文｜邱晓芬

编辑｜苏建勋

美国旧金山当地时间3月16日，英伟达GTC 2026大会正式开幕。在英伟达创始人兼CEO黄仁勋两个小时慷慨激昂的主题演讲中，贯穿的一个关键词是——Token。

△ 黄仁勋，图源：发布会截图 

无独有偶，在GTC 2026的前一天，阿里巴巴宣布成立Token事业群——这是地位与淘天电商、阿里云一般的核心独立事业群。这个新事业群里，阿里也明确了“创造Token、输送Token、应用Token”链路。

Token，是大模型处理文本信息时的基本语义单位。当你输入一段文本时，模型会先通过分词器，将文本切割成一系列Token。这些Token随即被转换为数值向量，被输送到GPU里进行大规模矩阵计算。

在过去，AI产业链上的不同角色，有各自关注的指标和评价标准——底层大模型团队关注模型参数规模、上层的应用团队则用户增长和日活跃度，云服务团队关注算力的利用率和实际收入。

阿里巴巴CEO吴泳铭在内部指出，AI Agent极度依赖Token，未来将进入一个“需求大爆炸”的时期。

而阿里和英伟达此次前后脚强调token，传递的讯号是，在Agent时代来临时，两家巨头希望从技术、产品和商业维度，先行统一度量衡。

或许到不远未来，AI领域的一切指标都要加上一个后缀：“/ 1M tokens”。

万亿叙事：从数据中心到token工厂

“推理拐点已然到来”，黄仁勋在GTC演讲中指出。过去两年，推理计算量增长了约一万倍，使用量增长了约100倍。百万倍的增长，背后实际可感的变化是，AI的作用逐渐从原来的感知、到生成、到推理，再到能工作。

在这个变化下，黄仁勋在演讲中指出，token与AI企业收入的相关性也越来越清晰——一个企业能获得更多算力，就能生成更多token，收入就能提升，同时反哺AI变得更加智能。

这条传递链路下，英伟达是背后最大的受益者，目标也日渐激进。

2025年的GTC上，黄仁勋预测，Blackwell和Rubin平台在2026年之前采购订单规模预期是5000亿美元。而此次GTC上，他给出明年的新目标是，这一数字将翻倍到1万亿美元以上。这一雄心，很快得到二级市场的反应，一度推动英伟达的股价上涨4.3%。

为了支撑这一万亿增长目标，黄仁勋提出了英伟达的全新叙事——从数据中心到token工厂。

△英伟达的收入构成，图源：发布会截图

黄仁勋认为，在未来，每一家AI公司、云服务商，都应该以token工厂的效率作为核心经营指标。

甚至，未来的token还将成为全新的“大宗商品”，并将以吞吐量、交互速度为分类标准重新定价。

黄仁勋在演讲中，将token分为四个价格区间——

免费层：高吞吐、低交互速度区域，主要以广告模式变现；

中级层（每百万token=3美元）、高级层（每百万token=6美元）：吞吐量和交互速度平衡，主要是主流付费领域；

高速层（每百万token=45美元）、超高速层（每百万token=150美元）：高溢价且高交互领域，也是Rubin架构和未来架构主攻的新市场。

黄仁勋强调，英伟达的三大架构都将让客户在免费层，实现极高的吞吐量，而在最高价值的推理层级上，英伟达的新架构吞吐量效率将提升35倍。

△黄仁勋的token经济学，图源：发布会截图

英伟达不再只是GPU芯片公司

不过，要实现万亿美金token工厂的雄心壮志，英伟达就不能和以前一样只是一家GPU公司。

英伟达显然也在改变自己的产品路线，不再简单粗暴堆算力，而是更关注整个平台的综合能力，尤其是推理表现。

此次GTC上，黄仁勋交出了新答卷：专门为智能体推理设计了计算系统Vera Rubin——由7款新芯片、5个机架系统、1台超级计算机构成。

据介绍，Vera Rubin主要有以下几项亮点：

①GPU部分：72块GPU通过NVLink高速互联，不仅加速前填充（Prefill）的计算速度，同时保证生成Token时的响应速度（KV Cache）；

②Vera CPU：当智能体调用工具时，往往涉及大量重复逻辑的操作、条件判断的操作，这都是GPU不擅长的。因此，英伟达设计了全新的Vera CPU，充当“调度员”，处理控制任务，解放GPU。Vera CPU还是全球唯一用LPDDR5的数据中心CPU。（作者注：低功耗的LPDDR5内存一般用于旗舰手机上）

△Vera CPU，图源：发布会截图

③BlueField 4 + CX 9存储平台：AI工厂需要大量数据处理，为此，英伟达重新构建了一个专为AI数据流优化的存储网络。

④CPO Spectrum-X交换机：将光引擎与交换机芯片封装在一起，是全球首款光封装光学以太网交换机，改变了过去传统的可插拔模块。

⑤完全使用液冷方案，安装时间从两天缩短到两个小时

据黄仁勋介绍，Vera Rubin将在2026年下半年开始出货，在具体使用时，Vera Rubin系统的优势表现在，推理速度将比上一代Blackwell Ultra快5倍，同时Token成本降低10倍，且在MoE模型里只需过去1/4的GPU。

值得注意的是，英伟达不久前收购了Groq LPU平台，并将其融入了英伟达的计算体系当中。

不过，大而全的Vera Rubin要与短小精悍的Groq LPU融合，必然会产生芯片调度问题。为此，英伟达专门为其打造了一个操作系统Dynamo。

可以把Dynamo操作系统理解为一个指挥家，将不同的特性的计算任务，分配给更合适的硬件执行，实现效率最大化。

黄仁勋建议，若工作负载以高吞吐为主，建议100% Vera Rubin；若大量工作负载为代码生成等高价值token生成诉求，可引入部分Groq芯片运用，比如25%。

△Groq 3 LPU，图源：发布会截图

目前，Groq LP30已进入量产，由三星代工，预计Q3出货。据介绍，这种异构协同设计，将使得数据中心在单位功耗下实现了35倍的性能飞跃，并且同时兼顾超低延迟、高价值推理服务。

除了Vera Rubin之外，英伟达方面还预告了下一代的GPU架构Vera Rubin Ultra（2028年推出）、Feynman架构。

概括而言，3D堆叠、LPU集成、异构存储、CPO（共封装光学）、铜互联都是未来英伟达平台的核心技术点。

△英伟达的平台路线构成（Blackwell、Rubin、Feynamn），图源：发布会截图

英伟达版OpenClaw，来了

此次演讲中，黄仁勋除了阐述野心，还把篇幅留给了当前大热的OpenClaw——作为人类历史上最受欢迎的开源项目，OpenClaw用几周的时间就超过了Linux过去三十年的成绩。

他认为，OpenClaw有着三大功能：能够解决管理资源（工具、大语言模型）、分解问题且调用智能体、多模态输出并执行，为此，OpenClaw本质上是一个智能体操作系统，地位和HTML、Linux一样重要。

在黄仁勋看来，未来，OpenClaw将重塑企业IT。未来，每一家SaaS公司将成为AaaS公司，在提供工具之外，还将提供每一个特定领域的AI智能体，“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”。

不过，黄仁勋也提出警示，当智能体可以自由调用企业的敏感数据和代码，OpenClaw将衍生安全风险。因此，英伟达也与OpenClaw的开发者Peter Steinberger合作，推出了企业版本NeMo Claw。

据介绍，NeMo Claw不仅集成了英伟达完整的智能体工具包，还提供了一系列的措施（网络护栏、隐私路由等），保证企业方的数据安全。

△ 英伟达版本OpenClaw，图源：发布会截图 

黄仁勋甚至表示，在未来的硅谷的求职场景中，token可能会成为工程师们年薪总包的一部分，”入职附带token配额”，成为硅谷的新晋招聘话题。

图形学的“GPT时刻”

发布会开场，黄仁勋首先发布了神经渲染（Neural Rendering）技术DLSS 5，他将其称之为下一代图形计算技术、“图形学的GPT时刻”。

具体而言，在DLSS 5中，英伟达由两部分构成：在3D图形和结构化数据的基础上，融入生成式AI和概率计算。

两个部分各有贡献——3D图形和结构化数据，负责提供一个确定性的、符合物理规律的虚拟世界框架；生成式AI和概率计算，则用于填充这个“框架”，在原有的基础上，补充逼真的细节和动态变化。

黄仁勋称，这两种理念的融合，将使得制作的内容美观、经验、且可控。不过，要把这种新的范式推广到游戏之外的行业，比如金融、医疗、制造，首先要解决数据海量、异构的问题。

黄仁勋在演讲中也发表了他对于目前数据的看法。

当前，世界上大部分的数据形态存在形式是数据库、PDF、音频、视频。其中，有九成都是非结构化数据，在多模态感知与理解技术出现前，数据很难被高效查询和检索。

为此，英伟达推出了两个全新的数据工具，黄仁勋称其为全网最复杂的数据处理系统：

cuDF——处理确定性的结构化数据，比如表格、日志等。（对应前述DLSS 5中的“3D图形和结构化数据”部分）

cuVS——处理概率性的非结构化数据，比如通过AI模型把文本、图像、音视频等数据转换成语义向量。（对应前述DLSS 5中的“生成式AI和概率计算”部分）

目前，这两个数据平台已经被整合进IBM、戴尔、谷歌云等云服务和OEM体系中。

黄仁勋两个小时的演讲，提示了一个趋势，当AI的竞争从“模型竞赛”进入“生产力竞赛”，大家将不会像几年前一样抢GPU、抢算力，而是要抢夺token生产的主导权。

具体到行动上，英伟达提供的是从底层芯片（Rubin/Feynman）、异构架构（GPU+LPU+CPU）、系统设计（全液冷机柜）、再上层操作系统（OpenClaw、NemoClaw）、工具（DLSS5、cuDF、cuVS）的生产力套件，希望让token生产过程也像制造业一般，效率化、批量化。

end