整场英伟达GTC 2026大会其实讲了一件特别简单但又特别吓人的事情。AI行业已经从卖零件升级到卖整个城市。以前大家讨论显卡，就像买显卡打游戏，今天讨论显卡，感觉像在建设电力系统、水利工程和高速公路。
黄仁勋的核心逻辑非常清楚：AI时代的竞争重点已经从单个模型升级到整套基础设施。算力、网络、推理系统、智能体平台、自动驾驶、游戏渲染，这些东西开始连成一整套工业体系。显卡只是入口，真正的目标是成为AI时代的电网公司。
你可能觉得显卡就是一块插在电脑上的大板子。但在黄仁勋眼里，显卡是发电机，是变压器，是整个AI世界的动力来源。以前卖显卡就像卖砖头，现在卖显卡是帮你把整栋楼盖好，水电煤全通，拎包入住。
一万亿美元订单：Blackwell直接进入工业级需求爆发
先看最震撼的一条数据：
Blackwell和Vera Rubin平台的订单规模达到一万亿美元，而且时间窗口只到2027年。上一年大家还在讨论五千亿美元已经很疯狂，现在直接翻倍。这个数字啥概念？相当于把全球前十大科技公司的现金储备加起来，还不够买这批货。
这件事的含义特别简单。AI算力已经从科技公司内部实验升级为整个产业的基础设施建设。云厂商、企业、研究机构，全都在拼命抢算力。就像当年互联网刚开始铺设光纤一样，谁先铺好网络，谁就掌握未来。只不过这次铺的不是光纤，是显卡。
黄仁勋用的词特别直接：demand is booming。翻译成中文就是需求炸了。不是慢慢增长，是直接爆炸。各大云厂商排队送钱，生怕晚了一步就抢不到货。显卡工厂已经不是在卖显卡，而是在生产AI时代的发电机。你想想第一次工业革命的时候，谁掌握了蒸汽机，谁就是世界老大。现在谁掌握了显卡，谁就是AI时代的地主。
Vera Rubin平台：AI算力进入超级计算机时代
接下来登场的是新一代平台Vera Rubin。名字来自著名天文学家Vera Rubin，这位科学家发现了暗物质存在的证据。黄仁勋起这个名字很有深意，因为整个AI产业现在真的有点像探索宇宙，看不见摸不着，但确实存在且能量巨大。
这个平台包括七种芯片、五种机架系统，还有一个完整的超级计算机架构。重点在于性能效率提升达到十倍。也就是同样的电力，可以跑出十倍的计算。这就像你家空调以前开一整天才能凉快，现在开一小时就够，电费直接打一折。
更夸张的是推理速度：700 million tokens per second。简单翻译一下，就是每秒可以生成七亿个token。
一个token大概相当于一个汉字或半个英文单词。
七亿个token啥概念？
《三体》三部曲总字数大概九十万字，换算成token大概一百多万。也就是说，这套系统一秒钟能生成七百套《三体》三部曲。
普通聊天机器人在这种系统上跑，感觉就像一群学生写作业，突然换成了印刷厂。以前你问AI一个问题，它要想半天才回答。以后你刚问完，它已经回答了，还顺便把你接下来想问的三个问题也回答了。
微软的Microsoft Azure已经开始部署第一套系统。今年晚些时候正式发货。整个云计算行业基本已经进入军备竞赛阶段。你买一台，我买十台，他买一百台，看谁先把算力堆满。
Groq 3 LPU：推理芯片开始挑战显卡
接下来一个很有意思的角色出现了。Groq 3 LPU。这是英伟达收购Groq之后推出的第一款产品。Groq这家公司原本是做AI芯片的，专门搞推理加速，被英伟达收入囊中之后，产品线直接起飞。
LPU的概念其实很简单。显卡擅长训练模型，就是让AI变聪明的那一步。LPU专门解决推理效率，就是让AI回答问题的那一步。AI系统的一个经典难题叫做latency-throughput tradeoff。简单说就是两件事情总是互相拉扯。
响应速度越快，吞吐量越低。就是你问问题它秒回，但一次只能服务一个人。吞吐量越高，响应速度越慢。就是它能同时服务一万个人，但每个人都要等半天才有回应。这就像食堂打饭，一个窗口出餐快但队伍排到门外，十个窗口出餐慢但每个人都能吃上饭。
Groq 3 LPU试图解决这个矛盾。一整个机架可以装256个LPU，而且推理吞吐量达到每兆瓦35倍提升。翻译成人话就是，同样一座数据中心电站，可以多跑几十倍AI请求。以前一度电够一百个人用AI，现在一度电够三千五百个人用。
AI服务的成本结构正在发生变化。以前用AI聊天可能很贵，因为推理消耗算力太多。以后用AI聊天可能比发短信还便宜，因为LPU把效率拉满了。你想想，如果AI比矿泉水还便宜，那会发生什么？每个App里都会住着一个AI，每台设备里都会藏着一个AI，你甚至意识不到自己在用AI，因为它无处不在。
DLSS 5：游戏渲染和AI正式合体
然后舞台突然画风一转。开始讲游戏技术DLSS 5。黄仁勋穿皮衣讲游戏的画风特别有喜感，但内容一点都不好笑。
DLSS的本质是用AI生成画面。以前游戏画面完全靠显卡实时渲染，像素点一个一个算出来，光影一层一层叠上去。现在AI可以预测和生成画面细节。英伟达给这个技术起了一个新名字：probabilistic rendering。
意思是概率渲染。电脑开始像艺术家一样猜画面。你玩射击游戏，枪口火焰一闪，AI根据前面几帧的画面，直接猜出下一帧火焰该长啥样，不用显卡重新算一遍。这就像你写作文，以前每个字都要查字典才能写，现在写顺了之后，写到一半就知道后面该接什么词。
现场展示的游戏包括Resident Evil Requiem和Starfield。画面确实惊人，有些效果甚至带点科幻感。生化危机里的僵尸，脸上的皱纹和血迹清晰到让人想吐。星空里的宇宙，星云效果细腻得像哈勃望远镜拍的。
当然观众反应也很真实。有人惊叹，有人怀疑。因为AI生成画面有时候确实离谱，比如光影太梦幻，像游戏角色突然进入滤镜世界。或者AI猜错了画面，本该出现一堵墙，结果猜成一扇门，你直接穿模掉进异次元。
不过趋势很明显。未来游戏画面很可能一半算出来，一半猜出来。显卡负责保证基础画面不崩，AI负责让画面更精致更流畅。你玩到的游戏，可能有一半是显卡渲染的，另一半是AI脑补的。
Nemoclaw：企业智能体开始出现标准系统
接下来进入AI企业系统部分。一个基于开源OpenClaw的Nemoclaw的项目被提出来。这就是火遍全网的大龙虾，英伟达给企业智能体准备了一套OpenClaw标准方案。
这个系统其实是OpenClaw的企业级参考架构。核心目标非常明确。企业想部署智能体，需要一整套标准基础设施。包括模型调用、任务调度、上下文管理、工具接口、安全机制等等。以前公司自己拼这些模块，就像自己装电脑。主板、CPU、散热器、风扇全要手动拼。现在英伟达开始提供整套主机方案。
企业部署AI系统的难度正在下降。以前你要请一群算法工程师，写几万行代码，调几个月参数，才能搞出一个能用的AI助手。现在你只要把Nemoclaw部署上去，填几个配置，AI助手就直接上线了。就像开网店，以前要从头写代码，现在用Shopify直接拖拽就行。
这意味着什么？意味着未来两年，你会看到无数公司突然有了自己的AI客服、AI销售、AI运营、AI财务。这些AI不会累，不会辞职，不会要求加薪，二十四小时在线，随叫随到。你打电话过去，对面可能是AI接的。你发邮件咨询，回你的可能是AI。你投诉商品问题，处理的也可能是AI。
而且这些AI不是那种一问三不知的蠢AI，是真的能办事的智能体。它们能调数据库，能查订单，能算价格，能审批流程，能写合同，能发发票。它们甚至能互相聊天，你的AI销售跟客户的AI采购讨价还价，两个AI谈完生意，人类只需要最后签个字。
Nemotron联盟：智能体经济开始形成生态
接着一个更有意思的东西出现了。Nemotron coalition。名字听起来像变形金刚里的反派组织，其实是一群AI公司组成的联盟。成员包括Perplexity、Mistral、Cursor这些AI圈当红炸子鸡。
这个联盟背后的思想非常简单。未来每家公司都会拥有自己的智能体团队。就像今天每家公司都有IT部门一样。IT部门负责修电脑、管网络、搞安全。智能体部门负责训练AI、部署AI、管理AI。
黄仁勋说了一句话非常关键：every company needs an agent strategy。翻译过来就是每家公司都得有个智能体战略。不是可选项，是必选项。就像二十年前每家公司都得有个网站，十年前每家公司都得有个App，现在每家公司都得有个AI战略。
你想想，如果你的竞争对手有十个AI员工，二十四小时不睡觉地干活，你还在用人类员工朝九晚五地工作，你怎么打得过？这就像别人用收割机收麦子，你还在用镰刀一把一把割。不是你想不想换机器的问题，是你不换就得饿死。
Nemotron联盟的任务就是让这个转型变得容易。成员公司共享技术，统一标准，互相兼容。你的AI跟我的AI能对话，就像微信和QQ能互发消息一样。这个生态一旦形成，AI就不再是单个公司的玩具，而是整个经济的基础设施。
自动驾驶大战：AI开始进入现实世界
AI不只在数据中心，也在汽车里。这部分演讲特别有意思，因为黄仁勋请来了Uber的CEO一起站台。两个大佬在台上聊自动驾驶，画风有点像两个老司机交流开车经验。
Uber宣布将在2028年前在28个城市部署英伟达Drive AV系统。这个系统属于自动驾驶平台。2028年听起来很远，其实也就两年后。两年后你在这些城市打车，来的可能是一辆没有司机的车。你上车，关门，车自己开走，全程没人跟你说话，安静得像坐灵车。
同时，尼桑Nissan、比亚迪BYD、现代Hyundai都在基于英伟达硬件开发Level 4自动驾驶车辆。Level 4代表什么？意思是大多数情况下车辆自己驾驶，人类只负责坐车。你可以在车上睡觉、看书、刷手机、化妆、吃泡面，车自己知道怎么开。
换句话说，显卡不仅在写代码、生成图片、回答问题，还在开车。你坐的车里，可能藏着几百块显卡，实时处理摄像头拍到的画面，识别行人、车辆、路标、红绿灯，预测下一秒会发生什么，然后决定刹车还是加速。
这个过程每秒发生几十次，每次都要在毫秒级别内完成。如果显卡算力不够，车就会反应迟钝。你想想，如果自动驾驶反应慢半秒，可能就撞上前面的车了。所以自动驾驶对算力的需求，比数据中心还变态。这也是为什么英伟达能成为自动驾驶的核心玩家，因为全世界能把算力堆到这个程度的，没几家。
Feynman架构：未来三年路线图已经锁定
大会最后抛出一个更长远的东西。2028年的Feynman架构。名字来自物理学家理查德·费曼，这位大佬以讲物理通俗易懂出名，黄仁勋可能也想让自己的技术变得更好懂。
这个平台包括新GPU、新CPU Rosa、下一代LPU，还有一种叫vertical blade rack的新机架结构。数据中心开始像高层建筑一样设计。服务器不只是横着摆，还开始往立体空间发展。以前一个机房能放一千台服务器，以后能放一万台，因为服务器开始叠着放。
最重要的信息在于路线图已经锁定。整个AI算力体系未来几年已经规划完成。你不会看到英伟达突然换个方向，也不会看到技术路线大改。就像修高铁，轨道铺好了，车造好了，剩下的就是按时刻表运行。
这对整个行业是个巨大的信号。云厂商可以放心投资，因为知道未来几年算力不会过时。软件公司可以放心开发，因为知道底层硬件会越来越强。创业公司可以放心融资，因为知道AI的基础设施已经稳定。整个生态进入加速阶段。
最终结论：英伟达正在建设AI时代的基础设施帝国
整场GTC大会讲完以后，一个非常清晰的画面浮现出来。英伟达的业务正在发生本质变化。显卡只是入口，真正的目标是建设AI经济的基础设施层。云计算平台、推理系统、企业智能体、自动驾驶、游戏渲染，这些东西全都围绕同一套算力体系。
就像互联网时代需要电信运营商一样，AI时代需要算力运营商。电信运营商铺光纤、建基站、收网费。算力运营商建数据中心、堆显卡、卖算力。英伟达想做的，就是成为全世界最大的算力运营商。
黄仁勋正在做的事情，就是把英伟达变成AI时代的电网公司。你用电的时候，不会去想电是哪家发电厂发的。你用AI的时候，也不会去想算力是哪家公司的显卡提供的。但背后那个庞大的基础设施，一直在默默运转。
如果这个战略成功，未来几十年所有AI系统背后都可能有一层看不见的英伟达基础设施。