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 288 GB 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——260 TB/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 130 TB/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 Vera Rubin，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。