会对现有的产业秩序做什么？是否将取代人类工作，我们将无事可做？

黄仁勋的说，其实自己比以往任何时候都忙。不是因为项目变多了，而是工作回来的速度变快了。以前写完一份产品定义，团队拿去做一个月；现在给Agent，可能30分钟就回来了，又轮到（人类）工作了。

人类角色在变，计算机的角色也在变：当AI开始能自主完成任务，计算机本身的角色就发生了根本转变。过去几十年，计算机的核心使命是数据录入和数据检索，你输入，它存储，你查询，它返回。黄仁勋说，这个使命正在被替换：计算机的新使命是制造token。Token是AI生成内容的基本单元，每一次推理都是一次生产。当计算机从检索工具变成生产系统，整个基础设施的设计逻辑就要跟着变，不再优化存储容量，而是优化吞吐量；不再按核心数定价，而是按产出的token定价；不再是一台独立的机器，而是一座有原料、流水线、调度系统和交付网络的AI工厂。

如果大家常看黄仁勋的主题演讲，会注意到有一个每次几乎都会出现的主角：CUDA。今年GTC恰逢CUDA 20周年，黄仁勋以此开场，回溯了这套并行计算平台从只有学术界少数人使用、消耗了英伟达当时绝大部分利润，到今天装机量达数亿GPU、渗透每一家云厂商和每一个主要行业的历程。主题演讲重点介绍了cuDF（加速结构化数据处理）和cuVS（加速向量搜索）两个CUDA-X库在企业数据处理上的落地成果。记者会上，黄仁勋在被问到汽车业务只占英伟达总收入约1%时，又一次搬出了CUDA的故事：当年CUDA是0%营收、90%成本，任何理性的人都会放弃它，但英伟达没有。这应该是一种很好的说理方式——用历史说服现在。

1. AI工厂加了一条新生产线：Groq是什么角色

作为英伟达史上最大的一笔交易，它自然是记者会第一个问题的焦点：你们花200亿美元拿下Groq，是不是等于承认GPU在推理上有根本局限，AI的重心已经从训练转向了推理？

说明一下背景：Groq由谷歌TPU的创始工程师Jonathan Ross于2016年创立，专门开发LPU（语言处理单元）芯片，针对AI推理的低延迟场景做了专项优化，是英伟达GPU在推理领域最受关注的挑战者之一。2025年12月，英伟达以约200亿美元完成了与Groq的资产许可协议，Jonathan Ross及核心工程团队随之加入英伟达；Groq公司本身继续作为独立实体运营。英伟达将这笔交易定性为许可合作而非并购。

记者的问题隐含着一个逻辑：既然Groq能做你做不到的事，英伟达是不是间接认输了？黄仁勋直接否掉了这个前提。

推理，指的是AI模型部署上线后实时响应用户的那个过程——你向ChatGPT提问，它生成回答，这就是推理。训练是让模型学会知识，推理是让模型把知识用出来。过去几年，AI行业的算力大头压在训练上；现在，随着模型越来越多地被真实用户使用，推理的算力需求正在快速追上来。

黄仁勋说，英伟达早在2024年底、2025年初就预判到了这个拐点，并提前布局了三件事：NVLink 72（把72块GPU连成一个整体的互联技术）、NVFP4（更精简的计算精度格式）、Dynamo（AI工厂的推理调度软件）。这三件事组合起来，让Grace Blackwell成为今天推理效率最高的系统，性能提升35倍，成本降至五十分之一，每瓦性能提升50倍。"我们现在是成本最低的token生产商，是吞吐量最高的token工厂。"

那Groq呢？Groq填补的是一个更细分的缺口。黄仁勋在主题演讲里提出了一个新判断：并非每个token都是一样的。有一类场景，同时要求模型参数量大、上下文窗口极长、响应延迟极低，三个目标同时满足。Groq的LPU（语言处理单元）芯片专门为低延迟推理设计，单独使用时可以做到极快，但受限于500MB的片上内存，跑不了完整的大模型。Vera Rubin的GPU内存大、计算强，但延迟不是它的强项。把两者放进同一个系统，用Dynamo做调度，Vera Rubin处理需要大算力的预填充阶段，Groq LPX处理需要低延迟的解码阶段，吞吐量提升35倍，三个目标同时达成。

具体配比上，黄仁勋给了一个参考数字：整个AI工厂中，大约75%仍然是纯Vera Rubin，另外25%配备Groq LPX，而且那25%里Vera Rubin依然是核心。"我们不知道怎么打败Vera Rubin，否则我们就会造出打败它的东西。"

"Groq对英伟达的意义，就像当年Mellanox对英伟达的意义一样。我们是在给架构做加法，因为我们造的不只是一块GPU，我们造的是一座AI工厂。"

Mellanox是2020年英伟达以70亿美元收购的网络技术公司。收购时也有人质疑，但InfiniBand高速网络后来成为大模型训练集群里不可或缺的内部骨干。AI工厂的逻辑很清楚：不是每条生产线都要一样的机器，不同工序配不同设备，这是工厂管理常识，不是认输。

2. 这座AI工厂值多少钱：万亿订单的真实口径

前一天的主题演讲上，黄仁勋说，他现在看到的采购订单和需求管线，到2027年累计超过1万亿美元——去年同一个场合他说的数字是5000亿。记者会上，记者再次追问这个数字：1万亿，口径到底是怎么定的？

黄仁勋拆解了这个数字的口径。

这1万亿只包含两样东西：Blackwell和Vera Rubin的GPU订单，时间截止2027年底。 明确不包括：Vera CPU独立业务、Groq LPX机架、存储系统（BlueField-4 STX）、Vera Rubin Ultra，以及更下一代的Feynman系列。

为什么要用这么窄的口径？他解释了原因：去年GTC他预测的是Blackwell加Rubin到2026年有5000亿美元。如果今年把CPU、Groq、存储全部打包进来，就没法和去年做同类比较，读者会不知道这个数字翻番，是因为业务真的增长了，还是只是算法换了。

但他也给了一个"如果全算上会是多少"的估算：一个一千兆瓦的数据中心，加上Groq LPX之后经济价值大约增加25%。存储系统是另一块新业务，AI使用存储的方式和人类完全不同，KV缓存的规模让传统存储架构跟不上，英伟达正在重新定义这个市场。理论上，如果把这些都算进去，"那个1万亿可以变成1.2万亿"。

最后他补了一句意味深长的话："我站在这里，距离2027年底还有21个月。这意味着它很可能比1万亿更大。"

同一个话题里还有回购问题。英伟达此前承诺将约50%的自由现金流用于股东回报，去年实际分配了约40%。他表示今年基数更大，比例会提高。他对现金分配的优先级排序是：第一，供应链投资、产能保障；第二，生态系统投资（"投资下一个Google、下一个Meta"）；第三，围绕CUDA建设生态；剩余再回购和分红。"所以答案是，这很可能是一个非常大的数字。"

3. AI工厂的操作系统：OpenClaw为什么让他最兴奋

整场记者会里，黄仁勋谈OpenClaw的时间超过了任何一项其他产品。这背后有充分的铺垫：OpenClaw是奥地利开发者Peter Steinberger于2026年1月发布的开源AI Agent平台，几周内成为GitHub历史上增长最快的开源项目，超过了Linux三十年的扩散速度。GTC开幕前一天的预热圆桌直播里，黄仁勋专程走进直播间，和正在接受采访的Steinberger打了个招呼；主题演讲上，他把OpenClaw列为当下最重要的软件现象之一，与CUDA、Linux相提并论。Steinberger本人已于今年2月加入OpenAI，但OpenClaw作为开源项目独立延续。

黄仁勋的历史坐标很清晰：ChatGPT把生成式AI带到了世界面前，o1把推理系统带到了世界面前，而OpenClaw是"后推理时代"第一个真正构建良好的开源Agent平台。此前的Agent工具，比如Claude Code，基本都在科技公司内部使用，没有暴露给大众。OpenClaw让一行代码安装、一条指令启动一个Agent成为现实，覆盖人群从软件工程师扩展到了所有人。

英伟达在这个基础上做了一件事：NemoClaw，OpenClaw的企业安全参考栈。核心解决的是安全性、治理和隐私这三个让企业不敢用开源工具的顾虑，让开源模型也能在企业环境里合规运行。他把NemoClaw定位为Linux加Kubernetes级别的基础设施，承诺未来30年、60年持续贡献。

关于为什么要做这个长期承诺，他给出了一个有说服力的逻辑：Groq 1、Groq 2刚刚发布；Cosmos 1、Cosmos 2刚刚发布；Nemotron已经出到第4代。"当你开始给一个东西编号，就是因为你有意图继续下去。CUDA 1到今天是CUDA 13了。"这个编号本身就是一种公开的承诺。

黄仁勋描述的场景很直观：以前写完一份产品定义，团队拿去做一个月；现在，Agent 30分钟就回来了，然后又轮到你了。"我比以往任何时候都忙，因为工作回到我手上的速度快了太多。你始终处在关键路径上。"

4. AI工厂要对的原料：游戏数据为什么不能直接用

有人问到了一个很实际的问题：游戏玩家产生的海量行为数据，可以用来训练物理AI的世界模型吗？毕竟游戏里有大量的人体动作、物体运动、场景交互。

这个问题触发了黄仁勋一段少见的技术深讲。

他的回答是：不能直接用。原因是游戏不完全遵守物理规律。Fortnite里角色的脚步动作和奔跑速度不匹配，人物一半在跑一半在滑；角色可以从山上跳下而不受伤；树木的摇摆方式也不符合真实物理。"你不能用这些观察来训练那些需要基于物理规律的基础模型，因为它们根本不符合现实。"

这个限制并非无解。英伟达的方案是数据飞轮：先用真实世界的观察数据打底，数量有限但可靠；再用3D物理仿真来增强——Newton和Isaac Lab是英伟达的物理仿真平台，其中碰撞、关节运动、逆向运动学全部遵守物理规律，不像游戏引擎那样为了好玩而妥协准确性；把两类数据合并训练出世界基础模型；等这个模型具备一定能力后，再用3D图形控制它来生成大量合成数据。飞轮就此启动，合成数据的规模可以远远超过原始观察数据。

同样的逻辑贯穿DLSS 5的争议。游戏社区有批评声音认为这项技术会抹平各家游戏的美术风格，变得千篇一律。黄仁勋的回应没有绕弯："首先，他们完全错了。"DLSS 5不是帧级别的后处理，而是以游戏本身的几何数据为输入，在几何级别做生成式控制，开发者可以微调生成效果匹配艺术风格。"我们创造了技术，我们不创造艺术。"

黄仁勋说，他自己在思考英伟达战略的时候，用的也是类似的方式：在脑子里建一个完全模拟的未来，然后不断把它和现实校验，看两者是否保持一致。"如果我的模拟和现实一直保持连贯，那么我的未来愿景一定正在成真。"

5. 速度翻百倍之后：那时候你打字，它已经想完了

关于Vera Rubin的讨论，通常落在参数规格和性能数字上——每瓦多少tokens、每美元多少FLOPS。但这场记者会里有一个问题，引出了黄仁勋对Vera Rubin最具体的使用场景描述，比任何规格表都更容易理解这个系统在改变什么。

问题是：Vera Rubin究竟是让今天的工作负载跑得更快，还是在重塑计算模型本身？

黄仁勋的答案是两者都有，但他重点讲了一个数字：今天使用ChatGPT或任何主流AI，大约每秒输出20个token。Vera Rubin的推理系统可以做到每秒1000到2000个token，快了将近100倍。

有人追问推理竞争格局，问市场上涌现出这么多挑战者，怎么确定英伟达的方案真的最好。黄仁勋说，看三个事实：MLPerf推理基准测试，英伟达在所有项目上排名第一，大多数竞争者甚至无法完成测试；SemiAnalysis的InferenceX报告，在每一个可量化的维度上英伟达都领先——他说，正是这份报告给了他"推理之王"这个称号，他通常只能得到玻璃奖杯，不知道拿来干什么，但这个名号他很受用；再看Artificial Analysis，它扫描了所有API推理服务商，英伟达是唯一在所有维度上都名列前茅的方案。

这个100倍的差距在数字上听起来只是硬件参数，但他描述的场景让这个数字有了质感：

"想象一下按下回车，答案回来快100倍。现在很多问题AI需要思考、推理、做研究。想象一下100倍速度返回。未来你和AI的交互——在你打字的同时，它已经在思考了。等你按下回车，它已经完成了。'给我写一个网站程序'——按回车——完成。'给我设计一个厨房'——按回车——完成。这就是未来。"

速度上的量变会引发使用方式上的质变。就像宽带让视频流媒体成为可能，而拨号上网时代的人根本不会想到"在线看电影"这件事，因为它太慢了。100倍速度会让今天不敢想象的使用场景变得理所当然。

物理世界的速度变化也在加速。黄仁勋在自动驾驶上的立场从未改变：这是一个"已解决的问题"，剩下的只是工程优化。他的理由是一个简单的乘法：全球每天行驶一万亿英里，如果未来某一天大部分都是自动驾驶，按每英里一个价格算，这是一个数万亿美元的业务。汽车业务目前只占英伟达总收入约1%，但他的参照系是当年CUDA：0%营收、90%成本，"任何理性的人都会放弃它"，但他没有。

机器人上，他给了一个比市场通常预期更激进的时间表。他的逻辑从"存在证明"出发：你已经能看到机器人在走路了。一旦一项技术有了存在证明，精细化改进通常不超过五年。更重要的是，动作控制（System 1，通过视觉-语言-动作模型实现）和认知推理（System 2，通过OpenClaw实现）正在被同时解决。"在不到五年的时间内，比如三年，你将看到极其出色的机器人。"

6. AI工厂不消灭旧世界，它让旧世界更忙

记者会里有几个问题，暗含着同一个焦虑：AI的到来会不会让一些行业、一些工作、一些软件消失？

黄仁勋的回答，贯穿三个不同的问题，给出的是同一个答案。

先是SaaS软件。市场上流传着一种观点：Agent工作流可以替代传统SaaS，软件授权公司的商业模式即将被颠覆。他让提问者"转告那些个人投资者——他们完全错了"，然后给了一个工程师能听懂的例子。

芯片设计行业的EDA工具（如Synopsys、Cadence）是典型的SaaS商业模式，更多工程师意味着更多工具许可证。现在假设有了Agent工程师，它们会做什么？它们仍然需要使用EDA工具，因为芯片设计的每一步都需要可验证、可重复的结果，这些结果必须放回EDA工具的数据结构里，你不能凭空变出晶体管。 SQL同理：Agent完成任务后，结果必须写回数据库，ground truth不会消失。因为有了Agent，需要授权的工具数量可能爆炸式增长，不是减少。

人类工作的问题也一样。机器人会不会抢走制造业和运输业的岗位——黄仁勋先给了一个常被忽略的现实数据：全球制造业目前缺少数千万工人，缺数百万卡车司机，就业率已经很高，但许多公司仍然没有足够的劳动力。机器人首先是在填补缺口。

然后他给了一个长周期的类比："你上次坐在门廊的摇椅上、喝着柠檬水、看着日落是什么时候？你开玩笑吧？我只在100年前的电影里看到过。"过去一百年，技术不断进步，但就业数量和经济总量都在上升，每个人都比以往更忙。关于那些注定消失的工种，他用了一个冷静的类比：马以前有各种用途——骑马、犁地。现在一匹马价值500万美元。"世界在变化，AI会改变所有这些。但我相当确信，会是一个更好的世界。"

还有一个问题来自欧洲记者，问德国这样的工业强国如何在AI时代找到位置。黄仁勋从上一次工业革命说起。德国和日本曾经引领了机电一体化时代——技术与机械工艺、工业化的深度结合。但IT革命来了之后，软件的文化和制造业格格不入：制造业讲究步步完美，软件必须先发布后修复，这是深层的文化差异，不只是技术差距。美国因此完全主导了IT革命，德国、日本被甩在后面。

但OpenClaw改变了这个方程式。"OpenClaw不需要你去编程，只需要你告诉它做什么。你可以跳过IT革命，直接跳到AI革命。"他说这应该是德国听到的最好消息，也是日本听到的最好消息："把AI技术和你们机电一体化产业的天赋结合起来，你们一下子就变成了机器人产业。我是你们最大的啦啦队长。"

结尾

记者会最后，有一个提问：黄仁勋曾经说希望有些时候可以有一些"受苦"——在一个相对理想的世界里，什么样的苦值得吃？

他停顿了一下，说那番话当时是在一个讲座，对着大学生讲的，"大家是已经毕业的人，现在应该享受生活"。

然后他认真说了下去。每当你学一些新东西，总伴随着相当程度的痛苦；每当你做超出舒适区的事情，总有相当程度的焦虑；每当你站在台前做主题演讲，知道所有人都在评判你，"总有一定程度的焦虑和痛苦"。"受苦无处不在。它是追求卓越的本质部分。只要你觉得自己在尽力做到最好，把一切都留在了赛场上——那么受苦一定已经发生了。"

这场记者会两小时里，问题天南海北，但黄仁勋给出的答案都指向同一个底层逻辑：工厂不只是更强的GPU，是原料、流水线、调度系统和交付网络的整体——任何一个环节都不能脱离地基单独存在。

记者会上还有一个小插曲。Motor Trend颁给他年度人物，理由是他在AI和自动驾驶领域的影响力。他接过奖杯，调侃说："其实我的驾驶技术估计已经退化了。"台下立刻有笑声。AI工厂建造者，得到了汽车媒体的年度人物奖。时代有时候就是这样自我注解。

QA归纳：

Q：与Groq的许可合作是不是承认GPU在推理上有根本局限？

"Groq对英伟达的意义，就像当年Mellanox对英伟达的意义一样。我们是在给架构做加法，因为我们造的不只是一块GPU，我们造的是一座工厂。"黄仁勋解释，Groq LPX解决的是"大模型+长上下文+极低延迟"必须同时满足的特定场景，Vera Rubin依然承担75%的AI工厂算力，Groq是附加在另外25%机架上的专用加速层。两者结合，同等功耗下推理吞吐量提升35倍。"我们不知道怎么打败Vera Rubin，否则我们就会造出打败它的东西。"

Q：1万亿美元订单的口径是什么？

"1万亿只包括Blackwell加Vera Rubin，只到2027年。不包含Vera CPU独立业务，不包含Groq，不包含存储，不包含BlueField，不包含Vera Rubin Ultra，不包含Feynman，不包含Feynman Next。只有Blackwell加Vera Rubin。而且这还是我站在这里、距离2027年底还有21个月的数字——这意味着它很可能比1万亿更大。"

Q：游戏玩家的数据能用来训练物理AI的世界模型吗？

不能直接用。黄仁勋解释，游戏引擎为了好玩而妥协了物理准确性——Fortnite的角色脚步不匹配速度，人物可以从山上无损跳落。训练需要基于物理规律的基础模型，必须以遵守物理定律的仿真数据为原料，而非游戏数据。英伟达的方案是：真实观察数据→物理仿真（Newton/Isaac Lab）→世界基础模型→合成数据生成→循环扩大规模。"你必须先学到足够的知识，才能理解事物是如何运作的，然后才能想象大量未来的条件。"

Q：AI Agent会让SaaS软件商业模式消亡吗？

"请转告那些个人投资者——他们完全错了。"黄仁勋用芯片设计EDA工具举例：Agent工程师做完芯片设计，结果必须放回Synopsys和Cadence的数据结构里，因为芯片设计需要可验证、可重复、可控的输出——"你不能凭空变出晶体管，你不能那样设计芯片"。SQL同理，永远是业务数据的ground truth。有了Agent，需要授权的工具数量可能爆炸式增长——不是减少。

Q：你的人生哲学是什么，以及NVIDIA未来的关键风险是什么？

"我的哲学很简单：不要被炒鱿鱼。不要无聊。不要死。在这个三角形里保持住。"NVIDIA的对应版本是：不要被客户解雇，不要无聊到公司表现不佳，不要倒闭。关于受苦："每当你学一些新东西，总伴随着相当程度的痛苦。受苦无处不在。它是追求卓越的本质部分。只要你觉得自己在尽力做到最好，把一切都留在了赛场上——那么受苦一定已经发生了。"