AI摘要：换句话说：AI公司生产的不是传统意义上的软件产品，而是持续生成的Token。正因为现在可以盈利，AI公司想要建造更多的Token，生成更多的Token，建设更多的AI工厂，这就是为什么中国台湾的算力需求猛增的原因。这些云中的每一家都拥有令人难以置信的客户：Cursor（软件编码公司）、Black Mountain Labs（图像生成）、World Labs（世界基础模型）、Revolut（领先的金融服务AI公司）以及Shopify。
昨天，在中国台北英伟达 GTC 大会上，英伟达 CEO 黄仁勋再次将话题聚焦于AI产业的发展方向。
与两年前重点讨论生成式AI浪潮不同，这一次黄仁勋给出了一个新的判断：
“生成式AI已经到来，实用AI已经到来。”
在他看来，过去几年AI行业最大的变化，不是模型参数规模继续增长，而是AI已经开始成为真正的生产工具，并直接影响经济活动。
为了说明这一变化，黄仁勋首先展示了一组来自代码托管平台 GitHub 的数据。他指出，软件开发是生成式AI最早落地的领域之一，也是全球最庞大的知识工作者群体之一。目前全球约有3000万至400万名专业软件工程师依靠编程工作，此外还有数亿学生和业余开发者参与其中。
在他的演讲中，GitHub代码提交量被作为衡量AI生产力变化的重要指标：
2023年，代码提交量约为3亿次；2024年增长至4亿次；2025年达到5亿次；而2026年前几个月的数据已经接近此前水平的数倍增长。
黄仁勋认为，这些数字反映出AI辅助编程工具正在显著提升软件开发效率。
“全世界的软件工程师创造着大约3万亿美元的薪酬价值。”他说，“而这些软件又进一步支撑着全球接近100万亿美元规模的经济活动。”
按照他的推算，如果AI能够将软件开发者的生产效率提升数倍，那么由此释放出的经济价值也将远远超出软件行业本身。
近年来，随着代码生成工具快速发展，“程序员是否会被AI取代”一直是行业争论的焦点。对此，黄仁勋在演讲中给出了明确回应。
他认为，AI的发展并不会减少软件工程师数量，反而会刺激企业招聘更多开发者。逻辑很简单：如果一名工程师在AI辅助下能够创造更高的产出，那么企业更倾向于扩大研发投入，而不是削减研发团队规模。
“有人说AI会减少就业，那完全是胡说八道。”黄仁勋表示。
在他看来，真正决定就业规模的不是单位劳动力成本，而是单位劳动力创造价值的能力。当软件工程师能够借助AI完成更多工作时，市场对软件和数字化能力的需求也会进一步扩大。
黄仁勋随后把话题转向AI基础设施。他指出，随着AI从实验室走向实际生产环境，行业关注点已经从模型能力转向Token产出能力。
过去，Token只是模型运行过程中的技术指标；而现在，Token已经成为能够直接创造收入的单位。换句话说：AI公司生产的不是传统意义上的软件产品，而是持续生成的Token。
谁能够以更低成本、更高效率生成更多Token，谁就拥有更强的商业竞争力。
“因为Token现在已成为盈利单位——Token现在是能够带来收入的盈利单位。正因为现在可以盈利，AI公司想要建造更多的Token，生成更多的Token，建设更多的AI工厂，这就是为什么中国台湾的算力需求猛增的原因。也正因如此，你们所有人都如此忙碌，你们的业务都做得这么好。事实上，看看你们的一些股价就知道了。”黄仁勋说。
这也是为什么全球范围内的数据中心建设持续升温，以及中国台湾地区AI算力需求快速增长的重要原因。
在他的描述中，AI工厂（AI Factory）正逐渐取代传统数据中心，成为新一轮计算基础设施建设的核心。
不过，在黄仁勋看来，更大的变化并不只是模型性能提升，而是计算范式本身正在发生改变。
过去几十年里，计算机遵循的是：应用程序 → 代码 → 操作系统，用户通过点击界面、输入命令完成任务。
而在AI时代，新的架构正在形成：智能体（Agent） → 大语言模型 → 工具系统。
黄仁勋展示了一张典型Agent系统架构图。
在这一架构中，大语言模型负责理解问题、推理和规划；外围框架则负责管理上下文、调用工具、协调任务执行，并管理长期和短期记忆。为了完成任务，智能体可以调用：浏览器、数据库、表格工具、数据分析引擎、CAD设计软件以及各类企业系统。
整个过程更像是一个数字员工，而非传统软件。“过去我们启动应用程序、点击按钮、输入内容。”黄仁勋说，“未来我们只需要向AI解释自己的意图。”然后由AI自动编写代码、调用工具并完成任务。
智能体的兴起也引发了另一个争议：如果AI能够完成工作，软件公司是否会被淘汰？
黄仁勋的答案恰恰相反。
他认为，Agent时代将催生数量远超今天的软件系统。原因在于，数字智能体的数量不再受人口规模限制。未来每一个企业流程、每一个业务环节、甚至每一个个人任务，都可能拥有专属智能体。而这些智能体需要大量调用外部工具和服务才能完成工作。
因此，软件不会消失，而是需要以“AI可调用”的形式重新存在。
“这是软件行业最好的时代之一。”黄仁勋表示。
在这一背景下，NVIDIA长期积累的CUDA生态也将迎来新的机会。
过去，CUDA库主要面向开发者；如今这些能力可以直接被智能体调用，成为Agent执行任务时的工具集。从某种意义上说，黄仁勋试图传递的信息十分明确：生成式AI时代讨论的是模型会什么，而实用AI时代讨论的是模型能完成什么工作。
当AI开始创造收入、推动GDP增长，并能够通过智能体调用工具执行复杂任务时，它就不再只是一个聊天机器人，而正在成为新的计算平台。
在谈完Agent带来的计算范式变革后，黄仁勋再次强调了一个他近年来反复提及的观点：
NVIDIA本质上是一家软件公司。
随后，黄仁勋阐释了AI智能体的核心架构与运行逻辑。
他表示，智能体是终极的解耦与分布式计算模型，需要调动海量不同算力单元协同运行。完整的AI智能体由模型、框架、工具、技能及运行时五大核心部分构成，各组件分散运行在数据中心不同节点。他将其形象类比为工作个体：模型是智能体的“大脑”，负责思考决策；框架是“身体”，承载整体运行；运行时则如同专属工作室，支撑各类工具落地运作，整套体系以超大规模模式完成算力调度与任务执行。
据其介绍，智能体的每一项工作流程，均拆分至计算机不同模块分步完成。其中，大型语言模型承担思考、上下文处理、环境感知、逻辑推理、方案规划与行动执行等核心智能任务，该过程会批量激活Grace Blackwell NVLink 72算力集群。而在智能体调用工具的环节，则由CPU承接运算工作，可适配C编译器、Python、JavaScript及各类加速计算工具。
黄仁勋认为，当前AI智能体的工具应用能力仍处于初级阶段，未来将实现专业化、熟练化升级。为此，英伟达CUDA X库迎来重要升级，全系库产品将配套专属AI技能手册，可供AI智能体自主学习、掌握工具使用方法，大幅提升智能体解决各类核心行业难题的能力，未来智能体调用CUDA X工具的算力价值与应用潜力将得到极大释放。
在整套智能体算力体系中，各类硬件与功能模块分工明确。工具运算任务依托CPU、GPU、大模型协同完成；安全防护框架部署在CPU与英伟达BlueField DPU安全处理器之上，全方位保障运行安全；整体任务的调度编排工作则统一由CPU主导落地，形成层级清晰、分工明确的异构计算体系。
演讲中，黄仁勋重点提及AI计算的核心痛点——内存系统。他表示，智能体的工作记忆依托KV缓存实现，涵盖记忆留存、数据压缩、信息检索、结构化与非结构化数据匹配，以及各类数据的逻辑关系梳理、本体关联分析等复杂操作，整体处理流程难度极高、复杂度空前。他预判，AI专属内存系统的迭代升级，将推动全球存储体系迎来颠覆性革命。
对比传统软件运行模式，黄仁勋强调，AI智能体代表的全新计算范式具备本质差异。过往软件多为单一二进制文件适配单一操作系统的集中式运行模式，而智能体采用解耦、分布式、异构的全新计算逻辑，这也是英伟达倾力研发下一代Vera Rubin平台的核心动因。
针对全新的Vera Rubin平台，黄仁勋着重澄清，其绝非单一芯片或普通GPU产品，而是一套端到端的完整革命性系统。该平台以GPU为核心起点，整合GPU、Vera、NVLink 72核心硬件，依托多颗CPU完成全局任务编排，搭配迭代升级的革命性存储系统，构建全链路算力底座。同时，平台集成CX-9硬件、DOCA软件栈及内置安全处理器，可实现数据静态、传输、使用全流程加密，依托机密计算架构全方位保护高价值AI模型数据安全。
黄仁勋直言，Vera Rubin是英伟达发展史上野心最大的研发项目，公司全体四万名工程师全员参与项目攻坚，同时汇聚行业合作伙伴力量共同落地，是一套经过全方位打磨、从零重构的极致复杂系统。他坦言，英伟达早已完成从单一GPU厂商向全栈系统厂商的战略转型，当前推出的Vera Rubin系统，是行业迄今为止设计最复杂、体系最完整的AI算力系统。
谈及产业终极需求与企业转型方向，黄仁勋表示，客户与合作伙伴的核心诉求并非单纯获取计算机硬件，而是搭建成熟高效的AI工厂。基于这一行业趋势，英伟达正在开启新一轮战略转型。目前英伟达核心技术已全面落地基础设施级应用场景，同时联动发电厂、冷却系统、电网供应商等各类工业生态伙伴，构建完整AI产业生态。
未来英伟达将持续打造全栈式算力系统，为全球客户搭建规模化、高性能的AI基础设施提供核心支撑。
值得注意的是，在此次演讲中，黄仁勋详细地阐释了英伟达全新的产业定位，正式提出“AI工厂生态新范式”，明确英伟达的发展重心已从传统计算生态，全面升级为服务千亿级AI基建的工厂化生态体系。
黄仁勋区分了英伟达新旧两大生态形态。过往英伟达以计算生态为核心，将自身计算层、软件及计算栈深度集成至各类企业平台与第三方库中，广泛赋能各行各业的数字化算力需求。
而当下全新打造的AI工厂生态，形成了清晰的上下游产业闭环：行业合作伙伴是英伟达的上游基础支撑，英伟达则依托自身全栈技术能力，向下游输出完整AI工厂生态体系，核心目标不再是单纯输出GPU芯片或算力系统，而是助力客户搭建超复杂、超大规模的AI工厂基础设施。
他直言，AI工厂已进入超高投入、超高门槛的规模化落地阶段。当前单座1吉瓦（GW）级别的AI工厂，建设成本持续攀升，从最初的200亿至400亿美元，现已上涨至500亿至600亿美元，未来很快将突破800亿甚至1000亿美元。千亿级别的单项目投入，意味着AI工厂对落地稳定性、运行可靠性有着极致要求，必须实现一次建成、即刻正常投产，其资本投入成本与系统构建复杂度均达到行业前所未有的水平。
针对超高复杂度的AI工厂建设难题，英伟达依托Omniverse数字仿真能力实现全流程革新。不同于传统计算机研发模式——先设计芯片、再在设备内模拟系统运行，如今英伟达所有AI工厂基础设施，均可在Omniverse数字平台中提前完成搭建、仿真、测试与优化。通过数字模拟器与数字架构赋能，行业可在破土动工、投入巨额资金前，完成超大规模AI系统的全流程推演，彻底规避落地风险，实现行业多年以来的技术落地愿景。
黄仁勋重点介绍了支撑AI工厂生态落地的核心体系DSX，形成与英伟达现有产品矩阵对应的完整基础设施布局。其中，RTX系列对应GPU硬件、DGX对应一体化算力系统，而全新的DSX平台则精准对标AI基础设施全场景。依托覆盖系统、软件、全技术栈的核心能力，英伟达能够赋能中小型企业快速搭建世界级AI云服务能力。
他以行业案例佐证DSX生态的赋能价值，不少曾经的中小型科技企业，在接入英伟达AI工厂生态、依托DSX体系升级后，实现跨越式增长，典型代表CoreWeave估值已攀升至500亿至700亿美元区间，且依旧保持高速增长态势，充分印证英伟达AI工厂新范式的产业赋能潜力。
最近英伟达与Nebius合作，它们的增长也同样惊人。这些云中的每一家都拥有令人难以置信的客户：Cursor（软件编码公司）、Black Mountain Labs（图像生成）、World Labs（世界基础模型）、Revolut（领先的金融服务AI公司）以及Shopify。
这里还有另一个例子：Nscale，他们的客户是英国电信（British Telecom）和谷歌（Google）。谷歌正在使用其中一个人工智能云——Thinking Machines，这是一家前沿实验室公司。
这里是韩国的Naver Cloud，客户包括韩国银行（Bank of Korea）、Hyundai等众多优秀公司。
在中国台湾，还有GMI。
然而，以上所有的公司，它们都需要计算栈。黄仁勋表示，下面的这整个技术栈，正是让NVIDIA闻名的原因。
他介绍道：“所有的硬件、软件和库，以及我们连接全球第三方开发者生态系统的能力，使得任何人都能建立起一个AI云。然而，现在的AI云极其复杂。这个是软件版本，这个是计算机科学版本。而资金版本、资产版本就是我之前展示的——它是一个巨大的工厂。仅拥有这种能力是不够的，这正是NVIDIA成为一家AI基础设施公司的原因。”
在谈及下一代AI基础设施建设时，英伟达CEO黄仁勋宣布，基于新一代GPU平台的Vera Rubin架构已经进入全面量产阶段。
黄仁勋表示，当前全球对AI算力的需求正以前所未有的速度增长。从数据中心运营商到云服务提供商，再到各类企业客户，整个产业链都在全力提升产能，以满足市场需求。
“实用AI已经到来，可盈利的AI已经到来。”黄仁勋说。他认为，越来越多企业已经认识到，人工智能不再只是技术展示，而是能够创造实际商业价值的生产工具。在这一背景下，算力正成为限制AI发展的关键瓶颈。
为了满足全球激增的需求，英伟达正在推动新一代AI基础设施的大规模部署，并协同合作伙伴在世界各地建设AI工厂。黄仁勋表示，这也是当前整个产业生态最重要的任务之一。
在供应链建设方面，黄仁勋透露，Vera Rubin平台所对应的供应链规模已经达到上一代Grace Blackwell平台的两倍。与此同时，生产效率也获得显著提升。过去组装一套 Grace Blackwell机架需要约两个小时，而如今这一过程已经缩短至五分钟。
“这不仅意味着更高的产能，也意味着更快的交付速度。”黄仁勋表示，面对持续增长的市场需求，供应链各环节都在不断扩大生产规模、提高制造效率。
他介绍，为支持Grace Blackwell平台量产，产业链此前已经投入数百万平方英尺的生产设施。而目前，这些合作伙伴正在进一步扩充产能，为Vera Rubin的大规模部署做好准备。
演讲最后，黄仁勋特别向供应链合作伙伴表达感谢。他表示，Vera Rubin能够顺利进入全面量产阶段，离不开整个产业生态系统的共同努力。
“我要感谢你们所有人。”黄仁勋说，“Vera Rubin现已全面投产。”
在介绍Vera Rubin架构时，黄仁勋将其定义为一套面向智能体（Agent）时代打造的计算系统，而不仅仅是一台运行AI模型的超级计算机。
他表示，随着AI从模型训练、推理逐步迈向智能体阶段，计算需求正在发生根本变化。智能体需要频繁调用工具、访问数据库、与外部系统实时交互，因此对延迟、带宽和系统协同能力提出了更高要求。为此，Vera Rubin采用了全新的系统设计，将CPU、GPU、网络、存储和安全模块深度整合，形成面向智能体工作负载的完整基础设施平台。
黄仁勋特别展示了Vera Rubin NVLink 72系统。他介绍，相比上一代产品主要面向预训练和推理场景，Vera Rubin进一步针对智能体推理进行了优化。通过NVLink 72互连架构以及全新的系统设计，设备内部不再需要大量线缆和复杂连接结构，不仅提升了可靠性，也显著降低了部署和维护成本。
除了GPU系统外，英伟达还同步推出了专为AI时代设计的Vera CPU。黄仁勋认为，传统CPU主要服务于人类用户，而未来将出现数十亿个智能体，它们对响应速度几乎没有容忍空间。因此，新的CPU架构必须在单线程性能、带宽、数据传输效率以及能效方面进行全面优化。
按照英伟达的规划，Vera CPU将承担智能体编排、模型调度、工具调用、数据库访问以及存储管理等任务，与GPU共同构成未来AI工厂的核心基础设施。黄仁勋表示，随着智能体成为下一阶段AI发展的重要方向，计算系统也正在从“为模型设计”转向“为智能体设计”。
在谈到新一代Vera CPU时，黄仁勋表示，英伟达已经顺利完成了从传统x86 CPU架构向Grace架构的过渡，这为Vera的推广奠定了基础。
他指出，目前全球主要数据中心、云服务商以及与英伟达合作的AI企业，都已经完成了对Grace平台的认证，相关软件栈、安全体系和开发环境也已完成适配。在此基础上，Vera的部署门槛将大幅降低。
黄仁勋认为，Vera有望成为针对智能体（Agent）工作负载优化程度最高的CPU之一。原因在于，它从设计之初便与Vera Rubin系统协同开发，面向智能体推理、工具调用、数据库访问和实时交互等新型AI任务进行了针对性优化。
为了展示性能提升，黄仁勋公布了多个实际工作负载测试结果。其中，在企业广泛使用的SQL数据库处理场景中，Vera CPU的性能达到现有平台的约3倍。
在实时流处理场景下，例如金融交易系统、工业遥测监控等需要持续处理海量数据流的应用中，性能提升最高可达6倍。
黄仁勋表示，CPU领域通常以个位数百分比的性能提升作为重要突破，而在真实业务负载中实现数倍级增长并不常见。这些提升主要来自更高的单线程性能、更大的内存和I/O带宽，以及更快的核心间数据传输能力。
在他看来，智能体正在成为继云计算、移动互联网之后的新一代计算负载，而现有CPU大多是围绕人类用户设计的。未来，随着智能体数量持续增长，对低延迟和高响应速度的需求也将进一步提升。
“过去我们为人类构建CPU，现在我们开始为智能体构建CPU。”黄仁勋表示。围绕Vera展开的新生态正在形成，包括ODM厂商、服务器制造商和企业客户在内的产业链伙伴已经开始布局这一市场。英伟达希望借此推动一个全新的计算平台时代——面向智能体的CPU市场。
在介绍企业级智能体生态时，黄仁勋宣布，英伟达正式推出新一代开源大模型Nemotron 3 Ultra，并将其定位为企业构建专属智能体的重要基础模型。
黄仁勋表示，未来企业将雇用大量智能体协助完成研发、验证、仿真和运营等工作。以EDA软件厂商 Cadence Design Systems 为例，其正在利用英伟达技术打造面向芯片设计流程的专属超级智能体，通过调用仿真器、验证器和形式验证工具，加速芯片开发周期。
作为这一生态的底座，Nemotron 3 Ultra采用了全球首个SSM（状态空间模型）与MoE（混合专家）相结合的混合架构。黄仁勋透露，相比现有主流开源模型，Nemotron 3 Ultra推理速度提升5倍，同时总体运行成本降低30%。
除了模型本身，英伟达还同步开放训练数据、训练脚本以及相关工具链。黄仁勋表示，Nemotron系列基于大规模长程推理、复杂任务求解和工具调用数据集训练而成，开发者不仅可以使用模型，还能够在此基础上继续训练、微调并构建专属智能体系统。
目前，英伟达已经与 CrowdStrike、Salesforce、Palantir Technologies、SAP、ServiceNow 等企业展开合作，推动智能体在企业软件、网络安全、数据分析和业务流程管理等场景中的落地应用。
黄仁勋同时透露，Nemotron 3 Ultra已经发布，而下一代Nemotron 4模型也正在研发之中。
在演讲的后半程，黄仁勋宣布，英伟达正与 Microsoft 联手重新定义个人电脑（PC）。
黄仁勋回顾了过去40年的PC发展历程。他表示，从Windows 3.1到Windows 95，微软建立起了现代PC产业的基础架构，通过开放硬件生态、驱动程序体系以及统一的软件接口，让PC从企业设备走向大众消费市场，并成为全球最普及的计算平台之一。
如今，随着AI时代到来，英伟达和微软希望推动新一轮PC架构变革。黄仁勋透露，双方已经为此合作了三年，对PC的底层工作方式进行了重新设计，以适应智能体（Agent）时代的计算需求。
按照他的设想，未来的PC不再只是运行应用程序的终端设备，而将内置能够理解用户、与用户对话并自主完成任务的AI智能体。例如，智能体可以帮助用户整理文件、检索资料、完成研究工作，甚至根据用户需求主动执行复杂任务。
黄仁勋认为，这种变化将带来PC软件架构的重构。过去由应用程序承担的大量功能，未来将逐步由智能体完成。与此同时，大语言模型将成为新一代PC的重要基础组件，承担语言理解、视觉识别、音视频生成以及任务执行等能力，成为连接用户与计算资源的核心入口。
他透露，自己将与 Satya Nadella 共同介绍双方过去三年的合作成果，并进一步展示面向智能体时代的新一代PC平台。
暂无回复，快来抢沙发吧！
本次需消耗银元：
100
当前账户余额: 0 银元
昨天，在中国台北英伟达 GTC 大会上，英伟达 CEO 黄仁勋再次将话题聚焦于AI产业的发展方向。
与两年前重点讨论生成式AI浪潮不同，这一次黄仁勋给出了一个新的判断：
实用AI时代已经到来
在他看来，过去几年AI行业最大的变化，不是模型参数规模继续增长，而是AI已经开始成为真正的生产工具，并直接影响经济活动。
为了说明这一变化，黄仁勋首先展示了一组来自代码托管平台 GitHub 的数据。他指出，软件开发是生成式AI最早落地的领域之一，也是全球最庞大的知识工作者群体之一。目前全球约有3000万至400万名专业软件工程师依靠编程工作，此外还有数亿学生和业余开发者参与其中。
在他的演讲中，GitHub代码提交量被作为衡量AI生产力变化的重要指标：
2023年，代码提交量约为3亿次；2024年增长至4亿次；2025年达到5亿次；而2026年前几个月的数据已经接近此前水平的数倍增长。
黄仁勋认为，这些数字反映出AI辅助编程工具正在显著提升软件开发效率。
“全世界的软件工程师创造着大约3万亿美元的薪酬价值。”他说，“而这些软件又进一步支撑着全球接近100万亿美元规模的经济活动。”
按照他的推算，如果AI能够将软件开发者的生产效率提升数倍，那么由此释放出的经济价值也将远远超出软件行业本身。
近年来，随着代码生成工具快速发展，“程序员是否会被AI取代”一直是行业争论的焦点。对此，黄仁勋在演讲中给出了明确回应。
他认为，AI的发展并不会减少软件工程师数量，反而会刺激企业招聘更多开发者。逻辑很简单：如果一名工程师在AI辅助下能够创造更高的产出，那么企业更倾向于扩大研发投入，而不是削减研发团队规模。
“有人说AI会减少就业，那完全是胡说八道。”黄仁勋表示。
在他看来，真正决定就业规模的不是单位劳动力成本，而是单位劳动力创造价值的能力。当软件工程师能够借助AI完成更多工作时，市场对软件和数字化能力的需求也会进一步扩大。
黄仁勋随后把话题转向AI基础设施。他指出，随着AI从实验室走向实际生产环境，行业关注点已经从模型能力转向Token产出能力。
过去，Token只是模型运行过程中的技术指标；而现在，Token已经成为能够直接创造收入的单位。换句话说：AI公司生产的不是传统意义上的软件产品，而是持续生成的Token。
谁能够以更低成本、更高效率生成更多Token，谁就拥有更强的商业竞争力。
“因为Token现在已成为盈利单位——Token现在是能够带来收入的盈利单位。正因为现在可以盈利，AI公司想要建造更多的Token，生成更多的Token，建设更多的AI工厂，这就是为什么中国台湾的算力需求猛增的原因。也正因如此，你们所有人都如此忙碌，你们的业务都做得这么好。事实上，看看你们的一些股价就知道了。”黄仁勋说。
这也是为什么全球范围内的数据中心建设持续升温，以及中国台湾地区AI算力需求快速增长的重要原因。
在他的描述中，AI工厂（AI Factory）正逐渐取代传统数据中心，成为新一轮计算基础设施建设的核心。
从应用程序时代进入智能体时代
不过，在黄仁勋看来，更大的变化并不只是模型性能提升，而是计算范式本身正在发生改变。
过去几十年里，计算机遵循的是：应用程序 → 代码 → 操作系统，用户通过点击界面、输入命令完成任务。
而在AI时代，新的架构正在形成：智能体（Agent） → 大语言模型 → 工具系统。
黄仁勋展示了一张典型Agent系统架构图。
在这一架构中，大语言模型负责理解问题、推理和规划；外围框架则负责管理上下文、调用工具、协调任务执行，并管理长期和短期记忆。为了完成任务，智能体可以调用：浏览器、数据库、表格工具、数据分析引擎、CAD设计软件以及各类企业系统。
整个过程更像是一个数字员工，而非传统软件。“过去我们启动应用程序、点击按钮、输入内容。”黄仁勋说，“未来我们只需要向AI解释自己的意图。”然后由AI自动编写代码、调用工具并完成任务。
智能体的兴起也引发了另一个争议：如果AI能够完成工作，软件公司是否会被淘汰？
黄仁勋的答案恰恰相反。
他认为，Agent时代将催生数量远超今天的软件系统。原因在于，数字智能体的数量不再受人口规模限制。未来每一个企业流程、每一个业务环节、甚至每一个个人任务，都可能拥有专属智能体。而这些智能体需要大量调用外部工具和服务才能完成工作。
因此，软件不会消失，而是需要以“AI可调用”的形式重新存在。
“这是软件行业最好的时代之一。”黄仁勋表示。
在这一背景下，NVIDIA长期积累的CUDA生态也将迎来新的机会。
过去，CUDA库主要面向开发者；如今这些能力可以直接被智能体调用，成为Agent执行任务时的工具集。从某种意义上说，黄仁勋试图传递的信息十分明确：生成式AI时代讨论的是模型会什么，而实用AI时代讨论的是模型能完成什么工作。
当AI开始创造收入、推动GDP增长，并能够通过智能体调用工具执行复杂任务时，它就不再只是一个聊天机器人，而正在成为新的计算平台。
“NVIDIA首先是一家软件公司”
在谈完Agent带来的计算范式变革后，黄仁勋再次强调了一个他近年来反复提及的观点：
随后，黄仁勋阐释了AI智能体的核心架构与运行逻辑。
他表示，智能体是终极的解耦与分布式计算模型，需要调动海量不同算力单元协同运行。完整的AI智能体由模型、框架、工具、技能及运行时五大核心部分构成，各组件分散运行在数据中心不同节点。他将其形象类比为工作个体：模型是智能体的“大脑”，负责思考决策；框架是“身体”，承载整体运行；运行时则如同专属工作室，支撑各类工具落地运作，整套体系以超大规模模式完成算力调度与任务执行。
据其介绍，智能体的每一项工作流程，均拆分至计算机不同模块分步完成。其中，大型语言模型承担思考、上下文处理、环境感知、逻辑推理、方案规划与行动执行等核心智能任务，该过程会批量激活Grace Blackwell NVLink 72算力集群。而在智能体调用工具的环节，则由CPU承接运算工作，可适配C编译器、Python、JavaScript及各类加速计算工具。
黄仁勋认为，当前AI智能体的工具应用能力仍处于初级阶段，未来将实现专业化、熟练化升级。为此，英伟达CUDA X库迎来重要升级，全系库产品将配套专属AI技能手册，可供AI智能体自主学习、掌握工具使用方法，大幅提升智能体解决各类核心行业难题的能力，未来智能体调用CUDA X工具的算力价值与应用潜力将得到极大释放。
在整套智能体算力体系中，各类硬件与功能模块分工明确。工具运算任务依托CPU、GPU、大模型协同完成；安全防护框架部署在CPU与英伟达BlueField DPU安全处理器之上，全方位保障运行安全；整体任务的调度编排工作则统一由CPU主导落地，形成层级清晰、分工明确的异构计算体系。
演讲中，黄仁勋重点提及AI计算的核心痛点——内存系统。他表示，智能体的工作记忆依托KV缓存实现，涵盖记忆留存、数据压缩、信息检索、结构化与非结构化数据匹配，以及各类数据的逻辑关系梳理、本体关联分析等复杂操作，整体处理流程难度极高、复杂度空前。他预判，AI专属内存系统的迭代升级，将推动全球存储体系迎来颠覆性革命。
对比传统软件运行模式，黄仁勋强调，AI智能体代表的全新计算范式具备本质差异。过往软件多为单一二进制文件适配单一操作系统的集中式运行模式，而智能体采用解耦、分布式、异构的全新计算逻辑，这也是英伟达倾力研发下一代Vera Rubin平台的核心动因。
针对全新的Vera Rubin平台，黄仁勋着重澄清，其绝非单一芯片或普通GPU产品，而是一套端到端的完整革命性系统。该平台以GPU为核心起点，整合GPU、Vera、NVLink 72核心硬件，依托多颗CPU完成全局任务编排，搭配迭代升级的革命性存储系统，构建全链路算力底座。同时，平台集成CX-9硬件、DOCA软件栈及内置安全处理器，可实现数据静态、传输、使用全流程加密，依托机密计算架构全方位保护高价值AI模型数据安全。
黄仁勋直言，Vera Rubin是英伟达发展史上野心最大的研发项目，公司全体四万名工程师全员参与项目攻坚，同时汇聚行业合作伙伴力量共同落地，是一套经过全方位打磨、从零重构的极致复杂系统。他坦言，英伟达早已完成从单一GPU厂商向全栈系统厂商的战略转型，当前推出的Vera Rubin系统，是行业迄今为止设计最复杂、体系最完整的AI算力系统。
谈及产业终极需求与企业转型方向，黄仁勋表示，客户与合作伙伴的核心诉求并非单纯获取计算机硬件，而是搭建成熟高效的AI工厂。基于这一行业趋势，英伟达正在开启新一轮战略转型。目前英伟达核心技术已全面落地基础设施级应用场景，同时联动发电厂、冷却系统、电网供应商等各类工业生态伙伴，构建完整AI产业生态。
未来英伟达将持续打造全栈式算力系统，为全球客户搭建规模化、高性能的AI基础设施提供核心支撑。
值得注意的是，在此次演讲中，黄仁勋详细地阐释了英伟达全新的产业定位，正式提出“AI工厂生态新范式”，明确英伟达的发展重心已从传统计算生态，全面升级为服务千亿级AI基建的工厂化生态体系。
黄仁勋区分了英伟达新旧两大生态形态。过往英伟达以计算生态为核心，将自身计算层、软件及计算栈深度集成至各类企业平台与第三方库中，广泛赋能各行各业的数字化算力需求。
而当下全新打造的AI工厂生态，形成了清晰的上下游产业闭环：行业合作伙伴是英伟达的上游基础支撑，英伟达则依托自身全栈技术能力，向下游输出完整AI工厂生态体系，核心目标不再是单纯输出GPU芯片或算力系统，而是助力客户搭建超复杂、超大规模的AI工厂基础设施。
他直言，AI工厂已进入超高投入、超高门槛的规模化落地阶段。当前单座1吉瓦（GW）级别的AI工厂，建设成本持续攀升，从最初的200亿至400亿美元，现已上涨至500亿至600亿美元，未来很快将突破800亿甚至1000亿美元。千亿级别的单项目投入，意味着AI工厂对落地稳定性、运行可靠性有着极致要求，必须实现一次建成、即刻正常投产，其资本投入成本与系统构建复杂度均达到行业前所未有的水平。
针对超高复杂度的AI工厂建设难题，英伟达依托Omniverse数字仿真能力实现全流程革新。不同于传统计算机研发模式——先设计芯片、再在设备内模拟系统运行，如今英伟达所有AI工厂基础设施，均可在Omniverse数字平台中提前完成搭建、仿真、测试与优化。通过数字模拟器与数字架构赋能，行业可在破土动工、投入巨额资金前，完成超大规模AI系统的全流程推演，彻底规避落地风险，实现行业多年以来的技术落地愿景。
黄仁勋重点介绍了支撑AI工厂生态落地的核心体系DSX，形成与英伟达现有产品矩阵对应的完整基础设施布局。其中，RTX系列对应GPU硬件、DGX对应一体化算力系统，而全新的DSX平台则精准对标AI基础设施全场景。依托覆盖系统、软件、全技术栈的核心能力，英伟达能够赋能中小型企业快速搭建世界级AI云服务能力。
他以行业案例佐证DSX生态的赋能价值，不少曾经的中小型科技企业，在接入英伟达AI工厂生态、依托DSX体系升级后，实现跨越式增长，典型代表CoreWeave估值已攀升至500亿至700亿美元区间，且依旧保持高速增长态势，充分印证英伟达AI工厂新范式的产业赋能潜力。
最近英伟达与Nebius合作，它们的增长也同样惊人。这些云中的每一家都拥有令人难以置信的客户：Cursor（软件编码公司）、Black Mountain Labs（图像生成）、World Labs（世界基础模型）、Revolut（领先的金融服务AI公司）以及Shopify。
这里还有另一个例子：Nscale，他们的客户是英国电信（British Telecom）和谷歌（Google）。谷歌正在使用其中一个人工智能云——Thinking Machines，这是一家前沿实验室公司。
这里是韩国的Naver Cloud，客户包括韩国银行（Bank of Korea）、Hyundai等众多优秀公司。
在中国台湾，还有GMI。
然而，以上所有的公司，它们都需要计算栈。黄仁勋表示，下面的这整个技术栈，正是让NVIDIA闻名的原因。
他介绍道：“所有的硬件、软件和库，以及我们连接全球第三方开发者生态系统的能力，使得任何人都能建立起一个AI云。然而，现在的AI云极其复杂。这个是软件版本，这个是计算机科学版本。而资金版本、资产版本就是我之前展示的——它是一个巨大的工厂。仅拥有这种能力是不够的，这正是NVIDIA成为一家AI基础设施公司的原因。”
Vera Rubin 架构全面投产
在谈及下一代AI基础设施建设时，英伟达CEO黄仁勋宣布，基于新一代GPU平台的Vera Rubin架构已经进入全面量产阶段。
黄仁勋表示，当前全球对AI算力的需求正以前所未有的速度增长。从数据中心运营商到云服务提供商，再到各类企业客户，整个产业链都在全力提升产能，以满足市场需求。
“实用AI已经到来，可盈利的AI已经到来。”黄仁勋说。他认为，越来越多企业已经认识到，人工智能不再只是技术展示，而是能够创造实际商业价值的生产工具。在这一背景下，算力正成为限制AI发展的关键瓶颈。
为了满足全球激增的需求，英伟达正在推动新一代AI基础设施的大规模部署，并协同合作伙伴在世界各地建设AI工厂。黄仁勋表示，这也是当前整个产业生态最重要的任务之一。
在供应链建设方面，黄仁勋透露，Vera Rubin平台所对应的供应链规模已经达到上一代Grace Blackwell平台的两倍。与此同时，生产效率也获得显著提升。过去组装一套 Grace Blackwell机架需要约两个小时，而如今这一过程已经缩短至五分钟。
“这不仅意味着更高的产能，也意味着更快的交付速度。”黄仁勋表示，面对持续增长的市场需求，供应链各环节都在不断扩大生产规模、提高制造效率。
他介绍，为支持Grace Blackwell平台量产，产业链此前已经投入数百万平方英尺的生产设施。而目前，这些合作伙伴正在进一步扩充产能，为Vera Rubin的大规模部署做好准备。
演讲最后，黄仁勋特别向供应链合作伙伴表达感谢。他表示，Vera Rubin能够顺利进入全面量产阶段，离不开整个产业生态系统的共同努力。
“我要感谢你们所有人。”黄仁勋说，“Vera Rubin现已全面投产。”
在介绍Vera Rubin架构时，黄仁勋将其定义为一套面向智能体（Agent）时代打造的计算系统，而不仅仅是一台运行AI模型的超级计算机。
他表示，随着AI从模型训练、推理逐步迈向智能体阶段，计算需求正在发生根本变化。智能体需要频繁调用工具、访问数据库、与外部系统实时交互，因此对延迟、带宽和系统协同能力提出了更高要求。为此，Vera Rubin采用了全新的系统设计，将CPU、GPU、网络、存储和安全模块深度整合，形成面向智能体工作负载的完整基础设施平台。
黄仁勋特别展示了Vera Rubin NVLink 72系统。他介绍，相比上一代产品主要面向预训练和推理场景，Vera Rubin进一步针对智能体推理进行了优化。通过NVLink 72互连架构以及全新的系统设计，设备内部不再需要大量线缆和复杂连接结构，不仅提升了可靠性，也显著降低了部署和维护成本。
Vera CPU重磅登场
除了GPU系统外，英伟达还同步推出了专为AI时代设计的Vera CPU。黄仁勋认为，传统CPU主要服务于人类用户，而未来将出现数十亿个智能体，它们对响应速度几乎没有容忍空间。因此，新的CPU架构必须在单线程性能、带宽、数据传输效率以及能效方面进行全面优化。
按照英伟达的规划，Vera CPU将承担智能体编排、模型调度、工具调用、数据库访问以及存储管理等任务，与GPU共同构成未来AI工厂的核心基础设施。黄仁勋表示，随着智能体成为下一阶段AI发展的重要方向，计算系统也正在从“为模型设计”转向“为智能体设计”。
在谈到新一代Vera CPU时，黄仁勋表示，英伟达已经顺利完成了从传统x86 CPU架构向Grace架构的过渡，这为Vera的推广奠定了基础。
他指出，目前全球主要数据中心、云服务商以及与英伟达合作的AI企业，都已经完成了对Grace平台的认证，相关软件栈、安全体系和开发环境也已完成适配。在此基础上，Vera的部署门槛将大幅降低。
黄仁勋认为，Vera有望成为针对智能体（Agent）工作负载优化程度最高的CPU之一。原因在于，它从设计之初便与Vera Rubin系统协同开发，面向智能体推理、工具调用、数据库访问和实时交互等新型AI任务进行了针对性优化。
为了展示性能提升，黄仁勋公布了多个实际工作负载测试结果。其中，在企业广泛使用的SQL数据库处理场景中，Vera CPU的性能达到现有平台的约3倍。
在实时流处理场景下，例如金融交易系统、工业遥测监控等需要持续处理海量数据流的应用中，性能提升最高可达6倍。
黄仁勋表示，CPU领域通常以个位数百分比的性能提升作为重要突破，而在真实业务负载中实现数倍级增长并不常见。这些提升主要来自更高的单线程性能、更大的内存和I/O带宽，以及更快的核心间数据传输能力。
在他看来，智能体正在成为继云计算、移动互联网之后的新一代计算负载，而现有CPU大多是围绕人类用户设计的。未来，随着智能体数量持续增长，对低延迟和高响应速度的需求也将进一步提升。
“过去我们为人类构建CPU，现在我们开始为智能体构建CPU。”黄仁勋表示。围绕Vera展开的新生态正在形成，包括ODM厂商、服务器制造商和企业客户在内的产业链伙伴已经开始布局这一市场。英伟达希望借此推动一个全新的计算平台时代——面向智能体的CPU市场。
开源 Nemotron 3 Ultra，全球首个SSM与MoE相结合的混合架构
在介绍企业级智能体生态时，黄仁勋宣布，英伟达正式推出新一代开源大模型Nemotron 3 Ultra，并将其定位为企业构建专属智能体的重要基础模型。
黄仁勋表示，未来企业将雇用大量智能体协助完成研发、验证、仿真和运营等工作。以EDA软件厂商 Cadence Design Systems 为例，其正在利用英伟达技术打造面向芯片设计流程的专属超级智能体，通过调用仿真器、验证器和形式验证工具，加速芯片开发周期。
作为这一生态的底座，Nemotron 3 Ultra采用了全球首个SSM（状态空间模型）与MoE（混合专家）相结合的混合架构。黄仁勋透露，相比现有主流开源模型，Nemotron 3 Ultra推理速度提升5倍，同时总体运行成本降低30%。
除了模型本身，英伟达还同步开放训练数据、训练脚本以及相关工具链。黄仁勋表示，Nemotron系列基于大规模长程推理、复杂任务求解和工具调用数据集训练而成，开发者不仅可以使用模型，还能够在此基础上继续训练、微调并构建专属智能体系统。
目前，英伟达已经与 CrowdStrike、Salesforce、Palantir Technologies、SAP、ServiceNow 等企业展开合作，推动智能体在企业软件、网络安全、数据分析和业务流程管理等场景中的落地应用。
黄仁勋同时透露，Nemotron 3 Ultra已经发布，而下一代Nemotron 4模型也正在研发之中。
与微软联手重新定义PC
在演讲的后半程，黄仁勋宣布，英伟达正与 Microsoft 联手重新定义个人电脑（PC）。
黄仁勋回顾了过去40年的PC发展历程。他表示，从Windows 3.1到Windows 95，微软建立起了现代PC产业的基础架构，通过开放硬件生态、驱动程序体系以及统一的软件接口，让PC从企业设备走向大众消费市场，并成为全球最普及的计算平台之一。
如今，随着AI时代到来，英伟达和微软希望推动新一轮PC架构变革。黄仁勋透露，双方已经为此合作了三年，对PC的底层工作方式进行了重新设计，以适应智能体（Agent）时代的计算需求。
按照他的设想，未来的PC不再只是运行应用程序的终端设备，而将内置能够理解用户、与用户对话并自主完成任务的AI智能体。例如，智能体可以帮助用户整理文件、检索资料、完成研究工作，甚至根据用户需求主动执行复杂任务。
黄仁勋认为，这种变化将带来PC软件架构的重构。过去由应用程序承担的大量功能，未来将逐步由智能体完成。与此同时，大语言模型将成为新一代PC的重要基础组件，承担语言理解、视觉识别、音视频生成以及任务执行等能力，成为连接用户与计算资源的核心入口。
他透露，自己将与 Satya Nadella 共同介绍双方过去三年的合作成果，并进一步展示面向智能体时代的新一代PC平台。