万亿订单无人喝彩？华尔街的沉默，戳穿了科技狂欢的泡沫！

以前大家说“科技春晚”，指的一般是苹果的发布会。但最近几年，苹果的产品更新越来越套路无趣，同时随着AI浪潮兴起，英伟达年度开发者大会（GTC）已经成为事实上的“AI春晚”了。

每年 GTC 大会，外界都期待黄仁勋带来新的“显卡核弹”。

这一次，黄仁勋扔下了不止一颗“核弹”，甚至放出了“万亿美金订单”的增长预期，按照黄仁勋的说法，Blackwell 和 Vera Rubin 架构的订单总额将达到 1 万亿美元。这个数字是去年 GTC 上提出 5000 亿美元目标的两倍。

但奇怪的是，市场反应却异常平静。为什么？

因为华尔街的分析师和投资者们已经学会了“翻译”黄仁勋的语言。他们关心的早已不是数字本身，而是这个数字的构成、实现路径以及背后所代表的战略意图。

有分析师指出：“市场不愿意相信数据中心的大规模建设会持续到明年。他们认为这已经是资本支出的顶峰。” 换句话说，市场对这种指数级增长的可持续性抱有深刻的怀疑。

华尔街的冷淡，不是不相信 AI 的未来，而是对英伟达能否独自、并持续地吞下这块巨大蛋糕表示审慎。

但这正是理解黄仁勋和英伟达当前战略的关键。万亿美元的夸张数字，与其说是对投资者的业绩指引，不如说是对整个行业的“摊牌”：AI 基础设施竞赛的门槛已经被抬高到了万亿级别，而英伟达正在定义这场竞赛的全部规则。

长期以来，英伟达在 AI 浪潮中扮演着“卖铲人”的角色。无论是谁淘金，都得从它这里买 GPU。这个定位让英伟达在享受巨大红利的同时，也巧妙地避开了公众对于 AI 伦理、就业冲击、信息茧房等问题的审视。

大家批评的是 OpenAI 的 Sam Altman，而不是为他提供算力的黄仁勋；就像铁路大亨备受争议，但提供钢轨的公司却安然无恙。

但 GTC 2026 传递出的最强烈信号是：英伟达不想再只卖铲子了，它要定义和运营整座金矿。

这次大会的核心已经不是单一的 GPU 芯片，而是“平台”和“系统”。黄仁勋发布的 Vera Rubin 平台，就是一个典型的例子。它不再是一块芯片，而是一个“包含七种芯片、五个机架级系统和一个用于智能体式 AI 的超级计算机的全栈计算平台”。

这其中包含了全新的 Vera CPU 和 BlueField-4 STX 存储架构。这是一个从计算、网络到存储被英伟达“垂直整合”完毕的怪物。

更具战略意义的，是英伟达对 Groq 的收购和整合。

英伟达在去年 12 月以 200 亿美元完成了这笔史上最大收购，并在本次 GTC 上发布了首款成果——Nvidia Groq 3 语言处理单元（LPU）。Groq 由谷歌 TPU 的创始人建立，其核心优势在于超低延迟的推理性能。Groq LPX 机架，可以将其 Rubin GPU 的每瓦特令牌性能提升 35 倍。

这是一个极其重要的信号。AI 的应用正在从“训练”（Training）阶段大规模转向“推理”（Inference）阶段。

训练大模型是一次性的、消耗巨大的工程，而推理则是持续的、面向亿万用户的日常服务。后者对延迟和能效的要求远高于前者。

英伟达收购 Groq 并推出 LPU，就是在宣告：不仅要占领高吞吐量的训练市场，更要统治低延迟的推理市场。黄仁勋自己也说：“我们统一了两种极端不同的处理器，一个用于高吞吐量，一个用于低延迟。”

这已经远远超出了“卖铲子”的范畴。英伟达正在提供的是一整套预先设计、优化、整合完毕的“AI 工厂”解决方案。客户不再需要自己去集成不同厂商的芯片、网络和软件，英伟达提供了一个“交钥匙工程”。

从 Vera Rubin 到下一代架构 Feynman，再到机架架构 Kyber，英伟达的目标是控制从芯片到机架再到整个集群的每一个环节。

如果说硬件平台的整合是英伟达的“肌肉”，那么软件和生态系统就是它深不可测的“护城河”。本次 GTC 的另一个核心主题是“智能体式 AI”和 OpenClaw。

黄仁勋将 OpenClaw 称为“人类历史上最受欢迎的开源项目”，并为其推出了名为 NemoClaw 的开发者工具包和参考堆栈，旨在使其“企业就绪”。

可以说，老黄将 OpenClaw 的地位拔高到了无以复加的程度：“它就像一个 AI 计算机的操作系统……每家公司都需要有自己的 OpenClaw 战略，就像我们曾经都需要有 Linux 战略、互联网战略和移动云战略一样。”

这番话的潜台词是，未来 AI 应用的主流形态将是能够自主完成任务、做出决策的 AI 智能体。而英伟达，正在为这些智能体提供底层的“操作系统”和“运行环境”。NemoClaw 和 DGX Spark、DGX Station 等桌面级超算产品的结合，让开发者可以在本地安全地开发和部署这些 AI 智能体。

这是一个经典的平台战略：通过提供易用的、企业级的软件工具，将开发者和企业用户深度绑定在自己的硬件生态上。一旦企业采纳了 NemoClaw 堆栈来构建自己的 AI 智能体系统，他们自然会优先选择经过英伟达优化和验证的硬件平台。这个软件生态的粘性，远比单纯的硬件性能领先要可怕得多。

黄仁勋自己也毫不讳言这一点：“我们是 CSP（云服务商）最好的销售队伍之一。在他们的云中拥有 CUDA，会带来所有的 CUDA 开发者、所有的 AI 原生公司以及我们合作的所有大公司。”

为了让外界更好地理解其宏大布局，黄仁勋提出了一个“五层蛋糕”理论：AI 经济依赖于能源、芯片、基础设施、模型和应用这五个层次。这五个层次必须协同扩展。而英伟达，恰恰处于这个蛋糕的中心，连接着几乎所有层次。

它设计芯片，定义基础设施（Vera Rubin 平台），通过 Nemotron 等开源模型参与模型层，通过 NemoClaw 等工具赋能应用层，甚至通过对能效的极致追求（Vera Rubin 每瓦性能号称比 Grace Blackwell 高 10 倍）来影响能源层。

这个理论解释了英伟达近年来的一系列动作：疯狂投资数十家 AI 初创公司，与 OpenAI、Anthropic 深度合作，推出自有开源模型，深入汽车、医疗、金融等垂直行业。它不再满足于做一个纯粹的技术供应商，而是要成为整个 AI 时代的“系统集成商”和“价值连接器”。

支撑这个庞大愿景的，是黄仁勋对未来经济模式的判断，他称之为“Tokenomics”（词元经济学）。

老黄描绘了这样一个未来：“过去，工程师入职时，公司会给你一台笔记本电脑。现在，公司会给你一台笔记本电脑和 Tokens。Tokens 预算将成为一件真实的事情……未来的计算机不再只是一个工具，而是一种生产设备。”

这揭示了 AI 需求从“训练”转向“推理”后，商业模式的根本变化。训练模型就像是建设工厂，是一次性的资本开支。而推理和 AI 智能体的运行，就像工厂开动后持续不断地生产产品（Tokens），是一种持续的运营支出。用户为 Tokens 付费，企业购买算力来“制造”Tokens。

黄仁勋甚至表示，他希望 OpenAI 和 Anthropic 是上市公司，“因为那样你们就能看到我所看到的。历史上没有一家创业公司能每周增加 10 亿或 20 亿美元的收入。” 他预言，整个 IT 行业都将成为 OpenAI 和 Anthropic 的“经销商”，转售大量的 Tokens。

这就是英伟达敢于提出万亿美金订单的底气所在。他认为，全球对算力的需求正在从项目制转变为一种类似电力和自来水的公用事业模式。

只要 AI 智能体持续运行，对 Tokens 的需求就不会停止，制造 Tokens 的“AI 工厂”就需要不停运转，对英伟达硬件的采购就不会停止。这才是他用来反击“资本支出见顶论”的核心逻辑。

回到最初的问题：黄仁勋的万亿大饼，为什么很难再打动华尔街？

因为市场仍然需要看到微软、亚马逊、谷歌等巨头在财报中给出持续增加资本支出的明确指引，才会真正相信这场盛宴能够持续。一个遥远的、缺乏精确度的万亿数字，无法消除他们对周期性风险的担忧。

但长期来看，华尔街正在被迫理解并消化英伟达的这场战略转型。他们看到的是一家不再仅仅依赖 GPU 性能迭代的公司，而是一个试图通过“硬件平台化、软件生态化、应用场景化”来锁定未来十年 AI 基础设施领导地位的巨兽。

这无疑是一场巨大的豪赌。垂直整合意味着更高的风险和更重的资产，深入生态意味着与合作伙伴（甚至客户）的竞争关系变得更加复杂。

但黄仁勋似乎别无选择。因为当所有人都意识到淘金能赚大钱时，最赚钱的就不再是卖铲子的人，而是那个拥有金矿、制定规则、并从每一克黄金中抽成的人。

股价或许会短期波动，但华尔街已经开始重新计算英伟达的价值。这不再是一个半导体公司的估值模型，而是一个平台型、生态型企业的估值模型。

这场价值重估的过程，可能远比股价的短期涨跌更为重要。