當地時間3月16日，在年度開發者大會NVIDIA GTC 2026上，黃仁勛再次展示了英偉達對于人工智能產業未來的整體構想。

從新一代AI計算架構、推理時代的數據中心商業模式，到圍繞Agent構建的軟件生態和產業聯盟，本屆大會呈現的已經不僅是單一硬件產品的升級，而是一套圍繞算力展開的完整AI基礎設施體系。

在演講中，黃仁勛大膽給出了一個預測：到2027年，圍繞AI芯片與基礎設施的市場規模可能達到1萬億美元。

隨著AI應用從模型訓練逐漸轉向大規模推理與Agent系統，英偉達正在嘗試重新定義整個產業的技術路徑與商業邏輯。

從GPU到AI系統：Vera Rubin架構登場

本屆大會最重要的技術發布，是英偉達下一代AI計算平臺NVIDIA Vera Rubin。與過去推出單一GPU不同，這一次英偉達強調的是系統級架構：從GPU、CPU到網絡互聯與軟件框架全部進行垂直整合。

黃仁勛在舞臺上展示的不是一塊芯片，而是一整套機架級計算系統，其設計目標是把整個數據中心視為一臺超級計算機進行優化。

核心計算組件Rubin GPU采用臺積電3nm工藝和雙芯片封裝設計，擁有3360億晶體管，配備288GB HBM4顯存和22TB/s帶寬，AI推理性能達到約50 PFLOPs。

配套的Vera CPU則采用定制Arm架構，擁有88個核心和176線程，并在數據中心環境中首次采用LPDDR5內存，針對AI Agent場景下的高單線程性能和數據處理需求進行了優化。

英偉達表示，這一CPU如果單獨銷售也有可能成為一個數十億美元規模的業務。

Groq加入：為AI推理設計的新型芯片

隨著生成式AI進入應用階段，推理計算成為新的性能瓶頸。GPU在高吞吐并行計算方面具有優勢，但在極高速度的token生成階段效率會下降。

而Groq的LPU采用完全不同的設計思路：確定性數據流架構以及大量SRAM存儲，通過編譯階段完成調度，從而顯著降低運行時延遲。

這種結構非常適合token生成，但SRAM容量有限，單顆芯片只有約500MB，無法直接容納大型模型。

英偉達提出的解決方案是將推理任務拆分：GPU負責prefill和attention等需要大算力和大內存的部分，而LPU負責decode與token生成。這種架構被稱為disaggregated inference（解耦推理），兩種處理器通過高速網絡協同工作，從而在高吞吐和低延遲之間取得平衡。

Agent時代的軟件生態

除了硬件層面的升級，英偉達在軟件生態方面也提出新的戰略。

隨著AI Agent技術迅速發展，黃仁勛將開源框架OpenClaw定義為一種新的計算平臺，并將其與Windows、Linux和Kubernetes等基礎軟件相提并論。在這一框架之上，英偉達推出NemoClaw，為企業部署Agent系統提供安全與管理能力，包括策略控制接口、網絡訪問邊界以及數據隱私保護機制。

英偉達將這一關系類比為CUDA與GPU生態之間的關系：OpenClaw提供Agent操作系統，而NemoClaw則提供企業級開發平臺和工具鏈。與此同時，英偉達還宣布成立Nemotron Coalition，推動多種AI模型的發展，包括語言模型、機器人模型、自動駕駛模型以及氣候模擬系統等。

數據中心成為“Token工廠”

在技術之外，黃仁勛還提出了一種新的AI產業敘事：未來的數據中心將成為生產Token的工廠。

“數據中心是生產token的工廠；推理是工作負載，token是新商品，算力等于營收；未來每個CEO都要盯著自己token工廠的效能看。”

在他看來，AI的發展正經歷新的拐點。從聊天機器人到具備推理能力的系統，再到能夠執行任務的Agent，每一次能力躍遷都會顯著增加單次推理所需的算力，同時也推動整體使用量快速增長。基于這一趨勢，英偉達提出了新的AI服務分層模型，從免費層到Ultra層，對應不同模型規模、上下文長度和響應速度，同時也對應不同的token價格。

在這一體系下，算力基礎設施直接決定了AI服務的經濟可行性，而更高端的AI服務則需要更強大的計算平臺。

AI進入太空

在GTC大會上，英偉達還公布了一項更加前瞻性的計劃：將AI計算能力擴展到軌道數據中心。

公司發布了NVIDIA Space-1 Vera Rubin模塊，其AI計算能力據稱可達到NVIDIA H100GPU 的約25倍。黃仁勛在聲明中表示：“太空計算，這片最后的疆域，已經到來。隨著我們部署衛星星座并深入探索太空，智能必須存在于數據產生的任何地方。”

目前，包括Axiom Space、Planet Labs和Kepler Communications等企業已經在使用英偉達計算平臺執行空間任務。隨著衛星網絡和軌道數據處理需求增加，太空計算將是未來AI基礎設施中重要的一環。

AI進入更多產業場景

圍繞AI基礎設施，英偉達在多個產業領域也宣布了新的合作。例如IBM將把GPU加速能力整合到其AI數據平臺watsonx.data中，通過GPU原生數據分析提升企業數據處理效率。在測試案例中，數據查詢時間從傳統CPU環境下的約15分鐘縮短至約3分鐘，同時顯著降低成本。

同時，Amazon也宣布與英偉達合作，將NVIDIA DRIVE AGX車載計算平臺與Amazon Alexa Custom Assistant結合，用于打造能夠理解自然語言和環境語境的車載AI助手。

在計算機圖形領域，英偉達還發布了NVIDIA DLSS 5技術，通過神經渲染模型增強游戲畫面質量，使實時渲染更接近電影級視覺效果。黃仁勛稱其為“圖形技術的GPT時刻”。

Feynman架構提前曝光

根據規劃，Blackwell架構之后將是2026年的Vera Rubin，隨后在2027年推出Rubin Ultra，而2028年則會迎來全新的NVIDIA Feynman架構。

Feynman將對整個系統進行全面升級，包括新GPU、LP40 LPU、Rosa CPU以及下一代NVLink互聯。與此同時，新一代Kyber機架結構也將改變計算節點的布局方式，以支持更高密度的GPU部署。這種按年度更新的節奏顯示出英偉達試圖以更快速度推動AI基礎設施迭代。

本屆GTC展示的并不僅是新芯片，而是一套新的AI產業邏輯。