GTC 2026 演講中，黃仁勛傳遞的核心信息很明確。

即 AI 正進(jìn)入“推理與智能體時(shí)代”，數(shù)據(jù)中心正在從計(jì)算中心演變?yōu)樯a(chǎn) Token 的“AI 工廠(chǎng)”。

圍繞這一趨勢(shì)，英偉達(dá)發(fā)布了從 GPU 架構(gòu)、數(shù)據(jù)處理軟件庫(kù)、AI 超級(jí)計(jì)算平臺(tái)到智能體軟件棧的一整套基礎(chǔ)設(shè)施。

黃仁勛說(shuō)，黃仁勛說(shuō)，AI 正在進(jìn)入一個(gè)數(shù)萬(wàn)億美元規(guī)模的基礎(chǔ)設(shè)施時(shí)代，而英偉達(dá)就是這個(gè)時(shí)代的“基建總包商”。

當(dāng)天發(fā)布的一系列技術(shù)——Feynman 架構(gòu)、Vera Rubin 超級(jí) AI 平臺(tái)、數(shù)據(jù)處理核心庫(kù) cuDF / cuVS、AI 工廠(chǎng)基礎(chǔ)設(shè)施 DSX、智能體平臺(tái) NemoClaw 等，真實(shí)的構(gòu)成了一套完整的 AI 基建技術(shù)棧。

一、CUDA20年:英偉達(dá)真正的護(hù)城河

演講一開(kāi)始，黃仁勛并沒(méi)有談新產(chǎn)品，而是回顧了 CUDA 誕生 20 年的歷史。

他的核心觀(guān)點(diǎn)是，英偉達(dá)最難復(fù)制的優(yōu)勢(shì)，不是 GPU，而是 CUDA 的安裝基數(shù)。

過(guò)去 20 年，CUDA 建立了一個(gè)龐大的軟件生態(tài)：關(guān)鍵數(shù)據(jù)、全球數(shù)億塊GPU 運(yùn)行 CUDA、數(shù)千種工具、編譯器、框架與庫(kù)，及開(kāi)源生態(tài)的數(shù)十萬(wàn)項(xiàng)目。

而 CUDA增長(zhǎng)邏輯是一個(gè)典型的飛輪效應(yīng)。

安裝基數(shù) → 開(kāi)發(fā)者 → 新算法 → 新市場(chǎng) → 更多公司 → 更大安裝基數(shù)……

這套飛輪已經(jīng)跑了 20 年。

其直接結(jié)果是，計(jì)算成本持續(xù)下降。

黃仁勛舉了一個(gè)很典型的例子，

六年前發(fā)布的 Ampere GPU，在云上的價(jià)格甚至還在上漲。

原因很簡(jiǎn)單，軟件持續(xù)優(yōu)化，讓舊 GPU 的價(jià)值不斷提高。

因此 CUDA 帶來(lái)的并不僅是性能提升，而是長(zhǎng)期下降的算力成本曲線(xiàn)。

這也是為什么英偉達(dá)愿意持續(xù)支持每一塊舊GPU。

因?yàn)榘惭b基數(shù)越大，飛輪越快。

二、AI 時(shí)代最重要的一張圖：數(shù)據(jù)處理

黃仁勛表示，本場(chǎng)演講最重要的一張圖，其實(shí)與 GPU 無(wú)關(guān)，而是數(shù)據(jù)處理架構(gòu)。

他指出，AI 正在徹底改變?nèi)驍?shù)據(jù)處理體系。

數(shù)據(jù)可以分為兩類(lèi)：

一是結(jié)構(gòu)化數(shù)據(jù)，企業(yè)傳統(tǒng) IT 的核心。

典型技術(shù)如 SQL、Spark、Pandas 等。

典型平臺(tái)如Snowflake、Databriks、Amazon Web Services、Microsoft、Google 等。

這些系統(tǒng)本質(zhì)上都在處理 DataFrame（數(shù)據(jù)框）。

它們是企業(yè)運(yùn)營(yíng)的 “事實(shí)來(lái)源（Ground Truth）”。

二是非結(jié)構(gòu)化數(shù)據(jù)，全球約 90% 的數(shù)據(jù)都是非結(jié)構(gòu)化數(shù)據(jù)。包括視頻、語(yǔ)音、圖像、文檔、PDF等。

過(guò)去的問(wèn)題是，計(jì)算機(jī)無(wú)法理解它們，而 AI 改變了這一點(diǎn)。

多模態(tài)模型可以解析語(yǔ)義、閱讀文檔、理解視頻、解析語(yǔ)音，從而把非結(jié)構(gòu)化數(shù)據(jù)變成可計(jì)算的數(shù)據(jù)。

為此，英偉達(dá)為此推出兩項(xiàng)核心技術(shù)。

即cuDF，GPU加速的 DataFrame計(jì)算庫(kù)， 用于結(jié)構(gòu)化數(shù)據(jù)和cuVS，向量搜索與語(yǔ)義計(jì)算庫(kù)， 用于 非結(jié)構(gòu)化數(shù)據(jù)

這兩者將成為未來(lái) AI 數(shù)據(jù)基礎(chǔ)設(shè)施的核心軟件層。

他舉了一個(gè)重要案例，IBM 已經(jīng)在其數(shù)據(jù)平臺(tái) watsonx.data 中集成 cuDF。

這意味著，AI 正在重新定義整個(gè)數(shù)據(jù)處理產(chǎn)業(yè)。

三、AI 原生公司的爆發(fā)

過(guò)去一年，AI 創(chuàng)業(yè)進(jìn)入歷史性階段。

數(shù)據(jù)顯示，2025年，AI創(chuàng)業(yè)融資1500億美元，且融資規(guī)模從千萬(wàn)級(jí)→數(shù)十億美元級(jí)。

背后就是海量算力的需求。

黃仁勛把這一輪技術(shù)浪潮與三次計(jì)算革命類(lèi)比：

計(jì)算平臺(tái)

誕生公司

PC

微軟

互聯(lián)網(wǎng)

Google

移動(dòng)云

Amazon / Meta

現(xiàn)在，AI 也將誕生新一代巨頭。

他認(rèn)為， AI 爆發(fā)的三大原因是，ChatGPT 開(kāi)啟生成式 AI，推理模型出現(xiàn)，及AI agent 爆發(fā)。

ChatGPT 讓計(jì)算模式從檢索轉(zhuǎn)為生成，推理模型讓AI開(kāi)始具備思考、規(guī)劃和解析的能力，Token 使用量爆炸式增長(zhǎng)。

Agent時(shí)代開(kāi)啟，以Claude Code為代表。

從此 AI 可以閱讀代碼、編譯、測(cè)試、自動(dòng)迭代，甚至一個(gè)任務(wù)可以自動(dòng)運(yùn)行數(shù)百次實(shí)驗(yàn)。

關(guān)于推理時(shí)代催生的算力需求，黃仁勛給出一個(gè)驚人的數(shù)字：

過(guò)去兩年，計(jì)算需求增長(zhǎng)10000倍，使用量增長(zhǎng) 100 倍。

而他個(gè)人感受是，真實(shí)需求增長(zhǎng)接近 100 萬(wàn)倍。

四、Token 成本成為核心指標(biāo)

在 AI 時(shí)代，數(shù)據(jù)中心的角色正在改變。

過(guò)去是存儲(chǔ) + 計(jì)算，而未來(lái)是 Token 工廠(chǎng)。

衡量效率的指標(biāo)也變成，tokens / watt（每瓦生成 token 數(shù)）

研究機(jī)構(gòu) SemiAnalysis 的評(píng)估顯示，從Hopper H200 → Grace Blackwell NVLink 72，英偉達(dá)系統(tǒng)每瓦性能提升約 35 倍。

分析師 Dylan Patel 認(rèn)為，實(shí)際接近 50 倍。

軟件優(yōu)化同樣關(guān)鍵。

僅通過(guò)更新軟件棧，生成速度可以從700 token/s 提升到5000 token/s，性能提升約7倍。

黃仁勛給出一個(gè)非?，F(xiàn)實(shí)的計(jì)算，建設(shè)一個(gè) 1GW 數(shù)據(jù)中心，15 年攤銷(xiāo)成本約400億美元。

因此，企業(yè)必須保證運(yùn)行效率最高的計(jì)算系統(tǒng)，否則 Token 成本就會(huì)失控。

他的結(jié)論非常直接：

NVIDIA 的 Token 成本目前“不可觸碰”。

五、Vera Rubin：AI 超級(jí)計(jì)算機(jī)

本次演講的另一個(gè)高潮是 Vera Rubin AI 平臺(tái)。

這是一個(gè)完整的 AI 超級(jí)計(jì)算系統(tǒng)。

2 萬(wàn)顆 NVIDIA 芯片、40 機(jī)架、1152 個(gè) Rubin GPU、60 exaflops 算力、10PB/s 帶寬。

目前合作伙伴包括 OpenAI、Anthtopic、Meta、Mistral AI 等。

黃仁勛說(shuō)：

以前我發(fā)布產(chǎn)品時(shí)，手里舉的是一塊 GPU。

現(xiàn)在我發(fā)布的是一整臺(tái)超級(jí)計(jì)算機(jī)。

Vera Rubin 代表的是，完整的垂直整合 AI 系統(tǒng)

包括：GPU、CPU、網(wǎng)絡(luò)、存儲(chǔ)、軟件棧等。

其中新的 Vera CPU 也首次亮相。

它是，全球首個(gè)采用 LPDDR5 的數(shù)據(jù)中心 CPU

目標(biāo)是，極致能效比。

六、下一代 GPU：Feynman

英偉達(dá)還首次詳細(xì)介紹了下一代架構(gòu)，F(xiàn)eynman GPU。

其關(guān)鍵升級(jí)集中在 內(nèi)存與封裝。

如，定制HBM

可能采用定制HBM4E，或提前布局 HBM5

并允許把 GPU邏輯直接嵌入存儲(chǔ)芯片。

新CPU架構(gòu)：Rosa

Feynman平臺(tái)將配套 Rosa CPU。

這個(gè)名字致敬了兩位科學(xué)家，Rosalyn Sussman Yalow 和 Rosalind Franklin。

Rosa CPU 的角色是Agentic AI 調(diào)度中樞。

具體負(fù)責(zé)協(xié)調(diào)GPU、內(nèi)存、網(wǎng)絡(luò)和 Token 流。

七、AI 工廠(chǎng)操作系統(tǒng)：DSX

隨著 AI 基礎(chǔ)設(shè)施規(guī)模擴(kuò)大，其建設(shè)方式也在發(fā)生變化。

現(xiàn)在的數(shù)據(jù)中心在建造前就會(huì)，先在數(shù)字世界里建一遍。

使用的工具包括Simcenter STAR-CCM+、Cadence Design Systems和 ETAP。

英偉達(dá)推出的新平臺(tái)NVIDIA DSX，目標(biāo)是成為AI 工廠(chǎng)的操作系統(tǒng)。

它可以模擬數(shù)據(jù)中心、優(yōu)化電力、化散熱、動(dòng)態(tài)調(diào)度算力，甚至根據(jù)電網(wǎng)壓力自動(dòng)調(diào)整功耗。

八、Agent 時(shí)代的軟件：NemoClaw

對(duì)開(kāi)發(fā)者影響最大的，是智能體軟件棧。

黃仁勛重點(diǎn)提到了開(kāi)源項(xiàng)目，OpenClaw。

他認(rèn)為 OpenClaw 的意義類(lèi)似Linux、Kubernetes、HTML，可以被看作Agent 時(shí)代的操作系統(tǒng)。

功能包括任務(wù)拆解、子 Agent 協(xié)作、工具調(diào)用、文件系統(tǒng)訪(fǎng)問(wèn)、多模態(tài)交互等。

英偉達(dá)在此基礎(chǔ)上推出了 NVIDIA NemoClaw， 新增能力包括 企業(yè)安全策略、 網(wǎng)絡(luò)防護(hù)、 隱私路由、 治理系統(tǒng)集成等， 目標(biāo)是，讓企業(yè)安全部署 AI Agent。

九、AI 生態(tài)：300萬(wàn)開(kāi)源模型

黃仁勛最后談到 AI 生態(tài)。

目前全球開(kāi)放模型規(guī)模，已接近300 萬(wàn)個(gè)。

英偉達(dá)也發(fā)布了一系列基礎(chǔ)模型，如Nemotron（語(yǔ)言模型）、Cosmos（世界模型）、GR00T（機(jī)器人模型）、BioNeMo（生物 AI）。

目標(biāo)是，推動(dòng)主權(quán) AI（Sovereign AI）。

同時(shí)英偉達(dá)還宣布成立 Nemotron Coalition。

合作伙伴包括Cursor、LangChain、Perplexity AI、Mistral AI。

結(jié)語(yǔ)：AI 的三大浪潮

在演講最后，黃仁勛總結(jié)稱(chēng)， AI 正同時(shí)經(jīng)歷 三場(chǎng)革命。

一是， AI 推理與 AI 工廠(chǎng)；

二是， Agentic AI（智能體）；

三是， Physical AI（機(jī)器人）。

當(dāng)計(jì)算、模型和基礎(chǔ)設(shè)施三者同時(shí)成熟時(shí)，AI 產(chǎn)業(yè)將進(jìn)入一個(gè)全新的時(shí)代。

而英偉達(dá)顯然希望成為這個(gè)時(shí)代的基礎(chǔ)設(shè)施核心。