英伟达GTC 2026总结：真正该看的不是芯片，而是“设计图”

开篇

订阅者朋友，本周在圣何塞SAP中心举行的英伟达GTC 2026于昨天，也就是3月19日落下帷幕。在这场吸引了超过3万名参会者的活动中，CEO黄仁勋通过一场超过2小时的主题演讲，抛出了数十项产品与战略。今天的Newsletter，我想为大家全面总结一下这次GTC 2026。

媒体的头条一如既往地被Vera Rubin、Groq整合、1万亿美元营收可见度等关键词占据。但我认为，这次GTC真正的信息并不在这些单个产品上，而是在别处。

黄仁勋用2个小时说明的，归根结底只有一件事。那就是“AI现在是一套产业化生产系统，代币（Token）是这座工厂的产出物，而英伟达是这座工厂的设计者”这一宣言。今天，我想梳理一下我们在GTC 2026上真正应该聚焦关注的三个要点。

1万亿美元的意义：数字背后隐藏的结构性变化

在GTC上被引用次数最多的数字，无疑是**“1万亿美元”**。黄仁勋表示，Blackwell与Vera Rubin平台的采购订单到2027年将达到1万亿美元。这恰好是去年GTC上提出的5,000亿美元可见度的两倍。

这个数字有意思的地方不在于规模本身，而在于其构成。**据黄仁勋介绍，这1万亿美元中只包含GPU系统与网络设备的营收。**新发布的独立型Vera CPU、Groq LPX解决方案、存储设备并未计入这一数字。用黄仁勋本人的话说，如果将Groq加入推理工作负载，计算支出将增加约25%，因此实际市场规模会超过1.25万亿美元。

营收构成同样值得关注。目前约60%的营收来自五大超大规模云服务商（AWS、Google、Azure、Meta、Oracle等），40%来自企业、产业以及主权（sovereign）AI¹**等领域。**黄仁勋预测，一旦“物理AI（Physical AI）”全面展开，这一比例将会逆转，非超大规模云服务商的占比将升至70%。

这为什么重要？英伟达的营收长期集中在少数几家大型科技公司身上，这一直是一项风险因素。但如果物理AI——机器人、自动驾驶、制造业——扩散开来，客户基础就会在结构上分散化。英伟达已经将比亚迪、现代、日产、吉利（Geely）等年产能达1,800万辆的汽车制造商纳入自动驾驶合作伙伴阵营，并且还宣布了与Uber的调度网络对接。

顺带一提，英伟达上一财年（FY2026，截至2026年1月）的营收为2,159亿美元，同比增长65%。仅数据中心营收就达1,973亿美元。下一季度（FY27 Q1）的指引为780亿美元，大幅超过华尔街普遍预期的726亿美元。

Groq整合：200亿美元这块拼图的完成

本次GTC的技术亮点无疑是Groq的整合。去年12月圣诞前夕宣布的、规模达200亿美元的Groq资产收购，仅仅3个月后就以具体产品的形态呈现出来。英伟达为何愿意支付200亿美元——约为此前估值的3倍——这次GTC终于给出了答案。

核心在于“分离式推理（Disaggregated Inference）”。AI生成回答的过程（推理）大体分为两个阶段：理解输入内容的预填充（Prefill）阶段，以及实际逐个生成代币的解码（Decode）阶段。

据黄仁勋介绍，Vera Rubin针对高吞吐量（High Throughput）——即一次性处理大量数据——进行了优化。而Groq的LPU²则是一款搭载大规模片上SRAM³的超低延迟（Low Latency）机器。英伟达将这两种本质截然不同的处理器整合到了同一系统中。

预填充由Vera Rubin负责，解码阶段的代币生成则交给Groq完成。甚至在解码内部，注意力（Attention）运算⁴由Vera Rubin执行，而FFN（前馈网络）运算则由Groq执行，分工细致到了极致。两套系统通过以太网以特殊模式连接，将延迟降低了近一半。

结果如何？每瓦推理性能最高提升了35倍。这不仅仅是数值上的改进，用黄仁勋的话说，这开启了“世界从未见过的全新推理性能层级”。

如果拿汽车行业打比方就很好理解了。通常一台发动机要应对所有行驶条件。而英伟达所做的，就是把一台适合高速公路行驶的发动机和一台适合市区行驶的发动机装进同一辆车，并让它们根据路况自动切换。成本上升了，但能效和性能都得到了戏剧性的提升。

Groq LP30芯片由三星生产，预计将于2026年第三季度（下半年）出货。与此同时，Vera Rubin预计也将在同一时期正式出货——微软已经拿到了第一批样品。

“代币经济学”：英伟达重新定义计算的价值

**本次GTC中我最关注的框架，是代币经济学（Tokenomics）。**在分析师电话会议上，有人对利润率的可持续性提出质疑时，黄仁勋的回答很明确：“客户买的不是一台昂贵的电脑，而是每瓦/每秒生产代币的单价最便宜的设备。”

这是把电脑从消耗品重新定义为生产设备。就像ASML的光刻设备⁵或台积电的晶圆一样，只要生产力足够压倒性，即便价格昂贵，客户也愿意选择最新型号——这就是这套逻辑。

**在此背景下，黄仁勋比较了过去与现在的计算范式。过去，软件是事先编写好的，内容是事先录制好的，视频是事先存储好的。**就像播放DVD一样，输出的是预先制作好的成品。但生成式AI是把一切都实时生成出来的。它会考虑用户、上下文和意图，每一次都生成全新的结果，因此所需的计算量比过去高出几百到几千倍。

再叠加上AI的进化阶段。黄仁勋将AI定义为三个阶段：

• 第一阶段：生成式AI——输入提示词即可生成结果的阶段
• 第二阶段：推理（Reasoning）——进行逻辑思考的阶段
• 第三阶段：智能体系统——自主设定目标、使用工具，并生成其他智能体来执行任务的阶段 **目前我们正在进入第三阶段。**在智能体AI中，一个问题会生成数十个子智能体，每个智能体各自独立进行推理并消耗代币。这正是代币需求呈抛物线式激增的原因。黄仁勋所说的“如今工程师不仅需要笔记本电脑，还需要被分配代币预算（Token Budget）的时代已经到来”，这并非简单的比喻，而是意味着企业IT成本结构正在实际发生变化。

在这一框架下，英伟达的定价策略就说得通了。当竞争对手说“我们的芯片便宜30%”时，英伟达的反驳是：“重要的不是芯片价格，而是工厂的生产力。”就像购买iPhone时，人们判断的依据不是零部件成本，而是使用体验的总和一样，AI基础设施也应该用单位代币成本（Cost per Token）这一全新单位来评估——这就是英伟达的主张。

Oswarld视角

坦白说，我认为这次GTC与其说是新品发布会，不如说是一次商业模式宣言。英伟达正在做的，是典型平台锁定（Lock-in）战略的完成形态。硬件（GPU + CPU + LPU + DPU + NIC + 交换机）、软件（CUDA + Dynamo + NemoClaw），如今连推理流水线的架构本身也由英伟达设计。客户一旦进入这个生态系统，就极难再脱身。

Groq收购正是其中的核心。原本Groq是一款有潜力成为英伟达GPU替代方案的专用推理芯片，因为它是由打造Google TPU的Jonathan Ross创立的公司。英伟达花费200亿美元，一方面消除了潜在的竞争对手，另一方面又弥补了自身的弱点（推理低延迟）。Bernstein的Stacy Rasgon将这笔交易评价为“在维持竞争假象的同时实质上完成收购的结构”，这一评价可谓一针见血。

还有一点值得关注，那就是中国市场战略。最新的Vera Rubin由于出口管制无法在中国销售，但英伟达打出了两张牌。第一，从特朗普政府那里获得出口许可，重启了H200的生产。第二，计划在5月推出基于Groq技术的中国专用推理芯片。这并非绕开监管，而是在监管框架内打造优化产品的策略，这也是英伟达绝不会放弃中国市场的信号。

此外，SK海力士的动作也不容忽视。该公司公布了在龙仁集群一期2至6阶段投资21.6万亿韩元基础设施的计划，摩根大通估计其总资本支出可能达到72万亿至86万亿韩元。SK集团会长崔泰源在GTC现场表示“芯片晶圆短缺将持续到2030年”，这意味着供给端也判断这一需求具有结构性。

不过，我也有几点值得留意的健康质疑。1万亿美元的可见度是“购买意向”，而非“确定营收”。一旦超大规模云服务商的资本支出周期出现调整，这个数字就可能发生变化。此外，英伟达关于利润率的辩护逻辑虽然有说服力，但对CUDA生态系统的垄断性依赖，最终可能演变为监管风险。因为代币经济学要想运转起来，代币的最终消费者——也就是使用AI服务的企业和消费者——必须真正能够承担得起这笔成本。

结语

这次GTC 2026需要记住的核心有三点。

第一，英伟达已不再是一家芯片公司，而是转型为设计由7种芯片组成的全栈“AI工厂”的公司。第二，Groq的整合可能成为推理市场的游戏规则改变者。高吞吐量与超低延迟结合所带来的35倍性能提升，已经超越了单纯的规格竞争，是一种结构性优势。第三，“代币经济学”是AI基础设施投资的一套全新评估框架。在一个不以芯片价格、而以单位代币生产成本为标准的世界里，就目前而言，英伟达的这套逻辑最具说服力。

如果对这个主题感兴趣，我建议大家亲自看一看黄仁勋主题演讲的完整版（约2小时30分钟）。在产品发布的间隙中，蕴含着解读AI产业结构的框架。

参考资料与延伸阅读

• NVIDIA，“NVIDIA Announces Financial Results for Fourth Quarter and Fiscal 2026”，2026.2.25.：FY2026年度营收2,159亿美元、Q1 FY27指引780亿美元等财务数据的一手来源。
• NVIDIA，“NVIDIA Kicks Off the Next Generation of AI With Rubin — Six New Chips, One Incredible AI Supercomputer”，2026.1.5.：Vera Rubin平台的官方发布资料，整理了6款芯片的构成与规格。
• CNBC，“Nvidia buying AI chip startup Groq’s assets for about $20 billion in its largest deal on record”，2025.12.24.：理解Groq收购背景与结构的必读文章。
• NVIDIA Technical Blog，“Inside the NVIDIA Vera Rubin Platform”，2026.1（2026.3.16更新）.：新增Groq LPX之后更新的技术深度分析资料，是理解分离式推理架构的最佳材料。
• The Next Platform，“Nvidia Finally Admits Why It Shelled Out $20 Billion For Groq”，2026.3.17.：从技术角度分析Groq收购的战略意义与Vera Rubin整合过程的文章。
• Reuters，“South Korea’s SK Group chairman expects chip wafer shortage to last until 2030”，2026.3.16.：收录了SK集团会长崔泰源在GTC现场的发言及关于审议ADR上市的消息。
• Tom’s Hardware，“Nvidia GTC 2026 keynote live blog”，2026.3.16.：主题演讲的实时整理记录，适合快速把握整场发布的脉络。

作者安光涉是世宗大学经营学教授，也是 OBF（Oswarld Boutique Consulting Firm）首席顾问。他在大学教授经营数据管理、商业分析等统计与数据分析课程，同时在产业现场负责 GTM 与人工智能战略咨询，设计技术与商业的连接方式。他曾发表关于 AI 对话系统记忆架构（HEMA）的学术论文，并运营每日策展全球 AI 论文的 Daily Arxiv 项目。他毕业于高丽大学技术经营专业研究生院与 KMBA，著有《把思考交出去的人：Homo Brainless》。

注释

1. 主权AI（Sovereign AI）：各国在本国境内构建自主AI基础设施的一种趋势，是出于数据主权和安全层面的考虑、不愿依赖美国大型科技公司的战略。截至英伟达FY2026，主权AI营收已超过300亿美元。 ↩

2. LPU（Language Processing Unit）：Groq开发的AI推理专用处理器。与GPU不同，它将数据存储在片上SRAM中，专门用于以超低延迟生成代币。简单来说，如果GPU是全能厨师，那么LPU就是只做寿司、但速度快到极致的专业工匠。 ↩

3. SRAM（Static Random-Access Memory）：搭载在芯片内部的超高速内存。比HBM或DRAM快得多，但容量小、成本高。Groq LP30正是大规模搭载了500MB级别的SRAM，从而实现了低延迟。 ↩

4. 注意力运算（Attention Computation）：Transformer AI模型的核心运算。用于计算输入文本中某个词与其他词之间的关联程度，是理解上下文所必需的过程，但计算量非常大。 ↩

5. 光刻设备（Lithography Equipment）：制造半导体时用于在晶圆上刻蚀电路图案的设备。荷兰的ASML几乎垄断了最先进的EUV光刻设备。每台设备售价高达数千亿韩元，但没有这种设备就无法制造最新的半导体，因此客户愿意购买。 ↩