黃仁勳GTC演講全文：推理時代到來，龍蝦就是新操作系統

原文作者：鮑奕龍

原文來源：華爾街見聞

2026 年 3 月 16 日，輝達 GTC 2026 大會正式開幕，輝達創始人兼 CEO 黃仁勳發表了主題演講。

在這場被視為「AI 行業年度朝聖」的大會上，黃仁勳闡述了輝達從一家「晶片公司」向「AI 基礎設施和工廠公司」的蛻變。面對市場最關心的業績持續性與增長空間問題，黃仁勳詳細拆解了驅動未來增長的底層商業邏輯——「Token 工廠經濟學」。

業績指引極度樂觀，「2027 年至少 1 兆美元的需求」

過去兩年，全球 AI 計算需求呈指數級爆炸。隨著大模型從「感知」、「生成」進化到「推理」與「行動（執行任務）」，算力的消耗量急劇攀升。針對市場高度關注的訂單與營收天花板，黃仁勳給出了極為強勁的預期。

黃仁勳在演講中直言：

去年這個時候，我說過，我們看到了 5000 億美元的高確信度需求，涵蓋 Blackwell 和 Rubin 直到 2026 年。現在，就在此時此地，我看到到 2027 年至少有 1 兆美元的需求（at least $1 trillion）。

黃仁勳的兆元預期一度推動輝達股價漲超 4.3%。

不僅如此，他更是對這一數字做出了補充：

這合理嗎？這就是我接下來要講的。事實上，我們甚至會供不應求。我確定，實際的計算需求會比這高得多。

黃仁勳指出，如今的輝達系統已經證明了自己是全球「成本最低的基礎設施」。由於輝達能執行幾乎所有領域的 AI 模型，這種通用性使得客戶投入的這 1 兆美元能夠被充分利用並保持長久的生命週期。

目前，輝達 60% 的業務來自排名前五的超大型雲端服務商，而另外 40% 的業務則廣泛分佈於主權雲、企業、工業、機器人和邊緣計算等各個領域。

Token 工廠經濟學，每瓦性能決定商業命脈

為了解釋這 1 兆需求的合理性，黃仁勳向全球企業 CEO 展示了一套全新的商業思維。他指出，未來的資料中心不再是儲存檔案的倉庫，而是生產 Token（AI 生成的基本單位）的「工廠」。

黃仁勳強調：

每一座資料中心、每一座工廠，從定義上來說都是受電力限制的。一座 1GW（吉瓦）的工廠永遠不會變成 2GW，這是物理和原子的定律。在固定的功率下，誰的每瓦 Token 吞吐量最高，誰的生產成本就最低。

黃仁勳將未來的 AI 服務分為五個商業層級：

• 免費層（高吞吐、低速度）
• 中級層（~每百萬 token 3 美元）
• 高級層（~每百萬 token 6 美元）
• 高速層（~每百萬 token 45 美元）
• 超高速層（~每百萬 token 150 美元）

他指出，隨著模型越來越大、上下文越來越長，AI 會變得更聰明，但 Token 的生成速率會降低。黃仁勳表示：

在這個 Token 工廠裡，你的吞吐量和 Token 生成速度，將直接轉化為你明年的精確收入。

黃仁勳強調輝達的架構能夠讓客戶在免費層實現極高的吞吐量，同時在最高價值的推理層級上，將性能提升驚人的 35 倍。

Vera Rubin 兩年實現 350 倍加速，Groq 填補極速推理

在這個物理極限的約束下，輝達介紹其有史以來最複雜的 AI 計算系統，Vera Rubin。黃仁勳表示：

過去提到 Hopper，我會舉起一塊晶片，那很可愛。但提到 Vera Rubin，大家想到的是整個系統。在這個 100% 液冷、完全消滅了傳統線纜的系統中，過去需要兩天安裝的機架，現在只需兩小時。

黃仁勳指出，透過極致的端到端軟硬體協同設計，Vera Rubin 在同一座 1GW 資料中心裡創造了驚人的數據跨越：

在短短兩年時間內，我們將 Token 的生成速率從 2200 萬提升到了 7 億，實現了 350 倍的增長。摩爾定律在同時期僅能帶來約 1.5 倍的提升。

為了解決極速推理（如 1000 Tokens/ 秒）條件下的頻寬瓶頸，輝達給出了整合被收購公司 Groq 的最終方案：非對稱式的分離推理。黃仁勳解釋：

這兩款處理器的特點截然不同。Groq 晶片擁有 500MB 的 SRAM，而一顆 Rubin 晶片擁有 288GB 的記憶體。

黃仁勳指出，輝達透過 Dynamo 軟體系統，將需要海量計算和顯存的「預填充（Pre-fill）」階段交給 Vera Rubin，將對延遲極度敏感的「解碼」階段交給 Groq。黃仁勳還對企業算力配置給出了建議：

如果你的工作主要是高吞吐，100% 使用 Vera Rubin；如果你有大量高價值的程式設計級別的 Token 生成需求，拿出 25% 的資料中心規模給 Groq。

據透露，由三星代工的 Groq LP30 晶片已在量產，預計第三季度出貨，而首個 Vera Rubin 機架已在微軟 Azure 雲上執行。

此外，針對光互聯技術，黃仁勳展示了全球首款量產的共封裝光學（CPO）交換器 Spectrum X，並平息了市場對於「銅退光進」的路線之爭：

我們需要更多的銅纜產能，更多的光晶片產能，更多的 CPO 產能。

Agent 終結傳統 SaaS，「年薪 +Token」成矽谷標配

除了硬體壁壘，黃仁勳把大量篇幅留給了 AI 軟體和生態的革命，特別是 Agent（智慧體）的爆發。

他將開源專案 OpenClaw 形容為「人類歷史上最受歡迎的開源專案」，稱其僅用幾周時間就超越了 Linux 在過去 30 年取得的成就。黃仁勳直言，OpenClaw 本質上就是 Agent 電腦的「作業系統」。

黃仁勳斷言：

每一個 SaaS（軟體即服務）公司都將變成 AaaS（Agent-as-a-Service，智慧體即服務）公司。毫無疑問，為了讓這種具備存取敏感資料和執行程式碼能力的智慧體安全落地，輝達推出了企業級的 NeMo Claw 參考設計，增加了策略引擎和隱私路由器。

對於普通職場人，這場變革同樣近在咫尺。黃仁勳描繪了未來的職場新形態：

在未來，我們公司的每一位工程師都需要一個年度 Token 預算。他們的基礎年薪可能是幾十萬美元，我會在此基礎上再拿出大約一半的金額作為 Token 額度給他們，讓他們實現 10x 的效率提升。這已經是矽谷的新招聘籌碼了：你的 offer 裡帶多少 Token？

演講最後，黃仁勳還「劇透」了下一代計算架構 Feynman，它將首次實現銅線與 CPO 的共同水平擴充套件。更引人遐想的是，輝達正在研發部署在太空的資料中心電腦「Vera Rubin Space-1」，徹底打開了 AI 算力向地球之外延伸的想象空間。

黃仁勳 GTC 2026 演講全文，全文翻譯如下（AI 工具輔助）：

主持人： 歡迎輝達創始人兼執行長黃仁勳上台。

黃仁勳，創始人兼執行長：

歡迎來到 GTC。我想提醒大家，這是一場技術大會。能看到這麼多人一大早排隊入場，能看到在座的各位，我感到非常高興。

在 GTC，我們將聚焦三大主題：技術、平臺和生態系統。輝達目前擁有三大平臺：CUDA-X 平臺、系統平臺，以及我們最新推出的 AI 工廠平臺。

在正式開始之前，我要感謝我們的預熱環節主持人——Conviction 的 Sarah Guo、紅杉資本的 Alfred Lin（輝達的第一位風險投資人），以及輝達的第一位主要機構投資人 Gavin Baker。這三位對技術有深刻的洞見，在整個技術生態系統中擁有極廣的影響力。當然，我還要感謝今天所有我親自邀請出席的貴賓們。感謝這支全明星團隊。

我同樣要感謝今天到場的所有企業。輝達是一家平臺公司，我們擁有技術、平臺和豐富的生態系統。今天到場的企業代表了價值 100 兆美元行業中幾乎全部的參與者，共有 450 家公司贊助了本次活動，在此深表感謝。

本次大會共設有 1,000 場技術論壇、2,000 位演講嘉賓，將涵蓋人工智慧「五層蛋糕」架構的每一個層級——從土地、電力與機房等基礎設施，到晶片、平臺、模型，以及最終推動整個行業騰飛的各類應用。

CUDA：二十年的技術積澱

一切的起點，就在這裡。今年是 CUDA 誕生二十週年。

二十年來，我們始終致力於這一架構的研發。CUDA 是一項革命性的發明——SIMT（單指令多執行緒）技術允許開發者以標量程式碼編寫程式，並將其擴充套件為多執行緒應用，其程式設計難度遠低於此前的 SIMD 架構。我們最近還新增了 Tiles 功能，幫助開發者更便捷地程式設計張量核心（Tensor Core），以及當今人工智慧所依賴的各類數學運算結構。目前，CUDA 已擁有數千種工具、編譯器、框架和庫，在開源社群中存在數十萬個公開專案，並已深度整合到每一個技術生態系統之中。

這張圖表揭示了輝達 100% 的策略邏輯，我從最初就一直在講這張幻燈片。其中最難實現、也是最核心的要素，是圖表底部的「裝機量」。歷經二十年，我們已在全球範圍內積累了數億塊執行 CUDA 的 GPU 和計算系統。

我們的 GPU 覆蓋所有雲平臺，服務於幾乎所有計算機廠商和行業。CUDA 龐大的裝機量，正是這個飛輪不斷加速的根本原因。裝機量吸引開發者，開發者創造新演算法並取得突破，突破催生全新市場，新市場形成新生態並吸引更多企業加入，進而擴大裝機量——這個飛輪正在持續加速。

輝達庫的下載量正以驚人的速度增長，規模龐大且增速不斷提升。這個飛輪使我們的計算平臺能夠支撐海量應用和層出不窮的新突破。

更重要的是，它還賦予了這些基礎設施極長的使用壽命。原因顯而易見：NVIDIA CUDA 上可執行的應用極為豐富，涵蓋 AI 生命週期的每個階段、各類資料處理平臺，以及各種科學原理求解器。因此，一旦安裝了輝達 GPU，其實際使用價值極高。這也是為何我們六年前釋出的 Ampere 架構 GPU，其雲端價格反而在上漲。

這一切的根本原因在於：裝機量龐大，飛輪強勁，開發者生態廣泛。當這些因素共同發揮作用，加之我們持續更新軟體，計算成本便會不斷下降。加速計算在大幅提升應用效能的同時，隨著我們長期維護和迭代軟體，使用者不僅能在初期獲得效能躍升，還能持續享受計算成本的下降。我們願意為全球每一塊 GPU 提供長期支援，因為它們在架構上完全相容。

我們之所以願意這樣做，是因為裝機量如此龐大——每釋出一次新的最佳化，便能惠及數百萬使用者。這種動態組合，使得輝達架構在持續擴大覆蓋範圍、加速自身成長的同時，不斷壓低計算成本，最終刺激新的增長。CUDA 是這一切的核心。

從 GeForce 到 CUDA：二十五年的演進之路

而我們與 CUDA 的旅程，實際上早在二十五年前就已開始。

GeForce——相信在座有很多人是伴隨著 GeForce 長大的。GeForce 是輝達最成功的市場推廣專案。我們從你們還買不起產品的時候就開始培養未來的客戶——是你們的父母代替你們成為了輝達最早的使用者，年復一年地購買我們的產品，直到有一天，你們成長為優秀的計算機科學家，成為真正意義上的客戶和開發者。

這是二十五年前 GeForce 奠定的基業。二十五年前，我們發明了可程式設計著色器——這是讓加速器實現可程式設計化的一項顯而易見卻意義深遠的發明，也是世界上第一款可程式設計加速器，即畫素著色器。這五年後，我們創造了 CUDA——這是我們有史以來最重要的投資之一。當時公司財力有限，但我們將絕大部分利潤押注於此，致力於將 CUDA 從 GeForce 延伸到每一臺計算機。我們之所以如此堅定，是因為我們深信其潛力。儘管初期歷經艱辛，公司堅守這一信念長達 13 代、整整二十年，如今 CUDA 已無處不在。

正是畫素著色器推動了 GeForce 的革命。而大約八年前，我們推出了 RTX——為現代計算機圖形時代對架構進行了全面革新。GeForce 將 CUDA 帶給了全世界，也正因如此，讓 Alex Krizhevsky、Ilya Sutskever、Geoffrey Hinton、Andrew Ng 等眾多學者發現，GPU 可以成為加速深度學習的利器，由此點燃了十年前人工智慧的大爆炸。

十年前，我們決定將可程式設計著色與兩個全新理念相融合：一是硬體光線追蹤（Ray Tracing），這在技術上極具挑戰；二是一個當時頗具前瞻性的想法——大約十年前，我們就預見到 AI 將徹底變革計算機圖形。正如 GeForce 將 AI 帶給了全世界，AI 如今也將反過來重塑整個計算機圖形的實現方式。

今天，我要向大家展示未來。這是我們的下一代圖形技術，我們稱之為神經渲染（Neural Rendering）——3D 圖形與人工智慧的深度融合。這就是 DLSS 5，請看。

神經渲染：結構化資料與生成式 AI 的融合

這是不是令人歎為觀止？計算機圖形就此煥發生機。

我們做了什麼？我們將可控的 3D 圖形（虛擬世界的真實基礎）與其結構化資料相結合，再融入生成式 AI 和概率計算。一個完全確定性，另一個概率性卻高度逼真——我們將這兩種理念融為一體，透過結構化資料實現精準可控，同時進行實時生成。

最終，內容既美觀驚豔，又完全可控。

結構化資訊與生成式 AI 融合這一理念，將在一個又一個行業中不斷覆現。結構化資料是可信 AI 的基石。

結構化資料與非結構化資料的加速平臺

現在我要帶大家看一張技術架構圖。

結構化資料——大家熟悉的