GTC 2026 演講中，黃仁勛傳遞的核心信息很明確。

即 AI 正進入“推理與智能體時代”，數據中心正在從計算中心演變為生產 Token 的“AI 工廠”。

圍繞這一趨勢，英偉達發布了從 GPU 架構、數據處理軟件庫、AI 超級計算平臺到智能體軟件棧的一整套基礎設施。

黃仁勛說，黃仁勛說，AI 正在進入一個數萬億美元規模的基礎設施時代，而英偉達就是這個時代的“基建總包商”。

當天發布的一系列技術——Feynman 架構、Vera Rubin 超級 AI 平臺、數據處理核心庫 cuDF / cuVS、AI 工廠基礎設施 DSX、智能體平臺 NemoClaw 等，真實的構成了一套完整的 AI 基建技術棧。

一、CUDA20年:英偉達真正的護城河

演講一開始，黃仁勛并沒有談新產品，而是回顧了 CUDA 誕生 20 年的歷史。

他的核心觀點是，英偉達最難復制的優勢，不是 GPU，而是 CUDA 的安裝基數。

過去 20 年，CUDA 建立了一個龐大的軟件生態：關鍵數據、全球數億塊GPU 運行 CUDA、數千種工具、編譯器、框架與庫，及開源生態的數十萬項目。

而 CUDA增長邏輯是一個典型的飛輪效應。

安裝基數 → 開發者 → 新算法 → 新市場 → 更多公司 → 更大安裝基數……

這套飛輪已經跑了 20 年。

其直接結果是，計算成本持續下降。

黃仁勛舉了一個很典型的例子，

六年前發布的 Ampere GPU，在云上的價格甚至還在上漲。

原因很簡單，軟件持續優化，讓舊 GPU 的價值不斷提高。

因此 CUDA 帶來的并不僅是性能提升，而是長期下降的算力成本曲線。

這也是為什么英偉達愿意持續支持每一塊舊GPU。

因為安裝基數越大，飛輪越快。

二、AI 時代最重要的一張圖：數據處理

黃仁勛表示，本場演講最重要的一張圖，其實與 GPU 無關，而是數據處理架構。

他指出，AI 正在徹底改變全球數據處理體系。

數據可以分為兩類：

一是結構化數據，企業傳統 IT 的核心。

典型技術如 SQL、Spark、Pandas 等。

典型平臺如Snowflake、Databriks、Amazon Web Services、Microsoft、Google 等。

這些系統本質上都在處理 DataFrame（數據框）。

它們是企業運營的 “事實來源（Ground Truth）”。

二是非結構化數據，全球約 90% 的數據都是非結構化數據。包括視頻、語音、圖像、文檔、PDF等。

過去的問題是，計算機無法理解它們，而 AI 改變了這一點。

多模態模型可以解析語義、閱讀文檔、理解視頻、解析語音，從而把非結構化數據變成可計算的數據。

為此，英偉達為此推出兩項核心技術。

即cuDF，GPU加速的 DataFrame計算庫， 用于結構化數據和cuVS，向量搜索與語義計算庫， 用于 非結構化數據

這兩者將成為未來 AI 數據基礎設施的核心軟件層。

他舉了一個重要案例，IBM 已經在其數據平臺 watsonx.data 中集成 cuDF。

這意味著，AI 正在重新定義整個數據處理產業。

三、AI 原生公司的爆發

過去一年，AI 創業進入歷史性階段。

數據顯示，2025年，AI創業融資1500億美元，且融資規模從千萬級→數十億美元級。

背后就是海量算力的需求。

黃仁勛把這一輪技術浪潮與三次計算革命類比：

計算平臺

誕生公司

PC

微軟

互聯網

Google

移動云

Amazon / Meta

現在，AI 也將誕生新一代巨頭。

他認為， AI 爆發的三大原因是，ChatGPT 開啟生成式 AI，推理模型出現，及AI agent 爆發。

ChatGPT 讓計算模式從檢索轉為生成，推理模型讓AI開始具備思考、規劃和解析的能力，Token 使用量爆炸式增長。

Agent時代開啟，以Claude Code為代表。

從此 AI 可以閱讀代碼、編譯、測試、自動迭代，甚至一個任務可以自動運行數百次實驗。

關于推理時代催生的算力需求，黃仁勛給出一個驚人的數字：

過去兩年，計算需求增長10000倍，使用量增長 100 倍。

而他個人感受是，真實需求增長接近 100 萬倍。

四、Token 成本成為核心指標

在 AI 時代，數據中心的角色正在改變。

過去是存儲 + 計算，而未來是 Token 工廠。

衡量效率的指標也變成，tokens / watt（每瓦生成 token 數）

研究機構 SemiAnalysis 的評估顯示，從Hopper H200 → Grace Blackwell NVLink 72，英偉達系統每瓦性能提升約 35 倍。

分析師 Dylan Patel 認為，實際接近 50 倍。

軟件優化同樣關鍵。

僅通過更新軟件棧，生成速度可以從700 token/s 提升到5000 token/s，性能提升約7倍。

黃仁勛給出一個非常現實的計算，建設一個 1GW 數據中心，15 年攤銷成本約400億美元。

因此，企業必須保證運行效率最高的計算系統，否則 Token 成本就會失控。

他的結論非常直接：

NVIDIA 的 Token 成本目前“不可觸碰”。

五、Vera Rubin：AI 超級計算機

本次演講的另一個高潮是 Vera Rubin AI 平臺。

這是一個完整的 AI 超級計算系統。

2 萬顆 NVIDIA 芯片、40 機架、1152 個 Rubin GPU、60 exaflops 算力、10PB/s 帶寬。

目前合作伙伴包括 OpenAI、Anthtopic、Meta、Mistral AI 等。

黃仁勛說：

以前我發布產品時，手里舉的是一塊 GPU。

現在我發布的是一整臺超級計算機。

Vera Rubin 代表的是，完整的垂直整合 AI 系統

包括：GPU、CPU、網絡、存儲、軟件棧等。

其中新的 Vera CPU 也首次亮相。

它是，全球首個采用 LPDDR5 的數據中心 CPU

目標是，極致能效比。

六、下一代 GPU：Feynman

英偉達還首次詳細介紹了下一代架構，Feynman GPU。

其關鍵升級集中在 內存與封裝。

如，定制HBM

可能采用定制HBM4E，或提前布局 HBM5

并允許把 GPU邏輯直接嵌入存儲芯片。

新CPU架構：Rosa

Feynman平臺將配套 Rosa CPU。

這個名字致敬了兩位科學家，Rosalyn Sussman Yalow 和 Rosalind Franklin。

Rosa CPU 的角色是Agentic AI 調度中樞。

具體負責協調GPU、內存、網絡和 Token 流。

七、AI 工廠操作系統：DSX

隨著 AI 基礎設施規模擴大，其建設方式也在發生變化。

現在的數據中心在建造前就會，先在數字世界里建一遍。

使用的工具包括Simcenter STAR-CCM+、Cadence Design Systems和 ETAP。

英偉達推出的新平臺NVIDIA DSX，目標是成為AI 工廠的操作系統。

它可以模擬數據中心、優化電力、化散熱、動態調度算力，甚至根據電網壓力自動調整功耗。

八、Agent 時代的軟件：NemoClaw

對開發者影響最大的，是智能體軟件棧。

黃仁勛重點提到了開源項目，OpenClaw。

他認為 OpenClaw 的意義類似Linux、Kubernetes、HTML，可以被看作Agent 時代的操作系統。

功能包括任務拆解、子 Agent 協作、工具調用、文件系統訪問、多模態交互等。

英偉達在此基礎上推出了 NVIDIA NemoClaw， 新增能力包括 企業安全策略、 網絡防護、 隱私路由、 治理系統集成等， 目標是，讓企業安全部署 AI Agent。

九、AI 生態：300萬開源模型

黃仁勛最后談到 AI 生態。

目前全球開放模型規模，已接近300 萬個。

英偉達也發布了一系列基礎模型，如Nemotron（語言模型）、Cosmos（世界模型）、GR00T（機器人模型）、BioNeMo（生物 AI）。

目標是，推動主權 AI（Sovereign AI）。

同時英偉達還宣布成立 Nemotron Coalition。

合作伙伴包括Cursor、LangChain、Perplexity AI、Mistral AI。

結語：AI 的三大浪潮

在演講最后，黃仁勛總結稱， AI 正同時經歷 三場革命。

一是， AI 推理與 AI 工廠；

二是， Agentic AI（智能體）；

三是， Physical AI（機器人）。

當計算、模型和基礎設施三者同時成熟時，AI 產業將進入一個全新的時代。

而英偉達顯然希望成為這個時代的基礎設施核心。