文 | 霞光 AI 实验室
全球瞩目的英伟达 GTC 2026 大会在昨晚开启，黄仁勋的演讲一如既往地成为核心焦点。
在此次两个多小时的演讲中，黄仁勋表达了一个重要的判断：AI 已从训练时代全面进入推理 + 智能体 + 物理 AI 的工业化时代，Token 成为核心商品，光互联与硅光子是算力突破关键。黄仁勋将英伟达定位为 "AI 工厂 " 构建者，称 " 到 2027 年将看到至少 1 万亿美元的营收。
为此，此次大会上，黄仁勋发布了：Vera Rubin AI 工厂平台、Groq 3 LPU 芯片、CPO 交换机与太空数据中心模块，以及推出 NemoClaw 智能体基础设施，核心在阐述英伟达从一家 " 芯片公司 " 向 "AI 基础设施和工厂公司 " 蜕变。
以下，我们根据演讲，提炼了核心内容：
这其中，Token 已成为 AI 时代核心商品，推理与执行场景将带来 Token 消耗的指数级增长，英伟达的核心目标是成为 "Token 之王 "，追求全球最低的每 Token 成本，这一逻辑构成英伟达 "Token 工厂经济学 " 的核心内核——数据中心不再是文件仓库，而是生产 Token 的 " 工厂 "，每瓦 Token 吞吐量直接决定企业生产成本。
甚至，未来职场也会因此发生变革：未来工程师将标配 " 年薪 +Token 预算 " 模式，Token 将成为硅谷及全球科技行业招聘的核心筹码，标志着 Token 已成为 AI 时代的核心生产资料。
黄仁勋强调，英伟达的 Token 成本在世界范围内是 " 不可触碰 " 的。即便竞争对手的架构是免费的，它也不够便宜。因为建立一个 1GW 的工厂，即便里面什么都不放，15 年的摊销成本也高达 400 亿美元。你必须确保在这个工厂里运行最强的计算机系统，才能获得最低的 Token 生产成本。
数据中心的角色也在发生变化：过去它是存储和计算中心，而未来将成为生产 Token 的 AI 工厂。随着 AI 的普及，无论是云厂商、AI 公司还是传统企业，都将开始从 "Token 工厂效率 " 的角度来衡量自己的计算基础设施，因为在 AI 时代，Token 将成为新的数字商品，而计算能力则直接决定企业的价值创造能力。
Vera Rubin 超级 AI 平台的亮相，掀起了演讲的另一个小高潮。
据介绍，这是一个全新的计算平台，由七款芯片组成， 涵盖计算、网络和存储三大功能，是目前最先进的 POD 规模 AI 平台。以 Vera Rubin 为代表的 " 芯片全家桶 "，构成了这一代 Vera Rubin 机架的系统级基础设施，其中包括：Vera CPU、Rubin GPU、NVLink 6 Switch（高速互联）、ConnectX-9 SuperNIC（超级网卡）、BlueField-4 DPU（数据处理单元）、Spectrum-6 以太网交换机。
Groq 3 LPU 芯片是英伟达专为极致低延迟推理设计的全新处理器。它专为 AI 推理场景优化，解决实时交互场景的低延迟需求，是英伟达对抗 AMD、巩固推理市场优势的关键产品，源于 2025 年底英伟达斥资 200 亿美元收购的 AI 芯片初创公司 Groq 的技术积淀。
Groq 3 LPU 搭载 230MB 片上 SRAM，数据带宽达 80TB/s，首 Token 延迟＜0.1 秒，推理性能为 H100 的 10 倍；采用 " 确定性执行 " 模式，给定相同输入，总会在完全相同的时间点产生输出，不受系统负载、温度波动等因素影响，适配智能客服、自动驾驶决策等实时交互场景；未来将以 3D 堆叠方式直接集成在 Feynman 芯片 GPU 核心之上，进一步降低推理延迟。
该芯片预计于 2026 年三季度开始正式出货。
在本次演讲中，NVIDIA 列出了 Feynman GPU 与下一代 HBM、Vera CPU 以及构成 AI 数据中心基础的其他几个连接芯片。
该芯片架构面向 " 物理 AI/ 世界模型 "，支撑具身智能、通用人工智能、万亿参数模型训练与超大规模推理场景，原定 2028 年发布，此次在 GTC 2026 上提前曝光技术原型，是英伟达突破硅基计算物理极限的核心布局。
Feynman 芯片采用台积电 A16（1.6nm）制程，是全球首款迈入 1nm 时代的量产级芯片架构，晶体管密度较前代提升 1.1 倍；搭载 GAA 全环绕栅极晶体管与超级电轨背面供电（SPR）技术，将供电线路迁移至晶圆背面，同性能场景下功耗降低 15%-20%，同电压下运行速度提升 8%-10%；采用硅光子光互连技术，带宽密度提升 10 倍，传输能耗下降 90%，打破超大规模 AI 集群的 " 互连墙 "；采用 3D 堆叠加混合键合技术，将 LPU 直接堆叠在 GPU 核心上，极致缩短数据传输距离；推理性能为 Blackwell 的 5 倍，单 GPU 算力可达 50 PFLOPS，能效比达到前代产品的 3.2 倍，在 ResNet-50 图像分类任务中，每瓦性能较 Hopper 架构提升 5.8 倍；配套推出 NVLink-CXL 6.0 互联技术，跨节点数据传输带宽突破 1.2TB/s。
它的发布，将使万亿参数模型的训练成本较 2023 年下降 87%，首次降至中型企业可承受范围；推理延迟降低 40%-85%，Token 成本降至 Blackwell 的 1/10，低功耗设计可支持边缘设备部署，实现 " 端侧智能 "；预计将推动 AI 算力服务订阅模式普及，未来 5 年 90% 的企业将不再购买 AI 芯片，而是订阅 AI 算力服务。
传统电互联已触及性能与功耗天花板，共封装光学（CPO）是突破算力 / 功耗墙的唯一路径，2026 年定为硅光子技术商用元年，实现 " 光进铜退 " 的产业变革。
为此，英伟达推出了全球首个 CPO（Co-Packaged Optics）光电共封装 的 NVIDIA Spectrum-X Ethernet Switch，将光模块直接集成到芯片封装中，实现电子信号与光信号的直接转换，从而显著提升数据中心网络带宽与能效。据介绍，其能耗仅为传统铜缆的 5%，大幅降低 AI 集群的能耗成本与散热压力。
这项技术由 NVIDIA 与台积电共同开发，目前已经进入量产阶段。
大会还发布 "Space 1 Vera Rubin Module" 轨道数据中心，标志着其算力布局从地面延伸至轨道，进一步扩大 AI 基础设施的覆盖范围。
Space 1 Vera Rubin Module 轨道数据中心的 AI 算力为 H100 的 25 倍。Space-1 Vera Rubin 模组可提供大规模数据中心级 AI 能力，使大语言模型和先进基础模型能够直接在太空运行。未来，可以实现太空场景下的 AI 数据处理、实时分析等任务，这将拓展 AI 在航天、太空探索等领域的应用场景。
OpenClaw 已经火了两个月，展现大家对智能体的热情。此次，英伟达推出首款全新工具 NemoClaw，重点优化了开源 AI 智能体 OpenClaw 的安全性与输出质量。
为了确保安全，NemoClaw 由多个关键模块构成，首要组件为 OpenShell —— 一款为 OpenClaw 添加隐私保护与网络安全防护机制的工具。它通过在沙箱环境中运行 OpenClaw，阻止智能体访问与任务无关的文件，同时限制其网络访问权限，为智能体打造安全可控的运行边界。
NemoClaw 对标 Linux，定位为 AI 智能体的 " 操作系统 "，填补 OpenClaw 被收购后企业级开源智能体平台的缺口，是英伟达打破自身 CUDA 硬件绑定、拓展全行业 AI 软件生态的核心布局，分为企业级与开发者双版本，提供一站式智能体开发工具。
黄仁勋判断，" 未来的编程语言就是人类语言 "，每一家 SaaS 公司都将转型为 "AaaS（智能体即服务）"，NemoClaw 将成为这一转型的核心支撑平台。
针对物理 AI，黄仁勋判断，下一波 AI 浪潮的核心是 "AI 理解物理规律、与现实世界交互 "，他把 2026 年定为 " 人形机器人商业化元年 "，与全球人形机器人产业的产业化拐点高度契合，英伟达将重点布局具身智能与物理 AI 落地。
为此，2024 年英伟达就发布了 Project GR00T 人形机器人基础模型。今年，英伟达进一步升级了 Project GR00T 通用机器人基础模型，以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，其中工业制造、特种作业等 ToB 端场景占比超 60%，单台工业人形机器人可替代 2-3 名人工，年节省成本超 15 万元，终端售价逐步下降，市场接受度大幅提升，2030 年全球量产规模有望达到 100 万台，市场规模突破万亿，年复合增长率超 80%。
此外，还升级 Omniverse 数字孪生训练平台，为机器人、自动驾驶、工业自动化等物理 AI 场景提供虚拟训练环境，实现 " 虚拟仿真→真实落地 " 的闭环，降低物理 AI 的研发与落地成本，适配比亚迪、极氪等车企智慧工厂的人形机器人部署需求，支撑物流转运、零部件装配等作业落地。
