英伟达龙虾登场！黄仁勋暴论频出，「人车家天地芯」冲击万亿收入

英伟达龙虾登场！黄仁勋暴论频出，「人车家天地芯」冲击万亿收入图2

一切都要为Agent让路。

来源｜APPSO（ID：appsolution）

封面来源｜IC photo

今年英伟达GTC主题演讲，应该是史上悬念最少的一届。

2022年说元宇宙，2023-2024年说生成式AI，2025年说物理AI。但今年不一样，即便台上英伟达创始人黄仁勋的演讲还没有开始，但台下所有人已经知道答案了——Agent。

包括英伟达也悄悄在GTC园区里开设了「Build-a-Claw」互动专区，让与会者现场搭建自己的AI Agent。从芯片到模型，从英伟达版龙虾到数据中心，今年主题演讲的潜台词只有一句话：

一切都要为Agent让路。

专为Agentic AI打造的

Vera Rubin正式发布

如果说Hopper架构开启了生成式AI（Generative AI）的时代，让机器学会了「说话」；那么Vera Rubin的使命，就是开启智能体（Agentic AI）时代，让机器学会「干活」。

英伟达Vera Rubin架构包含七款芯片、五套机架系统，以及一台用于AI Agent的超级计算机
七款芯片分别是NVIDIA Vera CPU、NVIDIA Rubin GPU、NVIDIA NVLink™ 6 交换机、NVIDIA ConnectX-9超级网卡、NVIDIA BlueField-4 DPU和 NVIDIA Spectrum™-6以太网交换机，以及新集成的NVIDIA Groq 3 LPU
五个机架分别是NVIDIA Vera Rubin NVL72机架、NVIDIA Vera CPU机架、NVIDIA Groq 3 LPX机架、NVIDIA BlueField-4 STX存储机架，以及NVIDIA Spectrum-6 SPX以太网机架。

过去的AI像是一个极其聪明的图书馆管理员，我们问一个问题，它慢条斯理地翻书，然后把答案整理出来。我们对这种速度是宽容的，因为我们自己打字看书也慢。

但Agent完全不同。它不仅要用大模型思考，还要疯狂地调用工具——比如打开浏览器、控制云端的虚拟PC、在无数个数据库里来回比对。更要命的是，AI对工具的容忍度极低，它要求一切操作都在毫秒级完成。

「它会狠狠地捶打内存。」黄仁勋在台上这样形容。

当模型越来越大，上下文长度从十万Token飙升到数百万，还要同时处理结构化和非结构化的数据，传统的算力架构开始喘不过气了。为了应对这种「捶打」，英伟达交出了第一份答卷，全新的Vera CPU。

这颗芯片特立独行，它是世界上首款专为智能体AI和强化学习时代打造的处理器，其效率是传统机架式CPU的两倍，速度提升50%，采用LPDDR5X内存，能实现极高的单线程性能、大型的数据吞吐量和极致的能效。

黄仁勋甚至毫不掩饰他的骄傲：「我们从没想过会单独卖CPU，但现在，这绝对是一个价值数十亿美元的业务。」

紧随其后的是Rubin GPU，单片芯片直接塞进了高达288GB的海量内存。它就像是一个拥有无限脑容量的思考者，专门用来装载那些体积越来越庞大的超大语言模型，以及处理成百上千万的上下文KV缓存。

除了堆叠CPU和GPU，英伟达这次发布的Vera Rubin架构，直接把NVLink的带宽翻了一倍——260TB/s的全互联带宽。

十年前，DGX-1用第一代NVLink把8张卡连在一起，那是专为AI研究员打造的奇迹；到了Hopper时代，是NVLink 4；而前不久的Blackwell架构，用NVLink 72实现了72张GPU的全互联，带宽达到130TB/s。

为了配合Vera Rubin，黄仁勋甚至掏出了被称为Kyber的全新机架。在这个机架里，计算节点垂直插入，背后是第六代NVLink交换机。完全抛弃了传统的以太网或InfiniBand限制，在一个NVLink域内直接打通144张GPU。

即便强如VeraRubin，在面对「无限生成Token」的极端需求时，也会感到吃力。

在算力世界里，吞吐量（Throughput，同时处理巨量任务的能力）和延迟（Latency，单次任务的极速响应）是一对物理学上的死敌。英伟达是吞吐量的绝对霸主，但在极致低延迟的Token生成上，传统GPU架构显得过于笨重。

这时候，Groq出场了。英伟达早在之前就「收购」并授权了Groq团队的技术，在今天正式推出了Groq LPU（语言处理单元）。

黄仁勋用一款名为Dynamo的软件，把这两者完美捏合，首创了「解耦推理（Disaggregated Inference）」。

AI推理前半段的Prefill（预填充）和极其耗费算力的Attention（注意力机制），全部交给Vera Rubin这个性能王者来处理；
后半段的Decode（解码），也就是生成Token的瞬间，直接卸载给Groq LPU来降低延迟。

结果显示，在最具商业价值的高端推理层级，这种组合让性能直接飙涨了35倍，且每兆瓦的吞吐量同样提升了35倍。

一个开源项目，

让所有CEO都睡不着觉

主题演讲的后半部分，黄仁勋抛出了一个让全场屏息的判断：OpenClaw，将堪比这个时代的Linux，是这个时代的HTML。

OpenClaw上线仅数周，下载量和影响力已经超过了Linux三十年的积累，其本质上是一套智能体操作系统。它能调用大模型、管理文件、拆解任务、协调子智能体，还能发邮件、发短信，以任何模态与人沟通。

在黄仁勋看来，每一家SaaS公司，迟早都会变成AgaaS公司，也就是「Agent-as-a-Service（智能体即服务）」公司。而每一位CEO现在都必须回答同一个问题：你的OpenClaw战略是什么？

当然，开源意味着自由，但企业更需要的是安全。这也是OpenClaw规模化落地前最大的障碍。

为此，英伟达联合以OpenClaw创始人Peter Steinberger为代表的团队，召集了一批顶级安全与计算专家，推出NeMoClaw参考架构。

它内置OpenShell技术、网络防护机制和隐私路由能力，可以让企业可以在自己的私有环境中安全运行智能体系统。

而支撑这套智能体生态的，是英伟达一整条开源模型产品线。

比如Nemotron主攻语言推理，Cosmos聚焦世界建模，Groot面向通用机器人，Alpha Mayo服务自动驾驶，BioNeMo深耕数字生物学，Earth-2则专注AI物理仿真。

黄仁勋特别强调，这些模型不只是排行榜上的名字。英伟达会持续投入推进，Nemotron 3之后有Nemotron 4，Cosmos 1之后有Cosmos 2，每一代都会更强。

更重要的是，这些模型全部以基础模型形式开放，任何企业都可以在此基础上继续微调和后训练，打造专属于自己业务场景的定制化智能。英伟达还宣布将与各地区合作伙伴协作，帮助不同国家和市场孵化本土化AI能力。

在台上，黄仁勋还宣布了一份让人眼前一亮的合作名单。Black Forest Labs、Cursor、LangChain、Mistral、Perplexity、Sarvam，以及Mira Murati创立的Thinking Machines，悉数加入，共同推进Nemotron 4的研发。

划重点，英伟达不甘心只做卖铲人，更要亲自下场带头挖金矿，更重要的是，英伟达也是在构建一个生态，一个围绕智能体时代的完整体系。

玩家的显卡钱，

是一场长达25年的「众筹」

要理解英伟达今天的恐怖统治力，黄仁勋首先把时钟拨回了25年前。

那时候没有ChatGPT，没有大模型，只有一群为了让游戏画面更流畅而疯狂攒机的年轻人。「GeForce是英伟达有史以来最伟大的营销活动」，黄仁勋在台上笑着说。

黄仁勋非常直白地承认，GeForce就是用来吸引未来客户的。他们在我们还买不起企业级产品的时候，通过游戏显卡潜伏进我们的电脑。日复一日，年复一年。

也正是依靠一代代游戏玩家的「供养」，英伟达在20年前做出了一个当时看来堪称疯狂、甚至差点拖垮公司利润的决定——研发CUDA，并将它送到了全世界每一个开发者的桌面上。

这可以说是一个在黑暗中蛰伏的故事。连续13代架构，长达20年的死磕，英伟达彻底把CUDA变成了一个装机量过亿的庞然大物。

这也解释了为什么当深度学习的「宇宙大爆炸」来临时，Alex Krizhevsky和Ilya Sutskever们环顾四周，发现除了英伟达的GPU，他们别无他选。

Nvidia不是碰巧站在了风口上，而是花了20年时间，自己造了一台造风机。

飞轮一旦转动，就再也停不下来了。因为在这个飞轮里，硬件只是载体，真正黏住开发者的是那成千上万个工具、框架和开源项目。

既然当年是GeForce游戏显卡把AI算力（CUDA）带给了这个世界，那么十年后的今天，是时候让彻底长大的AI，反哺它最初的「老家」了。

黄仁勋在台上甩出了惊艳全场的DLSS 5。简单来说，英伟达正在用AI重新发明计算机图形学。传统的3D渲染是「结构化数据」，它是死板的、百分百可控的；而生成式AI是「概率性计算」，它是天马行空、极其逼真的。

以前这两派路线完全不同，但在DLSS 5里，英伟达硬是把它们揉在了一起，用可控的3D数据打底，用生成式AI去脑补和渲染细节。我们看到的画面，既不会出现AI经常犯的幻觉错位，又拥有近乎现实的惊人质感。

「生成出来的世界，变得极其美丽，同时又完全受控。」

但这也不只是一帮极客为了高帧率打游戏搞出来的炫技。黄仁勋说，这种将「结构化数据」与「生成式AI」融合的逻辑，将会在每一个行业里一遍遍重演。

「这是我最喜欢的一页PPT。」

在演讲的高潮，黄仁勋放出了一张极其复杂的架构图，说这是他最喜欢的一页PPT。接着，他又半开玩笑地说，团队屡次劝他别放这张图，但他偏要放，「反正你们有些人也是免费进来的，这就是门票钱」。

这张「最不听劝的PPT」，真正揭示了英伟达接下来要吞噬的真正猎物，全球企业的数据中心。

过去，企业的数据分为两类。

一类是结构化数据，也就是常见的数据库SQL、Pandas里的那些庞大表格，它们是商业运转的地基。另一类是非结构化数据，比如海量的PDF、视频、语音，占据了世界90%的信息，却因为难以检索而如同废纸。

过去几十年来，处理这些巨型Excel表格一直是CPU的绝对领地。当人类去查询这些表格时，CPU的速度勉强够用。但黄仁勋一针见血地指出了未来的趋势，「未来，使用这些结构化数据库的，将是AI Agents」。

当成千上万个不知疲倦的AI Agent，以远超人类百万倍的速度同时向数据库发起查询时，传统的CPU计算系统连喘息的机会都没有，只会被瞬间压垮。

为了处理这个问题，英伟达掏出了第一把底层杀器：cuDF。它直接越过CPU，用GPU的恐怖并行算力，把这群数据的处理速度拉爆。

而针对非结构化数据，英伟达掏出了第二把杀器，针对向量数据库和非结构化数据的cuVS。有了这两个底层库，英伟达实际上是捏住了全球数据处理的咽喉，它正在用AI的方式，重新定义企业到底该怎么处理数据。

两个工具库的效果也是相当明显。黄仁勋举了非常多合作伙伴的例子，其中提到雀巢公司每天要处理覆盖185个国家的庞大供应链数据，在换上英伟达加速的IBM Watsonx.data后，速度飙升了5倍，成本却骤降了83%。

这就是「加速计算」的恐怖之处。当速度实现了几个数量级的跃升，成本就会呈断崖式下跌，新的商业模式就会在此刻涌现。

黄仁勋的演讲进行到这里，满嘴都还是「算法」、「库（Libraries）」和「数据帧」，他直言「英伟达是一家算法公司。」

英伟达将自己的算法库深度嵌入每一家云端，客户为了用Nvidia的算力和框架，才会去购买云服务。这也是为什么几乎世界上所有的云服务巨头——Google Cloud、AWS、微软Azure、Oracle，都得排着队，把英伟达的服务请进自己的机房。

曾经呼风唤雨的云厂商，在加速计算时代，似乎都正悄然沦为英伟达庞大生态的「底层基础设施」和「分销渠道」。

英伟达为什么能做到这一切？黄仁勋给出了一个极度反常识的定义，英伟达是世界上第一家「垂直整合，却又水平开放」的公司。

向下，它自己造芯片、造系统；向上，它懂每一个行业的应用场景。

金融界的量化交易员在用它，医疗行业的医药研发在用它，连电信行业那个只会发射信号的基站，在未来也会变成运行AI算法的边缘计算节点。

英伟达甚至还推出了机密计算（Confidential Computing），让极其敏感的企业数据和模型可以在完全隔离的环境下运行，连操作员都看不到。这直接打消了巨头们拥抱AI的最后一点顾虑。

它把自己封装成一个个底层算法库，然后像水和电一样，悄无声息地接入了所有人的基础设施；看似把所有的利润都分给了生态伙伴，但实际上，英伟达已经牢牢掌握了整个AI时代的命脉。

1万亿美元，而且还会供不应求

根据黄仁勋的判断，到2027年底，其Blackwell和Rubin芯片将至少创造1万亿美元收入。，而且这还是保守估计，实际计算需求会远超这个数字。

这个数字从何而来？答案藏在过去一年英伟达做的那件最重要的事里——AI推理。

黄仁勋直言，很多人觉得推理很容易，但事实恰恰相反。

高难度推理是AI领域最难的事，也是最重要的事，因为它直接带来收入的增长。为此，英伟达在Hopper架构巅峰期做出大胆决定，彻底改变架构，打造出NVLink 72，引入NVFP4精度格式，配合Dynamo、TensorRT-LLM及全套新算法，还专门建造了超级计算机来优化整套技术栈。

英伟达押注的结果，远超所有人的预期。

黄仁勋曾宣称Grace Blackwell NVLink 72每瓦性能提升35倍，当时没人相信他。后来SemiAnalysis发布评测报告，分析师Dylan Patel说黄仁勋说得太保守了，实际提升是50倍。

黄仁勋打趣道「Monkey King」「Token King」。

按摩尔定律，一代产品通常只能带来约1.5倍提升，没人预料到这次会是50倍。

性能提升之后，摆在面前的是另一个问题。一座1吉瓦数据中心，按15年摊销，建造成本就高达400亿美元，设备还没放进去。在这样的投入规模下，放进工厂里的计算系统必须是全球最好的，否则每一瓦浪费的电力都是真实流失的收入。

黄仁勋坦言，全球AI工厂里正有大量电力被白白浪费。

为此，英伟达发布了NVIDIA DSX平台，基于Omniverse数字孪生技术，让工程师在真正动工之前，先在虚拟空间里把整座AI工厂仿真一遍，从散热到电网，全部模拟清楚。

配合Max-Q技术，系统可以在功耗与算力之间实时动态调节。

黄仁勋说，这里面至少还藏着两倍的优化空间。同一套硬件，英伟达更新算法与软件后，Fireworks等服务商的token生成速度从每秒700个跃升至接近5000个，提升7倍。这就是「极致协同设计」的真实含义。

过去数据中心存放文件，现在它生产token。土地、电力、机房空间决定了工厂上限，而架构优劣决定了产出多少。黄仁勋说，未来每一家公司都会认真思考自己token工厂的效率问题，因为算力，就是收入本身。

更重要的是，地球上的AI工厂还没建完，英伟达已经把目光投向了太空。

英伟达Thor芯片已通过抗辐射认证，率先应用于卫星之上。英伟达正与合作伙伴联合研发名为NVIDIA Space-1 Vera Rubin的新型计算机，目标是直接在太空中建设数据中心。

太空没有空气，无法对流散热，散热是一道极其棘手的工程难题。黄仁勋坦承这件事非常复杂，但他相信英伟达有足够优秀的工程师来攻克它。从地面到轨道，英伟达算力扩张的路线，仍在持续。

自动驾驶的ChatGPT时刻，

已经到来

物理AI是未来十年最重要的课题，而黄仁勋用一句话宣告，自动驾驶的ChatGPT时刻，已经到来。

英伟达RoboTaxi Ready平台此次新增四位重量级伙伴：比亚迪、吉利、五十铃、日产，携手打造L4级自动驾驶汽车。

这四家车企每年合计生产约1800万辆汽车，体量惊人。加上此前已加入的梅赛德斯、丰田和通用，英伟达的自动驾驶版图已覆盖全球最重要的一批整车制造商。

英伟达还与Uber签署合作协议，计划将具备RoboTaxi Ready（无人出租车就绪）能力的车辆部署至多个城市，并直接接入Uber的全球出行网络。

在工业机器人领域，英伟达与ABB、Universal Robots、库卡等头部企业展开合作，将物理AI模型集成至仿真系统，推动机器人大规模进入制造产线。卡特彼勒的加入，意味着重型工程机械也开始走向智能化。

主题演讲的最后，依旧是经典的机器人环节。

近期，《冰雪奇缘》的雪宝机器人已经现身迪士尼海外游乐园，而这一次，它也迈着憨态可掬的步伐登上GTC 2026的舞台，和黄仁勋有来有往地对话，动作自然，反应流畅。

它的肚子里装着英伟达Jetson计算机，这是整套系统的大脑。它的步态和动作，全部在Omniverse虚拟环境中完成训练，靠的是由英伟达、迪士尼和Google DeepMind三方联合研发的Newton物理引擎，运行于英伟达Warp之上。

正是这套物理仿真系统，让雪宝在进入真实世界之前，就已经充分适应了现实物理规律。黄仁勋说，未来的迪士尼乐园所有角色都将拥有真正的智能，在园区里自由走动，与每一位游客展开真实的互动。

演讲开始的时候，黄仁勋说，我要提醒你们，这是一个技术大会。我们将要谈论技术，谈论平台，最重要的是，我们要谈论生态系统。

生态系统？他实在太谦虚了，用生态帝国也不为过，黄仁勋曾经用一块五层蛋糕来描述AI产业的结构：最底层是能源和芯片，往上是基础设施、模型，最顶层是应用。

每一层都不可或缺。这个比喻听起来像是在描述一个分工清晰、各司其职的产业格局。但当你把这块蛋糕从底看到顶，会发现每一层里都有英伟达的手笔。

从最早「潜伏」在玩家机箱里的显卡，到主宰全球云厂商的底层框架；从太空里的抗辐射数据中心，到迪士尼乐园里和我们谈笑风生的机器玩偶。

英伟达用20年时间造了一台造风机，如今这台机器已经化身为一台永不停歇的Token生产厂。在这个工厂里，算力即权力，生态即壁垒。

当所有的企业、用户都在为如何落地AI焦虑时，黄仁勋已经悄悄把通往Agent时代的门票，塞进了世界上每一台服务器的咽喉。

这场关于未来AI的赌局，英伟达不仅既做庄家又做玩家，它甚至要把牌桌都买下来了。