共计 1530 个字符，预计需要花费 4 分钟才能阅读完成。
深度解析 2026 GTC: 英伟达万亿订单背后的 AI 大爆发、Token 经济学与失衡供应链
Ai 的五层蛋糕。
2026 年 GTC 上, 英伟达释放出的核心信号已经很明确: 它讲述的主线不再只是更强的 GPU, 而是围绕推理需求、Token 产出和 AI 基础设施重构一套更大的商业版图 。在 AI 应用加速落地、多模态与 Agent 持续升温的背景下, 黄仁勋试图把英伟达从“卖卡公司”进一步推向“AI 工厂平台方”。
📌 万亿美元订单预期, 背后是推理需求全面抬升
大会上最受关注的数据之一, 是英伟达对 GPU 业务收入的最新判断 。其管理层提到, 从现在到 2027 年底,Blackwell 与 Vera Rubin 相关订单收入预期达到 1 万亿美元, 且这一口径主要针对 GPU 架构本身, 不包含其他新产品线。
这一判断之所以引发市场关注, 原因在于它并不只是对训练市场乐观 , 更是押注推理阶段的持续扩张。随着多模态模型、编程助手和 Agent 系统进入更大规模使用, 企业对算力的资本开支并未出现明显降温。与此同时, 先进芯片依旧紧缺, 旧款高端卡仍具备较高市场价值, 供应端的约束也反过来强化了英伟达的定价能力。
🔍 从卖芯片到卖“产能”: 英伟达重提 AI 五层生态
本届 GTC 中, 英伟达更强调所谓“AI 五层蛋糕”——从能源、芯片、基础设施 , 到模型和应用, 形成一套上下联动的生态结构。前几层可被视作“AI 工厂”的基础, 而更上层则决定模型分发与应用落地。
这套叙事的重点不在于英伟达要吃下每一层利润, 而在于通过平台、软件和合作关系掌握行业规则 。类似 CUDA 曾经建立的软件护城河, 如今正在向云、模型和行业应用延伸。
- 在基础设施层, 英伟达持续绑定云与数据中心生态;
- 在模型层, 继续推动开源模型与开发生态;
- 在应用层, 则围绕机器人、自动驾驶、工业与企业 Agent 提前卡位。
换句话说, 芯片仍是利润核心, 但生态决定了英伟达能否持续定义市场入口 。
💡 LPU 与 GPU 组合登场, 瞄准 Token 生成短板
芯片层面的新变化同样关键。 英伟达此次展示了基于 Groq 技术路线的 LPU 思路 , 其目标并不是替代 GPU, 而是补足推理链条中“低延迟 Token 生成”的短板。
GPU 擅长高吞吐并行任务, 例如预填充与注意力计算 ; 但在逐 Token 生成这类强串行、对延迟极其敏感的任务上, 专用架构有天然优势。按照大会披露的思路, 未来的推理单元可能由 GPU 与 LPU 协同构成: 前者负责大规模上下文处理, 后者负责后续解码生成。
这意味着英伟达面对 ASIC 竞争时, 选择的不是被动防守 , 而是主动把专用芯片能力纳入自身体系。
对市场而言, 这不仅是一次产品补位, 也是在 Agent 时代提前争夺推理入口。
📊 CPU 重新被抬高,AI 基础设施进入“协同计算”阶段
除了 GPU 和 LPU,CPU 在本届 GTC 上的存在感也明显上升 。英伟达发布 Vera CPU, 并将其定位为面向代理式 AI 与强化学习时代的新型处理器。原因并不复杂: 当 Agent 工作负载增加, 系统需要处理更多数据搬运、调度与协同,CPU 的重要性反而被重新放大。
这说明 AI 基础设施的竞争, 正在从单芯片参数比拼 , 转向整机、整柜乃至整座数据中心的系统效率竞争。英伟达也因此越来越少强调单颗芯片的峰值性能, 而更强调平台协同、部署效率和实际 Token 产出能力。
🚀 几个值得关注的变化
- 叙事改变:GTC 重点从“芯片升级”转向“Token 经济”与 AI 工厂。
整体来看,2026 年 GTC 传递出的不是一次单点产品更新 , 而是英伟达对下一阶段 AI 商业模式的重新定义。它希望占据的, 不只是训练市场, 也不只是硬件利润, 而是围绕 Token 生成、推理部署和产业入口形成更稳固的全栈控制力。对整个 AI 行业来说, 这场竞争显然已经从“谁的芯片更强”, 升级为“谁能把整个生态组织起来”。
