北京時間3月17日凌晨，英偉達GTC 2026大會在美國圣何塞正式開幕。公司創始人兼CEO黃仁勛身穿標志性皮夾克，發表了長達兩個半小時的主題演講。

黃仁勛不僅給出了到2027年AI芯片營收至少達到1萬億美元的激進預測，還一口氣發布了七款新芯片、拋出了“Token工廠經濟學”新概念，并表示發布NemoClaw用于支持OpenClaw（“龍蝦”）。

資本市場對此反應積極，英偉達股價在盤中一度上漲超過4%，盡管收盤時漲幅回落至1.6%，但這依然反映出市場對此次演講內容的高度關注。

然而，A股算力板塊在3月17日早盤遭遇大跌，光模塊、光通信等賽道領跌市場，天孚通信、長光華芯等龍頭股跌幅超過10%，顯示出“利好兌現”后的短期回調壓力與資金對未來技術路徑不確定性的擔憂。

將創造萬億收入

就在市場對AI算力需求天花板存在普遍疑慮之際，黃仁勛用一組極具沖擊力的數字打破了沉默。

他預測，英偉達新一代AI加速芯片架構Blackwell與下一代Rubin產品，到2027年底將創造至少1萬億美元收入。

這一數字相較于他在2025年10月給出的5000億美元銷售預測直接翻倍。

黃仁勛解釋稱，這一預期的提升源于計算需求的爆炸式增長：“我相信，在過去兩年里，計算需求增長了一百萬倍。”

針對這一遠超預期的財務指引，高盛在當地時間16日發布的研報中表示，這一明確的長期收入可見度“大幅超出了華爾街的普遍預期”，直接緩解了投資者對人工智能資本支出可能在2026年觸及頂峰的擔憂。

支撐這一萬億美元營收預期的核心，是英偉達有史以來最復雜的AI計算系統Vera Rubin的全面亮相。

英偉達方面強調，Vera Rubin不是單一芯片，而是由7種芯片+5種機架系統組成的完整AI超級計算機平臺。這七款芯片包括：NVIDIA Vera CPU、NVIDIA Rubin GPU、NVIDIA NVLink 6交換機、NVIDIA ConnectX-9 SuperNIC、NVIDIA BlueField-4 DPU、NVIDIA Spectrum-6以太網交換機，以及新納入的NVIDIA Groq 3 LPU。這一組合清晰地展示了英偉達從GPU供應商向全棧AI基礎設施平臺的徹底轉型。

黃仁勛將Vera Rubin描述為“一次劃時代的飛躍”，稱其“旨在為AI的每個階段提供澎湃動力”，并宣告“代理式AI的拐點已經到來”。其中，Vera CPU作為全球首款專為智能體AI和強化學習打造的處理器，效率是傳統機架級CPU的兩倍，速度提升50%，目前已確定將部署于阿里巴巴、字節跳動、Meta等云服務提供商。

“Token工廠經濟學”

為了解釋為何市場需要容納萬億美元級的AI芯片需求，黃仁勛向全球企業展示了一套全新的商業思維框架——“Token工廠經濟學”。

Token是人工智能大模型理解和生成語言的最小語義單元，也被稱為“詞元”。

黃仁勛指出，未來的數據中心將不再是存儲文件的電子倉庫，而是不間斷生產Token的巨型工廠。“每一座數據中心、每一座工廠，從定義上來說都是受電力限制的。一座1GW的工廠永遠不會變成2GW，這是物理和原子的定律”。

黃仁勛強調，在固定的功率下，誰的每瓦Token吞吐量最高，誰的生產成本就最低。他將未來的AI服務分層為從免費層到超高速層的五個商業層級，并直言在這個Token工廠里，吞吐量和Token生成速度將直接轉化為企業明年的精確收入。

瑞銀在看好英偉達基本面的同時曾指出，要依靠GTC的言論觸發“改變投資邏輯”式的股價飆升“難以預見”，但Token工廠理論無疑為投資者提供了一個全新的估值坐標系——從銷售芯片轉向衡量AI工廠的生產效率。

這場軟件變革同樣將重塑職場形態，黃仁勛在現場描述了這樣一個場景：未來公司的每一位工程師都需要一個年度Token預算，基礎年薪之外，公司會拿出大約一半的金額作為Token額度配給員工，幫助他們實現10倍效率提升。“你的offer里帶多少Token”已經成為硅谷新的招聘籌碼。

進軍“龍蝦”界

在軟件和生態層面，黃仁勛用大量篇幅解讀了近期硅谷爆火的“龍蝦”現象，并將其提升至戰略高度。

他將開源項目OpenClaw形容為“人類歷史上最受歡迎的開源項目”，稱其僅用幾周時間就超越了Linux在過去30年取得的成就。

黃仁勛表示，OpenClaw之于AI的意義，堪比Windows之于個人計算的變革。具體來說，OpenClaw像當年Windows普及個人電腦一樣，把AI智能體普及到每一個普通人手中。

“它讓整個行業能夠抓住這個開源技術棧，拿它去創造價值。”黃仁勛說。

為此，英偉達推出了“一鍵養蝦”平臺NemoClaw，這是一款專為OpenClaw深度優化的部署工具鏈，僅需兩行命令即可完成安裝。

這份極簡并非偶然，而是英偉達的精心設計：讓每一臺GPU服務器都能無縫接入OpenClaw生態，真正實現算力與Agent框架深度綁定。

記者 李曦子