黄仁勋：万亿Token工厂崛起，SaaS模式的丧钟已敲响

长江商学院EMBA紧跟时事前沿，梳理演讲核心要点：

推理拐点的到来：推理已成为AI最核心的工作负载，Token是新的大宗商品，推理性能直接决定收入；

AI工厂时代：数据中心已从文件存储设施演变为Token生产工厂，未来每家公司都将以“AI工厂效率”来衡量自身竞争力；

OpenClaw智能体革命：OpenClaw开启了智能体计算时代，企业IT正在从工具时代走向智能体时代，每家企业都需要制定OpenClaw战略；

物理AI的ChatGPT时刻：具身智能正在规模化落地，自动驾驶、工业机器人、人形机器人共同构成物理AI的下一个重大机遇。

以下为本次大会的原文记录：

CUDA的二十年

黄仁勋，创始人兼首席执行官：

欢迎来到GTC。我想先提醒大家，这是一个技术会议。

一大早大家就排起了长队。很高兴在这里见到各位。在GTC，我们要谈技术，谈平台。英伟达有三个平台。

各位可能以为我们主要只谈其中一个，就是与CUDA X相关的平台。我们的系统是另一个平台，现在又多了一个新平台，叫做“AI工厂”。这些我们都会谈到，最重要的是，我们还要谈生态系统。

但在开始之前，我要感谢几位暖场环节的主持人，他们做得非常出色，包括AI投资公司Conviction创始人郭睿、红杉资本合伙人林君叡（英伟达的第一位风险投资人），还有科技投资人加文·贝克（Gavin Baker，英伟达的第一家主要机构投资者）。这三位对技术有很深的理解，对当下行业动向洞若观火，而且在技术生态系统中的覆盖面非常广。还有我亲自挑选来参加今天活动的所有VIP，全明星阵容。感谢各位。    

英伟达是一家平台公司，如各位所知。我们有技术，有平台，有丰富的生态系统。今天，总规模高达100万亿美元的行业，基本上百分之百都汇聚于此。有450家公司赞助了这次活动。感谢各位。    

1000场技术会议，2000位演讲者。这次会议将覆盖AI这个“五层蛋糕”的每一层——从土地、电力和机房外壳（shell）等基础设施，到芯片、平台、模型，当然最后也是最重要的，是那些能让这个行业真正起飞的应用。

这一切都始于CUDA。今年是CUDA诞生20周年。

我们在CUDA上深耕已有20年。20年来，我们一直专注于这个架构。这是一项革命性的发明，叫做SIMT（单指令多线程）。你只需编写标量代码，它能衍生出多线程应用。最近我们又增加了Tile结构，帮助开发者为张量核心编程，这些数学结构是当今AI的根基。我们有数千种开源的工具、编译器、框架和库。公开的项目大概有几十万个。CUDA已经真正融入了每一个生态系统。    

这张图基本上描述了英伟达的全部战略。归根结底，最难实现的就是最底层的这个东西：装机量。我们花了20年，现在全球有数亿颗运行CUDA的GPU和计算系统。我们在每一个云中，在每一家计算机公司里，服务着几乎每一个行业。  

CUDA的庞大装机量就是飞轮加速的原因。装机量吸引开发者，开发者创造新算法，实现突破，比如深度学习，还有很多其他突破。这些突破带来全新市场，围绕它们形成新的生态系统，吸引其他公司加入，又创造了更大的装机量。这个飞轮正在加速。英伟达软件库的下载量呈爆炸式增长，规模非常大，而且比以往任何时候增长得都快。正是这个飞轮，让这个计算平台能够支撑这么多应用、这么多新突破。  

但最重要的是，它也让这些基础设施拥有极长的使用寿命。原因很简单：能够在CUDA上运行的应用太多了。我们支持AI生命周期的每一个阶段，服务于每一个数据处理平台，加速各种不同类型的基于科学原理的求解器。    

应用范围如此之广，一旦你采用了英伟达GPU，它的使用寿命会非常长。这也是为什么我们大约六年前出货的Ampere架构GPU，在云中的价格不降反升。所有这一切之所以可能，根本上是因为装机量大，飞轮转得快，开发者覆盖广。当这一切发生，再加上我们持续更新软件，计算成本就会下降。   

加速计算极大地提升了应用程序的运行速度。同时，我们在其生命周期内持续维护和更新软件，你不仅在第一次使用时能获得性能提升，随着时间推移，还能持续享受加速计算带来的成本降低。我们愿意维护、愿意支持全球每一块这样的GPU，因为它们都是架构兼容的。我们之所以愿意这样做，是因为装机量非常大。如果我们发布一个新的优化，它能使数百万颗GPU受益，造福全球每个人。   

这种动态组合使得英伟达的架构能够扩大覆盖范围，加速增长，同时降低计算成本，最终又进一步刺激了新的增长。所以CUDA是这一切的核心。但我们的旅程实际上始于25年前——GeForce。    

我知道各位中有很多人是玩着GeForce长大的。GeForce是英伟达最成功的营销活动。早在你自己还负担不起的时候，我们就开始吸引你这位未来的客户了。你的父母付了钱，让你成为英伟达的客户。他们年复一年地为你买单，直到有一天，你成为了一名出色的计算机科学家，成为了真正的客户、真正的开发者。   

但这一切都是GeForce在25年前打下的基础。我们从那里起步，一路走到CUDA。25年前，我们发明了可编程着色器。这是一个在当时完全看不出发明必要性的想法：让加速器变得可编程。世界上第一个可编程加速器——像素着色器，就出现在25年前。正是它引导我们不断深入探索。  

5年后，我们发明了CUDA。这是我们做过的最大的投资之一，当时我们其实根本负担不起。它消耗了公司绝大多数的利润，但我们还是让CUDA搭乘GeForce的便车，进入了每一台电脑。我们全身心投入创建这个平台，因为我们强烈地感受到了它的潜力。最终，正是公司对它的执着，尽管起初困难重重，但我们日复一日地坚信它，历经13代产品、20年光阴，现在我们让CUDA变得无处不在。   

像素着色器当然带来了GeForce的革命。然后10年前，我们推出了RTX，为现代计算机图形时代彻底重新设计了架构。GeForce将CUDA带向了世界，也因此让亚历克斯·克里舍夫斯基 (Alex Krizhevsky)、伊利亚·苏茨克维 (Ilya Sutskever)、杰弗里·辛顿 (Geoffrey Hinton) 、吴恩达 (Andrew Ng)以及许多其他人发现，GPU可以帮助他们加速深度学习。这引发了AI的大爆炸。    

10年前，我们决定融合可编程着色，并引入两个新想法：一个是光线追踪，包括硬件光线追踪，这极其困难；另一个在当时是个新想法——大约10年前，我们就认为AI将彻底改变计算机图形。就像GeForce将AI带给世界一样，现在AI将反过来彻底改变计算机图形的整个运作方式。今天，我要向各位展示未来的方向。这是我们下一代图形技术，我们称之为神经渲染，即3D图形与AI的融合。它就是DLSS 5。    

计算机图形活过来了，我们把可控的3D图形、结构化数据与生成式AI、概率计算结合在一起。一个是完全预测性的，另一个是概率性的但高度逼真。我们把这两个想法结合起来，通过结构化数据实现完美控制，同时又进行生成。结果是，内容既惊艳美丽，又完全可控。这种融合结构化信息和生成式AI的概念，会一个行业接一个行业地重演。结构化数据是可信任AI的基础。

结构化数据与非结构化数据的加速平台

现在我要带大家看一张技术架构图。

结构化数据——大家熟悉的SQL、Spark、Pandas、Velox，以及Snowflake、Databricks、Amazon EMR、Azure Fabric、Google BigQuery等重要平台，都在处理数据框（Data Frame）。这些数据框就像巨型电子表格，承载着商业世界的全部信息，是企业计算的基本事实（Ground Truth）。

在AI时代，我们需要让AI来使用结构化数据，并对其实现极致加速。过去，加速结构化数据处理是为了让企业更高效地运转。而未来，AI将以远超人类的速度使用这些数据结构，AI智能体也将大量调用结构化数据库。

非结构化数据方面，向量数据库、PDF、视频、音频等构成了世界上绝大多数的数据形态——每年生成的数据中，约90%是非结构化数据。过去，这些数据几乎完全无法被利用：我们读取它们，存入文件系统，仅此而已。我们无法查询，也难以检索，原因在于非结构化数据缺乏简单的索引方式，必须理解其含义与语境。而现在，AI可以做到这一点——借助多模态感知与理解技术，AI能够读取PDF文档、理解其含义，并将其嵌入可供查询的更大结构之中。

英伟达为此创建了两个基础库：

cuDF：用于数据框、结构化数据的加速处理

cuVS：用于向量存储、语义数据和非结构化AI数据的处理

这两个平台将成为未来最重要的基础平台之一。

今天，我们宣布与多家企业达成合作。IBM——SQL语言的发明者，将使用cuDF加速其WatsonX Data平台；Dell与我们联合打造了Dell AI数据平台，整合cuDF与cuVS，并在NTT Data的实际项目中实现了大幅性能提升；Google Cloud方面，我们现在不仅加速Vertex AI，还加速BigQuery，并与Snapchat合作将其计算成本降低了近80%。

加速计算带来的好处是三位一体的：速度、规模、成本。这与摩尔定律的逻辑一脉相承——通过加速计算实现性能飞跃，同时持续优化算法，让所有人都能享受到持续下降的计算成本。

英伟达构建了加速计算平台，其上汇聚了众多库：RTX、cuDF、cuVS等等。这些库整合进全球云服务和OEM体系，共同触达全球用户。

此外，与主要云服务商的合作：

Google Cloud：我们加速Vertex AI和BigQuery，与JAX/XLA深度集成，同时在PyTorch上表现卓越——英伟达是全球唯一一家在PyTorch和JAX/XLA上均表现出色的加速器。我们将Base10、CrowdStrike、Puma、Salesforce等客户引入Google Cloud生态。

AWS：我们加速EMR、SageMaker和Bedrock，与AWS有着深度集成。今年令我格外兴奋的是，我们将把OpenAI引入AWS，这将大幅推动AWS云计算的消耗增长，帮助OpenAI扩展区域部署和计算规模。

Microsoft Azure：英伟达100 PFLOPS超算是我们构建的第一台超级计算机，也是第一台部署在Azure上的超算，这奠定了与OpenAI合作的重要基础。我们加速Azure云服务和AI Foundry，合作推进Azure区域扩展，并在Bing搜索上深度协作。值得一提的是，我们的“保密计算（Confidential Computing）”能力——确保即便是运营商也无法查看用户数据和模型——英伟达GPU是全球首批支持保密计算的GPU，可支持OpenAI和Anthropic模型在全球各地区云环境中的保密部署。以Synopsys为例，我们加速其全部EDA和CAD工作流，并部署于Microsoft Azure。

Oracle：我们是Oracle的第一个AI客户，我为能够第一次向Oracle解释AI云的概念感到自豪。此后他们发展迅猛，我们也为其引入了Cohere、Fireworks、OpenAI等众多合作伙伴。

CoreWeave：全球第一家AI原生云，专为GPU托管和AI云服务而生，拥有出色的客户群，增长势头强劲。

Palantir + Dell：三方联合打造了全新的AI平台，基于Palantir的本体论平台（Ontology Platform）和AI平台，可在任何国家、任何气隙隔离环境下、完全本地化地部署AI——从数据处理（向量化或结构化）到AI的完整加速计算栈，无所不包。

英伟达与全球云服务商建立了这种特殊的合作关系——我们将客户引入云端，这是一种互利共赢的生态。

垂直整合，横向开放

英伟达是全球第一家垂直整合、横向开放的公司。

这一模式的必要性非常简单：加速计算不是芯片问题，也不是系统问题，其完整表述应为应用加速。CPU可以让计算机整体运行得更快，但这条路已走到瓶颈。未来，唯有通过应用或领域特定的加速，才能持续带来性能飞跃和成本下降。

这正是英伟达必须深耕一个又一个库、一个又一个领域、一个又一个垂直行业的原因。我们是一家垂直整合的计算公司，没有其他路可走。我们必须理解应用，理解领域，深刻理解算法，并能够将其部署在任何场景下——数据中心、云端、本地、边缘乃至机器人系统。

同时，英伟达保持横向开放，愿意将技术整合进任何合作伙伴的平台，让全世界都能享受到加速计算的红利。

本届GTC的参会者结构充分体现了这一点。本次参会者中，金融服务行业的比例最高——希望来的是开发者，不是交易员。我们的生态系统覆盖了上游和下游供应链。无论是成立50年、70年还是150年的企业，去年都迎来了历史最佳年份。我们正处于某件非常、非常重大的事情的起点。

CUDA-X、cuDNN：各行业的加速计算引擎

在各个垂直领域，英伟达均已深度布局，例如：

自动驾驶：覆盖范围广泛，影响深远

金融服务：量化投资正从人工特征工程转向超级计算机驱动的深度学习，迎来其“Transformer时刻”

医疗健康：正在迎来属于自己的“ChatGPT时刻”，涵盖AI辅助药物发现、AI智能体支持诊断、医疗客服等方向

工业：全球规模最大的建设浪潮正在展开，AI工厂、芯片厂、数据中心厂纷纷落地

娱乐与游戏：实时AI平台支持翻译、直播、游戏互动，以及智能购物代理

机器人：深耕十余年，三大计算机架构（训练计算机、仿真计算机、机载计算机）齐备，本次展会共有110款机器人亮相

电信：约2万亿美元规模的行业，基站将从单一通信功能演进为AI基础设施平台，相关平台名为Aerial，与诺基亚、T-Mobile等企业均有深度合作

以上所有领域的核心，正是我们的CUDA-X库——这是英伟达作为算法公司的根本所在。这些库是公司最核心的资产，让计算平台得以在各个行业发挥实际价值。

其中最重要的库之一，是cuDNN（CUDA深度神经网络库），它彻底革新了人工智能，引发了现代AI的大爆炸。

大家刚才看到的一切都是仿真——包括基于物理原理的求解器、AI代理物理模型，以及物理AI机器人模型。一切均为仿真，没有任何手工动画或关节绑定。这正是英伟达的核心能力所在：通过对算法的深刻理解与计算平台的有机结合，解锁这些机遇。

AI原生企业与新计算时代

你们刚才看到了沃尔玛、欧莱雅、摩根大通、罗氏、丰田等定义当今社会的行业巨头，也有一大批大家从未听说过的公司——我们称之为AI原生企业。这份名单极为庞大，里面有OpenAI、Anthropic，以及众多服务于不同垂直领域的新兴企业。

过去两年，这一行业经历了惊人的腾飞。风险投资流入初创企业的资金规模达到1,500亿美元，创人类历史之最。更重要的是，单笔投资规模首次从数百万美元跃升至数亿乃至数十亿美元。原因只有一个：这是史上第一次，每一家此类公司都需要大量计算资源和大量Token。这个行业正在创造、生成Token，或者为来自Anthropic、OpenAI等机构的Token增值。

正如PC革命、互联网革命、移动云革命各自孕育出一批划时代的企业，这一代计算平台变革同样将诞生一批极具影响力的公司，成为未来世界的重要力量。

推动这一切的三大历史性突破

过去两年究竟发生了什么？三件大事。

第一：ChatGPT，开启生成式AI时代（2022年底至2023年）

它不仅能感知和理解，还能生成独特内容。我展示了生成式AI与计算机图形的融合。生成式AI从根本上改变了计算的方式——计算从检索式转变为生成式，这深刻影响着计算机架构、部署方式和整体意义。

第二：推理AI（Reasoning AI），以o1为代表

推理能力使AI能够自我反思、规划、分解问题——将它无法直接理解的问题拆解为可处理的步骤。o1让生成式AI变得可信，能够依据真实信息进行推理。为此，输入context的Token量和用于思考的输出Token量大幅增加，计算量随之显著提升。

第三：Claude Code，首个智能体模型

它能读取文件、编写代码、编译、测试、评估并迭代。Claude Code彻底革新了软件工程——英伟达100%的工程师都在使用Claude Code、Codex和Cursor中的一种或多种，没有一位软件工程师不借助AI助力。

这是一个全新的拐点——你不再是询问AI“是什么、在哪里、怎么做”，而是让它“创建、执行、构建”，让它主动使用工具、读取文件、分解问题、付诸行动。AI从感知，到生成，到推理，再到如今真正能够完成工作。

过去两年，推理所需的计算量增长了约10,000倍，使用量增长了约100倍。我一直认为，过去两年计算需求增长了100万倍——这是所有人的共同感受，是OpenAI的感受，是Anthropic的感受。如果能获得更多算力，就能生成更多Token，收入就会提升，AI就会变得更智能。推理拐点已然到来。

万亿美元的AI基础设施时代

去年此时，我在这里表示，我们对Blackwell和Rubin在2026年之前的需求和采购订单有高度信心，规模约为5,000亿美元。今天，在GTC一年之后，我站在这里告诉大家：展望到2027年，我看到的数字至少是1万亿美元。而且我确信，实际的计算需求将远不止于此。

2025年是英伟达的推理年（Year of Inference）。我们希望确保，在训练和后训练之外，也能在AI生命周期的每个阶段都保持卓越，使已投资的基础设施能够持续高效运转，且有效使用寿命越长，单位成本越低。

与此同时，Anthropic和Meta正式加入NVIDIA平台，与此共同代表了全球三分之一的AI算力需求。开源模型已接近前沿水平，无处不在。

英伟达是目前全球唯一一个能够运行所有AI领域——语言、生物学、计算机图形、计算机视觉、语音、蛋白质与化学、机器人等——所有AI模型的平台，无论边缘还是云端，无论何种语言。英伟达架构对所有这些场景均具备通用性，这使我们成为成本最低、置信度最高的平台。

目前，英伟达60%的业务来自全球前五大超大规模云服务商，剩余40%遍布区域云、主权云、企业、工业、机器人、边缘计算等各个领域。AI的覆盖广度本身就是其韧性所在——这毫无疑问是一次全新的计算平台变革。

Grace Blackwell与NVLink 72：

大胆的架构革新

在Hopper架构还处于鼎盛时期，我们就决定彻底重新架构系统，将NVLink从8路扩展为NVLink 72，对计算系统进行全面分解重构。Grace Blackwell NVLink 72是一次巨大的技术押注，对所有合作伙伴而言都不容易，在此向所有人表示诚挚感谢。

同时，我们推出了NVFP4——不只是普通的FP4，而是一种全新类型的张量核心和计算单元。我们已经证明，NVFP4可以在无精度损失的情况下实现推理，同时带来巨大的性能提升和能效提升，并且同样适用于训练。此外，Dynamo和TensorRT-LLM等一系列新算法相继问世，我们甚至为优化内核而专门投入数十亿美元建造了一台超级计算机，称之为DGX Cloud。

结果证明，我们的推理性能令人瞩目。来自Semi Analysis的数据——这是迄今为止最全面的AI推理性能评测——显示英伟达在每瓦Token数和每Token成本两个维度上均遥遥领先。原本摩尔定律可能给H200带来1.5倍的性能提升，但我们做到了35倍。Semi Analysis的Dylan Patel甚至说：“黄仁勋保守了，实际上是50倍。”他说得没错。

我在此援引他的话：“Jensen sandbagged（黄仁勋保守报数）。”

英伟达的每Token成本是全球最低，目前无人能及。原因正在于极致协同设计（Extreme Co-design）。以Fireworks为例，在英伟达更新全套软件和算法之前，其平均Token速度约为每秒700个；更新后接近每秒5,000个，提升约7倍。这就是极致协同设计的力量。

AI工厂：从数据中心到Token工厂

数据中心过去是存储文件的地方，现在它是生产Token的工厂。每一家云服务商、每一家AI公司，未来都将以“Token工厂效率”作为核心经营指标。

这是我的核心论点：

纵轴：吞吐量（Throughput）——在固定功率下每秒生成的token数

横轴：交互速度（Token Speed）——每次推理的响应速度，速度越快，可使用的模型越大、context越长，AI越智能

Token是新的大宗商品，一旦成熟，将分层定价：

免费层（高吞吐、低速度）

中级层（~每百万Token 3美元）

高级层（~每百万Token 6美元）

高速层（~每百万Token 45美元）

超高速层（~每百万Token 150美元）

与Hopper相比，Grace Blackwell在最高价值层提升了35倍吞吐量，并引入全新层级。以简化模型估算，将25%功率分别分配给四个层级，Grace Blackwell可比Hopper多产生5倍的收入。

Vera Rubin：下一代AI计算系统

Vera Rubin是一个完整的、端到端优化的系统，专为智能体（Agentic）工作负载设计：

大型语言模型计算核心：NVLink 72 GPU集群，处理前填充（Prefill）和KV Cache

全新Vera CPU：专为极高单线程性能设计，采用LPDDR5内存，兼具卓越能效，是全球唯一使用LPDDR5的数据中心CPU，适合AI智能体工具调用

存储系统：BlueField 4 + CX 9，面向AI时代的全新存储平台，全球存储行业100%加入

CPO Spectrum X交换机：全球首款共封装光学以太网交换机，已全面量产

Kyber机架：全新机架系统，支持144块GPU组成单一NVLink域，前端计算、后端NVLink交换，形成一台巨型计算机

Rubin Ultra：下一代超算节点，竖插式设计，配合Kyber机架，支持更大规模NVLink互联

Vera Rubin已100%液冷，安装时间从两天缩短至两小时，采用45°C热水冷却，大幅降低数据中心冷却压力。这次Satya（纳德拉）已发文确认，首台Vera Rubin机架已在微软Azure上线运行，我为此深感振奋。

Groq整合：推理性能的极致延伸

我们收购了Groq团队并获得其技术授权。Groq是一种确定性数据流处理器（Deterministic Dataflow Processor），采用静态编译和编译器调度，拥有大量SRAM，专为推理单一工作负载优化，具备极低延迟和极高Token生成速度。

然而，Groq的内存容量有限（500MB片上SRAM），难以独立承载大模型的参数和KV Cache，限制了其大规模应用。

解决方案正是Dynamo——一套推理调度软件。我们通过Dynamo将推理管线解聚（Disaggregate）：前填充（Prefill）及注意力机制的解码（Decode）在Vera Rubin上完成（需要大量算力和KV Cache存储）；前馈网络解码（Feed-Forward Network Decode）即Token生成部分，在Groq上完成（需要极高带宽和低延迟）。

两者通过以太网紧密耦合，借助特殊模式将延迟减少约一半。在Dynamo这一“AI工厂操作系统”的统一调度下，整体性能提升35倍，并开辟了NVLink 72此前无法触及的全新推理性能层级。

若工作负载以高吞吐为主，使用100% Vera Rubin。

若大量工作负载为代码生成等高价值Token生成，可引入Groq，建议比例约为25% Groq + 75% Vera Rubin。

Groq LP30由三星代工，目前已进入量产，预计Q3开始出货。感谢三星的全力配合。

技术路线图

将此前技术进步量化：在2年时间内，1吉瓦AI工厂的Token生成速率将从2,200万Token/秒提升至7亿Token/秒，提升350倍。这就是极致协同设计的力量。

Blackwell（当前）：Oberon标准机架系统，铜缆扩展至NVLink 72，可选光学扩展至NVLink 576

Vera Rubin（当前）：Kyber机架，NVLink 144（铜缆）；Oberon机架，NVLink 72 + 光学，扩展至NVLink 576；Spectrum 6，全球首款CPO交换机

Vera Rubin Ultra（即将推出）：新一代Rubin Ultra GPU，LP35芯片（首次集成NVFP4），进一步提升数倍性能

Feynman（下一代）：全新GPU，LP40芯片（由英伟达与Groq团队联合打造，集成NVFP4）；全新CPU——Rosa（Rosalyn）；BlueField 5；CX 10；同时支持铜缆和CPO两种扩展方式的Kyber机架

路线图明确：铜缆扩展、光学扩展（Scale-Up）、光学扩展（Scale-Out）三条路线并行推进，我们需要所有合作伙伴在铜缆、光纤和CPO方面持续扩产。

NVIDIA DSX平台：

AI工厂的数字孪生平台

AI工厂越来越复杂，但组成它的各类技术供应商过去从未在设计阶段相互协作，直到在数据中心才“相遇”——这显然不够。

为此，我们创建了Omniverse，以及基于其上的NVIDIA DSX平台——一个供所有合作伙伴在虚拟世界中共同设计和运营吉瓦级AI工厂的平台。DSX提供：

机架级机械、热学、电气、网络仿真系统

与电网的连接，实现协同节能调度

数据中心内基于Max-Q的动态功耗和冷却优化

保守估计，这套系统可将能源利用效率提升约2倍，在我们谈论的规模上，这是非常可观的收益。Omniverse从数字地球开始，将承载各种规模的数字孪生，我们正与全球合作伙伴共同构建人类历史上最大的计算机。

此外，英伟达正在进军太空。Thor芯片已通过辐射认证，正在卫星中运行。我们正与合作伙伴开发Vera Rubin Space-1，用于建设太空数据中心。在太空中只能依靠辐射散热，热管理是核心挑战，我们正集结顶尖工程师攻关。

OpenClaw：智能体时代的操作系统

Peter Steinberger开发了一款名为OpenClaw的软件。这是人类历史上最受欢迎的开源项目，在短短几周内便超越了Linux三十年的成就。

OpenClaw本质上是一个智能体系统（Agentic System），能够管理资源，访问工具、文件系统和大型语言模型；执行调度、定时任务；将问题逐步分解，并调用子智能体；支持任意模态的输入输出（语音、视频、文字、邮件等）。

用操作系统的语法来描述，它确实就是一个操作系统——智能体计算机的操作系统。Windows让个人计算机成为可能，OpenClaw让个人智能体成为可能。

每一家企业都需要制定自己的OpenClaw战略，正如我们都需要Linux策略、HTML策略、Kubernetes策略一样。

OpenClaw之前的企业IT：数据和文件进入系统，流经工具和工作流，最终变成供人类使用的工具。软件公司创建工具，系统集成商（GSI）和咨询公司帮助企业使用这些工具。

OpenClaw之后的企业IT：每一家SaaS公司都将转变为AaaS（Agentic as a Service，智能体即服务）公司——不只是提供工具，而是提供专精特定领域的AI智能体。

但这里有一个关键挑战：企业内部的智能体可以访问敏感数据、执行代码、与外部通信。这在企业环境中必须得到严格管控。

为此，我们与Peter合作，将安全性融入企业级版本，推出了：

NeMo Claw（参考设计）：基于OpenClaw的企业级参考框架，集成NVIDIA的全套智能体AI工具包

Open Shield（安全层）：已集成至OpenClaw，提供策略引擎、网络护栏、隐私路由，确保企业数据安全

NeMo Cloud：可下载使用，并与所有SaaS企业的策略引擎对接

这是企业IT的文艺复兴，一个原本2万亿美元规模的产业，即将成长为数万亿美元规模，从提供工具转向提供专业化的AI智能体服务。

我完全可以预见，未来公司里的每一位工程师都将拥有年度Token预算。他们年薪可能是几十万美元，我会额外给他们相当于薪资一半的Token配额，让他们的产出放大10倍。“入职附带多少Token配额”已经成为硅谷的新晋招聘话题。

每一家企业未来都将既是Token的使用者（供工程师使用），也是Token的生产者（为其客户提供服务）。OpenClaw的意义不可低估，它和HTML、Linux一样重要。

Nemotron联盟，投资数十亿美元

推进AI基础模型研发

在自定义智能体（Custom Claw）方面，我们提供了NVIDIA自研的前沿模型：

模型领域：Nemotron大型语言模型、Cosmos世界基础模型（World Foundation Model）GROOT通用人形机器人模型、Alpamayo自动驾驶、BioNeMo数字生物学、Phys-AI AI物理。

我们在每一个领域都处于技术前沿，并承诺持续迭代——Nemotron 3之后有Nemotron 4，Cosmos 1之后有Cosmos 2，Groq也将迭代到第二代。

Nemotron 3在OpenClaw中名列全球三大最佳模型之列，处于前沿水平。Nemotron 3 Ultra将成为有史以来最强的基础模型，支持各国构建主权AI。

今天，我们宣布成立Nemotron联盟，投资数十亿美元推进AI基础模型研发。联盟成员包括：BlackForest Labs、Cursor、LangChain、Mistral、Perplexity、Reflection、Sarvam（印度）、Thinking Machines（Mira Murati的实验室）等。一个又一个企业软件公司加入，将NeMo Claw参考设计和NVIDIA智能体AI工具包整合到自身产品中。

物理AI与机器人

数字智能体在数字世界中行动——撰写代码、分析数据；而物理AI则是具身化的智能体，也就是机器人。

本次GTC共有110款机器人亮相，几乎囊括了全球所有机器人研发企业。英伟达提供三台计算机（训练计算机、仿真计算机、机载计算机）和完整的软件栈及AI模型。

自动驾驶方面，自动驾驶的“ChatGPT时刻”已经到来。今天，我们宣布四家新合作伙伴加入英伟达RoboTaxi Ready平台：比亚迪、现代、日产、吉利，合计年产量1,800万辆。加上此前的奔驰、丰田、通用，阵容进一步壮大。我们同时宣布与Uber达成重大合作，将在多个城市部署并接入RoboTaxi Ready车辆。

工业机器人方面，ABB、Universal Robotics、KUKA等众多机器人企业与我们合作，将物理AI模型与仿真系统相结合，推动机器人在全球制造产线的落地。

电信方面，卡特彼勒（Caterpillar）和T-Mobile也在其列。未来，无线基站将不再只是一个通信节点，而是一个NVIDIA Aerial AI RAN——能够实时感知流量、调整波束成形，实现节能增效的智能化边缘计算平台。

源自--长江商学院EMBA