英伟达GTC 2026大会上，黄仁勋以一场长达两小时的演讲，向全球科技界宣告AI产业进入全新阶段。他明确指出，AI已从以大模型训练为核心的时代，全面转向以推理落地、智能体研发和物理世界交互为主导的工业化时代。在这一变革中，Token成为AI时代的核心商品，而光互联与硅光子技术则成为突破算力瓶颈的关键要素。英伟达正从一家传统芯片公司，加速向AI基础设施和工厂公司转型，并设定了到2027年实现至少1万亿美元营收的宏伟目标。
黄仁勋在演讲中重新定义了AI的产业架构，将其划分为“能源→芯片→基础设施→模型→应用”五层体系。他强调，随着AI从训练向推理和执行场景延伸，Token的消耗将呈现指数级增长。英伟达的核心战略是成为“Token之王”，通过追求全球最低的每Token成本，构建其“Token工厂经济学”。在这一逻辑下，数据中心不再是简单的存储和计算中心，而是转变为生产Token的工厂，每瓦Token吞吐量直接决定企业的生产成本。这一变革甚至将重塑职场生态，未来工程师的薪酬模式可能将包含“年薪+Token预算”，Token将成为科技行业招聘的核心筹码。
为支撑这一战略，英伟达在大会上发布了多款重磅硬件产品。当前主力计算平台Vera Rubin超级AI平台由七款芯片组成，涵盖计算、网络和存储三大功能，是目前最先进的POD规模AI平台。该平台已全面投产，并获得了Anthropic、OpenAI、meta等科技巨头以及主要云提供商的支持，将成为英伟达未来两年营收的核心支柱。针对GPU推理短板，英伟达推出了专为极致低延迟推理设计的Groq 3 LPU芯片。这款芯片搭载230MB片上SRAM，数据带宽达80TB/s，首Token延迟小于0.1秒，推理性能为H100的10倍，预计于2026年三季度正式出货。
在下一代技术布局上，英伟达提前曝光了面向“物理AI/世界模型”的Feynman芯片架构。该架构采用台积电1.6nm制程，是全球首款迈入1nm时代的量产级芯片，晶体管密度较前代提升1.1倍。通过搭载GAA全环绕栅极晶体管和超级电轨背面供电技术，Feynman在同性能场景下功耗降低15%-20%，推理性能达到Blackwell的5倍，单GPU算力可达50 PFLOPS。更引人注目的是，Feynman采用硅光子光互连技术，带宽密度提升10倍，传输能耗下降90%，彻底打破超大规模AI集群的“互连墙”。这一技术的突破将使万亿参数模型的训练成本较2023年下降87%，首次降至中型企业可承受范围。
在互联技术领域，英伟达将2026年定为硅光子技术商用元年，推出了全球首个CPO光电共封装的NVIDIA Spectrum-X Ethernet Switch。这项由英伟达与台积电共同开发的技术，将光模块直接集成到芯片封装中，实现电子信号与光信号的直接转换，能耗仅为传统铜缆的5%，大幅降低AI集群的能耗成本与散热压力。英伟达的算力布局还延伸至太空领域，发布的“Space-1 Vera Rubin Module”轨道数据中心，其AI算力为H100的25倍，可支持大语言模型和先进基础模型在太空直接运行，拓展了AI在航天和太空探索领域的应用场景。
软件生态方面，英伟达推出了开源智能体平台NemoClaw，重点优化了开源AI智能体OpenClaw的安全性与输出质量。NemoClaw由多个关键模块构成，其中OpenShell通过沙箱环境运行智能体，阻止其访问无关文件并限制网络访问权限，为智能体打造安全可控的运行边界。该平台定位为AI智能体的“操作系统”，填补了OpenClaw被收购后企业级开源智能体平台的缺口，分为企业级与开发者双版本，提供一站式智能体开发工具。黄仁勋判断，未来的编程语言将是人类语言，每一家SaaS公司都将转型为“AaaS（智能体即服务）”，而NemoClaw将成为这一转型的核心支撑平台。
针对物理AI和具身智能的落地，黄仁勋宣布2026年为“人形机器人商业化元年”。英伟达升级了Project GR00T通用机器人基础模型，以支撑人形机器人的自主决策与动作执行。据预测，2026年全球人形机器人量产规模将突破3万台，其中工业制造、特种作业等ToB端场景占比超60%，单台工业人形机器人可替代2-3名人工，年节省成本超15万元。英伟达还升级了Omniverse数字孪生训练平台，为机器人、自动驾驶、工业自动化等物理AI场景提供虚拟训练环境，降低研发与落地成本，适配比亚迪、极氪等车企智慧工厂的人形机器人部署需求。
