问题：推理需求爆发下，产业面临“算力如何变成生产力”的新考题 黄仁勋演讲中指出，随着大模型应用从训练走向大规模推理，计算需求正在进入“百万倍增长”的新阶段。围绕此判断，英伟达将未来至2027年的算力市场规模预期由此前约5000亿美元上调至约1万亿美元，并提出“代币工厂”概念：未来数据中心不再以存储与分发为主要功能，而是以持续生成“智能代币”（推理输出的可计量结果）为核心产出。其背后指向一个更直接的商业逻辑——企业需要像管理资产一样管理推理产出率与单位产出成本，算力投入将更紧密地与业务回报绑定。 原因：应用普及与成本约束并行，倒逼软硬件一体化与新架构探索 一上，智能助手、检索增强、智能体编排等应用形态快速渗透，使推理任务从“偶发请求”走向“持续生产”；另一方面，企业级落地对合规、安全、成本可控提出更高要求，单纯依靠堆叠通用算力难以长期支撑。黄仁勋强调通过“协同设计”压低单位代币成本，释放规模效应，并以此作为竞争壁垒。演讲披露的Vera Rubin路线强调系统级方案：采用全液冷设计，引入面向智能体任务优化的Vera CPU，并通过软件栈Dynamo实现所谓“解耦推理”——复杂上下文由大容量内存系统处理，代币生成由确定性流处理器技术加速，从而提升整体吞吐效率。英伟达还展望继Rubin之后的Feynman架构，计划采用共封装光学等技术以应对互连带宽与能效瓶颈。 影响：数据中心从“IT基础设施”转向“智能产能设施”，产业链竞争维度被拉长 如果“代币工厂”成为主流范式，数据中心的评价体系将从服务器数量、峰值算力转向单位能耗产出、推理延迟、可靠性与安全治理能力。对云服务商与大型企业而言，这意味着预算结构可能从传统的软硬件采购，转向围绕“代币产出”的精细化运营；对芯片、整机、散热、电力与网络互连等环节而言，则将形成更强的系统集成导向。另外，英伟达推动开源项目OpenClaw，定位为面向智能体的“操作系统级框架”，意在让智能体具备调用工具、执行代码、管理文件系统的能力，并通过参考设计与隐私护栏回应企业安全痛点。这表明软件形态正从“按功能订阅”加速走向“按智能体能力交付”，对传统软件即服务模式构成冲击。 对策：以平台化协同拉动生态扩张，并将物理智能作为新增量入口 在应用侧，英伟达将物理智能作为重点方向之一，展示自动驾驶迈向规模化商用的进展，RoboTaxi Ready平台新增多家整车企业合作伙伴，并与出行平台达成部署层面的合作意向，意在把算法、仿真、车端计算与云端训练打通为闭环。演讲中以迪士尼机器人“Olaf”为案例，强调通过Omniverse与物理求解器在虚拟环境中进行训练与迭代，从而提升在真实世界的适应能力。该路径反映出“仿真—训练—部署”的成本优势正在显现，或将推动机器人、工业自动化、智慧交通等领域加速验证商业模式。 前景：算力竞赛将从单点性能转向全栈效率与全球化布局，合规与可持续将成为硬约束 从路线图看，英伟达正将竞争边界从芯片延伸到系统、软件与行业平台，并更提出太空计算布局，研发Vera Rubin Space-1计算机，借助Omniverse DSX构建覆盖全球乃至更广空间的数字孪生设计体系。未来一段时期，推理需求扩张将继续推动液冷、光互连、能效管理与供应链协同创新；但与此同时，能耗约束、数据安全、行业监管与技术可控性将对产业提出更高门槛。谁能在性能、成本、合规与可持续之间实现最优解，谁就更可能在新一轮智能化基础设施建设中占据主动。
英伟达此次发布的产品与战略，折射出全球AI产业正在经历的深层转变——从虚拟空间走向物理世界，从云端计算延伸至边缘应用，从单点突破迈向生态整合。从"代币工厂"的经济逻辑重构，到OpenClaw的操作系统级创新，再到物理AI的商业化落地，英伟达正在用实际行动回答一个核心问题：如何让人工智能真正成为可落地的生产力工具。此转变的走向，将在很大程度上影响未来十年全球科技产业的竞争格局。