（来源：量子位）
英伟达GTC 2026很不寻常，黄仁勋迟到了15分钟。
今年有450家企业赞助、1000场技术分会、2000位演讲者、110台机器人，这样的规模已经不像一场技术会议，更像AI行业的年度朝圣。
皮衣老黄站在舞台中央，接受了新称号“Token之王”。
这次他没有直奔芯片发布，而是花了整整一个小时，从25年前的GeForce游戏显卡讲起，讲到20年前的CUDA，讲到10年前的RTX渲染技术，讲到云计算合作伙伴，再讲到今天的爆火OpenClaw和token经济。
AI从感知到生成到推理再到执行，每一步都需要生成更多token，消耗更多算力。
所有这一切铺垫，只为引出一个数字：
英伟达到2027年营收预计至少达到1万亿美元。
就在这个瞬间，与现场观众的掌声和欢呼声一同高涨的是英伟达股价。
Token工厂经济学：老黄教全球CEO看一张图
而老黄称这是全球CEO都要仔仔细细研究的一张图。
纵轴是Token吞吐量（每瓦产出多少Token），横轴是Token速率（每秒生成多少Token）。
吞吐量代表你的工厂产能，速率代表AI的“聪明程度”，模型越大、上下文越长、思考越深，速率就越低，但每个Token越值钱。
老黄把这张图变成了一套完整的商业模型。
免费层：高吞吐、低速率，用来获客。
中间层：$3-$6/百万Token，服务普通用户。
高级层：$45/百万Token，大模型深度推理。
顶级层：$150/百万Token，超长研究任务、关键路径实时响应。
去年Semi Analysis做了一次有史以来最大规模的AI推理基准测试。结果显示，Grace Blackwell NVLink 72的每瓦token吞吐量，比上一代Hopper H200高出50倍。
而黄仁勋自己说说的35倍。对此，Semi Analysis创始人公开表示：“黄仁勋在sand bagging（故意保留余地）”。
老黄说没错，我就说故意的，实际是50倍，
每瓦性能决定了一切。
因为每座数据中心的功率都是物理约束，一座1GW的AI工厂永远不会变成2GW。在固定功率下，谁的每瓦token产出更高，谁的token成本就更低。
这就是Vera Rubin存在的理由：
作为下一代计算平台，再次将每瓦token吞吐量提高2-10倍。
Vera Rubin：十年千万倍加速
Hopper时代老黄还会举起一块芯片秀给观众看，但那个时代已经结束了。
Vera Rubin是英伟达有史以来最复杂的AI计算系统。
7种芯片，5种机架，垂直集成、端到端优化成一台巨型计算机：
在同一座1GW数据中心里，从Grace Blackwell到Vera Rubin + Groq，token生成速率从200万跳到7亿。‘
两年时间，350倍。
摩尔定律在同样的时间里能给多少？大约1.5倍。
350倍不是靠芯片上多塞几个晶体管实现的。当算力密度卷到这个程度，瓶颈早就转移到了芯片之外：散热和互联。
Vera Rubin的答案是两大变化，一个关于水，一个关于光。
关于水，Vera Rubin采用100%液冷方案，连NVLink交换机都泡在液冷系统里。
互联不再靠外部线缆，而是在液冷模块内部做板级/背板式集成互联。
线缆全部消失了，过去安装一个机架要两天，现在两小时。
关于光，黄仁勋举起了世界首款量产的CPO（共封装光学）交换机。
传统交换机里，电信号从芯片出来，经过PCB走线，到达光模块，在光模块里完成电-光转换，再通过光纤传出去。每一次转换都有延迟，每一段铜线都有损耗。
CPO把这条链路压缩到极致：光学器件直接封装到芯片上，电子在硅片表面就转换成光子。 没有光模块，没有铜线中转。英伟达和TSMC联合发明了一种叫CoUP的封装工艺，目前全球只有英伟达在量产。
要让72块GPU实现260TB/s的全对全带宽，如果还用传统铜缆，信号跑不了太远，机架尺寸就是物理极限。
CPO打破了这个限制，光子跑得更远、损耗更低、能效更高。
但铜缆和光学不是二选一。
黄仁勋被问了太多次这个问题，干脆一次说清：
十年前的DGX-1，8块Pascal GPU，170 TFLOPS。
十年后的Vera Rubin NVLink 72，3.6 ExaFLOPS。
十年，算力增长四千万倍。
高吞吐的归Rubin，低延迟的归Groq
但还有一个问题没解决。
NVLink 72在高吞吐区间几乎无敌，72块GPU全对全互联，带宽拉满。
可一旦要求的不是400 token/秒，而是1000 token/秒的极速推理，NVLink 72的带宽就不够用了。
这就是Groq的故事。
英伟达在2025年底收购了推理芯片公司Groq，后者以“LPU”（Language Processing Unit）著称。
Groq的架构和英伟达GPU截然相反：它是一颗确定性数据流处理器，静态编译、编译器调度，没有动态调度，片上堆了500MB的巨量SRAM，只干一件事，推理。
此前业界一直猜测英伟达会如何整合这项资产。
答案来了：不是替代GPU，而是与GPU协同。
一颗Groq芯片4GB SRAM，一颗Rubin芯片288GB HBM。
前者极致快，后者极致大。单独用Groq，装不下万亿参数模型和海量KV cache；单独用Rubin，推不到极速token生成。
英伟达的解法是分离式推理，用Dynamo推理框架把流水线拆开。
Pre-fill和attention的计算量大，交给Vera Rubin；decode阶段的token生成对带宽敏感、对延迟敏感，卸载给Groq。
两颗极端不同的处理器，通过以太网紧密耦合，延迟减半。
结果在最高价值的推理层级上，再提升35倍吞吐量。同时解锁了此前根本不存在的新推理层级，千token/秒级别的极速生成。
黄仁勋给出了配比建议：如果你的工作负载主要是高吞吐，100%上Vera Rubin就够了。如果你有大量编程、工程级token生成需求，拿出25%的数据中心功率给Groq。
Groq 3芯片由三星代工，已经量产，预计Q3出货。
而Vera Rubin的首个机架，已经在微软Azure云上跑起来了。
OpenClaw：AI时代的Linux时刻
发布会的最后一部分，老黄画风一转，开始聊人类历史上最受欢迎的开源项目OpenClaw。
OpenClaw能做什么，老黄举例有人帮60岁的父亲自动化了整个精酿啤酒生意，蓝牙连接酿造设备，自动生成销售网站，顾客可以直接下单“龙虾拉格啤酒”。
但老黄更在意的是它的本质。他用操作系统的语言重新定义了OpenClaw：
资源管理：可以调用大语言模型、访问文件系统、使用工具。
调度系统：能做cron jobs、分步执行、生成子Agent。
I/O系统：多模态输入输出，你可以冲它挥手，它给你发邮件。
Windows→PC时代，Linux→服务器时代，HTML→互联网时代，Kubernetes→云时代，OpenClaw→Agent时代。
每一次平台转移，都催生了一批改变世界的公司。
企业IT的全部逻辑即将改写。
老黄直接断言：每家SaaS公司都将变成Agent-as-a-Service公司。
But！
Agent在企业网络中能访问敏感信息、执行代码、对外通信，“你把这三件事连起来大声说出来，再想一想……”
所以英伟达与OpenClaw合作推出了企业版NeMo Claw，加上了策略引擎、网络护栏、隐私路由器。
老黄给出了他对未来企业的终极想象：
这已经是硅谷的新招聘筹码了：你的offer里带多少Token？
Two More Thing
在发布会上，对于外界备受关注的下一代计算架构Feynman（费曼），老黄也做了预告，并表示计算架构，每年都会有新东西。
Feynman将带来全新的GPU、LPU（LP 40）和CPU Rosa。
新一代的BlueField 5将连接下一代CPU与SuperNIC CX10，并配合新的Kyber技术实现铜线与光学双扩展——
这意味着，Feynman将首次同时支持铜线与光学封装的水平扩展。
老黄强调，无论是铜线、光学还是CPO，未来都需要更高的容量与带宽，这正是Feynman的核心突破。
此外，他还透露，NVIDIA 正与合作伙伴联合开发英伟达Space One，一台将部署在太空的数据中心计算机，开启“太空算力”的新篇章。
太空中没有对流，没有传导，只有辐射散热。
把GPU送上近地轨道，这大概是“AI无处不在”最字面意义上的诠释了。
直播回放：https://www.youtube.com/watch?v=jw_o0xr8MWU
