在今年的 GTC 上，黄仁勋重新定义了英伟达：一家垂直整合、横向开放的公司。

这与外界对这家芯片巨头的固有印象截然不同。过去，英伟达专注于高性能 GPU 的研发，并利用 CUDA 生态绑定开发者，以此构筑起牢固的护城河。

但 AI 浪潮推着英伟达自我颠覆。一方面，在硬件上走向垂直整合——其新一代 Vera Rubin 计算平台从一颗芯片进化为一整套芯片系统。软件则走向合作开放——与 OpenClaw 合作推出 NemoClaw，允许在英伟达以外的硬件平台上运行。

黄仁勋算了一笔账：到 2027 年，以 Blackwell 和下一代 Vera Rubin 为主的 AI 加速芯片的累积营收将达到一万亿美元。为了吞下这一万亿美元，英伟达不仅需要改良 “铲子”，还要找到新的商业模式，把它送到买铲人手上。

从一颗芯片，到一整套芯片系统

英伟达的下一代计算平台 Vera Rubin 不再只是单颗芯片，而是由 7 款定制芯片和 5 种不同机架组成的芯片系统。通过最新的 NVLink 6 网络，它将 72 颗 Rubin GPU 和 36 颗 Vera CPU 在微秒级延迟下连接成一个超级芯片。

其中，Vera CPU 集成了 256 颗液冷处理器，计算效率是传统 CPU 的两倍。黄仁勋强调，该产品专为代理型 AI（Agentic AI）优化，且将首次作为独立的 CPU 产品向市场出售。

过去 AI 训练和执行任务，英伟达的 GPU 虽然承担了大部分繁重工作和计算任务，但必须采购 Intel 或 AMD 的 X86 架构 CPU 来做系统的核心大脑。现在英伟达推出了自己的 Vera CPU。黄仁勋称，在与 Rubin GPU 整合后，Vera Rubin 的单卡推理能力较上一代 Blackwell 芯片提升最高 5 倍，大模型生成 Token 成本降低 90%。

阿里巴巴、字节跳动和 Cloudflare 等云服务提供商已经宣布将部署 Vera CPU 机架，英伟达预计将在今年下半年向首批客户交付。

Vera Rubin 的 7 颗芯片中，还包含一颗 Groq 3 LPU（Language Processing Unit，语言处理单元），用于 AI 推理任务的加速。

去年底，英伟达斥资 200 亿美元获取初创公司 Groq 的低延迟推理等核心技术。在本次 GTC 上，英伟达首次发布了其整合成果——将 Groq 3 LPU 与 Vera Rubin 平台协同部署。

不同于目前主流的 GPU 方案，需要外置一个高宽带内存（HBM）来储存数据，LPU 把数据留在芯片内处理，所以 Groq 3 在回答问题、生成内容时的延迟更低，更稳定，这正好可以弥补英伟达计算架构在推理速度方面的不足。

在被收购前，Groq 由于走了不同的技术路线，并且发布了证明实力的低延迟 LPU，曾被视为英伟达潜在的挑战者。而现在，英伟达在全新的机架配置中，专门留出了一个 “Groq 3 LPX 推理托盘”，直接把行业里延迟最低的技术变成自家的拔插式模块，弥补了自身短板，还把潜在的竞争风险消弭于无形。

重返消费级 SoC

除了 Vera Rubin 和 Groq 3，今年 GTC 上的另一个重要硬件产品是英伟达与联发科（MediaTek）共同研发的 N1X 芯片。这是一款基于 Arm 架构的 SoC（终端高集成度芯片），主要面向高端 AI PC 和笔记本电脑市场。

N1X 效仿苹果 M 系列芯片，把 CPU、GPU 和 AI 加速单元全部接在同一块物理内存池上，从而优化了延迟和能耗问题。

这不是英伟达第一次进军消费级 SoC。它曾在 2011 年面向移动端处理器推出 “丹佛计划”，并在 2021 年推出面向数据中心的 Grace CPU。前者铩羽而归，后者的战果局限在 AI 专用基础设施上。

而现在，英伟达正在冲击 AI 运行的全面底层硬件。在云端，英伟达有集成了 CPU 的 Vera Rubin，打破了传统 x86 架构在 AI 服务器中的优势地位，并且面对快速推理的需求，能通过 Groq 3 LPU 来填缝。而在个人 PC 处理器市场，英伟达也试图通过 N1X 分一杯羹。

这种策略也提升了竞争者的门槛，想替代英伟达，不能只靠一块性能更好的 GPU，而要同时造出更好的 CPU、交换机、网络协议和低延迟模块。

在 AI 基础设施的硬件上，英伟达显然想赚到每一块铜板。

硬件不是壁垒，软件才是

与极度排外的硬件全家桶不同的是，英伟达在软件上是另一套策略。

在本次 GTC 上，英伟达宣布与近期爆火的开源项目 OpenClaw 合作，推出 NemoClaw。NemoClaw 是面向企业市场的开源AI智能体平台，可以帮助企业一键部署、运行和管理 AI Agent。

反常的是，黄仁勋宣布 NemoClaw 不限制硬件，这意味着不仅能跑在英伟达的显卡上，也能跑在竞争对手 Intel 和 AMD 的芯片上。

十多年来，英伟达最深的护城河是 CUDA 生态，而 CUDA 与英伟达的显卡绑定在一起，形成软硬件一体的护城河。

但是现在，这位 AI 硬件霸主竟然主动解绑。

黄仁勋这么做，是基于对行业未来的判断。当下，微软的 Maia、谷歌的 TPU 等云厂商自己研发的定制化 AI 芯片，已经获得了市场近 40% 的份额（Intel Market Research 数据）。

如果单纯只拼 GPU 算力参数，在物理极限的制约下，差距缩小是必然。如果芯片的护城河注定要缩水，英伟达该拿什么留住客户？

答案就是软件。

黄仁勋在演讲中说，虽然现在生成式 AI 非常火热，但是对于企业级应用来说，最核心的基础还是结构化数据（structured data，包括 SQL、Spark、Pandas 等），黄仁勋称之为 “巨大的电子表格（giant spreadsheets）”，而收集、处理好这些数据，能给企业带来最大的价值。

基于这个判断，英伟达正在做的，就是让全球企业在处理这些结构化数据、构建 Agent 工作流时，都习惯调用 NemoClaw 提供的 API 和微服务，为了完善软件生态闭环，英伟达刚刚在本月发布了自己的大语言模型 Nemotron 3。

黄仁勋的意思再明白不过——用谁的软件，比软件在谁家芯片上跑更重要。而只有降低企业的使用门槛，让更多企业把 AI 变成基建，让整个社会对 AI 需求的盘子变大，市场对高端算力的需求才会更多。

从这个角度讲，开源的 NemoClaw 不仅不是赔钱业务，而是最好的营销。就像谷歌的安卓操作系统也是开源的，不直接产生利润，但可以靠应用商店和云服务盈利，而在英伟达这里，应用商店和云服务换成了 GPU 和 token。英伟达甚至大方的表示，你用谁的 GPU 和模型都可以。

在软件和硬件之上，黄仁勋的演讲中还重点提到了 “AI 五层蛋糕”（The 5 Layer AI Cake）理论，这是他在本次大会上的核心概念，也可以理解为英伟达战略思考的起点。

这个理论提出，AI 是一个巨大的蛋糕，蛋糕从下到上依次是：能源、芯片、数据中心、模型、应用。最顶层，也就是应用层的每一次进步，都会向下带来大量需求，而且各层之间相互依存。

AI 的五层蛋糕示意图

从去年开始的关于 AI 泡沫的讨论里，看空者总是担心，等那几个大厂把模型训练完了，英伟达的显卡卖给谁？

面对质疑，黄仁勋重新设置了议程：你觉得过去的故事不性感，我给你换个全新版本。

通过这次 GTC，就能看出黄仁勋给出的回应逻辑，就是在 AI 的每一层都进行押注，让这个 AI 流水线动起来。除了英伟达重点布局的中间三层，在最底层能源层，英伟达投资了核电，在最顶层应用层，英伟达投资了医疗 AI 和自动驾驶等方向。

换句话说，英伟达正在做的事，投资也好，软硬件也好，从宏观来说都是在把 AI 产业的盘子做大，并且避免这五层中哪一层卡住。而一旦这个流水线流动起来了，全世界对于英伟达的算力需求就不会少。这也是为什么黄仁勋在 GTC 开场时就表示，“本次大会将涵盖人工智能这座 ‘五层蛋糕’ 的每一层。”

如果说之前的英伟达还只是淘金热里的一个热门卖铲人，那么今天的英伟达，已经买下了水源、修好了铁路，并且投资了那些最有潜力的淘金人，甚至开始送铲子了。正如在演讲中，黄仁勋重新定义的英伟达：“我们是一家垂直整合的计算公司，别无他法。”