在近日举办的英伟达GTC 2026大会上，黄仁勋的演讲成为全场焦点。他宣布，AI已从训练阶段全面进入推理、智能体与物理AI融合的工业化时代，Token成为这一时代的关键商品，而光互联与硅光子技术则是突破算力瓶颈的核心要素。英伟达正以“AI工厂”构建者的身份，推动自身从芯片供应商向AI基础设施服务商转型，并预计到2027年实现至少1万亿美元的营收目标。
黄仁勋指出，AI产业的重心已从“大模型训练”转向“推理落地、智能体研发与物理世界交互”，形成“能源→芯片→基础设施→模型→应用”的五层架构。Token作为AI时代的核心生产资料，其消耗量将在推理与执行场景中呈指数级增长。英伟达的目标是成为“Token之王”，通过降低每Token成本构建竞争优势。其逻辑在于，数据中心将不再是简单的存储中心，而是生产Token的“工厂”，每瓦Token吞吐量直接决定企业的运营成本。
这一变革正在重塑职场生态。未来，工程师的薪酬模式将演变为“年薪+Token预算”，Token成为科技行业招聘的核心筹码。黄仁勋强调，英伟达的Token成本在全球范围内具有不可替代性。即使竞争对手的架构免费，其1GW工厂15年的摊销成本仍高达400亿美元。只有运行最强的计算系统，才能实现最低的Token生产成本。数据中心的角色也随之转变，从存储计算中心升级为生产Token的AI工厂，计算能力成为企业价值创造的核心指标。
大会上，英伟达发布了一系列硬件产品，覆盖当前至长期的技术布局。其中，Vera Rubin超级AI平台由七款芯片组成，涵盖计算、网络与存储功能，是目前最先进的POD规模AI平台。该平台已全面投产，并获得Anthropic、OpenAI、meta等企业及主要云服务商的支持，成为英伟达未来两年营收的核心支柱。
针对推理场景的极致需求，英伟达推出了Groq 3 LPU芯片。这款专为低延迟设计的处理器搭载230MB片上SRAM，数据带宽达80TB/s，首Token延迟低于0.1秒，推理性能是H100的10倍。其“确定性执行”模式确保输出稳定性，适用于智能客服、自动驾驶等实时交互场景。该芯片预计于2026年三季度出货，并通过3D堆叠技术集成至Feynman GPU核心，进一步降低延迟。
面向物理AI与世界模型，英伟达提前曝光了Feynman芯片架构。这款采用台积电1.6nm制程的芯片，是全球首款量产级1nm时代产品，晶体管密度提升1.1倍。其搭载的硅光子光互连技术将带宽密度提升10倍，传输能耗下降90%，突破超大规模AI集群的“互连墙”。Feynman的推理性能是Blackwell的5倍，单GPU算力达50 PFLOPS，能效比提升3.2倍。配套的NVLink-CXL 6.0技术实现跨节点1.2TB/s的数据传输，推动万亿参数模型训练成本下降87%，推理延迟降低40%-85%，Token成本降至Blackwell的1/10。
在互联技术领域，英伟达与台积电合作推出全球首款CPO光电共封装交换机——NVIDIA Spectrum-X Ethernet Switch。该技术将光模块直接集成至芯片封装，能耗仅为传统铜缆的5%，大幅降低数据中心散热压力。目前，该产品已进入量产阶段，标志着2026年成为硅光子技术商用元年。
英伟达的算力布局进一步延伸至太空领域。大会发布的“Space-1 Vera Rubin Module”轨道数据中心，算力是H100的25倍，可支持大语言模型在太空直接运行。这一模块将拓展AI在航天、太空探索等领域的应用，实现太空场景下的实时数据处理与分析。
软件层面，英伟达推出NemoClaw智能体基础设施，优化开源AI智能体OpenClaw的安全性与输出质量。其核心组件OpenShell通过沙箱环境限制智能体访问权限，打造安全可控的运行边界。NemoClaw定位为AI智能体的“操作系统”，提供企业级与开发者双版本，降低智能体开发门槛。黄仁勋预测，未来每家SaaS公司都将转型为“AaaS（智能体即服务）”，而NemoClaw将成为这一转型的核心平台。
针对物理AI的落地需求，英伟达升级了Project GR00T通用机器人基础模型，支撑人形机器人的自主决策与动作执行。2026年，全球人形机器人量产规模将突破3万台，工业制造与特种作业场景占比超60%。单台工业机器人可替代2-3名人工，年节省成本超15万元。预计到2030年，全球量产规模将达100万台，市场规模突破万亿。Omniverse数字孪生平台的升级，为机器人、自动驾驶等场景提供虚拟训练环境，降低物理AI的研发与落地成本。
