黄仁勋万字演讲精华：AI计算需求暴增100万倍背后的万亿美元蓝图

导语：黄仁勋在GTC 2026抛出1万亿美元AI需求预测，深度解读AI从生成式到自主智能体的范式转换。

从ChatGPT到Agentic AI：三次关键拐点引爆百万倍计算需求

在演讲中，黄仁勋将过去两年的AI进展归纳为三次关键拐点，每一次都根本性地改变了计算需求的结构。

第一次拐点：ChatGPT与生成式AI。计算从‘检索式’变为‘生成式’，核心需求是大规模预训练，GPU主要服务于训练负载。

第二次拐点：推理能力的涌现。以OpenAI O1、O3为代表的推理模型使AI具备了反思、规划、分解和事实校验能力。黄仁勋明确表示：‘O1让生成式AI变得可信赖、以事实为基础。’这一阶段戏剧性地增加了输入和输出Token的需求量，因为AI不再只是一问一答，而是要‘思考’。

第三次拐点：Agentic AI的到来。黄仁勋将Claude Code称为‘第一个真正的智能体模型’，它能读取文件、编写代码、编译、测试、评估、迭代。他直言：‘Claude Code已经革命性地改变了软件工程。NVIDIA 100%的员工都在使用Claude Code、Codex和Cursor的某种组合……今天没有一个软件工程师不被一个或多个AI智能体辅助。’

这三次拐点的叠加效应是爆炸性的。黄仁勋给出了一个惊人的数据框架：每个任务的计算需求增长了约10,000倍，用户使用量增长了约100倍，两者相乘，过去两年AI的计算需求增长了约100万倍。

从投资角度看，这个框架的核心含义是：AI不再是一个‘训练完模型就结束’的一次性支出，而是变成了持续的、按Token计量的运营性支出。每一次AI‘思考’、‘行动’、‘验证’都在消耗推理算力。这从根本上改变了AI基础设施的商业模型，从CapEx驱动转向CapEx+OpEx的双轮驱动。

Vera Rubin：推理时代的超级计算机，解耦架构重塑计算格局

如果说三次拐点定义了‘为什么’，Vera Rubin平台就是NVIDIA给出的‘怎么做’的答案。

七款芯片，五种机架，一台超级计算机

Vera Rubin平台的核心设计哲学是解耦推理（disaggregated inference），即将AI推理的过程拆分为不同阶段，由专门优化的硬件分别处理。这是一次从‘GPU包打天下’到‘异构专用计算’的架构范式转换。

五种机架级系统对应不同的功能模块：NVL72 GPU机架（72个Rubin GPU + 36个Vera CPU）、Vera CPU机架（256个液冷CPU，支撑22,500+并发CPU环境）、STX存储机架、SPX以太网机架、以及LPX推理加速机架。

解耦推理：解决‘吞吐量vs延迟’的结构性矛盾

黄仁勋将高吞吐量和低延迟定义为推理场景中‘互为死敌’的两个需求。Vera Rubin的解决方案是通过Dynamo软件将推理流程拆解：

高吞吐量、延迟不敏感的部分（如Token生成的主体）由Vera Rubin GPU集群处理。
延迟敏感、需要快速交互的部分由GB3 LPU（低精度推理单元）处理。

两者通过以太网连接，NVIDIA为此开发了专用的低延迟模式，将互联延迟降低了约一半。最终效果在最高价值的推理层级上实现了35倍的吞吐量提升。

这种架构意味着打破了‘买更多GPU’的线性扩展逻辑，转向了更精细的异构计算资源配置。黄仁勋建议的配比是75% Vera Rubin + 25% GB3 LPU，适用于需要高速编码和工程Token的工作负载。

GB3/Groq的战略定位

NVIDIA对Groq技术的整合是此次发布的一个关键看点。NVIDIA在2025年底以约200亿美元获取了Groq的技术授权和核心团队。GB3 LPU是一种‘静态编译、编译器调度’的确定性处理器，与GPU的动态执行模型形成互补。

GB3 LP30芯片由三星独家代工，已进入量产，预计2026年Q3出货。这一点对供应链格局有深远影响：在Vera Rubin架构中，三星不仅供应HBM和DRAM，还独占了LPU的代工业务，其在NVIDIA供应链中的价值权重显著上升。

Token经济学：AI工厂的商业模型

黄仁勋将Token分为五个不同价值的层级：

第一层：简单聊天机器人Token
第二层：推理Token（如数学、编程）
第三层：Agentic Token（自主行动）
第四层：物理AI Token（机器人、自动驾驶）
第五层：科学发现Token（药物、材料）

他举了一个例子：一个研究人员每天使用5,000万个Token，按150美元/百万计算，成本不过几千美元，‘这甚至不算什么’。关键的商业洞察是：Blackwell产生的收入是Hopper的5倍，而Vera Rubin产生的收入又是Blackwell的5倍。在一个1GW的AI工厂中，两年内Token产量从200万增长到7亿，实现350倍的增长。

SemiAnalysis的独立基准测试显示，从Hopper H200到Grace Blackwell NVLink 72，每瓦Token性能提升了35倍（SemiAnalysis创始人Dylan Patel表示‘黄仁勋太保守了，实际上是50倍’）。这远超摩尔定律预测的1.5倍。

黄仁勋还特别强调了软件优化的价值：仅通过软件更新，Fireworks和Linx等推理服务商的Token速度就从约700 tokens/秒提升到了近5,000 tokens/秒。同样的硬件，7倍的性能提升。这意味着NVIDIA GPU的‘有效使用寿命’在持续延长，老一代硬件的云端定价甚至在上涨。

OpenClaw与NemoClaw：Agentic AI的‘Linux时刻’

如果说新一代的Vera Rubin是硬件层的革命，OpenClaw则可以说是软件层的范式转换。

OpenClaw：史上增长最快的开源项目

黄仁勋在演讲中多次提及OpenClaw，将其称为‘人类历史上最受欢迎的开源项目……几周之内就超过了Linux 30年的成就’。OpenClaw本质上是一个智能体计算机的操作系统，负责管理资源、访问工具和文件系统、调用LLM、执行调度和定时任务、将提示分解为步骤、生成子智能体、处理多模态输入输出。

黄仁勋的类比极具战略暗示：‘正如Windows使个人电脑成为可能，OpenClaw使个人智能体成为可能。’他将OpenClaw与Linux、HTTP/HTML、Kubernetes相提并论：‘这和HTML一样重要。这和Linux一样重要。’

他向在场所有企业发出了一个直接的战略挑战：‘每一家公司、每一家软件公司、每一家技术公司，问题就是：你的OpenClaw战略是什么？’

NemoClaw：企业级安全层

OpenClaw的快速普及也带来了一个核心问题：企业安全。黄仁勋明确指出：‘智能体系统在企业网络中可以访问敏感信息、执行代码、进行外部通信。’这是一个全新的安全范式，不同于传统的网络安全或应用安全，智能体的安全需要对AI的自主行为进行策略约束。

NVIDIA的应对方案是NemoClaw，即OpenClaw的企业级参考实现，核心组件包括：

身份与访问管理（IAM）集成
智能体行为审计与监控
权限最小化执行
敏感数据过滤与脱敏

这个方案已获得头部企业SaaS公司集成：Adobe、Atlassian、Box、Cadence、思科、CrowdStrike、达索系统、IQVIA、红帽、Salesforce、SAP、ServiceNow、西门子、Synopsys等。

从SaaS到AGS的转型预言

黄仁勋做出了一个对企业IT行业影响深远的预判：‘每一家SaaS公司都将变成AGS公司’（Agentic as a Service）。企业IT将从‘为人类提供工具’转型为‘管理专业化智能体’。

这意味着Token正在成为一种新的企业资源，如同云计算时代的计算单元，如同SaaS时代的License数量。对于企业SaaS投资者而言，这是一个需要重新评估估值模型的信号。

开源模型联盟与垂直行业布局：从手术室到太空的全面渗透

NVIDIA宣布成立Nemotron Coalition，联合全球AI实验室在NVIDIA DGX Cloud上共同开发开源前沿模型。首批成员包括：Black Forest Labs、Cursor、LangChain、Mistral AI、Perplexity、Reflection AI、Sarvam以及由前OpenAI高管Mira Murati领导的Thinking Machines Lab。

第一个联合开发的模型将由Mistral AI与NVIDIA共同完成，作为Nemotron 4系列的基础。黄仁勋表示：‘开源模型是创新的命脉，是全球参与AI革命的引擎。’

六大开源模型家族覆盖了AI的完整应用谱系：

Nemotron Nano：端侧与边缘设备
Nemotron Super：单GPU工作站
Nemotron Ultra：多GPU服务器
Nemotron-4：数据中心级基础模型
Cosmos：世界模型与物理AI
Isaac：机器人技能模型

这一开源策略具有双重的战略意图：一方面培育开发者生态以驱动NVIDIA硬件需求；另一方面将NVIDIA定位为中立平台提供商，而非与构建在其芯片上的AI实验室/企业进行竞争。

垂直行业布局：

制药与生物科技：罗氏部署超过3,500个Blackwell GPU用于药物发现和制造数字孪生。基因泰克近90%的小分子项目已整合AI，一个肿瘤学分子设计速度提高25%，备选候选药物从两年多缩短到七个月。
自动驾驶：比亚迪、吉利、五十铃和日产正基于NVIDIA Drive Hyperion构建L4级自动驾驶。与优步合作扩展至2028年在28个城市部署自动驾驶车辆。黄仁勋宣称：‘自动驾驶的ChatGPT时刻已经到来。’
医疗机器人：发布了首个医疗机器人专用物理AI平台，核心是Open-H数据集（超过700小时手术视频）。CMR Surgical、强生医疗和美敦力为首批采用者。
太空计算：Vera Rubin太空模块提供比H100多25倍的轨道AI推理算力。Aetherflux、Axiom Space等公司正基于此构建。
桌面超级计算机：DGX Station搭载GB300 Grace Blackwell Ultra Desktop Superchip，748GB一致性内存，20 petaflops AI算力，可在桌面运行万亿参数模型，支持受监管行业隔离配置。

还有一个精心编排的舞台时刻：迪士尼的物理机器人Olaf（《冰雪奇缘》角色）走上舞台，由Jetson驱动、在Omniverse中训练、使用Newton物理求解器（与迪士尼研究院和DeepMind共同开发），与黄仁勋进行即兴对话。黄仁勋说：‘想象一下？这就是迪士尼乐园的未来。所有这些角色在你身边走来走去。’

共封装光学（CPO）：AI扩展的物理基石，从边缘走向核心

在Vera Rubin平台的七芯五架构叙事中，有一项技术被反复提及却容易被非专业背景人士忽略：共封装光学（Co-Packaged Optics, CPO）。从NVIDIA的路线图来看，CPO可能是决定未来AI超算能否继续扩展的最关键瓶颈技术。

黄仁勋的三次递进

CPO在演讲中出现了三次，每一次的战略权重都在升级：

第一次作为Vera Rubin平台概述的一部分：‘通过Spectrum-X共封装光学实现横向扩展，提升能效和弹性。’
第二次，黄仁勋手持Spectrum-6 CPO交换机实物，做出技术所有权宣示：‘全球第一款CPO Spectrum-X交换机，已在全量产中。光直接进入这块芯片，与硅片直接对接。电子被转化为光子，直接连接到这块芯片上。我们和台积电共同发明了这个工艺。今天全球只有我们在量产。’
第三次在路线图环节，CPO的角色发生质变：‘铜缆会继续重要吗？是的。你们会做光学Scale-up吗？是的。光学Scale-out呢？也是。对于我们生态系统中的每一个人：我们需要大量的铜缆产能，大量的光学产能，大量的CPO产能。’

为什么CPO是AI扩展的物理极限问题

要理解CPO的重要性，需要回到一个基本物理事实：在千兆瓦级AI工厂中，功耗和带宽（而非计算力）才是真正的限制因素。传统的可插拔光模块要求电信号沿PCB上15-30厘米的铜质走线到达前面板，每一厘米的铜线都在耗散能量。CPO将光子引擎直接放置在交换芯片的封装基板上，将电信号路径缩短到几毫米，电子几乎在‘出生’的瞬间就被转化为光子。

根据SemiEngineering 2026年3月的分析，CPO的核心价值在于：

每比特能耗降低30%-50%。
带宽密度提升一个数量级。
消除面板处的接口瓶颈，支持单机架400-800Tbps的聚合带宽。

西门子EDA高级总监Tony Mastroianni的判断极为直接：‘对于超大规模AI芯片，功耗和带宽，而非计算，已经成为限制的因素。’据麦肯锡估计，到2030年全球需要5.2万亿美元的数据中心投资来满足AI需求。在这个尺度下，网络层节省的每一瓦功耗都直接转化为可用于计算的生产性算力。

路线图解读：CPO从边缘走向核心

将NVIDIA历代架构中CPO的角色排列，可以看到一条清晰的迁移路径：

Blackwell世代：CPO用于Spine-Leaf间的Scale-Out网络。
Vera Rubin世代：CPO扩展至存储网络和集群间互联。
Feynman世代（2028年）：CPO首次进入机架内GPU到GPU的Scale-up互联，即整个系统中延迟最敏感、带宽需求最高的链路。

关键拐点在Feynman世代：CPO首次进入Scale-up互联，这意味着：

CPO成为GPU集群扩展的门控技术。NVLink 72是铜缆的实用上限，NVLink 576需要光学Scale-up。没有CPO，下一代AI超级计算机从物理上就无法建造。
NVIDIA正在垂直整合光学能力。‘我们和台积电共同发明了这个工艺’意味着NVIDIA将CPO视为核心差异化技术而非外购商品。
‘铜缆和光学都要’创造了双轨供应链，总可寻址市场扩大。