原文来源：NVIDIA GTC 2026 大会主题演讲，2026年3月16日，美国加州圣何塞SAP中心 ｜ 资料整理：36氪、华尔街见闻、PAnewslab
演讲概览
| 演讲者 | 黄仁勋（Jensen Huang），NVIDIA 创始人兼CEO |
| 时间 | 2026年3月16日（当地时间上午11:00—13:00） |
| 地点 | 美国加州圣何塞，SAP中心 |
| 时长 | 约3小时 |
| 核心主题 | AI工厂时代、Token经济学、推理转折点、OpenClaw战略 |
| 核心数字 | 2027年至少1万亿美元的AI基础设施需求 |
演讲全文（中文译本）
开场白
欢迎来到GTC！这是一场技术会议，我们要聊聊技术，聊聊平台。
NVIDIA拥有三个平台。你们认为我们主要谈论的是其中一个，它与CUDA X有关。我们的系统是另一个平台，现在我们有了一个名为"AI工厂"的新平台。我们将讨论所有这些。最重要的是，我们要讨论生态系统。
本次活动共有450家公司赞助，一千场技术研讨会，两千名演讲者。本次会议涵盖AI五层结构中的每一层——从土地、电力和设施这些基础设施，到芯片和平台，再到模型，当然，最终让这个行业腾飞的关键在于所有应用。一切的开端，就在这里。
第一章：CUDA二十年——飞轮效应加速
今年是CUDA问世20周年。这项革命性的发明——单指令多线程——比SIMD更容易编程。如今，数以千计的工具、编译器、框架、库和开源软件，几十万个公共项目，CUDA实际上已经融入了每一个生态系统。
我们用了20年的时间，才在全球范围内建立了数亿个运行CUDA的GPU和计算系统。CUDA的飞轮效应：庞大的用户群体吸引开发者 → 开发者创造突破性算法（如深度学习）→ 算法催生新市场和生态系统 → 新生态系统扩大用户群。这个飞轮现在正在加速。
NVIDIA库的下载量正在以惊人速度增长，规模比以往任何时候都大，而且增长速度更快。
GeForce是这一切的起点。25年前，我们发明了可编程着色器，世界上第一个可编程加速器。20年后，CUDA诞生了。这是我们最大的投资之一，当时几乎承担不起，却消耗了公司绝大部分利润，目的就是将CUDA通过GeForce显卡推广到每一台电脑上。
GeForce将CUDA带给了全世界——为Alex Krizhevsky、Ilya Sutskever、Geoff Hinton、Andrew Ng等人提供了支持，他们发现GPU可以加速深度学习，开启了AI的大爆炸。
今天，我们宣布DLSS 5.0——神经渲染，3D图形与AI的融合。 将可控的3D图形与生成式AI相结合，既令人惊叹，又易于控制。这种将结构化信息与生成式AI融合的概念将在各个行业中不断重复出现。结构化数据是可信赖AI的基础。
第二章：推理转折点——AI开始思考
"过去两年，全球计算需求增加了100万倍。"
原因在于AI能力的跃迁：从ChatGPT开启生成式AI，到O1模型具备推理能力，再到Claude Code成为首个能自主工作的代理模型。每一次进步，都意味着推理阶段的计算量呈指数级增长。
"AI现在需要思考了。思考需要推理，推理需要生成大量token。与训练相比，推理的计算需求提升了约10万倍。"
这正是推理转折点——AI从"感知"走向"生成"，从"推理"走向"行动"。
"去年这个时候，我说过，我们看到了5000亿美元的高确信度需求，覆盖Blackwell和Rubin直到2026年。现在，就在此时此地，我看到到2027年至少有1万亿美元的需求。是的，我们甚至可能面临供应短缺。我确信实际的计算需求将远高于此。"
目前，NVIDIA 60%的业务来自顶级五大超大规模云服务提供商，另外40%广泛分布在主权云、企业、行业、机器人和边缘计算等各个领域。
第三章：Token工厂经济学
黄仁勋提出了一个全新的商业思维框架——AI Token工厂经济学。
"每座数据中心和每座工厂，从定义上讲，都受限于电力。一座1吉瓦的工厂永远不可能变成2吉瓦的工厂——这是物理定律和原子的规律。在固定功率下，谁的每瓦吞吐量最高，谁的生产成本就最低。"
未来AI服务的商业层级：
| 服务层级 | 价格（每百万token） | 特点 |
|---|---|---|
| 免费层 | $0 | 高吞吐量，低速度 |
| 中级层 | ~$3 | 均衡性能 |
| 高级层 | ~$6 | 更快更智能 |
| 高速层 | ~$45 | 接近实时 |
| 超高速层 | ~$150 | 极低延迟 |
"在这座token工厂里，你的吞吐量和token生成速度将直接转化为你明年精确的收入数字。"
为此，NVIDIA发布了两大核心产品：Dynamo（专为AI工厂设计的操作系统）和 DSX平台（用于设计和运营AI工厂的数字孪生蓝图，整合了从机械仿真到电网优化的全链条工具）。
第四章：新硬件发布——Vera Rubin与Groq整合
黄仁勋发布了新一代AI超级计算平台 Vera Rubin：
- Vera CPU + Rubin GPU + NVLink-72互联
- 与Hopper相比，同等功耗下token吞吐量提升 35倍
- 全液冷系统，彻底消除传统线缆
- 一台机架安装时间从两天缩短为两小时
更重要的是，NVIDIA宣布与Groq深度合作，将Groq的LPU（语言处理单元）集成进系统。Groq芯片采用确定性数据流架构，500MB SRAM，专为超低延迟推理优化。
"这两种处理器具有截然不同的特性。通过Dynamo调度：预填充阶段（大量计算）交由Vera Rubin，延迟敏感的解码阶段交给Groq。"
结果：两年内，同样的1GW数据中心，token生成速率从2200万提升到7亿，提升了350倍。摩尔定律同期只实现了约1.5倍的提升。
其他硬件亮点：
- Kyber机架：容纳144个GPU，铜缆连接，前所未有的扩展密度
- Spectrum X：全球首个量产共封装光学（CPO）交换机
- Groq LP30芯片（三星制造）已量产，第三季度发货
- 第一台Vera Rubin机架已在微软Azure云上运行
第五章：OpenClaw——代理系统的开源操作系统
演讲中最引发思考的部分是黄仁勋对 OpenClaw 的重点介绍。这个开源个人AI代理，在短短几周内成为人类历史上最受欢迎的开源项目，超越了Linux三十年的积累。
"OpenClaw是什么？它是一个代理系统，能调用大模型、访问工具和文件系统、分解任务、衍生子代理，并通过各种方式与你交互。它实质上是智能计算机的操作系统——就像Windows开启了PC时代，OpenClaw将开启个人代理时代。"
"每一家公司现在都需要制定'OpenClaw战略'。"
NVIDIA为此推出了 NemoClaw企业参考设计，集成企业级安全、隐私保护路由和策略执行引擎。同时发布多个开放前沿模型：Nemotron（语言）、Kosmos（视觉/世界模型）、ALPAMIO（多模态）、GROOT（物理AI）。
"未来，我们公司的每位工程师都将需要一个年度Token预算。他们的基本年薪可能是几十万美元，而我会给他们分配大约相当于这个数字一半的Token配额，以使他们实现10倍的效率提升。这已经是硅谷新的招聘策略：你的offer里包含多少Token？"
第六章：物理AI——机器人与自动驾驶
演讲最后聚焦于物理AI。自动驾驶方面，NVIDIA平台新增四家合作伙伴：比亚迪、现代、日产、吉利，加上此前的奔驰、丰田、通用，总计覆盖 每年1800万辆汽车。
机器人方面，NVIDIA与迪士尼、DeepMind合作，基于Newton物理求解器和Kosmos世界模型，训练出能行走、互动的角色机器人。现场，一个奥拉夫雪人机器人走上舞台与黄仁勋实时互动。
"全球首次大规模物理AI部署已经到来。从自动驾驶到工业机器人，从手术室辅助到娱乐角色，物理AI正在从模拟走向现实。"
第七章：前瞻——Feynman架构与太空数据中心
黄仁勋透露了两个重大预告：
- 下一代计算架构Feynman：将是首个同时实现铜线和CPO水平扩展的架构
- Vera Rubin Space-1：在太空中部署的数据中心计算机——彻底打开了AI算力延伸至地球之外的可能性
结语
"我们正处于计算范式的根本性转折点——从检索式计算走向生成式计算，从数据存储走向token生产，从应用软件走向智能代理。在这个新世界里，硬件是AI工厂的底座，软件是代理系统的灵魂，而开源生态（如OpenClaw）则是连接一切的粘合剂。未来已来，你何不亲自来看看？"
深度分析
一、这场演讲的历史定位
GTC 2026不是一次普通的产品发布会。把它放在更长的时间轴上看，这场演讲标志着NVIDIA完成了一次身份的彻底转变：从"做最好的GPU的公司"，变成了"构建AI时代基础设施的公司"。黄仁勋自己用了一个词——"AI工厂公司"。
过去十年，NVIDIA的故事是：GPU → 深度学习 → AI训练 → 数据中心。GTC 2026之后，NVIDIA的故事变成了：AI工厂 → Token经济 → 代理系统 → 物理世界。这不只是产品更新，是整个价值主张的升维。
二、核心框架：Token工厂经济学解析
这是整场演讲最值得反复阅读的部分。黄仁勋用一个极简框架把复杂的AI商业模式讲清楚了：
数据中心 = AI工厂 ｜ 算力 = 产能 ｜ Token = 产品 ｜ 电力 = 硬约束
电力是真正的天花板，1GW就是1GW，物理定律不可违抗。这意味着"谁的每瓦token产出最高，谁的利润就最高"——直接解释了为什么NVIDIA要在性能/瓦特上不断突破（Vera Rubin vs Hopper：综合350倍提升）。
Token有价格分层，高价值推理才是真金白银。免费层的token赚不了多少，$150/百万token的超高速层才是利润所在。Groq LPU的价值就在这里——专门服务于需要极低延迟的高价值推理场景。
三、OpenClaw战略：黄仁勋在下一盘大棋
每次大的计算范式转换，都伴随着一个操作系统级平台出现：PC时代 → Windows，移动时代 → Android/iOS，云时代 → AWS/Azure，代理时代 → OpenClaw（？）
OpenClaw本身是开源的，NVIDIA没有直接控制权。但NVIDIA推出了NemoClaw企业参考设计——这是NVIDIA在"agent OS层"的商业落点。就像Red Hat通过Linux企业版盈利一样，NVIDIA通过企业级安全和策略管理层，在开源基础上构建商业价值。
更深层的含义：OpenClaw的普及，直接意味着agent计算需求的爆发，而agent跑在GPU上。这是黄仁勋最喜欢的商业模式——让更多人用NVIDIA的基础设施，同时还能保持开放生态的形象。
四、Groq整合：异构推理架构的野心
| 维度 | Vera Rubin (NVIDIA GPU) | Groq LPU |
|---|---|---|
| 内存容量 | 288GB HBM | 500MB SRAM |
| 擅长场景 | 高吞吐量推理、预填充 | 超低延迟解码 |
| 成本特点 | 大内存，高带宽 | 极快，确定性延迟 |
| 最佳用途 | 批处理、训练 | 高价值实时推理 |
Dynamo调度器把两者的优势组合起来，从$0到$150/百万token全覆盖。竞争对手很难用单一架构同时做到这两件事。
五、物理AI：下一波浪潮的明确押注
1800万辆汽车/年的合作规模 + 工业机器人 + 娱乐机器人现场演示，是黄仁勋向市场发出的清晰信号：软件AI已经验证，下一场战争在物理世界。汽车厂商之所以重要，是因为它们是目前量产规模最大、最容易标准化的物理AI平台。1800万辆，就是1800万个移动的AI计算节点。
六、太空数据中心：想象力的边界扩张
Vera Rubin Space-1把数据中心放到太空，不只是散热问题（太空散热效率极高），更重要的含义是：覆盖全球任意地点延迟均匀、不受地面电网和土地限制、服务于海洋极地等数据盲区。这代表NVIDIA对算力基础设施边界的主动拓展——这家公司想成为的不只是地球上最重要的AI基础设施公司，而是跨越行星尺度的算力供应商。
七、对不同人群的启示
对企业决策者： 现在最重要的问题不是"要不要用AI"，而是"我的OpenClaw战略是什么"。代理化是不可逆的趋势，每家SaaS公司都需要规划向AaaS（Agent-as-a-Service）的转型路径。
对工程师/开发者： 黄仁勋的"年薪+Token预算"不是比喻，而是正在发生的现实。真正有价值的能力，是知道如何用Token预算把自己的产出乘以10倍。会用Agent不够，要学会设计Agent工作流。
对创业者： AI工厂时代的机会不在于卖GPU，而在于上层——谁能在特定垂直领域建立高价值的推理服务（$45–$150/百万token的层级），谁就能建立护城河。
对投资者： 1万亿美元的需求预期是有具体订单支撑的高置信度预测。AI基础设施的供需不平衡还会持续至少2–3年。但更值得关注的是上层应用——谁在用Token经济学重新定义自己所在行业的商业模式。
黄仁勋在GTC 2026描绘的不是一家公司的未来，而是整个数字文明的下一个操作系统——AI工厂生产Token，OpenClaw消费Token，物理AI消耗Token，而这一切都建立在NVIDIA的硅基之上。
整理：小K（Kollab AI）/ 来源：36氪、华尔街见闻、PAnewslab / 2026-03-19