文 | 硅谷101

1万亿美元，这是接下来21个月，英伟达GPU订单的收入预期。

刚过去的GTC大会，黄仁勋开始停止了讲芯片的故事。他开始瞄准更大的叙事：token经济，而这将是更有野心且更持久的市场蛋糕。

本篇文章，我们将拆解英伟达的五层蛋糕生态体系。一万亿美元收入是怎么算出来的？基于Groq的LPU将给英伟达带来什么新的机会？还有黄仁勋在光通信上的提前布局与未来Scale-across（跨区域扩展）的AI工厂机会。以及OpenClaw的里程碑后，英伟达押注的token经济学将会如何发展，给算力市场将带来如何的挑战呢？

推理拐点已至，多模态+OpenClaw

2026年的英伟达的GTC叙事建立在两个背景和事件：一是AI应用得到落地；二是OpenClaw的爆火带动了全球的agent生态。这让黄仁勋在GTC演讲中高呼，推理拐点已经到来。

新云（Neocloud）厂商GMI Cloud创始人Alex Yeh在跟我们对话中就透露，北美的需求暴增是来自多模态和编程，而OpenClaw带来的token需求则主要来自中国。

Alex的观察和我们最近在硅谷与很多业内人士的探讨是相似的，因为北美用户，特别是有技术背景的开发者已经很适应用Claude Cowork去做一些agent任务。所以虽然OpenClaw是从硅谷火出圈的，但远没有到国内那么卷的程度。

所以，以上是目前AI发展现状的一个大背景。有了推理需求飙升和OpenClaw爆火这两个趋势，黄仁勋的整个演讲的叙事逻辑就完全和去年不同了：以前英伟达卖芯片给云厂商和AI公司，而如今，老黄要卖token给全世界每一家公司。

这也是我参加今年老黄keynote的最大感受，看看PPT上面的这些小心心，就知道黄仁勋的姿态是we love everybody（我们拥抱所有人）。所以，今年GTC的最关键主题是“生态”，而不是“芯片”。

早在GTC开会的几天前，英伟达就放出了一篇名为“AI五层蛋糕”的文章来为大会造势，预示黄仁勋在今年大会上强调的是垂直整合能力和生态，而不是单芯片。

简单来说，黄仁勋给外界画了一个更大的饼。我们先来说黄仁勋在GTC演讲中提到的一万亿这个数字。

一万亿美元，过于保守还是极度乐观？

黄仁勋在去年的GTC上说，当前和下一代的GPU架构Blackwell和Vera Rubin的订单收入，从当时到2026年年底会达到5000亿美元。这次，他将这个预期直接上调了一倍，说截止现在，到2027年年底，预计光是Blackwell和Vera Rubin的订单收入，会直接到1万亿美元。

要注意，这个收入是不包括英伟达新发的CPU和基于Groq的LPU芯片等其他产品线的订单收入，而光是GPU架构的订单。他在媒体闭门会上专门特别澄清，原因是因为这样外界能直观的感受到英伟达的GPU上的业务增长。

而对于各大企业对算力的CapEx（资本支出），我们的嘉宾认为是还将继续上涨，一边是推理需求会继续上涨，另一边的原因是随着前沿模型的竞争趋于白热化，训练这边的需求也不会降低。

图片来源：Business Insider

为什么黄仁勋今年不强调单芯片，连Rubin再下一代计算架构Feynman也只是略微提了一点？除了老黄要把英伟达的企业叙事拔高到“AI factory”以及要给所有人卖token之外，其实还因为产能跟不上，市面上还是疯狂缺卡。现在市面上大家根本买不到最先进的卡，就连两三年前发布的旧卡，H100、H200用了几年甚至能超原价卖，同时软件生态和各种配置也都跟不上老黄的速度，所以他再强调单卡的性能提升，对市场来说根本没有意义。

所以看起来，光是GPU的售卖，这一万亿美元的收入规模并不算过度乐观，而是真有这样的需求量。但显然，黄仁勋是不满足这一万亿的，他布局的是全生态。当token成为大宗商品，“算力即收入”，黄仁勋接下来的动作，是想把他定义中的“AI五层蛋糕”给全部打透，让英伟达持续成为AI产业线中，持续最赚钱的机器。

拆解五层蛋糕，同质化博弈与生态护城河

Chapter 3.1：五层蛋糕与“同质化”

黄仁勋定义的AI五层蛋糕，从下到上，分别是能源层（这里是电力等基础供应），之后是芯片层（英伟达的核心业务：卡），再之上是基建层（包括云厂商及旗下的数据中心，再往细分就是土地、供电、冷却系统、建筑工程、网络通信等），前三层被统称为AI工厂（AI factories）。

再往上，模型层有OpenAI、谷歌Gemini和Anthropic这样的顶尖模型，也有包括英伟达自研的一系列开源模型。而在应用层，则是英伟达针对不同的赛道研发技术，包括机器人、自动驾驶、工业制造、编程和企业级AI Agent等等。

你是不是有点疑惑，老黄是在布一盘什么局呢？这五层蛋糕难道每一层英伟达都能吃透吗？

我们的嘉宾任杨认为，每一层蛋糕中，如果每个玩家水平都差不多，没有绝对领先或者绝对垄断者，那么这一层的利润就会被摊薄，这被称为“being commoditized”（同质化）。议价权最终还是回到有绝对领先和垄断的这一层，也就是英伟达的芯片层。

也就是说，最终黄仁勋还是要靠卖芯片。但在其它层的蛋糕中，英伟达要扶持起自己的软件生态，定义规则。就像打造CUDA这样的护城河一样，一旦在新的市场定义了范式，当市场爆发，大家发现最好用的还是英伟达的平台，那最后要买的依然是英伟达的算力和卡。

比如说，英伟达看到基建层，像谷歌云和AWS这样的云厂商有强议价权之后，又扶持起了CoreWeave和Nebius这样的Neocloud（新云平台）来进行竞争。再比如说，在模型层，英伟达各种大小模型开源了一大堆，而且这次黄仁勋专门组织了一场全球最核心的开源模型论坛，就是想在模型这一层，试图在长期削弱SOTA（State of the Art，最顶尖）的顶级闭源模型的议价权。而在应用层，英伟达也在研发自动驾驶和机器人，等待行业大规模爆发，为的就是提前布局生态位。

所以老黄正在时刻关注的其他层级的蛋糕，但最赚钱的，始终还是芯片这一层。所以这一层也是黄仁勋盯得最紧的。而这次的GTC上，传达出两个信号。

Chapter 3.2：基于Groq的ASIC反击战

第一个信号就是在芯片层，老黄发布了基于Groq研发出的LPU。要知道，对Groq的非独家技术授权交易是去年12月圣诞节前后才宣布的，花了200亿美元现金，可以说是英伟达有史以来最大的一起交易。

Groq创始人Jonathan Ross在最新的福布斯杂志采访中爆料说，和Groq的交易这件事情也是老黄只花了三周就迅速做的决定。

而到如今的GTC才3个月，产品就已经出来了，只能说，老黄和英伟达卷起来真的没其他人什么事儿了。那么，为什么要“收编”Groq呢？

简单来说就是GPU架构，即使强如Vera Rubin，擅长的是高吞吐的并行计算，做prefill（上下文预处理）和attention（注意力计算）很厉害，但在超高速token生成（decode）这个任务上就没那么给力了。因为token生成的特点是只能一个一个的生成，整个过程必然是串行链式的，对每一步延迟极其敏感。

所以，“高吞吐”和“低延迟”本身互相矛盾，很难两全。而Groq就是这个矛盾的解法。

Groq通过SRAM（静态随机存取存储器）设计，天生就适合做推理和token生成。就像Groq创始人Ross打动黄仁勋的那个类比，他说强大的GPU就像“18轮大卡车”，但推理任务就像“最后一公里配送”，本身就更适合更灵活高效的面包车。他对老黄说，如果你要为美国建立一个物流网络，最佳答案是，18轮卡车和面包车你都需要。

而在OpenClaw之后的Agent时代，老黄通过与Groq的深度技术与人才合作，解决了token生成的挑战，这是非常关键的一步。而Groq的新芯片融入英伟达体系后，英伟达宣称这将解锁3000亿美金的增量市场，可以说，这200亿花得值了。但还有个内存上的小难题：SRAM缺点是第一很贵、第二很占面积、第三容量做不大。

单颗Groq 3 LPU只有500MB SRAM，而Rubin GPU是288GB HBM4，差了500多倍，根本存不下万亿参数的模型。英伟达的解法是用Dynamo软件把推理过程拆成两半，Vera Rubin这边的GPU负责prefill和attention，而Groq负责之后decode和token生成。

所以我们看到，一颗Rubin GPU配上8颗Groq 3 LPU，统一为一个推理单元。而Groq 3 LPX整机把256颗LPU装进一个机架，能提供128GB SRAM、40PB/s带宽、315 PFLOPS推理算力和640TB/s互连带宽。

英伟达和Groq的这个交易目前还面临反垄断的一些潜在调查，因为涉嫌“变相收购”（虽然这个做法已经是硅谷巨头在AI时代的基本操作了）。但LPU已经和三星在合作量产了，预计今年第三季度出货，而Vera Rubin机架已经在微软Azure云上运行。

同时，英伟达联手Groq还有一个战略上的意义，就是打出了ASIC反击战。我们之前文章说过，ASIC是专项芯片，虽然不如GPU那么通用，但如今却是各大科技巨头自研的重点，以及各个云厂商也都在扶持ASIC芯片的研发试图蚕食英伟达GPU的利润率和议价权，包括谷歌的TPU也是ASIC芯片，Groq本身也是ASIC芯片。但英伟达这次告诉外界：我也可以做ASIC芯片，而且还跟我自己的GPU结合，性能更强哦！

Chapter 3.3：枯木逢春的CPU与备受期待的CPX

我们再来看看芯片层的第二个关键词：CPU，是不是有种“枯木逢春”的感觉。AI agent时代token经济的崛起不但救了Groq一命，连老古董CPU也重新成为了香饽饽。

虽然GPU擅长训练和运行AI模型，但随着Agent工作负载的不断增长，这些系统需要传输海量数据，并协调跨多个智能体的工作流程，这使得CPU在现代AI基础设施中的重要性丝毫不亚于GPU。

所以，英伟达在这次GTC上发布了Vera CPU，被称为“全球首款专为代理式AI与强化学习时代打造的处理器”，其效率是传统机架级CPU的2倍，速度提升50%。包括AI编程明星公司Cursor也为Vera CPU站台，说提升了他们的整体吞吐量和效率，给客户带来了更快速灵敏的编程agent体验。

在芯片层这里，还有一个秘密武器就是CPX。

这是黄仁勋在去年9月的AI基础设施峰会上推出的、专门针对长语境推理进行优化的芯片，可以说代表了GPU设计的一个全新类别。这款芯片能够处理百万级tokens的软件编程和生成式视频，在速度和效率方面实现突破性提升，被外界认为能进一步稳固英伟达在推理上的优势。

有意思的是，老黄这次的演讲中根本没有提到CPX，也让业界很好奇，英伟达目前在芯片层的这套组合拳：GPU、CPU、LPU、CPX，是否会进一步拉开与竞争对手的差距。

总结一下，这五层蛋糕互相支撑但又互相牵制，黄仁勋在做的是要整合这五层，确保英伟达在每一层都有话语权，无论是扶持甲方的竞争对手，还是自研开源模型，还是在不同领域保持开放合作来定义行业入口和范式。

英伟达的叙事早已不是“芯片”而已了，黄仁勋在发布会上手握单芯片的那些名场面已经成为过去。未来，是完整的AI factory，是更宏大的token经济学。这让英伟达的护城河也早已超越CUDA，让竞争对手们更难攻破它的生态帝国。

前沿技术布道：CPO、太空数据中心与Scale-across布局

黄仁勋一直在布局下一个即将爆发的产业，也对前沿技术非常的敏锐。他这次在发布会上没太多提共封装光学CPO，以及数据中心中机组的Scale-up（纵向扩容）和Scale-out（横向扩容）。

但英伟达在3月初分别向光子技术巨头Lumentum和Coherent各注资20亿美元，并锁定数十亿美元采购承诺及未来产能权益。这两家公司都是CPO的核心供应链，业内人士认为，黄仁勋这是在准备为下一代“吉瓦级AI工厂”去铺垫光互联的底座。

目前产业里面还在讨论Scale-up（纵向扩容）和Scale-out（横向扩容），而行业人士说，黄仁勋已经在思考说再下一步，Scale-across（跨域扩展），也就是不同数据中心的互联怎么去解决了。

当然，还有更遥远的一些布局，包括在演讲中黄仁勋提到的太空数据中心等等，我们也写过一篇文章介绍。

在这篇文章的最后，我还想稍微聊聊整个芯片和数据中心供应链目前的一个情况。如果大家还记得这五层蛋糕，可以看到能源和数据中心供应链的基础层，决定了芯片的产能，也决定了整个AI模型和应用能否得到足够的算力支撑，也决定了AI的进程。

供应链全面吃紧，内存与能源的超级周期

我们在GTC期间跟供应链的朋友聊天，得到的信息是：缺，什么都短缺。

Alex对我们表示，最近全球地缘政治，特别是中东的波动让能源价格异常波动，这也给全球AI数据中心的能源供应带来了更高不确定性，但能源这一部分大概会占到token定价的10%左右，而让token价格高居不下的，还是供应链短缺带来的价格飙升，特别是内存方向。

而我们也在会展现场访问到了内存市场的决定性大赢家三星，他们认为，紧缺的状态至少要持续到27年年底。

随着Agenic时代来临，非常多的范式会发生变化，有机遇也有挑战，而GTC会依然是AI行业的指路标，我们也会为大家继续关注以上我们的提到的这些产业和方向。不知道在一年后的GTC大会，我们的世界会被AI加速多少呢？