老黄：别叫我卖芯片的，其实我是一个“超级包工头”

当上万人屏住呼吸，等黄仁勋像往年一样掏出一块巨型 GPU 时，他却在主题演讲时重点讲一颗叫 Vera 的 CPU。

老黄没跑题。恰恰相反，这可能是理解英伟达 GTC 2026 最重要的一把“钥匙”：英伟达正在从“卖全世界最好的 GPU”转变为“承包整座 AI 工厂的所有零件、管线、操作系统，甚至是施工蓝图”。

GPU 仍然是心脏（算力核心），但心脏是无法独活的。

35 倍的提升！

先聊硬件。今年 GTC Keynote 的核心是 Vera Rubin 平台。不是一颗芯片，而是一整套计算系统：七颗全新芯片、五款机架级系统、一台超级计算机。

英伟达 Vera Rubin 平台的所有芯片集合｜来源：英伟达官方

数字层面看，它就是一头参数怪兽。

Vera Rubin NVLink 72 的峰值算力达到 3.6 Exaflops，搭载 HBM4 显存（288GB），GPU 之间的 NVLink 互连带宽甚至能飙到 260TB/s。

怎么理解这个带宽？上一代 Blackwell 的 NVLink 就像一条省级高速公路，Vera Rubin 好比是直接在 72 颗 GPU 之间修了一张高铁网，每颗芯片到任何一颗相邻芯片的数据延迟都被拉平。全液冷设计意味着这台机器在满载时依然安静得像一台冰箱，而不是像上一代那样嗡嗡作响。

Vera CPU 渲染图｜来源：英伟达官方

但真正让人意外的是 Vera CPU。这颗处理器采用 LPDDR5，通常只出现在手机和超薄笔记本里的低功耗内存。把它塞进数据中心 CPU 是什么意思？

英伟达认为，AI 工厂里 CPU 的角色不再是“通用计算老黄牛”，而是“智能体工作流的调度员”。它不需要暴力堆内存带宽，而是需要用最少的电把数据精准地搬到该去的地方。单线程性能和能效比达到现有主流 CPU 的 2 倍。

对英特尔和 AMD 来说，这一刀捅得很精准。

第三位主角是 Groq 3 LPX，英伟达称之为 LPU（语言处理单元）。它内部堆满了 SRAM（静态随机存取内存），三星代工，只负责一件事：以极低延迟把 Token 一个接一个地"吐”出来。

为英伟达 Vera Rubin 平台打造的低延迟推理加速器 Groq 3 LPX ｜来源：英伟达官方

如果说 GPU 是负责“想明白”的大脑，LPU 就是负责“说出来”的嘴巴。AI 模型的推理生成环节（decode）正是当前最卡喉咙的瓶颈，LPU 就是为打通这个瓶颈而生的。

这三颗芯片组成了一个微妙的分工三角：GPU 负责重计算，CPU 负责调度编排，LPU 负责极速输出。这套异构推理架构配合英伟达自研的 Dynamo 调度软件，最终实现了惊人的效果：

每兆瓦的 Token 吞吐量相比上一代 Blackwell 提升 35 倍。不是 35%，是 35 倍！

从“一间房”到“一栋楼”

如果芯片是器官，那连接它们的网络就是血管。

Kyber Rack（对应 Rubin Ultra 级别）把单个 NVLink 域从 72 张 GPU 扩展到了 144 张。做到这一点靠的不是更粗的线缆，传统线缆的物理极限已经逼近了，而是一种被称为“后置立式中板”的直连技术，简单说就是把机架的背板变成了一块巨大的芯片间高速公路，让铜缆彻底退场。

这种做法很符合英伟达的工程哲学：如果传统路径走到头时，那就重新定义“路”本身。

黄仁勋甚至预告了更下一代的 Feynman 架构（预计 2028 年推出），其中最值得关注的不是 GPU 本身的代号，而是一个技术细节：铜缆 Scale-up 与共封装光学（CPO）Scale-up 将首次共存。

用通俗的话来说，芯片之间近距离用“电信号高速公路”，远距离用“光纤超级铁路”，两套网络无缝衔接。这会从根本上改变 AI 数据中心的物理布局，把“一个房间”级别的集群扩展到“一栋楼”甚至更大的规模。

NVIDIA 公布了其下一代 AI 数据中心解决方案“Rosa Feynman”的更多细节，该方案采用 3D 芯片堆叠技术构建｜来源：英伟达官方

Feynman 架构还引入了一颗全新 CPU，代号 Rosa，为了致敬罗莎琳德·富兰克林（Rosalind Franklin），那位用 X 射线晶体学揭示 DNA 双螺旋结构的科学家。

黄仁勋在台上说，就像富兰克林揭示了生命隐藏架构的密码，Rosa 的使命是编排智能体工作负载的完整结构：在 GPU、LPU、存储和网络之间实现高效调度数据、工具与 Token。

命名里的野心已经写得很明白了。

省电就是省钱

硬件再强，堆在机房里不会自动变成印钞机。黄仁勋深谙此道，他在演讲中抛出了一句让所有数据中心运营者冒冷汗的话：

“AI Factory revenues are equal to Tokens per watt. So with power constraints, every unused watt is revenue lost.（AI 工厂的营收等同于每瓦生成的 Token 数。在电力受限的铁律下，每一瓦被浪费的电能，都是真金白银的流失。）”

这句话的背后站着 NVIDIA DSX 平台。这是一个基于 Omniverse 的 AI 工厂数字孪生系统。它把整座数据中心变成一个可实时模拟、可动态调度的虚拟沙盘。结合 AI 智能体自动分配算力和电网资源，DSX 宣称最高可带来 2 倍的系统级吞吐量提升。

从某种程度上来说，这件事的商业含义比任何一颗芯片都深远。

基于 Omniverse 的 AI 工厂数字孪生系统——NVIDIA DS X 平台｜来源：英伟达官方

当前全球 AI 基建面临的最大瓶颈不是芯片产能，而是电力资源的紧缺。北美的 GPU 集群已经在跟电网抢电了，很多新建数据中心的落地周期不是被芯片交付周期卡住，而是被电力审批卡住。在这样的特殊背景下，“软件优化让同样一度电多吐出 Token”几乎等于“凭空变出新的数据中心”。

这正是英伟达“卖系统、不只卖芯片”策略的精髓。

同时发布的 BlueField-4 STX 存储架构，可以被理解为 AI 工厂的安保系统和后勤管线。它负责数据的安全传输、加密和调度，让万亿参数的模型可以在分布式存储中高速读写，而不必担心数据泄漏或拥堵。IBM、Dell 等一线厂商已经表态采用。

英伟达正在把自己从一个“硬件供应商”重新定义为一个“AI 基础设施的全栈方案商”。DS X、BlueField、Dynamo 推理调度器、各种 CUDA-X 库……当客户把这些全部用上之后，切换到 AMD 或其他竞品的成本将变得异常高昂。

这是典型的平台锁定策略。它对英伟达的投资者是好消息，但对整个行业的长期竞争生态而言，值得警惕。

SaaS 已死，AaaS 当立

如果硬件和基建是“路”，那跑在上面的“车”就是 AI 智能体（Agent）。

黄仁勋在台上说了一句判断性极强的话：

“Every single SaaS company will become an AaaS company... an Agentic as a Service company.（每家软件即服务公司都将转型为智能体即服务公司。）”

为了让这个预言尽快落地，英伟达发布了 NemoClaw 参考架构。它在 OpenClaw 的基础上增加了隐私和安全控制，核心是一个叫 OpenShell 的安全网关，负责策略执行、网络隔离和隐私路由。你可以把它理解为企业级 AI 智能体的“安全操作系统”。

当一个 AI 智能体需要在企业内网里帮你查数据库、调 API、发邮件时，NemoClaw 确保它不会越权、不会泄密、不会在生产环境里“搞事情”。黄仁勋甚至说 Nemo Claw 可以成为“全世界所有 SaaS 公司的策略引擎”。

这句话的潜台词是：别自己造轮子了，用我的就好。

开源侧，英伟达同步宣布成立 Nemotron 联盟，聚拢了 Black Forest Labs、Cursor、Mistral、Perplexity 等一批当红 AI 明星公司，围绕六大前沿模型家族——语言与推理（Nemotron）、世界与视觉（Cosmos）、通用机器人（Isaac GR00T）、自动驾驶（Alpamayo）、生物化学（BioNeMo）、气象与气候（Earth-2），构建协作生态。

这套组合拳的战略逻辑非常清晰：英伟达不想只做 AI 的“铲子供应商”，它想做 AI 时代的操作系统层。 就像微软当年通过 Windows 控制了 PC 生态一样，英伟达正在通过从硬件到推理框架到智能体运行时的全栈布局，试图定义“AI 应用应该怎么被构建和运行”。

带着机器人谢幕，又一次

如果前面的一切都是在“数字世界”里打转，那 GTC 2026 下半场的主题就是：AI 如何长出一副“肉身”。

自动驾驶方面，英伟达首发了 Alpamayo 平台，一个专为自动驾驶设计的“思考与推理”AI 系统。与此同时，英伟达的NVIDIA Robotaxi Ready 平台新增了比亚迪、现代、日产、吉利四大车企，合计年产能 1800 万辆。 同时宣布与 Uber 达成战略合作，Robotaxi 将直接接入 Uber 的叫车网络。

1800 万辆的年产能意味着什么？这大约是全球年汽车产量的五分之一。当然，“Robotaxi Ready”不等于“明天就能上路”。从硬件就绪到法规允许再到消费者信任，中间还有漫长的路要走。但英伟达的意图很明确：先把硬件平台铺进去，等自动驾驶的法规窗口一打开，这些车就能通过软件升级变成 Robotaxi。这是一个典型的“埋桩”策略。

机器人领域的动作更大。英伟达全面开源了四大物理 AI 基石：Isaac Lab（机器人训练评估）、Newton（可微分物理引擎）、Cosmos（世界模型）和 GR00T（通用机器人推理基础模型）。展区里摆了 110 台机器人，从人形机器人到工业机械臂，甚至还有个通信基站？！

没错，英伟达和 T-Mobile 合作开发的 Ariel AI RAN 基站，本质上是一个装在基站铁塔上的边缘 AI 推理平台。5G 基站不再只是信号中继器，而是变成了一个能“思考”的节点。ABB、Universal Robots、KUKA 等工业机器人巨头已经在整合英伟达的物理 AI 模型和仿真工具。

有趣的是，今年 Keynote 收尾，又让黄仁勋和迪士尼的机器人玩上了。迪士尼《冰雪奇缘》里的雪人 Olaf 从数字屏幕里“走”了出来，摇摇晃晃地在物理舞台上跟黄仁勋对话。这不是预渲染的动画，而是由英伟达的 Newton 物理引擎和 Omniverse 仿真平台实时驱动的物理 AI 演示。黄仁勋还不忘开玩笑说：“Olaf，你的电脑，Jetson，就在你肚子里。”

尽管英伟达展示的物理 AI 在受控环境中表现惊艳，但从“舞台演示”到“工厂车间大规模部署”之间的鸿沟，远比从 Blackwell 到 Vera Rubin 的算力跃升要难跨越。 传感器的可靠性、边缘计算的能耗、安全冗余的成本，这些工程化难题不会因为模型变大而自动消失。

太空、金句与一万亿美元

最后，黄仁勋还扔出一枚“彩蛋”，透露英伟达正在开发 Vera Rubin Space One，一款通过抗辐射测试的星载计算机，目标是把 AI 数据中心部署到近地轨道。这听起来挺科幻的，但背后的目的很实际的：低轨卫星星座产生的海量数据如果全部回传地面再处理，带宽成本和延迟都不可接受，不如直接在太空就地推理。

黄仁勋在演讲中还给出了一个极其大胆的营收预期：2025 至 2027 年间，英伟达预计将获得至少 1 万亿美元的营收。 他归因于 AI 计算需求在过去几年增长了“一百万倍”，以及 AI 原生公司（OpenAI、Anthropic 等）在过去一年获得了 1500 亿美元的风险投资。

这个数字当然听起来有点令人迟疑。一万亿美元的预期建立在“AI 投资持续高速增长”的假设之上，但我们至今没有看到一个能在 Token 经济上自负盈亏、规模化盈利的纯 AI 应用公司。如果 AI 应用层的商业化不及预期，上游基建的采购热情迟早会冷却。但至少在当下，没有人敢赌黄仁勋是错的。

GTC 2026 的核心叙事不是“我们造了一块更强的芯片”，而是“我们把整座 AI 工厂的每一层都重写了一遍，从晶体管到智能体运行时到物理模拟器，然后打包卖给你”。

英伟达已经不再满足只是当 AI 的军火商，它还想当 AI 时代最大的包工头。

作者：本一

编辑：沈知涵

题图及插图来源：英伟达官方网站及GTC发布会直播截图

点个“小爱心”吧