五、“token工厂”来了：数据中心正在被重新定义
黄仁勋在GTC上抛出的另一个核心概念，是AI工厂（AI Factory）。他的原话非常直接：数据中心过去是存储文件的地方，现在它是生产token的工厂。
这是对整个云计算行业的一次重新命名。以前，一个数据中心的价值主要体现在：
- 存储了多少数据
- 支撑了多少业务系统
- 承载了多少互联网流量
但在AI时代，衡量一个数据中心价值的新指标，正在变成：
- 每秒可以生成多少token
- 在固定功率下吞吐量有多高
- 交互速度有多快
- 不同token层级能创造多少收入
黄仁勋甚至提出，token将成为新的“大宗商品”，并会像云服务一样形成分层定价体系：
- 免费层
- 中档层
- 高端层
- 高速层
- 超高速层
换句话说，未来云厂商、AI公司、企业平台，都会围绕“token生产效率”展开竞争。这背后的逻辑很清晰：谁能更低成本地生成高价值token，谁就能获得更强的商业化能力。
这也意味着，AI基础设施的商业模式，从卖算力，升级为卖“高质量推理产能”。
六、1万亿美元，不是估值，而是基础设施需求
黄仁勋在演讲中给出了一个极具震撼力的判断：去年GTC时，他认为到2026年，Blackwell和Rubin相关需求规模约为5,000亿美元；而一年之后，他现在看到的数字已经变成：到2027年，AI基础设施需求至少达到1万亿美元。而且，他还特别补了一句：“实际计算需求将远不止于此。”
这背后并不难理解。如果AI进入推理时代、智能体时代、机器人时代，那么消耗算力的将不只是几家大模型公司，而是整个平台经济、企业软件、云服务、工业系统、自动驾驶和边缘设备。
也就是说，AI基础设施不再只是科技公司的资本开支，而会逐渐成为：
- 企业数字化的标配
- 国家级主权算力的底座
- 新型工业体系的关键生产要素
这就是黄仁勋为什么敢把市场规模直接推向“万亿美元”的原因。
七、Blackwell、Rubin与Groq：英伟达开始重新发明“推理系统”
为了支撑推理时代，英伟达正在做的已经不是单纯升级GPU，而是重写整套系统架构。
这次GTC，黄仁勋重点讲了三件事：
1. Grace Blackwell+NVLink 72
这是一次非常激进的系统重构。英伟达把原来的互联方式从8路大幅扩展到72路，试图把整个计算系统真正做成“一台巨型计算机”。
2. NVFP4+TensorRT-LLM+Dynamo
英伟达推出新的低精度计算能力与推理优化软件栈，目标非常明确：在尽可能不损失精度的情况下，把推理性能和能效拉到极致。
3. Vera Rubin+Groq协同
Rubin面向智能体负载，Groq则擅长极低延迟的推理生成。通过Dynamo进行统一调度后，前填充和注意力计算交给Rubin，大规模token生成交给Groq，从而实现系统层面的协同优化。
黄仁勋给出的结果非常夸张：两年时间里，1吉瓦AI工厂的token生成速率，可从2,200万token/秒提升到7亿token/秒，提升350倍。
这并不是简单的“芯片升级”，而是英伟达最擅长的那套打法：极致协同设计（Extreme Co-design），芯片、系统、网络、编译器、推理软件、数据调度，一起做。
这也是为什么黄仁勋反复强调，英伟达是一家“垂直整合、横向开放”的公司。
文章内容仅供参考，不构成投资建议，投资者据此操作风险自负。转载请注明出处：天府财经网
