当地时间3月16日，在年度开发者大会 NVIDIA GTC 2026 上，黄仁勋 再次展示了英伟达对于人工智能产业未来的整体构想。
从新一代AI计算架构、推理时代的数据中心商业模式，到围绕Agent构建的软件生态和产业联盟，本届大会呈现的已经不仅是单一硬件产品的升级，而是一套围绕算力展开的完整AI基础设施体系。
在演讲中，黄仁勋大胆给出了一个预测：到2027年，围绕AI芯片与基础设施的市场规模可能达到1万亿美元。
随着AI应用从模型训练逐渐转向大规模推理与Agent系统，英伟达正在尝试重新定义整个产业的技术路径与商业逻辑。
从GPU到AI系统：Vera Rubin架构登场
本届大会最重要的技术发布，是英伟达下一代AI计算平台 NVIDIA Vera Rubin。与过去推出单一GPU不同，这一次英伟达强调的是系统级架构：从GPU、CPU到网络互联与软件框架全部进行垂直整合。
黄仁勋在舞台上展示的不是一块芯片，而是一整套机架级计算系统，其设计目标是把整个数据中心视为一台超级计算机进行优化。
核心计算组件Rubin GPU采用台积电3nm工艺和双芯片封装设计，拥有3360亿晶体管，配备288GB HBM4显存和22TB/s带宽，AI推理性能达到约50 PFLOPs。
配套的Vera CPU则采用定制Arm架构，拥有88个核心和176线程，并在数据中心环境中首次采用LPDDR5内存，针对AI Agent场景下的高单线程性能和数据处理需求进行了优化。
英伟达表示，这一CPU如果单独销售也有可能成为一个数十亿美元规模的业务。
Groq加入：为AI推理设计的新型芯片
随着生成式AI进入应用阶段，推理计算成为新的性能瓶颈。GPU在高吞吐并行计算方面具有优势，但在极高速度的token生成阶段效率会下降。
而Groq的LPU采用完全不同的设计思路：确定性数据流架构以及大量SRAM存储，通过编译阶段完成调度，从而显著降低运行时延迟。
这种结构非常适合token生成，但SRAM容量有限，单颗芯片只有约500MB，无法直接容纳大型模型。
英伟达提出的解决方案是将推理任务拆分：GPU负责prefill和attention等需要大算力和大内存的部分，而LPU负责decode与token生成。这种架构被称为disaggregated inference（解耦推理），两种处理器通过高速网络协同工作，从而在高吞吐和低延迟之间取得平衡。
Agent时代的软件生态
除了硬件层面的升级，英伟达在软件生态方面也提出新的战略。
随着AI Agent技术迅速发展，黄仁勋将开源框架 OpenClaw 定义为一种新的计算平台，并将其与Windows、Linux和Kubernetes等基础软件相提并论。在这一框架之上，英伟达推出 NemoClaw，为企业部署Agent系统提供安全与管理能力，包括策略控制接口、网络访问边界以及数据隐私保护机制。
英伟达将这一关系类比为CUDA与GPU生态之间的关系：OpenClaw提供Agent操作系统，而NemoClaw则提供企业级开发平台和工具链。与此同时，英伟达还宣布成立 Nemotron Coalition，推动多种AI模型的发展，包括语言模型、机器人模型、自动驾驶模型以及气候模拟系统等。
数据中心成为“Token工厂”
在技术之外，黄仁勋还提出了一种新的AI产业叙事：未来的数据中心将成为生产Token的工厂。
“数据中心是生产token的工厂；推理是工作负载，token是新商品，算力等于营收；未来每个CEO都要盯着自己token工厂的效能看。”
在他看来，AI的发展正经历新的拐点。从聊天机器人到具备推理能力的系统，再到能够执行任务的Agent，每一次能力跃迁都会显著增加单次推理所需的算力，同时也推动整体使用量快速增长。基于这一趋势，英伟达提出了新的AI服务分层模型，从免费层到Ultra层，对应不同模型规模、上下文长度和响应速度，同时也对应不同的token价格。
在这一体系下，算力基础设施直接决定了AI服务的经济可行性，而更高端的AI服务则需要更强大的计算平台。
AI进入太空
在GTC大会上，英伟达还公布了一项更加前瞻性的计划：将AI计算能力扩展到轨道数据中心。
公司发布了 NVIDIA Space-1 Vera Rubin 模块，其AI计算能力据称可达到 NVIDIA H100 GPU 的约25倍。黄仁勋在声明中表示：“太空计算，这片最后的疆域，已经到来。随着我们部署卫星星座并深入探索太空，智能必须存在于数据产生的任何地方。”
目前，包括 Axiom Space、Planet Labs 和 Kepler Communications 等企业已经在使用英伟达计算平台执行空间任务。随着卫星网络和轨道数据处理需求增加，太空计算将是未来AI基础设施中重要的一环。
AI进入更多产业场景
围绕AI基础设施，英伟达在多个产业领域也宣布了新的合作。例如 IBM 将把GPU加速能力整合到其AI数据平台watsonx.data中，通过GPU原生数据分析提升企业数据处理效率。在测试案例中，数据查询时间从传统CPU环境下的约15分钟缩短至约3分钟，同时显著降低成本。
同时，Amazon 也宣布与英伟达合作，将 NVIDIA DRIVE AGX 车载计算平台与 Amazon Alexa Custom Assistant 结合，用于打造能够理解自然语言和环境语境的车载AI助手。
在计算机图形领域，英伟达还发布了 NVIDIA DLSS 5 技术，通过神经渲染模型增强游戏画面质量，使实时渲染更接近电影级视觉效果。黄仁勋称其为“图形技术的GPT时刻”。
Feynman架构提前曝光
根据规划，Blackwell架构之后将是2026年的Vera Rubin，随后在2027年推出Rubin Ultra，而2028年则会迎来全新的 NVIDIA Feynman 架构。
Feynman将对整个系统进行全面升级，包括新GPU、LP40 LPU、Rosa CPU以及下一代NVLink互联。与此同时，新一代Kyber机架结构也将改变计算节点的布局方式，以支持更高密度的GPU部署。这种按年度更新的节奏显示出英伟达试图以更快速度推动AI基础设施迭代。
本届GTC展示的并不仅是新芯片，而是一套新的AI产业逻辑。
英伟达试图将算力基础设施、数据中心运营模式以及软件生态整合为一个统一平台：数据中心成为生产Token的工厂，AI推理成为主要工作负载，而Agent系统则成为新的软件平台。在这种框架下，GPU不再只是计算设备，而是整个AI经济体系的基础设施。英伟达正在从“芯片公司”转变为AI时代的平台型企业。
盛达优配提示：文章来自网络，不代表本站观点。
