作者｜冬梅

剛剛，在中國臺北英偉達 GTC 大會上，英偉達 CEO 黃仁勛再次將話題聚焦于 AI 產業的發展方向。

與兩年前重點討論生成式 AI 浪潮不同，這一次黃仁勛給出了一個新的判斷：

“生成式 AI 已經到來，實用 AI 已經到來。”

實用 AI 時代已經到來

在他看來，過去幾年 AI 行業最大的變化，不是模型參數規模繼續增長，而是 AI 已經開始成為真正的生產工具，并直接影響經濟活動。

為了說明這一變化，黃仁勛首先展示了一組來自代碼托管平臺 GitHub 的數據。他指出，軟件開發是生成式 AI 最早落地的領域之一，也是全球最龐大的知識工作者群體之一。目前全球約有 3000 萬至 400 萬名專業軟件工程師依靠編程工作，此外還有數億學生和業余開發者參與其中。

在他的演講中，GitHub 代碼提交量被作為衡量 AI 生產力變化的重要指標：

• 2023 年，代碼提交量約為 3 億次；

• 2024 年增長至 4 億次；

• 2025 年達到 5 億次；

• 而 2026 年前幾個月的數據已經接近此前水平的數倍增長。

黃仁勛認為，這些數字反映出 AI 輔助編程工具正在顯著提升軟件開發效率。

“全世界的軟件工程師創造著大約 3 萬億美元的薪酬價值。”他說，“而這些軟件又進一步支撐著全球接近 100 萬億美元規模的經濟活動。”

按照他的推算，如果 AI 能夠將軟件開發者的生產效率提升數倍，那么由此釋放出的經濟價值也將遠遠超出軟件行業本身。

近年來，隨著代碼生成工具快速發展，“程序員是否會被 AI 取代”一直是行業爭論的焦點。對此，黃仁勛在演講中給出了明確回應。

他認為，AI 的發展并不會減少軟件工程師數量，反而會刺激企業招聘更多開發者。邏輯很簡單：如果一名工程師在 AI 輔助下能夠創造更高的產出，那么企業更傾向于擴大研發投入，而不是削減研發團隊規模。

“有人說 AI 會減少就業，那完全是胡說八道。”黃仁勛表示。

在他看來，真正決定就業規模的不是單位勞動力成本，而是單位勞動力創造價值的能力。當軟件工程師能夠借助 AI 完成更多工作時，市場對軟件和數字化能力的需求也會進一步擴大。

黃仁勛隨后把話題轉向 AI 基礎設施。他指出，隨著 AI 從實驗室走向實際生產環境，行業關注點已經從模型能力轉向 Token 產出能力。

過去，Token 只是模型運行過程中的技術指標；而現在，Token 已經成為能夠直接創造收入的單位。換句話說：AI 公司生產的不是傳統意義上的軟件產品，而是持續生成的 Token。

誰能夠以更低成本、更高效率生成更多 Token，誰就擁有更強的商業競爭力。

“因為 Token 現在已成為盈利單位——Token 現在是能夠帶來收入的盈利單位。正因為現在可以盈利，AI 公司想要建造更多的 Token，生成更多的 Token，建設更多的 AI 工廠，這就是為什么中國臺灣的算力需求猛增的原因。也正因如此，你們所有人都如此忙碌，你們的業務都做得這么好。事實上，看看你們的一些股價就知道了。”黃仁勛說。

這也是為什么全球范圍內的數據中心建設持續升溫，以及中國臺灣地區 AI 算力需求快速增長的重要原因。

在他的描述中，AI 工廠（AI Factory）正逐漸取代傳統數據中心，成為新一輪計算基礎設施建設的核心。

從應用程序時代進入智能體時代

不過，在黃仁勛看來，更大的變化并不只是模型性能提升，而是計算范式本身正在發生改變。

過去幾十年里，計算機遵循的是：應用程序 → 代碼 → 操作系統，用戶通過點擊界面、輸入命令完成任務。

而在 AI 時代，新的架構正在形成：智能體（Agent） → 大語言模型 → 工具系統。

黃仁勛展示了一張典型 Agent 系統架構圖。

在這一架構中，大語言模型負責理解問題、推理和規劃；外圍框架則負責管理上下文、調用工具、協調任務執行，并管理長期和短期記憶。為了完成任務，智能體可以調用：瀏覽器、數據庫、表格工具、數據分析引擎、CAD 設計軟件以及各類企業系統。

整個過程更像是一個數字員工，而非傳統軟件。“過去我們啟動應用程序、點擊按鈕、輸入內容。”黃仁勛說，“未來我們只需要向 AI 解釋自己的意圖。”然后由 AI 自動編寫代碼、調用工具并完成任務。

智能體的興起也引發了另一個爭議：如果 AI 能夠完成工作，軟件公司是否會被淘汰？

黃仁勛的答案恰恰相反。

他認為，Agent 時代將催生數量遠超今天的軟件系統。原因在于，數字智能體的數量不再受人口規模限制。未來每一個企業流程、每一個業務環節、甚至每一個個人任務，都可能擁有專屬智能體。而這些智能體需要大量調用外部工具和服務才能完成工作。

因此，軟件不會消失，而是需要以“AI 可調用”的形式重新存在。

“這是軟件行業最好的時代之一。”黃仁勛表示。

在這一背景下，NVIDIA 長期積累的 CUDA 生態也將迎來新的機會。

過去，CUDA 庫主要面向開發者；如今這些能力可以直接被智能體調用，成為 Agent 執行任務時的工具集。從某種意義上說，黃仁勛試圖傳遞的信息十分明確：生成式 AI 時代討論的是模型會什么，而實用 AI 時代討論的是模型能完成什么工作。

當 AI 開始創造收入、推動 GDP 增長，并能夠通過智能體調用工具執行復雜任務時，它就不再只是一個聊天機器人，而正在成為新的計算平臺。

“NVIDIA 首先是一家軟件公司”

在談完 Agent 帶來的計算范式變革后，黃仁勛再次強調了一個他近年來反復提及的觀點：

NVIDIA 本質上是一家軟件公司。

隨后，黃仁勛闡釋了 AI 智能體的核心架構與運行邏輯。

他表示，智能體是終極的解耦與分布式計算模型，需要調動海量不同算力單元協同運行。完整的 AI 智能體由模型、框架、工具、技能及運行時五大核心部分構成，各組件分散運行在數據中心不同節點。他將其形象類比為工作個體：模型是智能體的“大腦”，負責思考決策；框架是“身體”，承載整體運行；運行時則如同專屬工作室，支撐各類工具落地運作，整套體系以超大規模模式完成算力調度與任務執行。

據其介紹，智能體的每一項工作流程，均拆分至計算機不同模塊分步完成。其中，大型語言模型承擔思考、上下文處理、環境感知、邏輯推理、方案規劃與行動執行等核心智能任務，該過程會批量激活 Grace Blackwell NVLink 72 算力集群。而在智能體調用工具的環節，則由 CPU 承接運算工作，可適配 C 編譯器、Python、JavaScript 及各類加速計算工具。

黃仁勛認為，當前 AI 智能體的工具應用能力仍處于初級階段，未來將實現專業化、熟練化升級。為此，英偉達 CUDA X 庫迎來重要升級，全系庫產品將配套專屬 AI 技能手冊，可供 AI 智能體自主學習、掌握工具使用方法，大幅提升智能體解決各類核心行業難題的能力，未來智能體調用 CUDA X 工具的算力價值與應用潛力將得到極大釋放。

在整套智能體算力體系中，各類硬件與功能模塊分工明確。工具運算任務依托 CPU、GPU、大模型協同完成；安全防護框架部署在 CPU 與英偉達 BlueField DPU 安全處理器之上，全方位保障運行安全；整體任務的調度編排工作則統一由 CPU 主導落地，形成層級清晰、分工明確的異構計算體系。

演講中，黃仁勛重點提及 AI 計算的核心痛點——內存系統。他表示，智能體的工作記憶依托 KV 緩存實現，涵蓋記憶留存、數據壓縮、信息檢索、結構化與非結構化數據匹配，以及各類數據的邏輯關系梳理、本體關聯分析等復雜操作，整體處理流程難度極高、復雜度空前。他預判，AI 專屬內存系統的迭代升級，將推動全球存儲體系迎來顛覆性革命。

對比傳統軟件運行模式，黃仁勛強調，AI 智能體代表的全新計算范式具備本質差異。過往軟件多為單一二進制文件適配單一操作系統的集中式運行模式，而智能體采用解耦、分布式、異構的全新計算邏輯，這也是英偉達傾力研發下一代 Vera Rubin 平臺的核心動因。

針對全新的 Vera Rubin 平臺，黃仁勛著重澄清，其絕非單一芯片或普通 GPU 產品，而是一套端到端的完整革命性系統。該平臺以 GPU 為核心起點，整合 GPU、Vera、NVLink 72 核心硬件，依托多顆 CPU 完成全局任務編排，搭配迭代升級的革命性存儲系統，構建全鏈路算力底座。同時，平臺集成 CX-9 硬件、DOCA 軟件棧及內置安全處理器，可實現數據靜態、傳輸、使用全流程加密，依托機密計算架構全方位保護高價值 AI 模型數據安全。

黃仁勛直言，Vera Rubin 是英偉達發展史上野心最大的研發項目，公司全體四萬名工程師全員參與項目攻堅，同時匯聚行業合作伙伴力量共同落地，是一套經過全方位打磨、從零重構的極致復雜系統。他坦言，英偉達早已完成從單一 GPU 廠商向全棧系統廠商的戰略轉型，當前推出的 Vera Rubin 系統，是行業迄今為止設計最復雜、體系最完整的 AI 算力系統。

談及產業終極需求與企業轉型方向，黃仁勛表示，客戶與合作伙伴的核心訴求并非單純獲取計算機硬件，而是搭建成熟高效的 AI 工廠。基于這一行業趨勢，英偉達正在開啟新一輪戰略轉型。目前英偉達核心技術已全面落地基礎設施級應用場景，同時聯動發電廠、冷卻系統、電網供應商等各類工業生態伙伴，構建完整 AI 產業生態。

未來英偉達將持續打造全棧式算力系統，為全球客戶搭建規模化、高性能的 AI 基礎設施提供核心支撐。

值得注意的是，在此次演講中，黃仁勛詳細地闡釋了英偉達全新的產業定位，正式提出“AI 工廠生態新范式”，明確英偉達的發展重心已從傳統計算生態，全面升級為服務千億級 AI 基建的工廠化生態體系。

黃仁勛區分了英偉達新舊兩大生態形態。過往英偉達以計算生態為核心，將自身計算層、軟件及計算棧深度集成至各類企業平臺與第三方庫中，廣泛賦能各行各業的數字化算力需求。

而當下全新打造的 AI 工廠生態，形成了清晰的上下游產業閉環：行業合作伙伴是英偉達的上游基礎支撐，英偉達則依托自身全棧技術能力，向下游輸出完整 AI 工廠生態體系，核心目標不再是單純輸出 GPU 芯片或算力系統，而是助力客戶搭建超復雜、超大規模的 AI 工廠基礎設施。

他直言，AI 工廠已進入超高投入、超高門檻的規模化落地階段。當前單座 1 吉瓦（GW）級別的 AI 工廠，建設成本持續攀升，從最初的 200 億至 400 億美元，現已上漲至 500 億至 600 億美元，未來很快將突破 800 億甚至 1000 億美元。千億級別的單項目投入，意味著 AI 工廠對落地穩定性、運行可靠性有著極致要求，必須實現一次建成、即刻正常投產，其資本投入成本與系統構建復雜度均達到行業前所未有的水平。

針對超高復雜度的 AI 工廠建設難題，英偉達依托 Omniverse 數字仿真能力實現全流程革新。不同于傳統計算機研發模式——先設計芯片、再在設備內模擬系統運行，如今英偉達所有 AI 工廠基礎設施，均可在 Omniverse 數字平臺中提前完成搭建、仿真、測試與優化。通過數字模擬器與數字架構賦能，行業可在破土動工、投入巨額資金前，完成超大規模 AI 系統的全流程推演，徹底規避落地風險，實現行業多年以來的技術落地愿景。

黃仁勛重點介紹了支撐 AI 工廠生態落地的核心體系 DSX，形成與英偉達現有產品矩陣對應的完整基礎設施布局。其中，RTX 系列對應 GPU 硬件、DGX 對應一體化算力系統，而全新的 DSX 平臺則精準對標 AI 基礎設施全場景。依托覆蓋系統、軟件、全技術棧的核心能力，英偉達能夠賦能中小型企業快速搭建世界級 AI 云服務能力。

他以行業案例佐證 DSX 生態的賦能價值，不少曾經的中小型科技企業，在接入英偉達 AI 工廠生態、依托 DSX 體系升級后，實現跨越式增長，典型代表 CoreWeave 估值已攀升至 500 億至 700 億美元區間，且依舊保持高速增長態勢，充分印證英偉達 AI 工廠新范式的產業賦能潛力。

最近英偉達與 Nebius 合作，它們的增長也同樣驚人。這些云中的每一家都擁有令人難以置信的客戶：Cursor（軟件編碼公司）、Black Mountain Labs（圖像生成）、World Labs（世界基礎模型）、Revolut（領先的金融服務 AI 公司）以及 Shopify。

這里還有另一個例子：Nscale，他們的客戶是英國電信（British Telecom）和谷歌（Google）。谷歌正在使用其中一個人工智能云——Thinking Machines，這是一家前沿實驗室公司。

這里是韓國的 Naver Cloud，客戶包括韓國銀行（Bank of Korea）、Hyundai 等眾多優秀公司。

在中國臺灣，還有 GMI。

然而，以上所有的公司，它們都需要計算棧。黃仁勛表示，下面的這整個技術棧，正是讓 NVIDIA 聞名的原因。

他介紹道：“所有的硬件、軟件和庫，以及我們連接全球第三方開發者生態系統的能力，使得任何人都能建立起一個 AI 云。然而，現在的 AI 云極其復雜。這個是軟件版本，這個是計算機科學版本。而資金版本、資產版本就是我之前展示的——它是一個巨大的工廠。僅擁有這種能力是不夠的，這正是 NVIDIA 成為一家 AI 基礎設施公司的原因。”

Vera Rubin 架構全面投產

在談及下一代 AI 基礎設施建設時，英偉達 CEO 黃仁勛宣布，基于新一代 GPU 平臺的 Vera Rubin 架構已經進入全面量產階段。

黃仁勛表示，當前全球對 AI 算力的需求正以前所未有的速度增長。從數據中心運營商到云服務提供商，再到各類企業客戶，整個產業鏈都在全力提升產能，以滿足市場需求。

“實用 AI 已經到來，可盈利的 AI 已經到來。”黃仁勛說。他認為，越來越多企業已經認識到，人工智能不再只是技術展示，而是能夠創造實際商業價值的生產工具。在這一背景下，算力正成為限制 AI 發展的關鍵瓶頸。

為了滿足全球激增的需求，英偉達正在推動新一代 AI 基礎設施的大規模部署，并協同合作伙伴在世界各地建設 AI 工廠。黃仁勛表示，這也是當前整個產業生態最重要的任務之一。

在供應鏈建設方面，黃仁勛透露，Vera Rubin 平臺所對應的供應鏈規模已經達到上一代 Grace Blackwell 平臺的兩倍。與此同時，生產效率也獲得顯著提升。過去組裝一套 Grace Blackwell 機架需要約兩個小時，而如今這一過程已經縮短至五分鐘。

“這不僅意味著更高的產能，也意味著更快的交付速度。”黃仁勛表示，面對持續增長的市場需求，供應鏈各環節都在不斷擴大生產規模、提高制造效率。

他介紹，為支持 Grace Blackwell 平臺量產，產業鏈此前已經投入數百萬平方英尺的生產設施。而目前，這些合作伙伴正在進一步擴充產能，為 Vera Rubin 的大規模部署做好準備。

演講最后，黃仁勛特別向供應鏈合作伙伴表達感謝。他表示，Vera Rubin 能夠順利進入全面量產階段，離不開整個產業生態系統的共同努力。

“我要感謝你們所有人。”黃仁勛說，“Vera Rubin 現已全面投產。”

在介紹 Vera Rubin 架構時，黃仁勛將其定義為一套面向智能體（Agent）時代打造的計算系統，而不僅僅是一臺運行 AI 模型的超級計算機。

他表示，隨著 AI 從模型訓練、推理逐步邁向智能體階段，計算需求正在發生根本變化。智能體需要頻繁調用工具、訪問數據庫、與外部系統實時交互，因此對延遲、帶寬和系統協同能力提出了更高要求。為此，Vera Rubin 采用了全新的系統設計，將 CPU、GPU、網絡、存儲和安全模塊深度整合，形成面向智能體工作負載的完整基礎設施平臺。

黃仁勛特別展示了 Vera Rubin NVLink 72 系統。他介紹，相比上一代產品主要面向預訓練和推理場景，Vera Rubin 進一步針對智能體推理進行了優化。通過 NVLink 72 互連架構以及全新的系統設計，設備內部不再需要大量線纜和復雜連接結構，不僅提升了可靠性，也顯著降低了部署和維護成本。

Vera CPU 重磅登場

除了 GPU 系統外，英偉達還同步推出了專為 AI 時代設計的 Vera CPU。黃仁勛認為，傳統 CPU 主要服務于人類用戶，而未來將出現數十億個智能體，它們對響應速度幾乎沒有容忍空間。因此，新的 CPU 架構必須在單線程性能、帶寬、數據傳輸效率以及能效方面進行全面優化。

按照英偉達的規劃，Vera CPU 將承擔智能體編排、模型調度、工具調用、數據庫訪問以及存儲管理等任務，與 GPU 共同構成未來 AI 工廠的核心基礎設施。黃仁勛表示，隨著智能體成為下一階段 AI 發展的重要方向，計算系統也正在從“為模型設計”轉向“為智能體設計”。

在談到新一代 Vera CPU 時，黃仁勛表示，英偉達已經順利完成了從傳統 x86 CPU 架構向 Grace 架構的過渡，這為 Vera 的推廣奠定了基礎。

他指出，目前全球主要數據中心、云服務商以及與英偉達合作的 AI 企業，都已經完成了對 Grace 平臺的認證，相關軟件棧、安全體系和開發環境也已完成適配。在此基礎上，Vera 的部署門檻將大幅降低。

黃仁勛認為，Vera 有望成為針對智能體（Agent）工作負載優化程度最高的 CPU 之一。原因在于，它從設計之初便與 Vera Rubin 系統協同開發，面向智能體推理、工具調用、數據庫訪問和實時交互等新型 AI 任務進行了針對性優化。

為了展示性能提升，黃仁勛公布了多個實際工作負載測試結果。其中，在企業廣泛使用的 SQL 數據庫處理場景中，Vera CPU 的性能達到現有平臺的約 3 倍。

在實時流處理場景下，例如金融交易系統、工業遙測監控等需要持續處理海量數據流的應用中，性能提升最高可達 6 倍。

黃仁勛表示，CPU 領域通常以個位數百分比的性能提升作為重要突破，而在真實業務負載中實現數倍級增長并不常見。這些提升主要來自更高的單線程性能、更大的內存和 I/O 帶寬，以及更快的核心間數據傳輸能力。

在他看來，智能體正在成為繼云計算、移動互聯網之后的新一代計算負載，而現有 CPU 大多是圍繞人類用戶設計的。未來，隨著智能體數量持續增長，對低延遲和高響應速度的需求也將進一步提升。

“過去我們為人類構建 CPU，現在我們開始為智能體構建 CPU。”黃仁勛表示。圍繞 Vera 展開的新生態正在形成，包括 ODM 廠商、服務器制造商和企業客戶在內的產業鏈伙伴已經開始布局這一市場。英偉達希望借此推動一個全新的計算平臺時代——面向智能體的 CPU 市場。

開源 Nemotron 3 Ultra，全球首個 SSM 與 MoE 相結合的混合架構

在介紹企業級智能體生態時，黃仁勛宣布，英偉達正式推出新一代開源大模型 Nemotron 3 Ultra，并將其定位為企業構建專屬智能體的重要基礎模型。

黃仁勛表示，未來企業將雇用大量智能體協助完成研發、驗證、仿真和運營等工作。以 EDA 軟件廠商 Cadence Design Systems 為例，其正在利用英偉達技術打造面向芯片設計流程的專屬超級智能體，通過調用仿真器、驗證器和形式驗證工具，加速芯片開發周期。

作為這一生態的底座，Nemotron 3 Ultra 采用了全球首個 SSM（狀態空間模型）與 MoE（混合專家）相結合的混合架構。黃仁勛透露，相比現有主流開源模型，Nemotron 3 Ultra 推理速度提升 5 倍，同時總體運行成本降低 30%。

除了模型本身，英偉達還同步開放訓練數據、訓練腳本以及相關工具鏈。黃仁勛表示，Nemotron 系列基于大規模長程推理、復雜任務求解和工具調用數據集訓練而成，開發者不僅可以使用模型，還能夠在此基礎上繼續訓練、微調并構建專屬智能體系統。

目前，英偉達已經與 CrowdStrike、Salesforce、Palantir Technologies、SAP、ServiceNow 等企業展開合作，推動智能體在企業軟件、網絡安全、數據分析和業務流程管理等場景中的落地應用。

黃仁勛同時透露，Nemotron 3 Ultra 已經發布，而下一代 Nemotron 4 模型也正在研發之中。

與微軟聯手重新定義 PC

在演講的后半程，黃仁勛宣布，英偉達正與 Microsoft 聯手重新定義個人電腦（PC）。

黃仁勛回顧了過去 40 年的 PC 發展歷程。他表示，從 Windows 3.1 到 Windows 95，微軟建立起了現代 PC 產業的基礎架構，通過開放硬件生態、驅動程序體系以及統一的軟件接口，讓 PC 從企業設備走向大眾消費市場，并成為全球最普及的計算平臺之一。

如今，隨著 AI 時代到來，英偉達和微軟希望推動新一輪 PC 架構變革。黃仁勛透露，雙方已經為此合作了三年，對 PC 的底層工作方式進行了重新設計，以適應智能體（Agent）時代的計算需求。

按照他的設想，未來的 PC 不再只是運行應用程序的終端設備，而將內置能夠理解用戶、與用戶對話并自主完成任務的 AI 智能體。例如，智能體可以幫助用戶整理文件、檢索資料、完成研究工作，甚至根據用戶需求主動執行復雜任務。

黃仁勛認為，這種變化將帶來 PC 軟件架構的重構。過去由應用程序承擔的大量功能，未來將逐步由智能體完成。與此同時，大語言模型將成為新一代 PC 的重要基礎組件，承擔語言理解、視覺識別、音視頻生成以及任務執行等能力，成為連接用戶與計算資源的核心入口。

他透露，自己將與 Satya Nadella 共同介紹雙方過去三年的合作成果，并進一步展示面向智能體時代的新一代 PC 平臺。

聲明：本文為 AI 前線整理，不代表平臺觀點，未經許可禁止轉載。

會議推薦

企業級 Agent 落地，繞不開 4 個真實的工程問題！如何在 Agent 安全性和可用性之間找到平衡點？Agent 需要什么樣的記憶系統才能真正理解上下文？如何通過算法壓榨實現智力增量與成本控制的極致平衡？多 Agent 協作，如何做到可觀測、可治理、可控制？6.26-27 AICon 上海站，國內頭部公司的 Agent 實踐，一次說透。

今日薦文

你也「在看」嗎？