文 | 半导体产业纵横
黄仁勋在 GTC 台北上，抛出了一个等式：" Compute equals revenue "（算力等于收入）。这句话的潜台词是：AI 公司、云厂商和企业客户买的不是硬件，而是未来可持续产生收益的智能产能。
现在英伟达不再只是一家芯片公司，更像是一家大型 token 工厂的"总包商"。而黄仁勋想当那个确保一切的工厂总架构师。工厂比拼的不是单台设备的能力，而是整条产线在单位能耗下的产量。黄仁勋用五层蛋糕理论给出了英伟达的答案：从能源到应用，每一层都被重新定义为 Token 生产系统的一个环节。这五层自下而上分别是"能源、芯片、基础设施、模型、应用"。
当竞争对手还在优化某一层的参数时，英伟达已经在优化和布局每一层蛋糕，通过乘积效应让竞争对手难以望其项背。
01 能源：AI 工厂，算力起点是电力
从 AI 驱动的风电光电预测到高压直流配电设施，再到智慧储能与稳定供能，能源层解决的是 AI 工厂如何高效运行、保障 Token 稳定生产。
未来的 AI 工厂竞争，首先是"每度电产多少智能"的竞争。黄仁勋提出" Token 工厂经济学"指出：在电力固定的前提下，衡量竞争力的核心不再是峰值算力，而是" Token per Watt "（每瓦特 Token 产出）。英伟达的 Vera Rubin 高性能计算平台的每瓦性能提高了 10 倍，每 token 的成本降低至 1/10。其次是能源供应能力的竞争。2025 年，英伟达旗下风险投资部门 NVentures 首次涉足能源领域，参与 TerraPower 的 6.5 亿美元融资，投资 Commonwealth Fusion Systems（CFS）。除了对前沿清洁能源的探索，英伟达还投资了围绕数据中心用电解决方案优化的芯片、算力、电网管理等大中小企业，如 Emerald AI、Utilidata 等。2025 年 8 月，英伟达在其官网更新 800V 直流电源架构合作伙伴名录，中国企业英诺赛科和麦格米特入选。
当电力成为 AI 工厂的硬约束，跟上能源端的创新节奏，就等于保证了上游原材料的议价权。英伟达在能源层的投资、供应链绑定和技术赋能，保障了整个五层蛋糕的供给稳定性。
02 芯片：Vera Rubin 平台补全算力套餐
作为英伟达极致协同设计的典型，英伟达的 Vera Rubin 平台便是由 Vera CPU、Rubin GPU、NVLink 6 交换机、ConnectX-9 SuperNIC、BlueField-4 DPU、Spectrum-6 以太网交换机和 Groq 3 LPU 整合而成。
英伟达之所以将这些芯片组成一个整体，是因为 AI 模型对通信带宽和延迟极度敏感。NVLink 6、CPO（共封装光学）交换机通过物理层面的紧耦合解决软件层面的通信瓶颈。更重要的是，协同设计时代，混搭的代价急剧上升。
首先来看 Vera CPU，它是英伟达首款专为智能体 AI 打造的 CPU。Vera CPU 搭载了 88 个由英伟达专门设计的 Olympus 核心，空间多线程技术，以及带宽高达 1.2TB/s LPDDR5X 内存子系统。在智能体工作负载中，Vera 完成任务的速度比 x86 CPU 快 1.8 倍。更重要的是，作为 Vera Rubin NVL72 平台的一部分，Vera CPU 通过 NVLink-C2C 互连技术与英伟达 GPU 配对，提供高达 1.8TB/s 的相干带宽，约为 PCIe Gen 6 带宽的七倍，从而实现 CPU 与 GPU 之间的高速数据共享。
再看网络，NVLink 6 提供当今大规模 MoE 模型所需的快速、无缝的 GPU 到 GPU 通信。每个 GPU 支持 3.6TB/s 的带宽，每个 Vera Rubin NVL72 机架提供 260TB/s 的带宽。Spectrum-X 是全球首款量产的以太网硅光交换机平台，新一代 Spectrum-X 交换机基于 CPO（光电一体化封装技术）构建，通过将硅光器件与交换机 ASIC 封装在一起，进一步降低功耗、提高可靠性并提升 AI 生产力。ConnectX-9 SuperNIC 拥有高达 1.6Tb/s 的吞吐量、突破性的加速功能和经过优化的网络性能，提供超低延迟的 800Gb/s 网络，可加速数据传输、优化 RoCE 性能，并为要求严苛的 AI 工作负载实现一致且可预测的网络性能。
最后是存储。BlueField-4 DPU 是英伟达推出的数据中心处理器单元，属于全栈式 BlueField 平台组成部分，也是 Rubin 平台的一部分。而英伟达基于 BlueField-4 DPU 构建了 BlueField-4 STX 存储架构。首个机架级部署方案集成了全新的 CMX 上下文记忆存储平台。CMX 平台将 KV Cache 视为全新的 AI 原生数据类型，专门用于存放和检索 LLM 推理过程中生成的 KV Cache 数据，让上下文成为 AI 集群级系统间共享的高带宽资源。2026 年 GTC 台北上，英伟达全新升级的 Vera BlueField-4 STX 平台还将 NVIDIA DOCA 安全库与微服务引入 AI 存储层，助力企业在将代理式 AI 投入生产环境时保护数据、智能体和上下文记忆。
对比来看，业内 AMD 的 Instinct MI350+EPYC 分离架构，走的是模块化路线，但 CPU-GPU 通信带宽瓶颈严重限制了 CPU-GPU 之间的数据传输效率，特别是在需要频繁数据交换的 Agent 场景下。Google TPU、AWS Trainium、微软 Maia 等自研芯片阵营则在垂直整合自己的小闭环，但规模无法与英伟达的全栈相比。当 Vera CPU 通过 NVLink-C2C 与 Rubin GPU 以 1.8TB/s 的带宽紧耦合时，客户很难再用 x86 CPU 替换 Vera，因为替换后的 Token 生产效率会大幅损失。
03 基础设施：从"买服务器"到"建工厂"
芯片需要运转在 AI 基础设施中。黄仁勋把基础设施单独列为第三层，包括土地、供电、冷却、网络，以及将成千上万个处理器编排为一台机器的系统。本质上，这就是英伟达反复提及的" AI factory "。英伟达希望推动客户从"购买服务器"向"建设 AI 工厂"转变。
那么 AI 工厂该怎么建？IBM 用 System/360 定义了大型机标准，AWS 用 Well-Architected Framework 定义了云架构标准。英伟达用 AI 基础设施硬件指南 +NVIDIA Dynamo，定义了 AI factory 标准。基于自身在智算中心强大的影响力，英伟达发布了用于构建协同设计的 AI 基础设施指南，即 Vera Rubin DSX AI Factory 参考设计。Vera Rubin DSX AI Factory 参考设计概述了如何设计、构建和运营整个 AI 工厂基础设施堆栈，涵盖计算、Spectrum-X 以太网网络和存储，实现可重复、可扩展且出色的集群性能。参考设计中的文档还为行业合作伙伴提供了设计、构建和运营电力、冷却和控制系统的最佳实践，从而实现无缝软硬件集成和可扩展部署。英伟达显然希望未来 AI Factory 都能采用自己的标准，长期便能锁定英伟达的芯片产品。替换其他芯片不仅是换一块板子，而是推翻整座工厂的设计逻辑。而这座工厂的"操作系统"正是 Dynamo。Dynamo 是一个开源、低延迟、模块化的推理框架，用于在分布式环境中服务生成式 AI 模型。它支持在大型 GPU 集群上无缝扩展推理工作负载，提供智能资源调度与请求路由、优化的内存管理以及高效的数据传输。
04 模型：加速智能体落地，让 AI 工厂增效
英伟达不仅提供硬件方案，还积极布局模型层。Nemotron 是英伟达当前落地最广的自研模型家族。其最近上线的 Nemotron 3 Ultra 是一个具有 5500 亿总参数、单次激活 550 亿参数的混合专家模型，能够处理自主工作流中的编排和高难度的推理调用：在长时间运行的编码会话中做出架构决策、跨数百个研究来源进行合成，以及对数千个相互依赖的约束进行验证。Cosmos 则是英伟达面向物理 AI（机器人、自动驾驶）推出的世界基础模型，主要作用是生成符合物理规律的合成数据与动作策略，降低行业数据获取成本。Cosmos 3 解决了物理 AI 的一项核心难题：使机器人、智能汽车或视觉智能体能够在训练数据有限和仿真堆栈碎片化的情况下，在现实世界中进行泛化。
对于垂直行业，英伟达也有相应的模型，比如英伟达在生命科学领域的垂直模型平台 BioNeMo。英伟达不是要做"下一个 OpenAI "，而是证明自家硬件能以更低的 Token 成本运行，证明英伟达全栈方案的 Tokens per Watt 最优，让客户在"算力等于收入"的等式中，愿意选择英伟达的硬件来运行这些已被验证高效的模型。
05 应用：真正的市场
在五层蛋糕的最顶层，是直接面向用户、产生实际价值的领域，包括 Agent、企业自动化和物理 AI 在药物研发、工业机器人和自动驾驶等领域的应用。这是英伟达全栈布局的最终变现层，也是整个" AI 工厂"的产出端。英伟达通过定义 Agent 标准、提供物理 AI 开发平台、认证行业技能模块等，让 AI 在英伟达生态上长出应用森林。
Agentic AI 是英伟达当下的目标。OpenClaw 爆火后，英伟达迅速跟进推出配套企业级安全部署软件栈 NemoClaw，为 OpenClaw 补充沙箱隔离、权限管控与规模化运维能力，试图锁定 OpenClaw 的爆发势头。为了保障安全性，英伟达还推出 Verified Agent Skills，经过验证的技能将透明度、来源、安全验证和真实性检查融入智能体的能力层，帮助开发者更有信心地扩展自主智能体。物理 AI 是英伟达对未来的抓手。近期，英伟达联合宇树科技、Sharpa 推出了基于 NVIDIA Isaac GR00T 平台打造的开放人形机器人参考设计。根据官方路线图，Isaac GR00T 人形机器人参考平台将于 2026 年底由宇树科技正式推出。
从能源、芯片、基础设施到模型、应用，英伟达全栈技术推动。如今，五层蛋糕的每一层都已就位。6 月 22 日在北京召开的链博会上，我们在英伟达展台也看到了在中国本土化的落地案例及其全栈生态的中国伙伴阵容。能源层，星能玄光、能量奇点等厂商利用加速计算与数字孪生技术助力未来能源技术研发，金盘科技、正泰利用英伟达 AI 技术实现全周期设计与运维等；芯片层，英伟达为中国合作伙伴提供 Spectrum-X 以太网平台等；基础设施层，云尖信息结合英伟达产品打造了 iMDC 液冷集装箱智算中心解决方案；模型层，SGLang 在英伟达 GPU 服务器上实现 DeepSeek-V4 高性能推理；应用层，基于英伟达方案打造的中坚智能概念人形机器人、灵睿 P1 工业重载机器狗等同期亮相。
06 英伟达要"把五层蛋糕一起卖出去"
英伟达真正想要的是构建一个覆盖五层蛋糕的完整闭环。Vera Rubin 平台整合 CPU、GPU、网络、存储于同一封装；Dynamo 作为 AI 工厂操作系统调度全域资源；DSX 数字孪生在建造前验证每一瓦电力的流向；企业的 Agent Toolkit 将业务逻辑全面接入英伟达生态。英伟达不仅提供砖块，还提供设计图纸（DSX Blueprint）、施工队（Dynamo 调度），甚至产业工人（NemoClaw）。
黄仁勋的野心不止于数字世界的 Token 工厂。当下，OpenClaw 等智能体开始成为" Agent 计算机的操作系统"；未来，从云端智能体到个人电脑、自动驾驶汽车、人形机器人，乃至卫星、基站和工厂设备，一切都将运行智能体。而这些布局的最终原料便是 Token。英伟达正在用 Token 经济学重新定义 AI 商业的度量衡，用 CUDA-X 技能化将垂直领域 Know-how 封装为可定价的 Agent 能力，用全栈协同设计让任何替代方案在同等电力预算下很难产出同等 Token。选择英伟达全栈方案的客户获得的是经过验证的、可量化的智能产能；而选择非全栈路线的竞争者，面对的将是无休止的系统集成与优化挑战。
五层蛋糕，一层都不能少。黄仁勋的布局已经远超芯片、数据中心，他在构建五位一体的技术和商业逻辑。
【AI 叠变】第二期：英伟达。1993 年由黄仁勋、克里斯 · 马拉科夫斯基和柯蒂斯 · 普里姆共同创立，从图形处理器设计起步，历经 PC 游戏时代的沉淀；2006 年推出 CUDA 并行计算平台，2012 年借 ImageNet 深度学习突破与 AI 算力需求共振起飞，开始关注并布局人工智能市场；2026 财年全年收入达 2159 亿美元，数据中心业务占比超九成，5 月市值一度突破 5.5 万亿美元刷新全球纪录，当下市值约 5 万亿美元，稳居全球市值最高上市公司之位。
鼎合网配资提示：文章来自网络，不代表本站观点。
