黃仁勛最新演講宣布萬億訂單：Token正在成為一種新的大宗商品（附兩萬字實錄）

出品 / 新浪科技（ID:techsina）

作者 / 《硅谷觀察》欄目 鄭駿

硅谷圣何塞SAP中心，幾乎完全坐滿。

這座平時屬于NHL圣何塞鯊魚冰球隊的主場，在今天變成了一年一度的"AI麥加"。來自190個國家的開發者、工程師、企業買家和投資人擠滿了每一個座位，所有人的目光都對準一個熟悉的身影：那個愛穿皮夾克的中年男人。

英偉達CEO黃仁勛走上臺的第一句話是：“It all starts here."——一切從這里開始。接下來的兩個多小時，他兌現了這句話的分量。他笑著說，今天這里就像是超級碗一樣。

他預計英偉達新一代AI加速芯片架構Blackwell與下一代Rubin產品，到2027年底將創造至少1萬億美元收入。這一數字遠超黃仁勛2025年10月給出的5000億美元銷售預測，再次凸顯AI基礎設施投資浪潮仍在快速擴張。

萬億訂單：需求敘事的重新定標

本場演講最直接的數字沖擊來自訂單端。黃仁勛預計，到明年年底，英偉達來自Blackwell和Vera Rubin兩代架構的采購訂單總額預計將突破1萬億美元。這一數字是英偉達去年所預期的5000億美元的兩倍。

英偉達此前就已經上調了預期。上個月，英偉達CFO克雷斯（Colette Kress）曾在財報電話會上暗示，芯片銷量增長將超越此前預期，而今天黃仁勛則將“超越”量化成了具體數字。

他這一自信表態的背景是：英偉達最新財報顯示，數據中心季度營收已達623億美元，同比增長75%；但英偉達股價卻沒有同步走高，反而自去年10月的歷史高點207美元回調了約11%，資本市場對2027年英偉達能否維持增速存在諸多疑慮，而增長空間直接決定了股價上行空間。黃仁勛的萬億數字，直接回應了這場“虛無的擔憂”。

核心產品：Vera Rubin全棧亮相

Vera Rubin是本場演講的絕對主角，只不過黃仁勛一直等到一個半小時之后才正式發布。這套系統在去年年底的華盛頓特區活動就已經披露，今年年初的CES 2026進一步展示細節，而今天則是完整正式發布。核心亮點如下：

Vera Rubin NVL72是當前旗艦規格，由72顆GPU通過NVLink 6互聯，整體采用液冷設計，黃仁勛特別強調：“所有線纜都消失了”——改用模塊化托盤，安裝時間從Blackwell的兩小時壓縮至5分鐘。系統以45度熱水冷卻運行。黃仁勛將其稱為“超級充電AI紀元的引擎”。

Rubin Ultra進一步擴展至144顆GPU單機柜規格，采用全新的Kyber機架豎向安裝，前端負責計算，后端負責NVLink互聯。與Hopper世代相比，Vera Rubin平臺的推理吞吐量理論上可達700萬tokens/秒，而x86 Hopper組合僅為200萬。黃仁勛稱這是“AI工廠未來最重要的一張圖表”，并將推理算力分為Free、High、Premium、Ultra四個服務層級，以tokens/秒定價，“Token是新的大宗商品”。

Vera CPU將作為獨立產品單獨銷售，形成英偉達在CPU市場的獨立營收來源。英偉達方面預計這一業務將發展為“數十億美元級別”的收入貢獻。第一套Vera Rubin系統已在微軟Azure云上運行，采樣進展順利——這與Blackwell世代初期出現良率問題形成了對比。

Groq收購落地：LPU正式集成

去年圣誕前夕，英偉達以約200億美元完成對Groq的核心資產并購，吸納了包括創始人羅斯（Jonathan Ross）在內的核心團隊。今天，黃仁勛宣布了這筆收購的技術產品：Groq 3 LPU（語言處理單元）。

Groq 3的定位是Vera Rubin的推理加速器，而非GPU的替代品。從技術架構看，大語言模型推理分為兩個階段：計算密集型的prefill（處理輸入提示）和帶寬密集型的decode（生成輸出token）。英偉達的GPU擅長高吞吐的prefill，而Groq的LPU以22 TB/s的HBM4內存帶寬專門優化decode階段，比同類GPU快約7倍。兩者通過Disaggregated Inference（分離式推理）架構配合運行：GPU負責prefill，LPU負責decode，上層由英偉達的Dynamo系統統一調度。

英偉達為此推出了專用的LPX機架，單機柜容納256顆Groq 3 LPU，設計上緊靠Vera Rubin NVL72機架并排部署，通過定制Spectrum-X互聯。每顆Groq 3 LPU具備500MB片上內存，由三星代工，預計三季度出貨。官方數據顯示，Vera Rubin NVL72與Groq 3 LPX聯合部署，較Blackwell可實現每兆瓦tokens/秒提升35倍。

英偉達高管在發布前夕表示，這一架構使得公司可以為大型語言模型提供“每秒數千tokens”的極低延遲推理服務——這一層級此前被Cerebras和SambaNova等專用推理芯片公司占據。

英偉達官方養蝦：打造AI代理時代

硬件之外，黃仁勛花了不少時間闡述英偉達的軟件定位。切入點是當前最熱門的AI代理（AI Agent）浪潮，以及近期爆紅的開源代理平臺OpenClaw。他盛贊OpenClaw是有史以來最為成功的開源項目。

黃仁勛將OpenClaw類比于操作系統："它就是代理計算機的操作系統，就像Windows讓個人電腦成為可能一樣。"他甚至宣稱"全球每家公司都需要有一套OpenClaw戰略"，將其與當年企業必須擁抱Linux或HTTP/HTML相提并論。

英偉達為此發布了NemoClaw——一套針對OpenClaw的開源企業級參考軟件棧。其核心功能是企業安全：幫助公司在部署AI代理時保護內部敏感數據，防止代理在自主運行過程中泄露專有信息。微軟安全團隊同日宣布與英偉達合作，共同基于Nemotron和NemoClaw開發實時自適應防護能力。

此外，英偉達還將DGX Spark和DGX Station兩款桌面/工作站級產品定位為企業AI代理的本地開發與部署平臺，將NemoClaw的能力引入邊緣。

路線圖：

從Feynman到太空數據中心

硬件路線圖方面，黃仁勛在Vera Rubin之后首次勾勒了下一代Feynman架構的輪廓，計劃于2028年推出。Feynman將包含全新GPU、新一代LPU（LP40）、全新CPU——命名為Rosa（致敬DNA結構發現者羅莎琳德·富蘭克林），配合BlueField-5 DPU、CX10 NIC，以及支持銅纜與共封裝光學（CPO）的Kyber互聯平臺。

更出人意料的是，黃仁勛宣布英偉達正在開發太空版Vera Rubin模塊——Space-1，目標是在軌道上部署AI數據中心。他承認太空環境中的輻射防護是核心挑戰，但英偉達已著手研發。這也與SpaceX、谷歌、亞馬遜等巨頭的太空數據中心戰略不謀而合。

此外，英偉達發布了DSX AI Factory參考設計，結合Omniverse DSX Blueprint，幫助企業規劃、仿真和管理大規模AI數據中心的全生命周期。AWS當天宣布與英偉達擴大合作，承諾部署超過100萬顆英偉達 GPU，涵蓋Blackwell、Rubin以及Groq 3 LPU，部署將于今年內跨越AWS全球區域啟動。

無人車與機器人：

合作伙伴大規模擴張

自動駕駛是演講第三條主線。黃仁勛宣布英偉達 Drive AV軟件與Uber的合作進入落地階段：Uber將在2028年前于全球四大洲28座城市部署由英偉達技術支持的自動駕駛車隊，首批城市為洛杉磯和舊金山，2027年啟動。

與此同時，比亞迪、吉利、日產和現代等車企正在英偉達的 Drive Hyperion平臺上開發L4級自動駕駛乘用車。五十鈴和中國企業Tier IV還在通過英偉達 AGX Thor芯片開發自動駕駛巴士。黃仁勛引用了一句話：“自動駕駛汽車的ChatGPT時刻已經到來。"

在機器人領域，迪士尼研發的Olaf機器人（來自《冰雪奇緣》）現身舞臺，與黃仁勛進行了對話互動。該機器人在英偉達仿真環境中聯合訓練，是英偉達具身AI（Physical AI）應用于娛樂場景的展示。

或許Moor Insights & Strategy首席分析師摩爾海德（Patrick Moorhead）的表述最為精準：英偉達不再是一家芯片公司，是一個平臺。

今天前一個半小時，黃仁勛說的最多都是平臺，是基礎設施。他不斷強調英偉達已經不是一家芯片公司，而是一家生態平臺，是一家基礎設施企業。今天的演講顯示，英偉達的戰略布局已延伸至訓練、推理、編排、軟件安全、物理AI、自動駕駛、機器人乃至太空數據中心。

更具體地說，英偉達正在通過三個層面構建護城河：硬件全棧（GPU+LPU+CPU+DPU+ 網絡），軟件生態（CUDA、NemoClaw、Dynamo、Omniverse），以及行業落地（汽車、醫療、工業、娛樂）。其中，軟件正在成為越來越顯性的競爭優勢——這恰恰是AMD等競爭對手最難復制的部分。

自動駕駛的大規模合作伙伴擴張，以及OpenClaw代理平臺的接入，也預示著英偉達的增長來源將從單一的數據中心硬件擴展為更廣泛的AI應用基礎設施。黃仁勛在演講尾聲所描繪的圖景：AI將從當前的文本生成工具，演變為能夠推理、規劃、執行任務的自主系統，而為這些系統提供底層算力的，是以“Token工廠”效能為核心指標的AI數據中心——英偉達要做的，是這個工廠的全套解決方案提供商。

股價與分析師反應：

確認信心，但分歧依然

演講期間，英偉達今日股價收盤上漲約1.65%，日內從181美元區間上行至約183美元，成交量達2.17億股，高于日均的1.77億股，市值達到4.45萬億美元，這意味著本次GTC至少短期提振了市場信心。

Wedbush分析師艾維斯（Dan Ives）是本次演講后反應最為積極的多頭。他將黃仁勛稱為“AI教父”，將此次GTC定性為“科技投資者急需的信心提振”，稱英偉達“獨坐AI山頂”。艾維斯還重申，這次演講證明“AI革命正在加速，而非減速”，萬億美元的需求預測說明需求“來自四面八方”——企業、政府和AI原生公司同步發力。他估算，每1美元的英偉達芯片支出將在軟件、網絡安全、能源和數據中心等下游創造8至10美元的乘數效應。

Cantor Fitzgerald分析師慕斯（C.J. Muse）在演講前已將目標價定在300美元，維持買入評級，表示“我們正處于重新建立信心的臨界點”；他預計黃仁勛的信息將強化英偉達作為“全系統AI基礎設施公司”的戰略定位，并重點關注2027年的需求可見性。

Deepwater資產管理合伙人Gene Munster在演講前的判斷則更為謹慎：他認為真正的挑戰不在于今天的發布，而在于投資者對2027年增速放緩的長期擔憂——這與“AI資本支出是否已接近峰值”的更廣泛市場敘事密切相關。

在過去一年的AI泡沫以及基建投資大躍進擔憂中，今天黃仁勛給整個AI行業注入了一針強心針，描述了一個更加廣闊的AI全生態落地愿景。而在這個AI未來生態中，英偉達牢牢占據著根基地位。

AI泡沫？穿皮衣的中年男子覺得這才剛剛開始。

附完整演講全文

歡迎來到GTC！我只想提醒大家，這是一場技術大會。這么多人在清晨就排起了長隊，很高興見到在座的各位。在GTC我們將探討技術與平臺。NVIDIA擁有三大平臺，大家可能以為我們主要討論的是CUDA X，但系統是我們的另一個平臺，現在我們還有一個名為AI Factories的新平臺。我們將討論所有這些內容，但最重要的是我們要討論生態系統。

在開始之前，我要感謝賽前節目主持人Sarah Go和Alfred Lin，以及NVIDIA的首家風險投資機構Sequoia Capital的Gavin Baker。作為首位主要機構投資者，他們深耕技術領域，洞悉行業動態，擁有廣泛的技術生態系統。當然也要感謝我親手挑選并邀請的各位全明星VIP嘉賓，此外我還要感謝所有到場的贊助公司。NVIDIA是一家平臺公司，擁有技術、平臺以及豐富的生態系統。今天這里匯聚了全球100萬億美元產業的代表，共有450家公司贊助了本次活動，擁有一千場技術分會和2000位演講嘉賓。本次大會將涵蓋人工智能五層蛋糕架構的每一層，從土地、電力和建筑等基礎設施，到芯片、平臺和模型，而最終讓整個行業騰飛的將是所有的應用程序。

一切都始于這里，今年是CUDA問世20周年。20年來我們一直致力于這一架構的研發。這項革命性的發明通過單指令多線程編寫標量代碼即可衍生出多線程應用，這比SIMD更容易編程。我們最近還添加了Tiles，以幫助開發者對Tensor Core及當今人工智能基礎數學結構進行編程。目前已有數千個工具、編譯器、框架、庫和數十萬個公開的開源項目，CUDA已經深度集成到每一個生態系統中。最難實現的一點是龐大的裝機量。

我們花了20年時間在全球構建起數以億計運行CUDA的GPU和計算系統，覆蓋了每一個云平臺和計算機公司，服務于幾乎所有行業。CUDA的裝機量正是推動飛輪加速轉動的核心動力。裝機量吸引了開發者，開發者隨后創造出如深度學習等實現突破的新算法。這些突破催生了全新市場并建立起新的生態系統，吸引更多公司加入，從而創造了更大的裝機量。這種飛輪效應目前正在加速，NVIDIA庫的下載量正以驚人的速度增長。這種效應不僅讓計算平臺能支持眾多應用和突破，還賦予了基礎設施極長的使用壽命。

有如此多的應用可以在NVIDIA CUDA上運行，我們支持AI生命周期的每個階段和每個數據處理平臺，加速各種基于科學原理的求解器。正因應用范圍如此之廣，一旦安裝NVIDIA GPU，其使用壽命周期就極長。這也是為什么早在六年前出貨的Ampere架構在云端的定價依然在上漲。高裝機量、顯著的飛輪效應和極廣的開發者覆蓋范圍，加上我們持續更新軟件，使得計算成本不斷下降。加速計算極大提升了應用速度，隨著我們在軟件生命周期內的持續培育和更新，用戶不僅能獲得初次使用的性能提升，還能獲得加速計算帶來的持續成本降低。因為裝機量龐大，我們發布的新優化方案能惠及數以百萬計兼容架構的GPU，覆蓋全球用戶。動態組合擴大了NVIDIA架構的影響力，加速增長的同時降低了計算成本并促進新增長，這就是CUDA的核心價值。

但我們的旅程實際上始于25年前的GeForce。GeForce是NVIDIA最偉大的營銷活動，許多人是伴隨它長大的。早在你們自己負擔得起之前，父母就付錢讓你們成為NVIDIA的客戶，直到有一天你們成為出色的計算機科學家和真正的開發者。GeForce造就了今天的NVIDIA并孕育了CUDA。25年前我們發明了全球首款可編程加速器——像素著色器，旨在讓加速器具備可編程性。5年后CUDA誕生了。我們當年傾盡全公司利潤所做的最大投資，就是憑借GeForce將CUDA推廣到每臺電腦上。歷經20年和13代產品，CUDA現已無處不在。十年前我們推出了RTX，針對現代計算機圖形時代徹底重新設計了架構。GeForce將CUDA推向世界，也讓眾多先驅發現GPU是加速深度學習的良師益友，從而開啟了AI大爆炸。十年前我們決定融合可編程著色技術并引入硬件光線追蹤，當時我們就認為AI將徹底變革計算機圖形學。正如GeForce將AI帶給世界，現在AI將反過來徹底變革計算機圖形學。

今天我將展示下一代圖形技術——神經渲染，這是3D圖形與人工智能的融合，也就是DLSS 5.0。我們融合了可控的3D圖形、虛擬世界的結構化數據與生成式AI的概率計算。結構化數據完美受控，結合生成式AI，創造出精美令人驚嘆且具備可控性的內容。這種將結構化信息與生成式AI融合的概念將接連不斷地影響各個行業，結構化數據正是值得信賴的AI的基石。

接下來我們要詳細探討結構化數據。大家熟知的SQL、Spark、Pandas、Velox以及Snowflake、Databricks、Amazon EMR、Azure Fabric、Google Cloud BigQuery等超大型平臺都在處理數據框。這些數據框是巨大的電子表格，保存著企業計算和業務的單一真值。過去我們努力加速結構化數據處理，以更低成本和更高頻率讓公司高效運行。未來AI將以極快的速度使用這些結構化數據庫。除此之外，還有代表全球絕大部分信息的非結構化生成式數據庫，如向量數據庫、PDF、視頻和演講等。每年生成的90%的數據都是非結構化數據。直到現在由于缺乏簡便的索引方式且難以理解其含義，這些數據一直無法被高效查詢和搜索。

現在我們讓AI來解決這個問題。利用多模態感知與理解技術，AI能夠閱讀PDF并理解其含義，將其嵌入到可搜索和查詢的更大結構中。為此NVIDIA創建了兩個基礎庫：用于數據框和結構化數據的cuDF，以及用于向量存儲和非結構化AI數據的cuVS。這兩個平臺將成為未來最重要的平臺，我們正將其深度融入全球復雜的數據處理系統網絡中。

今天我們將發布幾項重要合作。IBM作為領域特定語言SQL的發明者，正在使用cuDF加速watsonx的數據處理。60年前IBM推出了開啟計算時代的System/360，隨后SQL和數據倉庫構成了現代企業計算的基石。今天IBM與NVIDIA正通過利用GPU計算庫加速watsonx.data的SQL引擎，為AI時代重新定義數據處理。由于當前CPU數據處理系統已無法滿足AI對海量數據集的快速訪問需求，企業必須轉型。例如雀巢每天要做數千次供應鏈決策，在CPU上每天只能刷新幾次匯總了全球交付事件的訂單到現金數據集市，而在NVIDIA GPU上運行加速的watsonx后，速度提升了5倍且成本降低了83%。

AI時代的加速計算已經到來。我們不僅加速了云端數據處理，也加速了本地部署。全球領先的系統和存儲制造商Dell與我們合作，將cuDF和cuVS集成到Dell AI數據平臺中以迎接AI時代。我們還與Google Cloud合作加速了Vertex AI和BigQuery。在與Snapchat的合作中，我們將其計算成本降低了近80%。當你加速計算和數據處理時，不僅獲得了速度和規模優勢，最重要的是獲得了成本優勢。摩爾定律的核心是性能每隔幾年翻倍，但它現在已經后勁不足。加速計算讓我們能夠實現跨越。

NVIDIA作為一家算法公司，憑借廣泛的市場觸達和龐大的裝機量，通過持續優化算法不斷降低計算成本，為大家擴大規模并提升速度。NVIDIA構建了加速計算平臺并提供RTX、cuDF、cuVS等一系列庫，最終將其集成到全球的云服務和OEM廠商中觸達全球。這種合作模式正在Google Cloud、Snapchat等平臺上不斷重復。我們為在JAX、XLA和PyTorch上所做的出色工作感到自豪。我們是全球唯一在這些框架上都表現卓越的加速器。像Baseten、CrowdStrike、Puma、Salesforce等不僅是我們的客戶也是開發者。

我們將NVIDIA技術整合到他們的產品中，并將他們帶入云端。我們與云服務提供商的關系本質就是為他們帶來客戶。大多數云服務提供商都非常樂意與我們合作，因為我們將源源不斷地為所有人提供加速。最后，今年讓我非常興奮的一件事是，我們將把OpenAI引入AWS，這將帶動AWS云計算的巨大消耗并擴展OpenAI的計算能力。

在AWS，我們加速了EMR、SageMaker和Bedrock。NVIDIA與AWS進行了深度集成，他們也是我們的首個云合作伙伴。在Microsoft Azure方面，我們為其打造并安裝了首臺NVIDIA A100超級計算機，這為后來與OpenAI的巨大成功合作奠定了基礎。我們與Azure的合作由來已久，不僅為其云服務和Bing Search提供加速，還與他們的AIFoundry開展了深度合作。隨著AI在全球范圍內的擴展，Azure Regions的合作也變得極其重要。我們提供的一項核心功能是機密計算（Confidential Computing）。機密計算能夠確保操作員無法觸碰或查看數據和模型。NVIDIA GPU是全球首款實現該功能的GPU，它能夠支持并在不同云端和地區安全部署OpenAI和Anthropic等極其寶貴的模型。這一切都要歸功于至關重要的機密計算技術。

在客戶合作方面，Synopsis是我們的重要合作伙伴，我們正在加速其所有的EDA和CAU工作流，并落地于Microsoft Azure。我們既是Oracle的首家供應商，也是他們的首位AI客戶。讓我非常自豪的是，我首次向Oracle解釋了AI云的概念，并成為他們的首位客戶，從那時起Oracle便開始騰飛。我們在那里落地了包括Quark、Cohere、Fireworks以及OpenAI在內的一大批合作伙伴。CoreWeave是全球首個AI原生云，其建立的核心目標就是在加速計算時代提供并托管GPU，為AI云提供托管服務。他們擁有出色的客戶群，并且增長速度驚人。

我還非常看好Palantir和Dell平臺。我們三家公司共同努力打造了一種全新類型的AI平臺——Palantir Ontology平臺。該平臺可以在任何國家、任何物理隔離（air-gapped）區域實現完全本地化的現場部署。AI幾乎可以部署在任何地方。如果沒有我們的機密計算能力，沒有我們構建端到端系統以及提供整個加速計算和AI堆棧的能力（涵蓋從向量或結構化數據處理到AI時代的完整流程），這一切都不可能實現。這些例子展示了我們與全球云服務提供商之間的特殊合作關系，他們今天都在現場，我由衷感謝大家的辛勤付出。

NVIDIA是一家垂直整合但同時橫向開放的公司，這是大家會反復看到的主題。其必要性非常簡單：加速計算不僅僅是芯片或系統的問題，它的核心在于應用加速。如果只是讓電腦運行得更快，那是CPU的工作，但CPU已經后勁不足了。未來實現巨大性能提升和成本降低的唯一方式，就是通過應用或特定領域的加速來實現，即應用加速計算。因此NVIDIA必須針對不同的垂直行業和領域，開發一個又一個的庫。

作為一家垂直整合的計算公司，我們別無選擇，必須深入理解應用、領域和算法的底層邏輯。我們還必須弄清楚如何將算法部署在數據中心、云端、本地（on-prem）、邊緣端或機器人系統等各種截然不同的計算系統中。從底層芯片到系統，我們實現了垂直整合。而NVIDIA之所以無比強大，是因為我們橫向開放。我們致力于將NVIDIA的軟件、庫和技術與合作伙伴的技術相結合，集成到任何目標平臺中，從而將加速計算帶給世界上的每一個人。本次GTC大會正是這一理念的絕佳展示。

目前我們擁有觸達各大垂直領域的領域特定庫，以解決各行各業的關鍵問題。例如在金融服務業（這也是本屆GTC參會人數最多的群體），算法交易正從依賴人類進行特征工程的傳統機器學習，轉向由超級計算機分析海量數據并自動發現洞察與模式，這正是金融業的深度學習和Transformer時刻。醫療保健行業也迎來了ChatGPT時刻。我們正在將AI物理學和AI生物學應用于藥物研發，并開發用于客戶服務和輔助診斷的AI Agent。

在工業領域，我們正在開啟人類歷史上規模最大的擴建工程，全球大多數行業都在建造AI工廠，今天也有許多芯片和計算機制造廠的代表來到現場。在媒體與娛樂方面，實時AI平臺正在支持翻譯、廣播、直播游戲和視頻，絕大部分內容都將通過AI進行增強。在量子計算領域，有35家公司正利用我們的Holoscan平臺構建下一代量子GPU混合系統。零售和消費品（CPG）行業正利用NVIDIA優化供應鏈，并構建代理式購物系統和客服AI Agent，這是一個價值35萬億美元的龐大市場。

在規模達50萬億美元的制造業機器人領域，NVIDIA已深耕十年，構建了重建機器人系統所需的基礎計算機，并與所有主流機器人制造公司展開合作，此次展會我們就展出了110臺機器人。電信行業的規模約為2萬億美元，其遍布全球的基站作為上一代計算時代的基礎設施，即將迎來徹底重塑。未來的基站將成為AI基礎設施平臺，讓AI在邊緣運行。我們的Aerial（即AIRAN）平臺正在與Nokia、T-Mobile等多家公司開展重大合作。

這一切的核心是我們自主發明的CUDA-X庫算法，這是NVIDIA作為一家算法公司的立身之本，也是我們區別于其他公司的特別之處。算法讓我們能夠深入各個行業，將世界頂尖計算機科學家解決問題的方法重構并轉化為庫。在本次展會上，我們將發布大量庫和模型，這些不斷更新的庫是我們公司的瑰寶，它們激活了計算平臺，真正解決了實際問題。比如引發現代AI大爆發的cuDNN，以及用于決策優化的cuOPT、計算光刻的cuLitho、直接稀疏求解器的cuDSS、基因組學的Parabricks等上千個CUDA-X庫，正助力開發者在科學和工程領域取得突破。大家所看到的一切都不是人工動畫，而是基于基礎物理求解器、AI物理模型和物理AI機器人模型的完全模擬。憑借對算法的理解與計算平臺的結合，NVIDIA作為一家垂直整合且橫向開放的公司，正不斷解鎖新機遇。

如今除了傳統巨頭，還涌現了一大批像OpenAI、Anthropic這樣的AI原生（AInative）初創公司。隨著計算被重新發明，創投圈向初創企業投入了史無前例的1500億美元資金。因為歷史上第一次，這些公司都需要龐大的算力和海量的Token，他們要么自己生成Token，要么為現有的Token增值。正如PC、互聯網和移動云時代誕生了Google、Amazon和Meta一樣，我們正處于新平臺轉型的開端，必將涌現出對未來具有重大影響力的新公司。

過去兩年的爆發源于三大里程碑。首先，ChatGPT開啟了生成式AI時代，它不僅能感知和領悟，還能翻譯并生成原創內容。其次，生成式計算徹底改變了計算的實現方式，從過去的基于檢索轉變為現在的生成式，這也深刻改變了計算機的架構和構建方式。第三是推理AI的崛起，O1和O3模型的出現讓AI能夠反思、獨立思考、分解問題并進行自我驗證，使生成式AI變得更值得信賴且基于事實。這種推理能力大幅增加了上下文輸入和思考輸出的Token使用量，顯著提高了計算量需求。隨后ClaudeCode作為首個智能體模型問世，它能夠自動讀取文件、編寫代碼、編譯測試并迭代，徹底變革了軟件工程。

我們有100%的員工正在使用ClaudeCode、Codex和Cursor等運行在NVIDIA上的AI工具來輔助編寫代碼。現在，你不再需要詢問AI該做什么，而是直接讓它結合上下文去創作、執行和構建。AI已經從感知進化到生成，再到推理，如今已經能夠真正開展高效的工作。正因為AI終于能夠進行生產性工作，過去兩年市場對NVIDIAGPU的計算需求徹底爆表，盡管我們已經大量出貨，但需求仍在持續攀升。

AI現在必須思考、行動并進行閱讀，而要做到這些，它必須進行推理并進行邏輯推演。AI的每一個部分在思考、行動和生成Token時都必須進行推理。現在早已過了訓練階段，我們正處于推理領域，推理的拐點已經到來。在這個時刻所需的計算量增加了大約10000倍。在過去的兩年里計算需求增長了10000倍，而使用量可能增長了100倍。相信計算需求在過去兩年里增長了一百萬倍，這也是每一家初創公司、OpenAI和Anthropic的共同感受。如果他們能獲得更多算力就能生成更多Token，營收就會增長，越先進的AI就會變得越聰明。

我們現在正處于這個正向飛輪系統中，推理的拐點已經到來。去年此時我說過到2026年Blackwell和Rubin的高置信度需求和采購訂單總額將達到5000億美元。雖然大家可能因為創下年度營收紀錄而對這個數字不為所動，但我現在要告訴大家，到2027年這一數字將至少達到1萬億美元。事實上我們將面臨算力短缺，計算需求將遠高于此。

我們在過去一年里做了大量工作，2025年是NVIDIA的推理之年。我們希望確保不僅擅長訓練和后訓練，而且在AI的每一個階段都表現出色。對基礎設施的投資可以長期擴展，NVIDIA基礎設施使用壽命長且成本極低。毫無疑問NVIDIA系統是世界上成本最低的AI基礎設施。去年的一切都是圍繞推理AI展開的，這推動了拐點的到來。同時Anthropic和Meta的Llama等代表全球三分之一AI開源模型算力的平臺都選擇了NVIDIA。開源模型已接近前沿水平且無處不在。NVIDIA是當今世界上唯一能夠跨越所有語言和AI領域運行的平臺，涵蓋生物學、計算機圖形學、計算機視覺、語音、蛋白質、化學和機器人技術等領域。我們的架構從邊緣到云端通用，使其成為成本最低且最值得信賴的平臺。

面對一萬億美元的龐大基礎設施規模，必須確保投資具有高性能、成本效益和長期使用壽命。你可以滿懷信心地選擇NVIDIA，無論部署在云端、本地還是世界任何地方，我們都能提供支持。我們現在是一個運行所有AI的計算平臺，這已體現在業務中。我們60%的業務來自前五大超大規模云服務商，其中一部分用于內部AI消耗。推薦系統和搜索等內部工作負載正從傳統方法轉向深度學習和大語言模型，這些負載正向NVIDIA極具優勢的GPU上遷移。通過與各大AI實驗室合作并擁有龐大的原生生態系統，我們能將算力帶入云端并被迅速消耗。另外40%的業務遍布區域云、主權云、企業、工業領域、機器人技術、邊緣計算和超級計算系統等。AI廣泛的觸達范圍和多樣性正是其韌性所在，它現已成為一項基礎技術和全新的計算平臺變革。

我們的職責是繼續推動技術進步。去年作為推理之年，我們在Hopper架構巔峰時冒著巨大風險進行了徹底重塑。我們決定將架構提升到全新水平，徹底重構系統以解耦計算并創造了NVLINK-72。其構建、制造和編程方式都發生了徹底改變。GraceBlackwell和NVLINK-72是一場巨大的賭注，感謝所有合作伙伴的辛勤努力。NVFP4不僅僅是精度上的提升，它代表了完全不同類型的TensorCore和計算單元。我們證明了可以在不損失精度的情況下進行推理并大幅提升性能和能效，同時還能將其用于訓練。結合NVLINK-72、NVFP4、Dynamo、TensorRT-LLM以及一系列新算法，我們甚至投入數十億美元建造了DGXCloud超級計算機來優化內核和軟件棧。過去人們常說推理很簡單，但實際上推理是終極難題，也是驅動收入的核心動力。對AI推理最全面的掃描數據顯示每瓦特Token數至關重要。每個數據中心都受到功率限制，物理法則決定了1吉瓦的工廠不可能變成2吉瓦。因此必須在有限功率下產出最大數量的Token，力求處于效能曲線的頂端。

推理速度決定了響應速度，也就是單次推理的交互性。推理速度越快，能處理的上下文和思考的Token就越多，這等同于AI的智能程度和吞吐量。AI越聰明，思考時間變長，吞吐量就會隨之降低。從現在起，全世界的每一位CEO都會將業務視作Token工廠并將其直接與收入掛鉤。在給定功率下，更好的每瓦性能意味著更高的吞吐量和更多的Token產出。NVIDIA擁有全球最高的性能，摩爾定律原本預期帶來1.5倍的提升，但我們實現了35倍的跨越。

去年我說GraceBlackwell和NVLink72的每瓦性能提升了35倍時沒人相信，甚至有分析師認為我保留實力實際提升高達50倍。這使得我們的每Token成本成為全球最低。如果架構錯誤即使免費也不夠便宜，因為建造并分攤一個吉瓦級工廠的成本高達400億美元。必須部署最頂尖的系統以獲得最佳成本效益。通過極致的協同設計，我們進行垂直整合并水平開放，將所有軟件和技術打包給全球推理服務提供商。

例如Fireworks和Together等平臺增長迅速，生產效能就是他們的一切。在我們更新軟件后系統硬件不變的情況下，平均速度從每秒約700個Token提升到了接近5000個，整整提高了七倍。過去用于存儲文件的數據中心現在已經變成了受功率限制的Token工廠。推理是新的工作負載，Token是新的商品，計算即收入。未來每一家云服務和AI公司都將思考其Token工廠的效能，這種智能將由Token來增強。

回顧過去十年的發展，我們在2016年推出了全球首款專為深度學習設計的計算機DGX-1，八個Pascal架構GPU通過第一代NVLink連接提供170Teraflops算力。隨后通過Volta架構引入NVLink交換機，將16顆GPU作為巨型GPU運行。隨著模型增長數據中心需成為單一計算單元，于是Mellanox加入了NVIDIA。2020年推出的DGXA100SuperPOD結合了縱向與橫向擴展架構。之后開啟生成式AI時代的Hopper架構配備了FP8，而Blackwell通過NVLINK-72重新定義了AI超級計算，實現130TB/s的全對全帶寬。

如今智能體系統的算力需求呈指數級增長。專為智能體AI設計的VeraRubin推進了計算領域的各個支柱，提供3.6Exaflops算力和每秒260Terabytes的全對全帶寬。搭配專為編排設計的VeraCPU機架、基于BlueField-4的STX存儲機架、提升能效的Spectrum-X交換機，以及增加Token加速器的Grock-3LPX機架，合力實現了每兆瓦35倍的吞吐量提升。這個包含七顆芯片、五臺機架級計算機的全新平臺，讓算力在短短10年內提升了4000萬倍。

過去介紹Hopper時我還能舉起一顆芯片，但VeraRubin是一個需要整體優化的龐大系統。智能體系統最關鍵的是大語言模型的思考過程，模型不斷增大對內存和存儲系統產生了巨大壓力，因此我們重新發明了存儲系統。AI需要工具盡可能快地運行，為此我們打造了全新VeraCPU，它專為極高單線程性能設計，是全球唯一采用LPDDR5的數據中心CPU，能效比傲視群雄。該CPU旨在與機架其他部分協同進行智能體處理。VeraRubin系統已實現100%液冷，取消了線纜，安裝時間從兩天縮短至兩小時。它使用45度溫水冷卻，大幅降低了數據中心的散熱成本與能源消耗。這是目前世界上唯一構建到第六代的縱向擴展交換系統，實現難度極高。此外采用共封裝光學技術的Spectrum-X交換機也已全面量產，光子直接連接芯片硅片，工藝完全是革命性的。VeraCPU作為獨立產品已成為價值數十億美元的業務。

這四個機架組成的系統通過結構化布纜構建，極為高效。而RubinUltra計算節點則更進一步，安裝進名為Kyber的全新機架中，可在一個NVLINK域中連接144個GPU。計算節點垂直插入中板，不再受限于銅纜的驅動距離，背面連接NVLINK交換機，組成一臺巨大的計算機。最后再次強調，在給定的功率下AI工廠的吞吐量和Token生成速度將直接決定明年的收入，這是對AI工廠未來最重要的一項指標。

縱軸是吞吐量，橫軸是Token速率。隨著Token生成速度的提升和模型規模的不斷擴大，不同應用場景對Token和上下文長度的需求也在持續激增。輸入和輸出的Token長度正從十萬級別向數百萬級別跨越。這些因素最終都將深刻影響未來Token的商業化營銷與定價。

Token正在成為一種新的大宗商品。像所有大宗商品一樣，一旦技術走向成熟并到達拐點，市場就會出現細分。高吞吐量但低生成速度的版本適用于免費層級；中等層級則會提供更大的模型、更快的生成速度以及更長的上下文輸入窗口，對應不同的定價區間。正如大家在各類云服務中所見，從免費層級到每百萬Token收費3美元、6美元的階梯定價模式已經出現。

業界都在致力于不斷突破能力邊界，因為模型參數越大就越智能，輸入的上下文越長則相關性越高。而在更快的生成速度下，系統能更好地進行思考與迭代，從而催生出更聰明的AI模型，每一次性能的躍升都賦予了服務更高的溢價空間。未來可能會出現收費高達45美元甚至每百萬Token收費150美元的高級模型服務，專門為處于關鍵研發路徑或進行長期復雜研究、對Token生成速度有極高要求的用戶提供支持。不過從現實來看，如果一個研究團隊每天消耗五千萬個Token，以每百萬150美元計價，這樣的成本是難以承受的。但我們堅信階梯化與細分化就是AI產業的未來發展方向。AI技術必須從確立自身價值和實用性起步，不斷迭代升級，未來大多數AI服務都將采用這種多層級的模式。

回顧Hopper架構，大家本就預期下一代產品性能會有所提升，但Grace Blackwell的飛躍幅度超乎所有人想象。Grace Blackwell在免費層級實現了吞吐量的極大提升，而這正是企業實現服務變現的核心領域，其吞吐量直接躍升了35倍。正如各行各業的商業邏輯一樣：服務層級越高，對應的質量與性能越好，但可用容量相對越低。我們在將基礎層級性能提升35倍的同時，還引入了全新的服務層級，這就是Grace Blackwell相較于Hopper實現的巨大跨越。

接下來登場的是Vera Rubin。在每一個細分服務層級上我們都實現了吞吐量的飛躍。特別是在平均售價最高、最具商業價值的頂層細分市場中，我們將吞吐量提升了整整10倍。在頂尖領域實現如此幅度的性能跨越是極其艱難的工程挑戰。這正是NVLink72的優勢所在，也是極低延遲架構帶來的巨大紅利。通過極致的軟硬件協同設計，我們成功拔高了整個行業的技術上限。

從客戶的實際運營角度來看，假設一個數據中心只有1吉瓦的電力總容量，我們需要進行精細的算力分配：比如將各25%的算力分別投入到免費、中級、高級和Premium層級中。免費層級用于獲客，而頂層服務則面向最具價值的客戶群，兩者結合最終轉化為業務營收。在相同的資源限制下，Blackwell架構能夠創造五倍以上的收入，而Vera Rubin同樣能實現五倍的營收增長。因此客戶應該盡早向Vera Rubin架構遷移，這不僅能顯著提升吞吐量，還能大幅降低單Token的生成成本。

但我們的追求不止于此。實現超高吞吐量需要海量的FLOPS算力支撐，而實現極低延遲和高頻交互則高度依賴龐大的內存帶寬。由于系統芯片的物理表面積總是有限的，計算機架構往往難以同時兼顧極高的FLOPS與極致的帶寬。在底層設計上，優化高吞吐量與優化低延遲本質上是相互矛盾的。

為了打破這一物理瓶頸，我們收購了Groq芯片研發團隊并獲得了相關技術授權。雙方一直在通力合作整合系統架構。如今在最具商業價值的高端層級中，我們將性能再度提升了35倍。NVIDIA之所以能在絕大多數AI工作負載中占據絕對的主導地位，根本原因就在于我們深刻理解吞吐量在這一領域的重要性。NVLink72展現出了顛覆性的架構優勢，它是目前最正確的技術路徑，即使在引入Groq技術后，其核心地位依然堅如磐石。

然而如果我們向外大幅延伸需求場景，假設你需要提供的服務不再是每秒400個Token，而是每秒1000個Token的超高速生成，NVLink72受限于帶寬瓶頸將力不從心。這正是Groq大顯身手的領域。Groq技術超越了現有極限，甚至突破了NVLink72所能觸及的性能天花板。如果將技術轉化為實際收益，Vera Rubin的創收能力是Blackwell的5倍。如果你的主要業務是高吞吐量工作負載，我建議100%部署Vera Rubin；但如果你的業務涉及大量代碼編寫或極高價值的Token生成任務，引入Groq將是明智之舉。一種合理的資源配置是將Groq部署在約25%的數據中心節點中，剩余75%全部采用Vera Rubin。通過將兩者深度融合，我們可以進一步拓展系統的性能邊界。

Groq的計算系統之所以極具吸引力，是因為它采用了確定性的數據流處理器架構。它完全依賴靜態編譯和編譯器調度，由軟件預先精準計算并調度執行時機，確保算力與數據同步到達。這種架構徹底摒棄了動態調度并配備了海量的SRAM，是專門為AI推理這一單一工作負載量身定制的。隨著全球對超智能、高速Token的生成需求呈指數級爆發，這種系統集成的價值將日益凸顯。

在這個體系中存在著兩種走向極端的處理器架構：一顆Vera Rubin芯片擁有288GB的龐大顯存；而如果要承載Rubin級別的海量模型參數以及龐大的上下文和KV緩存（KV Cache），則需要堆疊數量驚人的Groq芯片。龐大的內存需求曾一度限制了Groq進入主流市場，直到我們構思出一個絕妙的解決方案——通過一款名為Dynamo的軟件實現完全的解耦推理（Disaggregated Inference）。

我們徹底重構了AI推理流水線的執行方式。我們將最擅長高吞吐量計算的任務交給Vera Rubin處理，同時將解碼生成、低延遲響應以及受帶寬瓶頸制約的工作負載卸載給Groq。就這樣我們將兩種特性截然不同的處理器完美統一。為了解決海量內存需求，我們只需橫向擴展大量Groq芯片來擴充內存容量。對于萬億參數級別的超大模型，我們可以將其完整部署在Groq芯片集群中；同時Vera Rubin在一旁協同工作，負責存儲處理復雜智能體（Agentic AI）系統所需的龐大KV緩存。

基于解耦推理的概念，Vera Rubin負責處理相對簡單的預填充（Pre-fill）環節，而Groq則深度參與解碼（Decode）過程。解碼階段中計算密集的注意力（Attention）機制由Vera Rubin承擔，而前饋網絡（Feedforward Network）以及最終的Token生成則在Groq芯片上執行。這兩大系統通過以太網（Ethernet）緊密耦合，并通過特殊傳輸模式將網絡延遲削減了近一半。在這一強大的硬件底座之上，我們運行了專為AI工廠打造的卓越操作系統Dynamo，最終實現了高達35倍的性能飛躍，更帶來了全球前所未見的Token生成層級推理性能。這就是整合了Groq技術的新一代Vera Rubin系統。

在此我要特別感謝Samsung。他們為我們代工制造了Groq LP30芯片，目前產線正在全力運轉，芯片已全面進入量產階段。預計在今年第三季度左右，我們還將發布升級版的Groq LPX。

回顧以往，由于NVLink72架構的極度復雜性，Grace Blackwell在早期的樣片測試階段面臨了巨大挑戰；但Vera Rubin的測試工作推進得異常順利。正如Satya所宣布的，第一臺Vera Rubin機架已在Microsoft Azure云平臺上正式點亮運行。我們在全球范圍內構建了極其強大的供應鏈體系，目前每周能夠產出數千套此類龐大系統，相當于每個月都能交付數吉瓦規模的AI工廠基礎設施。在持續交付GB300機架的同時，我們也在全面量產Vera Rubin機架。

與此同時Vera CPU也取得了空前的成功。當前AI在執行工具調用（Tool Use）等復雜操作時，依然高度依賴CPU的指令處理能力，Vera CPU的架構設計完美契合了這一核心訴求。Vera CPU與BlueField數據處理器以及CX9網卡深度整合，共同接入了BlueField-4網絡堆棧生態。目前全球所有的主流存儲企業都在積極融入我們的系統生態。過去是人類在使用SQL查詢調用數據，而未來將是海量的AI智能體在瘋狂讀取存儲系統。這些系統必須能夠無縫支持cuDF加速存儲、cuVS加速存儲以及極其關鍵的海量KV緩存讀取。

令人驚嘆的是，在短短兩年內，我們在一座吉瓦級的AI工廠中，通過前所未有的軟硬件架構創新打破了摩爾定律原本只能帶來的線性算力增長。憑借這套全新的架構，我們將Token生成速率從每秒200萬暴增至7億，實現了整整350倍的驚人跨越。這就是極致協同設計（Extreme Co-design）的力量：先進行深度的垂直整合與優化，隨后將其水平開放給整個行業生態。

關于我們的產品路線圖：Blackwell架構的Oberon系統已經全面問世，并且在Rubin架構中我們將繼續沿用Oberon系統，確保客戶軟硬件資產的向后兼容。Oberon采用了銅纜縱向擴展（Scale-up）技術，同時我們也支持通過光通信實現系統的橫向擴展（Scale-out），最高可擴展至NVLink576的龐大網絡。業界經常討論NVIDIA未來會押注銅纜還是光通信，我們的答案是兩者齊頭并進。我們將推出配合Kyber架構的NVLink144，并通過光纖連接將采用NVLink72的Oberon系統進一步擴展為NVLink576集群。

下一代Rubin Ultra芯片正在緊鑼密鼓地流片中。同時我們還將推出全新的LP35芯片，它將首發搭載NVIDIA革命性的NVFP4計算架構，為系統帶來指數級的X-factor性能加速。目前采用NVLink72光子級擴展、搭載全球首款共封裝光學（CPO）器件Spectrum 6的Oberon系統已經全面投入量產。

在這之后我們將迎來代號為Feynman的全新一代架構。Feynman不僅擁有全面革新的GPU，還將搭載由NVIDIA與Grok團隊強強聯手打造的全新LPU——LP40芯片。與之配套的還有代號為Rosa的全新CPU以及新一代BlueField-5數據處理器，負責將新一代CPU與SuperNIC CX10緊密連接。在Feynman架構下，我們將提供基于銅纜的Kyber縱向擴展方案，以及基于CPO技術的Kyber光通信縱向擴展方案。這是我們首次在縱向擴展領域同時并行推進銅纜和共封裝光學技術路線。銅纜連接依然至關重要，但同時我們也必須大規模提升光通信的連接規模和CPO產能，以應對日益暴漲的算力需求。

NVIDIA正以每年一次的極速節奏推進架構迭代，并已從一家芯片公司徹底蛻變為提供AI工廠和基礎設施的系統級公司。目前在全球正建設的龐大AI工廠中，由于缺乏系統級優化存在著巨大的算力和能源浪費。許多底層組件在進入數據中心之前從未進行過聯合設計與調試。

為了解決這一痛點，我們打造了Omniverse及其延伸的DSX平臺。這是一個讓全球產業鏈伙伴能夠在虛擬世界中共同協作、聯合設計吉瓦級超級AI工廠的數字孿生平臺。我們擁有涵蓋機架結構、機械物理、熱力學散熱、電氣工程以及復雜網絡拓撲的全套物理級模擬系統，這些仿真能力已深度集成到我們全球生態伙伴的專業工業軟件中。此外DSX平臺還能直接與現實世界的電網連接，動態統籌調度數據中心功耗與電網負荷以節約能源。在數據中心內部我們引入了Max-Q技術，在供電、冷卻及各類硬件設施之間進行動態負載均衡，確保每一度電都能轉化為最極致的Token吞吐量。在這個宏大的系統工程中，我深信至少還能挖掘出兩倍的性能提升空間。

NVIDIA DSX是一張用于設計和運營AI工廠的Omniverse數字孿生藍圖。開發者可以通過豐富的API接入：使用DSXsim進行物理、電氣與熱能仿真；通過DSxExchange管理AI工廠的運營數據；利用DSxFlex實現與電網的動態功率協同；最后由DSX Max-Q動態最大化Token吞吐量。這一流程始于NVIDIA與各大設備制造商提供的仿真就緒（Sim-ready）資產，交由PTC Windchill PLM進行管理，隨后導入達索系統的3DExperience平臺進行基于模型的系統工程（MBSE）設計。工程企業可將數據無縫導入自定義的Omniverse應用中完成最終廠房設計。在虛擬驗證環節，我們調用西門子Star-CCM+進行外部熱分析，使用Cadence Reality進行內部熱分析，利用ETAP進行電氣仿真，最后依靠NVIDIA的網絡模擬器DSx Air配合Procore平臺完成虛擬調試。

當物理站點落成上線后，數字孿生將轉化為工廠的運營者。AI智能體將與DSX Max-Q協同工作，動態編排基礎設施。Phaedrus Agent負責監督冷卻和電力系統以持續優化能源效率；Emerald AI Agent則負責解讀實時電網需求信號并動態調整功率。Omniverse的初衷就是構建世界的數字孿生，而DSX正是我們全新的AI工廠平臺。

不僅如此，NVIDIA的目光已經投向太空。Thor芯片已順利通過太空輻射認證并成功部署在衛星中用于軌道成像。未來我們計劃在太空中建設數據中心。目前我們正與航天伙伴聯合研發名為Vera Rubin Space One的新型計算機，它將成為人類在太空建立數據中心的先驅。由于太空環境中沒有熱傳導和對流，只能依靠熱輻射，這要求我們的工程師必須攻克前所未有的散熱技術難關。

今天著名開發者Peter Steinberger也來到了現場，他主導開發了一款名為OpenClaw的軟件。也許連他自己都沒意識到這款軟件的深遠影響力。短短數周內OpenClaw就躥升至榜首，成為人類歷史上最受歡迎的開源項目，它在極短時間內的成就甚至超越了Linux過去三十年的積淀。這款軟件具有劃時代的意義，NVIDIA今天在此正式宣布將全力支持OpenClaw生態。

它的使用門檻極低，開發者只需在控制臺中輸入一行簡短的代碼，系統就會自動下載OpenClaw并為你構建一個專屬的AI Agent，隨后你只需用自然語言下達指令即可。Andrei Karpathy團隊也剛發布了意義非凡的研究成果：你可以在睡前給AI Agent布置任務，它會在夜間全自動運行上百次實驗，自動保留有效結果并剔除無效路徑。

OpenClaw正在重塑各行各業。有人分享了一位60歲的父親安裝OpenClaw的案例：他通過藍牙將設備連接到OpenClaw，系統接管了精釀啤酒的全套自動化流程，甚至自動生成并上線了供客戶下單的完整電商網站。在深圳數百家商戶正利用它實現龍蝦銷售的全鏈路自動化。連我們自己的工程師也正在嘗試使用OpenClaw來構建下一代的OpenClaw。現在甚至連OpenClaw開發者大會（Claw Con）都應運而生了。

那么OpenClaw究竟是什么？本質上它是一個超級連接器和全局化的智能體系統（Agentic System）。它的核心能力在于調用并連接大型語言模型，從而接管與管理計算機資源。OpenClaw可以訪問各類工具和底層文件系統；具備強大的任務調度能力，能夠執行定時任務（Cron Jobs）；它擁有極強的邏輯拆解能力，能夠根據分步引導（Step-by-step）的提示詞拆解復雜問題，并自主衍生和喚醒其他子代理（Sub-agents）協同工作。此外它還擁有極其豐富的全模態I/O輸入輸出能力，你可以通過任何模態與之交互——甚至向它揮手它也能理解，并在執行完畢后通過系統消息、短信或電子郵件向你匯報結果。

它還有什么功能？基于這一點，可以說它事實上是一個操作系統。我剛才使用的正是描述操作系統時會用到的語法。OpenClaw已經開源了Agentic計算機的核心操作系統，這與Windows讓個人電腦成為可能并無二致。現在OpenClaw讓創建個人智能體成為可能，其影響不可估量。最重要的一點是，現在每一家軟件公司和技術公司都意識到了這一點。對于CEO們來說，問題在于你們的OpenClaw戰略是什么。正如我們曾經需要制定Linux戰略、HTTP和HTML戰略從而開啟互聯網時代，正如我們需要制定Kubernetes戰略從而使移動云成為可能，當今世界上的每家公司都需要制定OpenClaw戰略和智能體系統戰略，這是全新的計算機。

在OpenClaw出現之前，企業級IT被稱為數據中心的原因是那些巨大的建筑存儲著數據、人們的文件以及企業的結構化數據。這些數據會流經包含各種工作流和記錄系統的軟件，并轉化為人類和數字員工使用的工具。那是舊的IT行業：軟件公司開發工具、保存文件，全球系統集成商和顧問幫助公司研究如何使用并集成這些工具。這些工具對于治理、安全、隱私和合規性來說具有極高的價值，且這一切將繼續保持其重要性。但在OpenClaw之后的智能體時代，情況將發生改變。每一家IT公司和SaaS公司都將轉變為一家動力源公司，毫無疑問，每一家SaaS公司都將成為智能體即服務公司。

令人驚嘆的是，OpenClaw在最準確的時間為整個行業提供了最需要的東西，就像Linux、Kubernetes和HTML在最恰當的時機出現一樣。它讓整個行業能夠抓住這個開源技術棧并大有作為。但目前面臨一個問題：企業網絡中的智能體系統可以訪問敏感信息、執行代碼并進行外部通信。這意味著它可以訪問員工、供應鏈和財務等敏感信息并將其發送出去，這顯然是絕對不被允許的。因此，我們召集了世界上頂尖的安全和計算專家與Pieter合作開發了OpenClaw，使其具備企業級安全和隱私保護能力。

我們推出了NVIDIA的OpenClaw參考實現NemoClaw。它擁有代理式AI工具包，其中第一部分是已集成到OpenClaw中的OpenShell技術，這讓它具備了企業級就緒能力。你可以下載試用NemoClaw參考堆棧，并將全球所有SaaS公司極具價值的策略引擎連接到它。NemoClaw或帶有OpenShell的OpenClaw將能夠執行該策略引擎，它配備了網絡護欄和隱私路由器，從而保護并安全地在公司內部執行策略。

我們還為智能體系統增加了定制化Claws功能，讓用戶能夠擁有專屬的定制模型，這正是NVIDIA的Open Model Initiative。NVIDIA目前處于每一個AI模型領域的最前沿，無論是Nemotron語言模型、Kosmos世界基礎模型、GROOT通用機器人人工智能、用于自動駕駛汽車的AlphaMIO、用于數字生物學的VaioNemo，還是用于AI物理學的Earth-2。因為世界是多樣化的，沒有單一的模型可以服務于所有行業。

Open Models是全球規模最大且最具多樣性的AI生態系統之一，涵蓋語言、視覺、生物學、物理學和自主系統領域的近三百萬個開放模型，助力構建特定領域的AI。作為開源AI領域最大的貢獻者之一，NVIDIA構建并發布了六個系列的開放前沿模型，提供訓練數據和框架以幫助開發者進行定制和采用。每個系列都在推出登頂排行榜的新模型。其核心包括用于語言推理、視覺理解、RAG、安全和語音的Nemotron模型，用于物理AI世界生成與理解的前沿模型Kosmos，全球首款具備思考與推理能力的自動駕駛AIAlphaMIO，通用機器人基礎模型GROOT，用于生物化學和分子設計的開放模型VaioNemo，以及植根于AI物理學的天氣和氣候預測模型Earth-2。

NVIDIA開放模型為研究人員和開發人員提供了構建其專業領域AI的基礎。我們的模型是世界級的并在排行榜上名列前茅，但最重要的是我們將持續推動其進化，例如Nemotron 3之后將推出Nemotron 4，Kosmos 1之后推出了Kosmos 2，GROOT也已經到了第二代。我們通過垂直整合與水平開放讓每個人都能加入AI革命。在研究、語音、世界模型、通用人工智能機器人、自動駕駛汽車和推理領域，我們的模型均位列排行榜第一，其中最重要的是集成在OpenClaw中的Nemotron-3，它是世界上最好的三個模型之一。我們致力于創建基礎模型以便用戶進行微調和后訓練，使其完全符合所需的智能水平。即將推出的Nemotron 3 Ultra將成為世界上最出色的基礎模型，幫助每個國家建立其主權AI。

今天，我們宣布成立Nemotron聯盟，致力于讓Nemotron-4變得更加出色。我們投入了數十億美元用于AI基礎設施建設以開發AI核心引擎，這不僅對推理庫至關重要，也能激活世界上的每一個行業。大語言模型固然重要，但在全球不同的行業和國家，由于從生物學到物理學、從自動駕駛到通用機器人的專業領域完全不同，你需要有能力定制自己的模型。我們有能力與每一個地區合作，打造特定領域的主權AI。

加入該聯盟的出色公司包括影像公司Blackforest Labs、編程公司Cursor、在創建自定義智能體方面擁有十億次下載量的LangChain、Mistral，以及打造了多模態智能體系統的Perplexity。此外，還有Reflection、來自印度的Sarvam、Thinking Machine以及Mira Murati的實驗室等優秀伙伴加入了我們。世界上每一家軟件公司都需要智能體系統和OpenClaw策略，這些伙伴都對此表示贊同，并正在與我們合作集成NeMo Claw參考設計、NVIDIA Agentic AI Toolkit以及我們所有的開源模型。

這是一場企業級IT的復興，將把一個兩萬億美元的行業重塑為價值數萬億美元的產業，不僅提供人們使用的工具，還提供針對特定領域的智能體租賃服務。未來，我們公司的每一位工程師除了獲得幾十萬美元的基本工資外，還需要一份年度Token預算，我可能會給他們相當于基本工資一半的Token，這將為他們帶來十倍的增值空間。Token預算已成為硅谷的招聘工具之一，因為能夠使用Token的工程師將擁有更高的生產力。

這些Token將由大家合作共建的AI工廠生產。如今的企業構建在文件系統和數據中心之上，而未來的每一家軟件公司都將是代理化的Token制造商，為工程師和客戶提供Token。OpenClaw的影響力與HTML和Linux的誕生同樣深遠。我們現在擁有了世界級的開放代理框架供所有人構建OpenClaw戰略，同時還提供了性能卓越且安全可靠的優化版參考設計Nemo Claw。

智能體具備感知、推理和行動的能力。目前大多數智能體都是在數字世界中進行推理和編寫軟件的數字智能體，但我們也一直在研究具有物理實體的智能體，也就是機器人，它們需要的是物理AI。世界上幾乎每一家制造機器人的公司都在與NVIDIA合作。我們提供由訓練計算機、合成數據生成與仿真計算機以及機器人內部計算機構成的三臺計算機架構，擁有實現目標所需的所有軟件棧和AI模型，這些都已集成到全球從Siemens到Cadence等合作伙伴的生態系統中。今天我們宣布了一大批新合作伙伴，自動駕駛汽車的ChatGPT時刻已經到來，我們已經成功實現了汽車的自動駕駛。

NVIDIA的自動駕駛出租車平臺迎來了比亞迪、現代、日產和吉利四位新合作伙伴，這四家車企年產量達1800萬輛，他們與梅賽德斯-奔馳、豐田和通用汽車等之前的合作伙伴一起，將使未來支持自動駕駛出租車功能的汽車數量達到驚人的規模。我們還宣布與Uber達成重大合作，將在多個城市部署具備自動駕駛出租車能力的車輛并將其接入Uber網絡。

此外，我們正與ABB、Universal Robotics、KUKA等眾多機器人公司合作，將物理AI模型集成到仿真系統中，以便將機器人部署到生產線上。Caterpillar和T-Mobile也參與了合作，未來的無線電塔將升級為NVIDIA Aerial AI RAN，這種機器人無線電塔能對流量進行推理，計算出如何調整波束成形以節省能源并提高保真度。在眾多人形機器人中，Disney機器人是我最喜歡的之一。物理AI在全球范圍內的首次大規模部署從自動駕駛汽車開啟，借助NVIDIA AlphaMIO，車輛現在具備了推理能力，能夠安全智能地應對各種場景。汽車可以對操作進行旁白解說，解釋繞過違章停放車輛等決策的思考過程，并嚴格遵循加速等指令。

在這個物理AI與機器人技術的時代，全球開發者正在構建各種類型的機器人。但由于現實世界充滿了不可預測的邊緣情況，僅靠真實數據不足以應對所有場景，因此我們需要由AI和仿真生成的數據。對于機器人而言，算力即數據。開發者在海量視頻和人類演示數據上預訓練世界基礎模型，通過結合經典模擬與神經模擬生成海量合成數據，并進行大規模策略訓練。

為加速這一進程，NVIDIA構建了開源的ISAAC Lab用于機器人的訓練、評估與模擬。Newton用于可擴展且GPU加速的可微分物理模擬，Kosmos世界模型用于神經模擬，GROOT開源機器人基礎模型用于推理與動作生成。憑借充足的算力，各地開發者正彌合物理AI的數據鴻溝。例如，Peritas AI在ISAAC Lab中訓練手術室輔助機器人并通過Kosmos成倍增加數據；Skilled AI利用ISAAC Lab和Kosmos生成訓練后數據，并通過強化學習在數千種場景中強化模型。Humanoid、Hexagon Robotics、Foxconn和Noble Machines均使用ISAAC Lab進行全身控制、操作策略訓練及數據生成微調。Disney Research則在Newton和ISAAC Lab中結合其Kamino物理模擬器為其角色機器人訓練策略。

接下來請出Disney機器人Olaf。它的成功運行證明了Newton和Omniverse的強大。Olaf肚子里的Jetson計算機讓它學會了在Omniverse中行走。正是通過物理學原理，以及在與Disney和DeepMind共同開發的NVIDIA Warp之上運行的Newton解算器，Olaf才能完美適應物理世界。試想一下Disneyland的未來，將會有無數像Olaf這樣自由走動的角色機器人。通常在演講結束時我會復述重點內容，包括推理拐點、AI工廠、正在發生的OpenClaw智能體革命以及物理AI和機器人技術。但今天我們將用一段總結視頻來收尾。

視頻回顧了算力爆發的歷程，從CNN到OpenClaw，我們將算力提升了四千萬倍。在AI時代早期，訓練是核心范式，但如今推理正在運行整個世界。通過Vera等架構，成本降低了35倍，Blackwell讓推理能力大幅躍升。過去構建AI工廠耗時數年且缺乏明確的擴展方法，而現在的技術能直接將電力轉化為營收。智能體也從被動觀望轉變為自主行動，一旦偏離航向，開源的NeMo Guardrails會迅速攔截并守護進程。

這不僅是電影場景，會思考的汽車和機器玩具已經拉開序幕，AlphaMIO掌控了自動駕駛，機器人領域迎來了GPT時刻。各種架構的結合掀起了推理熱潮，我們每年都在構建新架構以滿足日益增長的Token需求。AI技術棧已向所有人開放，開源模型正引領前沿。當真實數據缺失時，我們利用算力生成合成數據，助力機器人完美學習并驗證縮放法則。未來已至，感謝大家參加GTC大會。

為偉大思想而生！

AI+時代，互聯網思想（wanging0123)，

第一必讀自媒體