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？