專為 Agentic AI 打造的 Vera Rubin 正式發布

如果說 Hopper 架構開啟了生成式 AI（Generative AI）的時代，讓機器學會了「說話」；那么 Vera Rubin 的使命，就是開啟智能體（Agentic AI）時代，讓機器學會「干活」。

• 英偉達 Vera Rubin 架構包含七款芯片、五套機架系統，以及一臺用于 AI Agent 的超級計算機
• 七款芯片分別是 NVIDIA Vera CPU、NVIDIA Rubin GPU、NVIDIA NVLink

  6 交換機、NVIDIA ConnectX-9 超級網卡、NVIDIA BlueField-4 DPU 和 NVIDIA Spectrum

  -6 以太網交換機，以及新集成的 NVIDIA Groq 3 LPU

• 五個機架分別是 NVIDIA Vera Rubin NVL72 機架、NVIDIA Vera CPU 機架、NVIDIA Groq 3 LPX 機架、NVIDIA BlueField-4 STX 存儲機架，以及 NVIDIA Spectrum-6 SPX 以太網機架。

6 交換機、NVIDIA ConnectX-9 超級網卡、NVIDIA BlueField-4 DPU 和 NVIDIA Spectrum

-6 以太網交換機，以及新集成的 NVIDIA Groq 3 LPU

過去的 AI 像是一個極其聰明的圖書館管理員，我們問一個問題，它慢條斯理地翻書，然后把答案整理出來。我們對這種速度是寬容的，因為我們自己打字看書也慢。

但 Agent 完全不同。它不僅要用大模型思考，還要瘋狂地調用工具——比如打開瀏覽器、控制云端的虛擬 PC、在無數個數據庫里來回比對。更要命的是，AI 對工具的容忍度極低，它要求一切操作都在毫秒級完成。

「它會***地捶打內存。」黃仁勛在臺上這樣形容。

當模型越來越大，上下文長度從十萬 Token 飆升到數百萬，還要同時處理結構化和非結構化的數據，傳統的算力架構開始喘不過氣了。為了應對這種「捶打」，英偉達交出了第一份答卷，全新的 Vera CPU。

這顆芯片特立獨行，它是世界上首款專為智能體 AI 和強化學習時代打造的處理器，其效率是傳統機架式 CPU 的兩倍，速度提升 50%，***用 LPDDR5X 內存，能實現極高的單線程性能、大型的數據吞吐量和極致的能效。

黃仁勛甚至毫不掩飾他的驕傲：「我們從沒想過會單獨賣 CPU，但現在，這絕對是一個價值數十億美元的業務。」

緊隨其后的是 Rubin GPU，單片芯片直接塞進了高達 288 GB 的海量內存。它就像是一個擁有無限腦容量的思考者，專門用來裝載那些體積越來越龐大的超大語言模型，以及處理成百上千萬的上下文 KV 緩存。

除了堆疊 CPU 和 GPU，英偉達這次發布的 Vera Rubin 架構，直接把 NVLink 的帶寬翻了一倍——260 TB/s 的全互聯帶寬。

十年前，DGX-1 用第一代 NVLink 把 8 張卡連在一起，那是專為 AI 研究員打造的奇跡；到了 Hopper 時代，是 NVLink 4；而前不久的 Blackwell 架構，用 NVLink 72 實現了 72 張 GPU 的全互聯，帶寬達到 130 TB/s。

為了配合 Vera Rubin，黃仁勛甚至掏出了被稱為 Kyber 的全新機架。在這個機架里，計算節點垂直插入，背后是第六代 NVLink 交換機。完全拋棄了傳統的以太網或 InfiniBand 限制，在一個 NVLink 域內直接打通 144 張 GPU。

即便強如 Vera Rubin，在面對「無限生成 Token」的極端需求時，也會感到吃力。

在算力世界里，吞吐量（Throughput，同時處理巨量任務的能力）和延遲（Latency，單次任務的極速響應）是一對物理學上的死敵。英偉達是吞吐量的絕對霸主，但在極致低延遲的 Token 生成上，傳統 GPU 架構顯得過于笨重。

這時候，Groq 出場了。英偉達早在之前就「收購」并授權了 Groq 團隊的技術，在今天正式推出了 Groq LPU（語言處理單元）。

黃仁勛用一款名為 Dynamo 的軟件，把這兩者完美捏合，首創了「解耦推理（Disaggregated Inference）」。

• AI 推理前半段的 Prefill（預填充）和極其耗費算力的 Attention（注意力機制），全部交給 Vera Rubin 這個性能王者來處理；
• 后半段的 Decode（解碼），也就是生成 Token 的瞬間，直接卸載給 Groq LPU 來降低延遲。

結果顯示，在最具商業價值的高端推理層級，這種組合讓性能直接飆漲了 35 倍，且每兆瓦的吞吐量同樣提升了 35 倍。

一個開源項目，讓所有 CEO 都睡不著覺

主題演講的后半部分，黃仁勛拋出了一個讓全場屏息的判斷：OpenClaw，將是這個時代的 Linux，是這個時代的 HTML。

OpenClaw 上線僅數周，下載量和影響力已經超過了 Linux 三十年的積累，其本質上是一套智能體操作系統。它能調用大模型、管理文件、拆解任務、協調子智能體，還能發郵件、發短信，以任何模態與人溝通。

在黃仁勛看來，每一家 SaaS 公司，遲早都會變成 AgaaS 公司，也就是「Agent-as-a-Service（智能體即服務）」公司。而每一位 CEO 現在都必須回答同一個問題：你的 OpenClaw 戰略是什么？

當然，開源意味著自由，但企業更需要的是安全。這也是 OpenClaw 規模化落地前最大的障礙。

為此，英偉達聯合以 OpenClaw 創始人 Peter Steinberger 為代表的團隊，召集了一批頂級安全與計算專家，推出 NeMoClaw 參考架構。

它內置 OpenShell 技術、網絡防護機制和隱私路由能力，可以讓企業可以在自己的私有環境中安全運行智能體系統。

而支撐這套智能體生態的，是英偉達一整條開源模型產品線。

比如 Nemotron 主攻語言推理，Cosmos 聚焦世界建模，Groot 面向通用機器人，Alpha Mayo 服務自動駕駛，BioNeMo 深耕數字生物學，Earth-2 則專注 AI 物理仿真。

黃仁勛特別強調，這些模型不只是排行榜上的名字。英偉達會持續投入推進，Nemotron 3 之后有 Nemotron 4，Cosmos 1 之后有 Cosmos 2，每一代都會更強。

更重要的是，這些模型全部以基礎模型形式開放，任何企業都可以在此基礎上繼續微調和后訓練，打造專屬于自己業務場景的定制化智能。英偉達還宣布將與各地區合作伙伴協作，幫助不同國家和市場孵化本土化 AI 能力。

在臺上，黃仁勛還宣布了一份讓人眼前一亮的合作名單。Black Forest Labs、Cursor、LangChain、Mistral、Perplexity、Sarvam，以及 Mira Murati 創立的 Thinking Machines，悉數加入，共同推進 Nemotron 4 的研發。

劃重點，英偉達不甘心只做賣鏟人，更要親自下場帶頭挖金礦，更重要的是，英偉達也是在構建一個生態，一個圍繞智能體時代的完整體系。

玩家的顯卡錢，是一場長達 25 年的「眾籌」

要理解英偉達今天的恐怖統治力，黃仁勛首先把時鐘撥回了 25 年前。

那時候沒有 ChatGPT，沒有大模型，只有一群為了讓游戲畫面更流暢而瘋狂攢機的年輕人。「GeForce 是英偉達有史以來最偉大的營銷活動」，黃仁勛在臺上笑著說。

黃仁勛非常直白地承認，GeForce 就是用來吸引未來客戶的。他們在我們還買不起企業級產品的時候，通過游戲顯卡潛伏進我們的電腦。日復一日，年復一年。

也正是依靠一代代游戲玩家的「供養」，英偉達在 20 年前做出了一個當時看來堪稱瘋狂、甚至差點拖垮公司利潤的決定——研發 CUDA，并將它送到了全世界每一個開發者的桌面上。

這可以說是一個在黑暗中蟄伏的故事。連續 13 代架構，長達 20 年的死磕，英偉達徹底把 CUDA 變成了一個裝機量過億的龐然大物。

這也解釋了為什么當深度學習的「宇宙大爆炸」來臨時，Alex Krizhevsky 和 Ilya Sutskever 們環顧四周，發現除了英偉達的 GPU，他們別無他選。

Nvidia 不是碰巧站在了風口上，而是花了 20 年時間，自己造了一臺造風機。

飛輪一旦轉動，就再也停不下來了。因為在這個飛輪里，硬件只是載體，真正黏住開發者的是那成千上萬個工具、框架和開源項目。

既然當年是 GeForce 游戲顯卡把 AI 算力（CUDA）帶給了這個世界，那么十年后的今天，是時候讓徹底長大的 AI，反哺它最初的「老家」了。

黃仁勛在臺上甩出了驚艷全場的 DLSS 5。簡單來說，英偉達正在用 AI 重新發明計算機圖形學。傳統的 3D 渲染是「結構化數據」，它是死板的、百分百可控的；而生成式 AI 是「概率性計算」，它是天馬行空、極其逼真的。

以前這兩派路線完全不同，但在 DLSS 5 里，英偉達硬是把它們揉在了一起，用可控的 3D 數據打底，用生成式 AI 去腦補和渲染細節。我們看到的畫面，既不會出現 AI 經常犯的幻覺錯位，又擁有近乎現實的驚人質感。

「生成出來的世界，變得極其美麗，同時又完全受控。」

但這也不只是一幫極客為了高幀率打游戲搞出來的炫技。黃仁勛說，這種將「結構化數據」與「生成式 AI」融合的邏輯，將會在每一個行業里一遍遍重演。

「這是我最喜歡的一頁 PPT」

在演講的高潮，黃仁勛放出了一張極其復雜的架構圖，說這是他最喜歡的一頁 PPT。接著，他又半開玩笑地說，團隊屢次勸他別放這張圖，但他偏要放，「反正你們有些人也是免費進來的，這就是門票錢」。

這張「最不聽勸的 PPT」，真正揭示了英偉達接下來要吞噬的真正獵物，全球企業的數據中心。

過去，企業的數據分為兩類。

一類是結構化數據，也就是常見的數據庫 SQL、Pandas 里的那些龐大表格，它們是商業運轉的地基。另一類是非結構化數據，比如海量的 PDF、***、語音，占據了世界 90% 的信息，卻因為難以檢索而如同廢紙。

過去幾十年來，處理這些巨型 Excel 表格一直是 CPU 的絕對領地。當人類去查詢這些表格時，CPU 的速度勉強夠用。但黃仁勛一針見血地指出了未來的趨勢，「未來，使用這些結構化數據庫的，將是 AI Agents」。

當成千上萬個不知疲倦的 AI Agent，以遠超人類百萬倍的速度同時向數據庫發起查詢時，傳統的 CPU 計算系統連喘息的機會都沒有，只會被瞬間壓垮。

為了處理這個問題，英偉達掏出了第一把底層殺器：cuDF。它直接越過 CPU，用 GPU 的恐怖并行算力，把這群數據的處理速度拉爆。

而針對非結構化數據，英偉達掏出了第二把殺器，針對向量數據庫和非結構化數據的 cuVS。有了這兩個底層庫，英偉達實際上是捏住了全球數據處理的咽喉，它正在用 AI 的方式，重新定義企業到底該怎么處理數據。

兩個工具庫的效果也是相當明顯。黃仁勛舉了非常多合作伙伴的例子，其中提到雀巢公司每天要處理覆蓋 185 個國家的龐大供應鏈數據，在換上英偉達加速的 IBM Watsonx.data 后，速度飆升了 5 倍，成本卻驟降了 83%。

這就是「加速計算」的恐怖之處。當速度實現了幾個數量級的躍升，成本就會呈斷崖式下跌，新的商業模式就會在此刻涌現。

黃仁勛的演講進行到這里，滿嘴都還是「算法」、「庫（Libraries）」和「數據幀」，他直言「英偉達是一家算法公司。」

英偉達將自己的算法庫深度嵌入每一家云端，客戶為了用 Nvidia 的算力和框架，才會去購買云服務。這也是為什么幾乎世界上所有的云服務巨頭——Google Cloud、AWS、微軟 Azure、Oracle，都得排著隊，把英偉達的服務請進自己的機房。

曾經呼風喚雨的云廠商，在加速計算時代，似乎都正悄然淪為英偉達龐大生態的「底層基礎設施」和「分銷渠道」。

英偉達為什么能做到這一切？黃仁勛給出了一個極度反常識的定義，英偉達是世界上第一家「垂直整合，卻又水平開放」的公司。

向下，它自己造芯片、造系統；向上，它懂每一個行業的應用場景。

金融界的量化交易員在用它，醫療行業的醫藥研發在用它，連電信行業那個只會發射信號的基站，在未來也會變成運行 AI 算法的邊緣計算節點。

英偉達甚至還推出了機密計算（Confidential Computing），讓極其敏感的企業數據和模型可以在完全隔離的環境下運行，連操作員都看不到。這直接打消了巨頭們擁抱 AI 的最后一點顧慮。

它把自己封裝成一個個底層算法庫，然后像水和電一樣，悄無聲息地接入了所有人的基礎設施；看似把所有的利潤都分給了生態伙伴，但實際上，英偉達已經牢牢掌握了整個 AI 時代的命脈。

1 萬億美元，而且還會供不應求

根據黃仁勛的判斷，到 2027 年，全球 AI 基礎設施規模至少達到 1 萬億美元，而且這還是保守估計，實際計算需求會遠超這個數字。

這個數字從何而來？答案藏在過去一年英偉達做的那件最重要的事里——AI 推理。

黃仁勛直言，很多人覺得推理很容易，但事實恰恰相反。

高難度推理是 AI 領域最難的事，也是最重要的事，因為它直接帶來收入的增長。為此，英偉達在 Hopper 架構巔峰期做出大膽決定，徹底改變架構，打造出 NVLink 72，引入 NVFP4 精度格式，配合 Dynamo、TensorRT-LLM 及全套新算法，還專門建造了超級計算機來優化整套技術棧。

英偉達押注的結果，遠超所有人的預期。

黃仁勛曾宣稱 Grace Blackwell NVLink 72 每瓦性能提升 35 倍，當時沒人相信他。后來 SemiAnalysis 發布評測報告，分析師 Dylan Patel 說黃仁勛說得太保守了，實際提升是 50 倍。

▲黃仁勛打趣道「Monkey King」「Token King」。

***爾定律，一代產品通常只能帶來約 1.5 倍提升，沒人預料到這次會是 50 倍。

性能提升之后，擺在面前的是另一個問題。一座 1 吉瓦數據中心，按 15 年攤銷，建造成本就高達 400 億美元，設備還沒放進去。在這樣的投入規模下，放進工廠里的計算系統必須是全球最好的，否則每一瓦浪費的電力都是真實流失的收入。

黃仁勛坦言，全球 AI 工廠里正有大量電力被白白浪費。

為此，英偉達發布了 NVIDIA DSX 平臺，基于 Omniverse 數字孿生技術，讓工程師在真正動工之前，先在虛擬空間里把整座 AI 工廠仿真一遍，從散熱到電網，全部模擬清楚。

配合 Max-Q 技術，系統可以在功耗與算力之間實時動態調節。

黃仁勛說，這里面至少還藏著兩倍的優化空間。同一套硬件，英偉達更新算法與軟件后，Fireworks 等服務商的 token 生成速度從每秒 700 個躍升至接近 5000 個，提升 7 倍。這就是「極致協同設計」的真實含義。

過去數據中心存放文件，現在它生產 token。土地、電力、機房空間決定了工廠上限，而架構優劣決定了產出多少。黃仁勛說，未來每一家公司都會認真思考自己 token 工廠的效率問題，因為算力，就是收入本身。

更重要的是，地球上的 AI 工廠還沒建完，英偉達已經把目光投向了太空。

英偉達 Thor 芯片已通過抗輻射認證，率先應用于衛星之上。英偉達正與合作伙伴聯合研發名為 NVIDIA Space-1 Vera Rubin 的新型計算機，目標是直接在太空中建設數據中心。

太空沒有空氣，無法對流散熱，散熱是一道極其棘手的工程難題。黃仁勛坦承這件事非常復雜，但他相信英偉達有足夠優秀的工程師來攻克它。從地面到軌道，英偉達算力擴張的路線，仍在持續。

自動駕駛的 ChatGPT 時刻，已經到來

物理 AI 是未來十年最重要的課題，而黃仁勛用一句話宣告，自動駕駛的 ChatGPT 時刻，已經到來。

英偉達 RoboTaxi Ready 平臺此次新增四位重量級伙伴：比亞迪、吉利、五十鈴、日產，攜手打造 L4 級自動駕駛汽車。

這四家車企每年合計生產約 1800 萬輛汽車，體量驚人。加上此前已加入的梅賽德斯、豐田和通用，英偉達的自動駕駛版圖已覆蓋全球最重要的一批整車制造商。

英偉達還與 Uber 簽署合作協議，***將具備 RoboTaxi Ready（無人出租車就緒）能力的車輛部署至多個城市，并直接接入 Uber 的全球出行網絡。

在工業機器人領域，英偉達與 ABB、Universal Robots、庫卡等頭部企業展開合作，將物理 AI 模型集成至仿真系統，推動機器人大規模進入制造產線。卡特彼勒的加入，意味著重型工程機械也開始走向智能化。

主題演講的最后，依舊是經典的機器人環節。

近期，《冰雪奇緣》的雪寶機器人已經現身迪士尼海外游樂園，而這一次，它也邁著憨態可掬的步伐登上 GTC 2026 的舞臺，和黃仁勛有來有往地對話，動作自然，反應流暢。

它的肚子里裝著英偉達 Jetson 計算機，這是整套系統的大腦。它的步態和動作，全部在 Omniverse 虛擬環境中完成訓練，靠的是由英偉達、迪士尼和 Google DeepMind 三方聯合研發的 Newton 物理引擎，運行于英偉達 Warp 之上。

正是這套物理仿真系統，讓雪寶在進入真實世界之前，就已經充分適應了現實物理規律。黃仁勛說，未來的迪士尼樂園所有角色都將擁有真正的智能，在園區里自由走動，與每一位游客展開真實的互動。

演講開始的時候，黃仁勛說，我要提醒你們，這是一個技術大會。我們將要談論技術，談論平臺，最重要的是，我們要談論生態系統。

生態系統？他實在太謙虛了，用生態帝國也不為過，黃仁勛曾經用一塊五層蛋糕來描述 AI 產業的結構：最底層是能源和芯片，往上是基礎設施、模型，最頂層是應用。

每一層都不可或缺。這個比喻聽起來像是在描述一個分工清晰、各司其職的產業格局。但當你把這塊蛋糕從底看到頂，會發現每一層里都有英偉達的手筆。

從最早「潛伏」在玩家機箱里的顯卡，到主宰全球云廠商的底層框架；從太空里的抗輻射數據中心，到迪士尼樂園里和我們談笑風生的機器玩偶。

英偉達用 20 年時間造了一臺造風機，如今這臺機器已經化身為一臺永不停歇的 Token 生產廠。在這個工廠里，算力即權力，生態即壁壘。

當所有的企業、用戶都在為如何落地 AI 焦慮時，黃仁勛已經悄悄把通往 Agent 時代的門票，塞進了世界上每一臺服務器的咽喉。

這場關于未來 AI 的賭局，英偉達不僅既做莊家又做玩家，它甚至要把牌桌都買下來了。

作者：張子豪、莫崇宇返回搜狐，查看更多