2.5小時(shí)的GTC 2026 Keynote，黃仁勛說了什么？

圣何塞McEnery會(huì)議中心的GTC 2026開幕式上，已經(jīng)進(jìn)行了2小時(shí)直播的黃仁勛依然經(jīng)歷旺盛，快步走向被受矚目的GTC 2026 Keynote主舞臺(tái)，開啟了長達(dá)2個(gè)半小時(shí)的開幕演講。此刻N(yùn)VIDIA關(guān)于AI的訂單量，已經(jīng)從2025年的5000億美元，來到了現(xiàn)在的萬億級(jí)美元，近乎翻倍的增長也預(yù)示了未來一段時(shí)間，這家專注生產(chǎn)AI工具的公司，將如何構(gòu)建未來AI市場(chǎng)的走向。

現(xiàn)在不妨讓我們花點(diǎn)篇幅，一起聊聊在將近2個(gè)半小時(shí)的GTC 2026開場(chǎng)Keynote中，黃仁勛說了什么。

Token就是一切

當(dāng)“I AM AI”主題變成Token，行業(yè)對(duì)AI的最終需求變得簡(jiǎn)單直接。黃仁勛表示，在過去2年中，AI經(jīng)歷了三次范式轉(zhuǎn)移，導(dǎo)致計(jì)算需求呈指數(shù)級(jí)爆發(fā)。即：

2023年前后的ChatGPT時(shí)刻。AI從"感知理解"升級(jí)到"翻譯生成"，能夠創(chuàng)造獨(dú)特內(nèi)容；

2023年到2024年的OpenAI o1時(shí)刻。推理AI誕生，AI學(xué)會(huì)"反思、思考、自我對(duì)話、規(guī)劃"，將問題分解為可理解的步驟，基于研究事實(shí)進(jìn)行 grounded truth 推理；

最后是當(dāng)下的Claude Code時(shí)刻。AI Agent智能體出現(xiàn)，AI能夠閱讀文件、編寫代碼、編譯測(cè)試、評(píng)估迭代，完成實(shí)際的工程任務(wù)。

三個(gè)關(guān)鍵范式轉(zhuǎn)移，導(dǎo)致所有的算力數(shù)字井噴爆發(fā)。推理和代理任務(wù)使單任務(wù)計(jì)算需求增加約 1萬倍，AI應(yīng)用增長超過100倍，過去兩年總計(jì)算需求增加約100萬倍。數(shù)據(jù)中心也因此由傳統(tǒng)的數(shù)據(jù)存儲(chǔ)倉庫，變成AI工廠。

黃仁勛將AI工廠稱為Token工廠（Token Factory），未來每一家企業(yè)實(shí)際上運(yùn)營的一個(gè)由Token驅(qū)動(dòng)的數(shù)據(jù)工廠。每個(gè)AI工廠由于受限于物理電力，會(huì)把Token打包成不同的商品，按照質(zhì)量、速度分層進(jìn)行定價(jià)。例如免費(fèi)的Token用低速提供基礎(chǔ)問答，高階的Token服務(wù)可以完成極速推理和復(fù)雜研究。

這時(shí)候AI工廠收入將會(huì)從兩個(gè)緯度進(jìn)行平衡，即使吞吐量（Throughput），每瓦特電力產(chǎn)生的Token數(shù)量；智能度（Intelligence），指Token生成速度。這里黃仁勛引用Grace Blackwell作為參考，相比Hopper架構(gòu)，Blackwell在免費(fèi)層提升吞吐量35倍，對(duì)于高價(jià)值的編碼、工程推理，性能則可以提升35倍以上。

NVIDIA將2025年稱為推理之年，推理是AI計(jì)算的終極難點(diǎn)，它將直接決定公司的收入。而推理與訓(xùn)練是由本質(zhì)區(qū)別的。訓(xùn)練是一次性大規(guī)模計(jì)算，追求峰值算力。推理是持續(xù)性、低延遲、高并發(fā)服務(wù)，追求每美元Token成本和每瓦特Token產(chǎn)出。

為實(shí)現(xiàn)極致推理效率，NVIDIA開發(fā)了Dynamo AI工廠操作系統(tǒng)，能夠輕松在Vera Rubin和Groq之間智能調(diào)度任務(wù)，支持萬億參數(shù)模型的KV Cache管理和多層級(jí)服務(wù)品質(zhì)（QoS）的混合部署。

有意思的是，Token也延伸出新的經(jīng)濟(jì)學(xué)和企業(yè)預(yù)算科目，未來每家企業(yè)都同時(shí)是Token消費(fèi)者和Token制造商，這意味著企業(yè)即自己消耗Token，同時(shí)也通過Token對(duì)外提供服務(wù)。

Token也帶來了計(jì)算范式的根本轉(zhuǎn)變，舊范式的檢索式計(jì)算本質(zhì)上是存儲(chǔ)已有信息，按需調(diào)用，通過數(shù)據(jù)庫查詢、文件系統(tǒng)、網(wǎng)頁瀏覽來實(shí)現(xiàn)。AI新范式則是直接生成答案而非檢索，每次查詢都涉及實(shí)時(shí)推理、合成、創(chuàng)造，這解釋了為何計(jì)算需求呈百萬倍增長，AI不是在查找信息，而是在思考答案。

面對(duì)萬億美元級(jí)別的AI基礎(chǔ)設(shè)施投資，黃仁勛強(qiáng)調(diào)NVIDIA架構(gòu)的核心優(yōu)勢(shì)在于，NVIDIA是唯一支持AI全生命周期（訓(xùn)練、后訓(xùn)練、推理）的平臺(tái)，同時(shí)NVIDIA也是唯一同時(shí)支持語言、生物學(xué)、計(jì)算機(jī)圖形、物理仿真、機(jī)器人等多模態(tài)AI的架構(gòu)的公司。

Vera Rubin架構(gòu)：下一代AI基礎(chǔ)設(shè)施

接下來就是黃仁勛的帶貨環(huán)節(jié)。Vera Rubin并非簡(jiǎn)單的芯片升級(jí)，而是針對(duì)Agentic AI工作負(fù)載的端到端系統(tǒng)重構(gòu)。黃仁勛強(qiáng)調(diào)，傳統(tǒng)數(shù)據(jù)中心架構(gòu)已無法滿足AI代理的需求，Agentic AI的三大系統(tǒng)壓力，包括思考計(jì)算（Thinking）、內(nèi)存墻（Memory Wall）和工具（Tool）的使用問題。

新生的AI應(yīng)用帶來了大語言模型規(guī)模持續(xù)膨脹，進(jìn)而需要生成更多Token，這對(duì)算力有很高的要求。KV Cache、結(jié)構(gòu)化數(shù)據(jù)（cuDF）、非結(jié)構(gòu)化數(shù)據(jù)（cuVS）對(duì)存儲(chǔ)系統(tǒng)則是對(duì)內(nèi)存墻產(chǎn)生了絕大的壓力。與此同時(shí)，AI需要以極快速度訪問工具，包括瀏覽器、虛擬PC、數(shù)據(jù)庫等等，合適的工具也同等重要。

Vera Rubin厲害的地方在于，將計(jì)算、內(nèi)存、網(wǎng)絡(luò)、冷卻、供電整合為單一巨型系統(tǒng)，通過端到端協(xié)同優(yōu)化實(shí)現(xiàn)物理極限性能，以解決傳統(tǒng)數(shù)據(jù)中心架構(gòu)無法滿足Agentic AI系統(tǒng)范式所帶來的壓力。

目前Agentic AI的系統(tǒng)壓力可以分成三個(gè)：

思考計(jì)算（Thinking）：大語言模型規(guī)模持續(xù)膨脹，需要生成更多Token且速度更快；

內(nèi)存墻（Memory Wall）：KV Cache、結(jié)構(gòu)化數(shù)據(jù)cuDF、非結(jié)構(gòu)化數(shù)據(jù)cuVS對(duì)存儲(chǔ)系統(tǒng)造成了成噸的壓力；

工具使用（Tool Use）：AI需要以極快速度訪問工具，包括瀏覽器、虛擬PC、數(shù)據(jù)庫等場(chǎng)景。AI應(yīng)用場(chǎng)景中，工具越快的被調(diào)用，體驗(yàn)就越好。

順帶一提，Agentic AI雖然也可以翻譯成智能體AI或者代理式AI，但與PC端的AI智能體小龍蝦不同，前者為AI系統(tǒng)架構(gòu)，后者為具體的落地應(yīng)用。

Vera Rubin單一巨型系統(tǒng)，即第六代NVLink 72使用了100%的45℃溫水液冷設(shè)計(jì)，通過冷卻液直接將熱量帶走，無需復(fù)雜的空調(diào)系統(tǒng)設(shè)計(jì)。同時(shí)由于省略的銅纜設(shè)計(jì)，通過預(yù)配置連接，服務(wù)器的安裝時(shí)間從2天壓縮到了2小時(shí)。

與之前Grace Hopper一樣，Vera為專用CPU的代號(hào)，這是NVIDIA首次推出專為AI優(yōu)化的數(shù)據(jù)中心CPU，也是全球唯一使用LPDDR5內(nèi)存的數(shù)據(jù)中心CPU，在低功耗表現(xiàn)上會(huì)亮眼很多。通過提升CPU單線程性能，AI工具也能獲得更快的響應(yīng)速度，配合超高I/O帶寬，處理AI Agent智能體的頻繁數(shù)據(jù)訪問請(qǐng)求也更為輕松。

當(dāng)然搭配72個(gè) Vera Rubin，并非NVLink 72的極限。通過Spectrum-X共封裝光學(xué)（CPO）交換機(jī)設(shè)計(jì)，將光學(xué)器件直接封裝在交換機(jī)芯片上，電子信號(hào)直接轉(zhuǎn)換成光信號(hào)，無需外部光模塊，同時(shí)也可以將NVLink擴(kuò)展至576個(gè)GPU，即NVLink 576。

一旦涉及海量GPU部署，一套合適的機(jī)架就顯得相當(dāng)重要了。相對(duì)于標(biāo)準(zhǔn)的Vera Rubin只需要傳統(tǒng)的水平劃入式機(jī)架，雙GPU組合的Vera Rubin Ultra需要Kyber機(jī)架支持，GPU會(huì)垂直插入，最多支持144個(gè)GPU，從而實(shí)現(xiàn)單域NVLink 144。

再多的Rubin GPU，這套AI超算還是有物理極限的。特別是當(dāng)AI服務(wù)需要超高頻Token生成完成實(shí)時(shí)編碼、高頻交易或者交互式AI的時(shí)候，GPU架構(gòu)本身并不能完成低延遲解碼，這是大規(guī)模并行架構(gòu)本身缺陷決定的。這時(shí)候就需要專門優(yōu)化單線程Token生成速度作為確定性數(shù)據(jù)流架構(gòu)彌補(bǔ)空缺，Groq應(yīng)運(yùn)而生。

Groq團(tuán)隊(duì)屬于谷歌TPU團(tuán)隊(duì)離職后的二次創(chuàng)業(yè)，雖然名義上是獨(dú)立運(yùn)作公司，但目前通過NVIDIA資產(chǎn)收購和人才收購，在2025年末實(shí)現(xiàn)了與NVIDIA深度綁定。

Vera Rubin成為了首個(gè)融入Groq并實(shí)現(xiàn)任務(wù)解耦的平臺(tái)。Rubin負(fù)責(zé)預(yù)處理、Attention計(jì)算和KV Cache存儲(chǔ)任務(wù)，適合高吞吐矩陣計(jì)算和大容量HBM內(nèi)存環(huán)境使用。Groq負(fù)責(zé)Decode Token生成、低延遲推理，在確定性數(shù)據(jù)流、超大SRAM和靜態(tài)編譯調(diào)度中使用。NVIDIA會(huì)通過Dynamo操作系統(tǒng)對(duì)兩者進(jìn)行調(diào)度。

Groq的靜態(tài)編譯調(diào)度消除了GPU的動(dòng)態(tài)開銷，也很好的突破了內(nèi)存墻，突破萬億參數(shù)模型的物理限制，通過Groq的存儲(chǔ)模型權(quán)重，用SRAM完成權(quán)重的快速訪問。這樣的收益是非常明顯的，相比純Rubin GPU計(jì)算，Groq加入之后可以獲得35倍的性能提升。通過專用的以太網(wǎng)絡(luò)，兩者的協(xié)同延遲可以降低50%。

在部署策略上，黃仁勛建議AI工廠可以考慮75%為Vera Rubin用來處理高吞吐工作負(fù)載，剩下的25%為Groq，用來處理高價(jià)值、低延遲任務(wù)。Groq加入是NVIDIA從訓(xùn)練、吞吐轉(zhuǎn)向全Spectrum推理的關(guān)鍵一步，無論是經(jīng)濟(jì)、技術(shù)還是系統(tǒng)層面，都是非常重要的。目前Groq LP30由三星代工打造，在2026Q3就會(huì)大規(guī)模出貨。與此同時(shí)，Groq LP40也已經(jīng)在NVIDIA參與下開發(fā)，下一代Feynman架構(gòu)將由GPU、Groq LP40、Rosa CPU、Blue Field DPU和CX10存儲(chǔ)平臺(tái)實(shí)現(xiàn)，并同時(shí)支持銅纜擴(kuò)展和共封裝光學(xué)擴(kuò)展，從而實(shí)現(xiàn)NVLink 144和NVLink 576大規(guī)模GPU集群擴(kuò)展。

黃仁勛表示，目前NVIDIA已經(jīng)能夠支持萬億美元級(jí)基礎(chǔ)設(shè)施的供應(yīng)鏈，每周可生產(chǎn)數(shù)千個(gè)機(jī)架系統(tǒng)，相當(dāng)于每月可以生產(chǎn)出數(shù)個(gè)GigaWatts級(jí)別功耗的AI工廠，GB300機(jī)架還能與Vera Rubin機(jī)架并行生產(chǎn)，可根據(jù)供需調(diào)整，相互之間不會(huì)因此影響產(chǎn)能。

從數(shù)字到物理世界

黃仁勛明確講AI智能體（AI Agent）分成了兩種形態(tài)，一種是數(shù)字智能體（Digital Agents），在數(shù)字世界中感知、推理和行動(dòng)，比如編寫代碼、處理數(shù)據(jù)；另一種是物理智能體（Physical Agents），也就是機(jī)器人在物理世界中感知、推理和行動(dòng)。

后者的物理AI（Physical AI）需要理解物理定律，比如重力、摩擦力、材料特性等等。因此物理AI需要處理真實(shí)世界的海量多樣性、不可預(yù)測(cè)性和邊緣情況，這是在虛擬世界不存在的不確定因素。海量的物理特性不可能僅依靠真實(shí)數(shù)據(jù)訓(xùn)練，必須依賴合成數(shù)據(jù)生成和高保真仿真，這也是物理AI的核心。

目前NVIDIA已經(jīng)為機(jī)器人產(chǎn)業(yè)構(gòu)建了完整的端到端基礎(chǔ)設(shè)施，包括負(fù)責(zé)訓(xùn)練計(jì)算的NVIDIA DGX、Cosmos世界模型；負(fù)責(zé)合成數(shù)據(jù)生成與仿真的Isaac Lab、Omniverse；以及機(jī)器人嵌入式Jetson Thor，實(shí)現(xiàn)機(jī)器人內(nèi)部的實(shí)時(shí)推理。

這時(shí)候自動(dòng)駕駛成為了物理AI的首個(gè)大規(guī)模落地場(chǎng)景。NVIDIA與Robotaxi-Ready平臺(tái)合作，在比亞迪、日產(chǎn)、捷豹路虎、本次、豐田、通用幫助下，現(xiàn)在已經(jīng)具備每年生產(chǎn)1800萬輛Robotaxi的能力，通過與Uber合作，可以將多個(gè)城市的出租車網(wǎng)絡(luò)接入其中，快速構(gòu)建一套適合自動(dòng)駕駛物理AI的應(yīng)用場(chǎng)景。

在現(xiàn)場(chǎng)，黃仁勛展示了通過NVIDIA Alvin解釋車輛自動(dòng)駕駛過程中的決策過程，讓自動(dòng)駕駛變得更有邏輯可言。在CES2026上，這套運(yùn)作方式已經(jīng)成功讓奔馳測(cè)試車型輕松穿梭在舊金山的都市街道中。

自動(dòng)駕駛僅是其中之一。在工業(yè)機(jī)器人和制造業(yè)領(lǐng)域，物理AI能夠涵蓋ABB、卡特彼勒這樣的種公羊，在富士康這樣的電子制造行業(yè)中，通過Isaac Lab微調(diào)GROOT模型用于產(chǎn)線，或者使用Isaac Lab進(jìn)行訓(xùn)練和數(shù)據(jù)生成，亦或者使用Isaac Lab和Cosmos生成手術(shù)室輔助機(jī)器人訓(xùn)練數(shù)據(jù)，讓醫(yī)療機(jī)器人成為可能。

物理AI甚至可以通過仿真平臺(tái)解決數(shù)據(jù)難題，因?yàn)檎鎸?shí)世界數(shù)據(jù)永遠(yuǎn)無法覆蓋所有場(chǎng)景，AI生成數(shù)據(jù)+物理仿真到時(shí)有機(jī)會(huì)解決這一點(diǎn)。

因此NVIDIA構(gòu)建了三項(xiàng)技術(shù)給物理AI提供支持，即Isaac Lab、Cosmos 世界模型和GR00T 開放機(jī)器人基礎(chǔ)模型。

Isaac Lab是一套開源、可擴(kuò)展、GPU加速的可微分物理仿真平臺(tái)，開發(fā)者可預(yù)訓(xùn)練世界基礎(chǔ)模型，使用互聯(lián)網(wǎng)規(guī)模視頻和人類演示，Isaac Lab本身也支持經(jīng)典仿真和神經(jīng)仿真混合使用，能夠與Cosmos世界模型和很好的融合，最終生成大規(guī)模合成數(shù)據(jù)和訓(xùn)練策略。

Cosmos 世界模型則用于神經(jīng)仿真（Neural Simulation），生成符合物理規(guī)律的虛擬環(huán)境，用于替代傳統(tǒng)基于規(guī)則的物理引擎，AI學(xué)習(xí)物理世界的內(nèi)在規(guī)律。

GR00T則是開放的機(jī)器人推理與動(dòng)作生成模型，類似LLM的功能，負(fù)責(zé)理解指令、規(guī)劃動(dòng)作、控制執(zhí)行。這是NVIDIA推出的全球首個(gè)開放式人形機(jī)器人基礎(chǔ)模型（Foundation Model），旨在為通用人形機(jī)器人提供推理和控制能力，被黃仁勛稱為"機(jī)器人領(lǐng)域的ChatGPT時(shí)刻"。

本質(zhì)上，GR00T是一個(gè)視覺-語言-動(dòng)作（VLA）模型，能夠理解自然語言指令、感知視覺環(huán)境，并生成精確的機(jī)器人動(dòng)作。其架構(gòu)設(shè)計(jì)靈感源自人類認(rèn)知的雙系統(tǒng)理論，系統(tǒng)一為快速動(dòng)作模型，負(fù)責(zé)直覺式的反應(yīng)和實(shí)時(shí)控制，系統(tǒng)二為慢速推理模型，基于視覺語言模型（VLM）進(jìn)行深思熟慮的決策。模型通過擴(kuò)散變換器（Diffusion Transformer）頭部對(duì)連續(xù)動(dòng)作進(jìn)行降噪處理，將高層指令轉(zhuǎn)化為低層機(jī)械控制信號(hào)。

在2025年3月份，NVIDIA發(fā)布了首個(gè)版本GR00T N1，目前版本是GR00T N1.7，并計(jì)劃在今年底升級(jí)到GR00T N2。GR00T通過結(jié)合多種數(shù)據(jù)來源以解決真實(shí)機(jī)器人數(shù)據(jù)稀缺的問題，同時(shí)能夠加入陣營中的機(jī)器人數(shù)量越多自然越好。在GTC 2026現(xiàn)場(chǎng)展示了110款對(duì)應(yīng)的機(jī)器人，涵蓋了全球范圍內(nèi)的所有主要機(jī)器人制造商。同時(shí)也包括了人形機(jī)器人、工業(yè)機(jī)器人臂、自主移動(dòng)機(jī)器人和迪士尼娛樂機(jī)器人。

迪士尼娛樂機(jī)器人自然是最令人深刻的，與之前展示R2D2不同，這一次NVIDIA展示了與與迪士尼合作的Olaf雪寶。這是一套完全在NVIDIA Omniverse中使用Newton物理求解器訓(xùn)練出來的機(jī)器人，機(jī)器人通過物理仿真學(xué)習(xí)行走，然后零樣本遷移到真實(shí)世界。同時(shí)由于基于物理的仿真，Olaf能適應(yīng)真實(shí)世界的物理特性。NVIDIA Omniverse雖然銷量不及預(yù)期，但從目前來看，依然是NVIDIA希望推動(dòng)的重點(diǎn)產(chǎn)品之一。

構(gòu)建開放模型

黃仁勛在現(xiàn)場(chǎng)闡述了NVIDIA一套獨(dú)特的雙軌制AI策略，在在垂直整合硬件基礎(chǔ)設(shè)施的同時(shí)，AI模型是水平開放的，各行各業(yè)都可以基于開放模型微調(diào)，構(gòu)建符合本地?cái)?shù)據(jù)隱私和文化背景的專屬AI，NVIDIA目標(biāo)仍然是賣出更多的硬件，而非在AI模型上構(gòu)建壁壘。

為此，NVIDIA發(fā)布了一系列特定的開放模型，包括通用推理與語言模型Nemotron 3，物理世界仿真Cosmos 2，生物化學(xué)與分子設(shè)計(jì)BioNIMO，以及用于氣候與天氣預(yù)測(cè)的Earth 2。

目前Nemotron 3已經(jīng)在關(guān)鍵基準(zhǔn)測(cè)試中達(dá)到世界頂尖水平，擅長的領(lǐng)域包括研究推理、語音模型、世界模型以及通用機(jī)器人和自動(dòng)駕駛推理。同時(shí)Nemotron 3分成三個(gè)版本，包括基礎(chǔ)版的Nemotron 3，面向超大規(guī)模應(yīng)用的Nemotron 3 Ultra，以及與AI Agent框架真整合的Nemotron 3 OpenClaw版。

這里黃仁勛盛贊了OpenClaw龍蝦對(duì)計(jì)算機(jī)史帶來的里程碑的轉(zhuǎn)變，僅發(fā)布的幾周內(nèi)就達(dá)到了Linux 30年才能獲得成就，并且已經(jīng)比肩HTML和Linux開源軟件成為同等重要的基礎(chǔ)設(shè)施級(jí)軟件。通過簡(jiǎn)單命令行即可下載、構(gòu)建、部署AI智能體，并且可靈活添加工具、數(shù)據(jù)源和自定義能力，也可以與NVIDIA硬件和軟件棧深度優(yōu)化。

針對(duì)AI工廠，NVIDIA還推出了名為NVIDIA NeMo云框架，這是一套融合了硬件層、庫與工具層以及生態(tài)集成層的架構(gòu)，包含了Vera Rubin架構(gòu)的優(yōu)化部署，cuDF、cuVS加速庫，以及Dynamo推理操作系統(tǒng)。通過對(duì)Vera Rubin的優(yōu)化，這套方式可以更好的確保Token生成效率，并支持機(jī)密計(jì)算，確保模型與數(shù)據(jù)安全。

黃仁勛認(rèn)為，Token已成為硅谷人才競(jìng)爭(zhēng)的核心籌碼，并且企業(yè)也將扮演Token消費(fèi)者和制造者，不僅為員工購買AI算力提升生產(chǎn)力，同時(shí)也產(chǎn)生Token對(duì)外提供服務(wù)。AI智能體將扮演企業(yè)級(jí)IT轉(zhuǎn)型，原本供人使用的工具將被特定領(lǐng)域的專業(yè)化智能體替代。AI智能體像云服務(wù)API那般被租賃。

企業(yè)計(jì)算與數(shù)據(jù)平臺(tái)重構(gòu)

數(shù)據(jù)類型可以分成結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。黃仁勛認(rèn)為這兩類企業(yè)數(shù)據(jù)資產(chǎn)在AI時(shí)代都將被重構(gòu)。結(jié)構(gòu)化數(shù)據(jù)是業(yè)務(wù)運(yùn)營的基礎(chǔ)，傳統(tǒng)CPU數(shù)據(jù)處理系統(tǒng)已無法跟上AI智能體的訪問速度，NVIDIA cuDF（CUDA Data Frames）無疑是利用GPU加速結(jié)構(gòu)化數(shù)據(jù)庫處理的理想解決方案。

同樣，非結(jié)構(gòu)化數(shù)據(jù)現(xiàn)在已經(jīng)占據(jù)全球年生成數(shù)據(jù)的90%，但幾乎無法被有效利用，原因是缺乏索引機(jī)制，必須理解含義和目的才能查詢。NVIDIA給出的解決方案是利用NVIDIA cuVS（CUDA Vector Search）GPU加速的語義向量搜索庫，從而完成對(duì)非結(jié)構(gòu)化數(shù)據(jù)的處理。簡(jiǎn)單的說，cuDF與cuVS構(gòu)建了NVIDIA對(duì)結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)兩套GPU加速的組合拳。

其中cuDF進(jìn)行的結(jié)構(gòu)化數(shù)據(jù)AI加速擅長企業(yè)ERP、供應(yīng)鏈、財(cái)務(wù)數(shù)據(jù)的實(shí)時(shí)分析，與IBM合作案例顯示5倍速度提升，83%成本降低。cuVS非結(jié)構(gòu)化數(shù)據(jù)檢索用于PDF文檔理解、視頻內(nèi)容檢索、語音轉(zhuǎn)文本分析，將非結(jié)構(gòu)化數(shù)據(jù)嵌入為高維向量，支持快速語義相似性搜索。

cuDF與cuVS目前已經(jīng)在IBM、DELL、Google Cloud、亞馬遜云、Microsoft Azure、Oracle、CoreWeave、Telstra + Dell等企業(yè)中展開應(yīng)用。AI時(shí)代下，傳統(tǒng)的檢索式將被生成式替代，數(shù)據(jù)訪問本身是新內(nèi)容的生產(chǎn)，并由AI智能體與人類進(jìn)行交互，圍繞GPU加速構(gòu)建的計(jì)算框架，成本不會(huì)收到摩爾定律影響，而是隨著加速計(jì)算得到不斷優(yōu)化。

金融服務(wù)、醫(yī)療保健、零售業(yè)與安全計(jì)算很快就會(huì)率先受到影響，通過cuDF和cuVS兩大基礎(chǔ)庫，NVIDIA正在將傳統(tǒng)上由CPU主導(dǎo)的數(shù)據(jù)處理（占企業(yè)IT支出的核心部分）遷移到GPU加速架構(gòu)，實(shí)現(xiàn)結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)的統(tǒng)一AI化訪問，標(biāo)志著企業(yè)IT從檢索式工具使用向生成式智能體的范式轉(zhuǎn)移，這不僅是技術(shù)升級(jí)，更是涉及萬億美元IT支出的產(chǎn)業(yè)重構(gòu)。

寫在最后：構(gòu)建全新的生態(tài)與行業(yè)

黃仁勛表示，目前NVIDIA業(yè)務(wù)已經(jīng)呈現(xiàn)出了雙金字塔結(jié)構(gòu)，其中60%來自超大規(guī)模云服務(wù)商，推薦系統(tǒng)從傳統(tǒng)表格和協(xié)同過濾開始轉(zhuǎn)向深度學(xué)習(xí)大模型，傳統(tǒng)搜索則開始轉(zhuǎn)向深度學(xué)習(xí)大模型，同時(shí)基于NVIDIA生態(tài)構(gòu)建出來的原生AI公司也越來越多。

另外40%來自多樣化的長尾市場(chǎng)，應(yīng)用場(chǎng)景遍布工業(yè)機(jī)器人、邊緣計(jì)算、超算、小型服務(wù)器。AI不是單一應(yīng)用的技術(shù)，而是跨行業(yè)的基礎(chǔ)設(shè)施。

同時(shí)黃仁勛也強(qiáng)調(diào)了CUDA的二十年生態(tài)帶來的飛輪效應(yīng)，從便于部署到算法突破，加速了整個(gè)生態(tài)系統(tǒng)的正向循環(huán)。基于CUDA生態(tài)的硬件幾乎應(yīng)用于每個(gè)云平臺(tái)、每個(gè)計(jì)算機(jī)公司、每個(gè)行業(yè)，軟件資產(chǎn)包含數(shù)十萬公開項(xiàng)目，數(shù)千工具、編譯器、框架和庫。從臺(tái)積電芯片制造商，到服務(wù)器OEM、再到云服務(wù)商和AI應(yīng)用公司，哪怕是擁有150年歷史的公司，在全新的AI浪潮中也創(chuàng)造了全新的營收紀(jì)錄，足以見得AI對(duì)行業(yè)的重要性。

隨著行業(yè)的垂直程度加深，數(shù)萬億美元的產(chǎn)業(yè)將會(huì)迎來重構(gòu)。比如金融服務(wù)的量化交易從人工特征工程、經(jīng)典機(jī)器學(xué)習(xí)轉(zhuǎn)向超算自動(dòng)發(fā)現(xiàn)數(shù)據(jù)模式；醫(yī)療保健通過AI完成新藥物發(fā)現(xiàn)、診斷代理、客戶服務(wù)，藥物分子模擬變得輕而易舉。

NVIDIA深耕十年的制造業(yè)與機(jī)器人行業(yè)，現(xiàn)在也正在邁向訓(xùn)練、仿真、邊緣計(jì)算的體系，NVIDIA已經(jīng)與幾乎全球機(jī)器人展開了合作，GTC2026現(xiàn)場(chǎng)的110個(gè)機(jī)器人就是很好的例子。在零售端，AI可以很好的完成供應(yīng)鏈優(yōu)化、購物系統(tǒng)、客服支持，NVIDIA構(gòu)建了一套完整的端到端智能零售技術(shù)棧。

在電信領(lǐng)域，基站從單一信號(hào)傳輸轉(zhuǎn)向AI基礎(chǔ)設(shè)施平臺(tái)，基站將成為機(jī)器人化無線電塔，將具備推理和自適應(yīng)能力，目前NVIDIA合作伙伴諾基亞、T-Mobile已經(jīng)率先展開部署。最后是媒體、娛樂和游戲，AI已經(jīng)被應(yīng)用于直播翻譯、廣播支持、實(shí)時(shí)游戲增強(qiáng)。RTX、Holoscan用于實(shí)時(shí)視頻處理。

基于AI的原生企業(yè)開始迎來自己的高光時(shí)刻，AI初創(chuàng)公司的風(fēng)險(xiǎn)投資歷史性爆發(fā)，現(xiàn)在已經(jīng)出現(xiàn)了從百萬到十億級(jí)美元的投資跨度，每家公司都需要海量計(jì)算和Token，要么自建Token工廠，要么在現(xiàn)有Token上增值，類似于Google、Amazon、Meta級(jí)別的公司很可能在原生AI初創(chuàng)公司中誕生。

這樣的結(jié)論并非一拍腦袋得出的，黃仁勛將GTC 2025和GTC 2026訂單規(guī)模進(jìn)行了對(duì)比。GTC 2026期間，NVIDIA獲得了5000億美元的訂單規(guī)模，而在當(dāng)下，GTC 2026將帶來上萬億美元的訂單，增長速度翻倍。在未來，AI從訓(xùn)練轉(zhuǎn)向推理，每家企業(yè)都需要AI工廠，Agentic AI將會(huì)提供7x24小時(shí)不間斷的推理服務(wù)，自動(dòng)駕駛、機(jī)器人等物理世界AI均需要AI邊緣計(jì)算作為基礎(chǔ)設(shè)施。

在長達(dá)兩個(gè)半小時(shí)的GTC 2026演講中，黃仁勛展示了一套萬億美元級(jí)AI經(jīng)濟(jì)閉環(huán)的AI生態(tài)系統(tǒng)，從上游芯片供應(yīng)鏈到下游行業(yè)應(yīng)用，從超大規(guī)模云到主權(quán)邊緣部署，從20年歷史的CUDA開發(fā)者社區(qū)到新興的AI原生獨(dú)角獸。NVIDIA不僅成為AI基礎(chǔ)設(shè)施的提供者，更是全球AI產(chǎn)業(yè)生態(tài)的樞紐節(jié)點(diǎn)，其影響已超越單純的技術(shù)供應(yīng)商，正在重塑全球計(jì)算產(chǎn)業(yè)的經(jīng)濟(jì)結(jié)構(gòu)和權(quán)力分布。