一文汇总：黄仁勋在台湾GTC大会上究竟说了什么？
Taylor Wilson
黃仁勳在台北GTC宣佈輝達從GPU公司全面轉型為AI端到端基礎設施公司，以Vera Rubin量產、自研CPU、AI工廠營運系統DSX和端側AI PC四條線同時落地，核心押注是——Token就是收入單位，算力就是工廠產能。
「Token就是收入」——這套商業邏輯怎麼理解？
黃仁勳的核心判斷：生成式AI已進入「能完成工作」階段，智能體（Agentic AI，能自主觀察、推理、規劃、調用工具的AI）可以獨立執行任務。
他援引GitHub數據：AI相關代碼提交量從2023年約3億次增至2025年5億次，2026年前幾個月已接近三倍增長。
這意味著→ AI不是取代程式員，而是放大工程師產出；代碼量越大，消耗的Token越多，Token就變成了可計價的收入單位。
簡單來說＝ 算力不再是「買來備著」的成本項，而是像工廠產線一樣直接生產收入——誰有更多算力，誰就能「出貨」更多AI服務。
Vera Rubin量產——輝達史上最大工程項目長甚麼樣？
Vera Rubin進入全面量產，黃仁勳稱其為輝達歷史上最具野心的工程項目，約4萬名工程師與台灣供應鏈共同參與。
它不是單塊GPU，而是機架級甚至多機架級系統，核心組件包括Rubin GPU、Vera CPU、ConnectX-9網絡、BlueField-4安全處理器、Spectrum-X以太網交換機，以及支持200Gb CPO光電共封裝（把光通信模組直接封裝在晶片旁邊，縮短信號傳輸距離）的網絡架構。
製造端亮點：採用無纜化midplane設計，機架組裝時間從約2小時壓縮至約5分鐘。
這反映出 輝達正將AI硬件從「逐台組裝」推向「工業化流水線」——組裝速度提升24倍，本質上是用造汽車的思路造AI工廠。
自研CPU進場——輝達要搶誰的生意？
Vera CPU搭載88個自研Olympus核心，提供1.2TB/s記憶體頻寬，支持NVLink晶片間互聯、LPDDR5X記憶體及PCIe Gen6。
黃仁勳給出的性能數據：SQL數據庫查詢提速3倍，紐約證券交易所實時流處理提速6倍，智能體沙箱性能比x86高1.8倍。
這意味著→ 輝達直接切入數據中心CPU利潤池，對Intel、AMD等傳統CPU廠商構成正面競爭壓力。
簡單來說＝ 傳統CPU是為人類操作設計的，但智能體運行在納秒級世界，需要低延遲、高頻寬的專用處理器——輝達的邏輯是：既然GPU旁邊必須有CPU，不如自己做一個專為AI優化的。
500億美元建一座AI工廠——DSX系統解決甚麼問題？
黃仁勳披露，1GW級AI工廠造價已從200億至300億美元升至500億至600億美元，未來可能達800億至1000億美元。
DSX平台是AI工廠的數字孿生（在虛擬環境中1:1複刻工廠）與營運系統，在工廠動工前就在Omniverse中模擬電力、冷卻、網絡與機架佈局。
DSX MaxLPS回收「擱淺瓦數」（已分配但未被實際使用的電力），提升同等電力預算下的GPU部署密度；DSX Flex讓AI工廠根據電網信號動態調整用電，變成電網調峰資產。
這意味著→ 當一座工廠投資上千億美元時，「省下1%電力」就是省下數億美元——DSX的本質是把AI工廠從「通電就跑」變成可精細營運的產能系統。
企業工具包和開源模型——輝達在軟件端做了甚麼？
發佈企業AI工具包：Open Shell安全框架負責沙箱、權限與私隱管理，配合Hermes框架及CUDA-X工具；Red Hat、Canonical、微軟等生態夥伴接入。
典型案例：與Cadence合作的晶片設計超級智能體，將原本數週的晶片驗證調試流程壓縮至數小時，提速超40倍。
同步發佈Nemotron 3 Ultra開源模型，採用SSM狀態空間模型（一種比Transformer更省算力的序列處理架構）與MoE混合專家架構（只激活部分參數來回答問題），官方口徑推理速度提升5倍、總成本降低30%，並開放模型權重、訓練數據與訓練腳本。
AI PC來了——RTX Spark平台意味著甚麼？
輝達與微軟共同推出RTX Spark平台，搭載輝達與聯發科聯合研發的N1X晶片，集成Blackwell架構GPU、定制Grace CPU、128GB統一記憶體，採用台積電3nm工藝，官方口徑提供1 PFLOP級AI算力。
新產品線涵蓋筆記本電腦、桌面電腦及DGX Station，後者最高配768GB記憶體，可在桌面端運行萬億參數模型。
黃仁勳將新PC定義為「舊操作系統加大語言模型」，並預判十年後家庭AI超級電腦可能像家庭影院一樣普及。
這意味著→ 輝達從雲端算力一路延伸到桌面端，試圖讓「本地運行智能體」成為PC的新基本功能——這對高通、蘋果等端側晶片玩家是直接挑戰。
Content is for reference only, not financial advice.