如何撑起万亿收入？NVIDIA GTC给出物理AI制胜密钥

       2026年3月16日，加利福尼亚州圣何塞，NVIDIA GTC大会如期而至。当那个熟悉的身影——身着标志性黑色皮夹克的黄仁勋，阔步走上主题演讲台时，全场爆发出雷鸣般的掌声。作为NVIDIA创始人兼首席执行官，黄仁勋再次用一场信息量爆炸的演讲，向世界展示了AI热潮下的新篇章。

       “在AI时代，智能token是新的货币，而AI工厂是生成这些token的基础设施。”黄仁勋的论断精准锚定AI时代的价值核心，也为NVIDIA的战略布局与业绩预期提供了核心注解。黄仁勋透露，NVIDIA对Blackwell和早期Rubin产品的累计业务可见性已达到5000亿美元，并大胆预测公司将在2027年迈向万亿美元收入规模。这一数字不仅刷新了科技行业的增长预期，更标志着AI基础设施正在进入规模化落地的黄金时代。

       本次GTC的最大亮点之一，无疑是全新Vera Rubin平台的正式亮相。作为继Blackwell之后的下一代AI计算平台，Vera Rubin搭载六款全新芯片，将推理token成本最多降低至Blackwell平台的1/10。更令业界瞩目的是，NVIDIA还推出了Vera Rubin DSX AI工厂参考设计和Omniverse DSX数字孪生蓝图，将设计视野从芯片扩展到整个数据中心乃至AI工厂的全生命周期管理。

       在这场持续2个多小时的演讲中，黄仁勋反复强调一个核心观点：结构化数据是AI发展的底层根基，以此为支撑，AI已经跨越最后一公里，融入千行百业。从自动驾驶汽车到工业机器人，从人形机器人到智能基础设施，以物理AI为代表的数实融合新形态，正在开启一场前所未有的产业变革。
       双擎筑基：物理AI的战略基石

       对于企业而言，物理AI能够让智能机器在真实物理世界中感知、理解和执行复杂操作，它扩展了传统的生成式AI，使其能够理解数字世界的空间关系和物理行为，让AI反馈的内容符合物理规律。

       基于OpenUSD（Universal Scene Description，通用场景描述）技术，NVIDIA Omniverse平台能够快速完成对工业资产、流程或环境的建模仿真，具有物理级准确性，并且采用多个与现实数据流完美同步的自主系统。通过将多款研发设计工具和数字创作平台连接，Omniverse平台实现了各种应用间的通用实时互操作性，便于用户在不同软件平台、不同ISV应用程序下进行合并使用以加强现有的3D工作流程。

       除了跨工具实时协作外，对于物理AI开发而言，Omniverse还提供了至关重要的能力：物理精确的仿真环境。由于真实世界的数据采集成本高昂、耗时漫长，且难以覆盖所有边缘场景。而Omniverse平台通过高保真的物理仿真，让开发者能够在虚拟世界中生成海量训练数据，并在部署前对AI系统进行充分验证。正如黄仁勋所言，在现实世界建造AI工厂之前，我们会先在虚拟世界中设计与仿真。

       例如制造企业可以让机器人模拟各种物理特性，在Omniverse平台的虚拟环境中进行导航、抓取等任务训练，使经验更贴近真实世界，效率更高。此外，各种工业设施的数字孪生创立，也有助于模拟生产流程、测试设备性能、优化布局设计等。

       如果说Omniverse提供了仿真环境，那么Cosmos世界模型则为物理AI提供了“理解世界”的能力。Cosmos是NVIDIA开发的开放世界基础模型，它能够理解物理规律、预测物体运动、生成符合物理规律的合成数据。
       
       在本次GTC大会上，NVIDIA宣布将在近期推出Cosmos 3——首个将合成世界生成、物理AI推理和动作仿真统一起来的世界基础模型。这一突破性进展意味着AI系统不仅能够看懂世界，更能够理解物理规律并据此做出决策。可以看出，通过将Omniverse平台与Cosmos世界模型相结合，NVIDIA构建了一个从数据生成到模型训练再到仿真验证的完整闭环，大幅降低了物理AI开发的成本和风险，为企业带来了更多的想象空间和更精准的决策支持。

       矩阵布局：打造物理AI核心产品

       本次GTC大会，NVIDIA在物理AI领域发布了一系列重磅产品和更新，涵盖机器人、自动驾驶、数据工厂等多个关键领域。

       GR00T N系列模型引领人形机器人革命

       2025年以来，伴随物理AI与具身智能技术的发展，叠加人形机器人商业化进程提速，传统工业机器人领域掀起向人形机器人赛道拓展的热潮。对此，NVIDIA发布了Isaac GR00T N1.7——专为人形机器人打造的开放推理视觉语言动作（VLA）模型，目前已具备在现实世界中进行商业部署的可行性。
       
       该模型使机器人能够通过视觉、语言和动作的多模态融合，理解复杂指令并执行精细操作。包括Humanoid、LG Electronics、NEURA和Noble Machines正在采用NVIDIA Isaac GR00T N1.7来扩展人形机器人的部署。

       更令人期待的是，黄仁勋在演讲中预告了新一代机器人基础模型GR00T N2。该模型基于DreamZero研究成果，采用全新的世界动作模型架构，相较于当前领先的VLA模型，其在全新环境中执行新任务的成功率可达到两倍以上。GR00T N2计划于今年年底发布，目前在MolmoSpaces与RoboArena通用机器人策略排行榜上均位列第一。
       DRIVE Hyperion平台获全球车企青睐

       自动驾驶是物理AI最具商业价值的应用领域之一。本次GTC大会上，NVIDIA宣布其DRIVE Hyperion平台的采用规模正持续扩大，全球汽车制造商比亚迪、吉利、五十铃和日产，以及领先的出行服务提供商都在采用该平台。这些合作伙伴采用由NVIDIA Halos OS安全架构支持的DRIVE Hyperion作为标准平台，从而加速验证周期并简化全球部署策略。

       在模型层面，NVIDIA正式发布了Alpamayo 1.5——一套涵盖AI模型、仿真框架与物理AI数据集的开放产品组合的重大升级。Alpamayo 1.5增加了可交互、可操控的推理模型，使开发者能够直接通过导航与文本指令调控车辆驾驶行为并设定行驶约束条件。自今年年初发布以来，Alpamayo的全球下载量已突破10万次。

       NVIDIA还与Uber宣布深化合作关系，计划于2028年在四大洲的28个城市部署一支搭载全栈式NVIDIA DRIVE AV软件的自动驾驶汽车车队，该计划将于2027年上半年在洛杉矶和旧金山湾区率先启动。

       构建协同设计的AI基础设施指南

       构建大规模AI工厂以满足日益增长的训练和推理需求是一项复杂的工作，需要在各个维度进行精确协调。对此，NVIDIA推出了Vera Rubin DSX AI Factory参考设计，这是一份用于构建协同设计的AI基础设施的指南。同时，NVIDIA还正式发布完全兼容NVIDIA Vera Rubin DSX的NVIDIA Omniverse DSX Blueprint，旨在为大规模设计、建设及运营提供物理精确的AI工厂数字孪生。

       NVIDIA Omniverse DSX Blueprint为设计和运营大型AI工厂提供了一个开放、全面的框架，并完全兼容Vera Rubin DSX AI Factory参考设计，Omniverse DSX允许开发者构建物理精准的AI工厂数字孪生，实时模拟运营，并在开始施工或部署之前优化性能。

       通过将电力、冷却、网络和运营整合到一个环境中，Omniverse DSX加速实现收益并提高AI效率。借助NVIDIA Omniverse库，企业可以模拟布局、电力拓扑、散热行为和运营策略，并在不中断生产的情况下评估硬件或工作负载影响。目前，从能源到软件领导者，广泛的合作伙伴生态系统正在采用DSX，将整个AI工厂生命周期转变为无缝优化的产品级系统，共同设计以实现弹性、精确和高效。
       软硬协同：全栈AI能力全面升级

       除了物理AI产品矩阵，本次GTC大会还发布了一系列支撑AI基础设施的核心硬件和软件平台，为AI产业的持续发展奠定坚实基础。
       
       Vera CPU：专为代理式AI打造的处理器

       NVIDIA发布了全球首款专为代理式AI与强化学习时代打造的处理器——Vera CPU。Vera CPU基于NVIDIA Grace CPU的成功经验打造而成，凭借卓越的单线程性能和每核心带宽，Vera重新定义了CPU。其效率是传统机架级CPU的2倍，速度提升50%。

       值得一提的是，NVIDIA还发布了全新的Vera CPU机架，集成了256个液冷Vera CPU，能够持续支持超过22,500个并发的CPU环境，每个环境均可以全性能独立运行，促使AI工厂可在单个机架内快速部署并扩展至数万个并发实例和智能体工具。

       作为NVIDIA Vera Rubin NVL72平台的一部分，Vera CPU可通过NVIDIA NVLink-C2C 互连技术与NVIDIA GPU配对，提供高达1.8TB/s的相干带宽，是PCIe Gen 6带宽的7倍，从而实现CPU与GPU之间的高速数据共享。此外，NVIDIA还推出了新的参考设计：将Vera用作NVIDIA HGX Rubin NVL8系统的主机CPU，负责协调GPU加速工作负载的数据搬运和系统控制。
       BlueField-4 STX：重新定义AI存储架构

       传统数据中心的存储系统难以满足代理式AI所需的实时响应能力要求，传统存储的延迟会拖慢推理速度、降低GPU利用率。在存储架构方面，NVIDIA推出了BlueField-4 STX模块化参考架构，可助力企业、云计算及AI服务商轻松部署加速存储基础设施。

       首个机架级部署方案集成了全新的NVIDIA CMX上下文记忆存储平台。通过引入高性能的上下文层来扩展GPU内存，从而实现可扩展的推理和代理式系统。与传统存储相比，每秒可处理的token提升高达5倍。

       NVIDIA STX为AI原生基础设施提供了模块化基础，在处理企业级AI数据时，每秒可处理的内存页数提升2倍。目前，众多存储厂商合作伙伴正在基于NVIDIA STX共同设计新一代 AI 基础架构，包括 Cloudian、DDN、戴尔科技、Everpure、Hitachi Vantara、HPE、IBM、MinIO、NetApp、Nutanix、VAST Data和WEKA。
       推出NemoClaw：安全可控的NVIDIA“小龙虾”

       近期，以OpenClaw为代表的AI智能体“小龙虾”热潮席卷国内科技圈，从开发者社群到产业界掀起“一键养虾”的全民风潮，轻量化、易部署的智能体工具快速走红，而安全合规、隐私管控也成为行业规模化落地的核心痛点。

       在本届GTC大会上，NVIDIA推出了NVIDIA NemoClaw软件栈，适用于OpenClaw智能体平台，让用户只需一个命令就能够安装NVIDIA Nemotron模型和新发布的NVIDIA OpenShell运行时，从而增加隐私和安全管理，使自进化、自主的AI智能体在可信度、可扩展性和易用性上全面提升。

       NemoClaw可使用任何编程智能体。借助开放智能体，它能够调用开放模型（包括NVIDIA Nemotron），在用户专用系统上本地运行。通过使用隐私路由器，智能体可以使用在云端运行的前沿模型。这种本地和云端模型的结合为智能体提供了基础，使它们能够开发和学习新技能，从而在遵循既定隐私和安全护栏的前提下完成任务。
       成立NVIDIA Nemotron Coalition：推动开放前沿模型发展

       在推动开源模型创新方面，NVIDIA将技术创新与生态融合兼收并蓄，通过成立NVIDIA Nemotron Coalition为AI应用按下加速键。NVIDIA Nemotron Coalition是开放模型构建者与AI开发者之间的全球协作联盟，通过共享研究、专业知识、数据和计算资源来推动前沿开放模型的发展，帮助加速全球 AI生态系统的创新。

       Black Forest Labs、Cursor、LangChain、Mistral AI、Perplexity、Reflection AI、Sarvam和Thinking Machines Lab将通过该联盟汇集专业知识，共同构建开放前沿模型。通过联合协作，联盟将加速推动AI模型的发展，同时提高模型开发效率，以便企业组织可以在共享、开放的基础上进行构建、定制和创新。

       该联盟的第一个项目是由Mistral AI 和 NVIDIA共同开发的基础模型，汇集了两家公司的AI专业知识和技术。联盟成员将贡献数据、评估方法和领域专业知识，以支持模型的后训练和持续开发。
       生态聚力：加速物理AI产业落地

       物理AI的发展离不开全球产业生态的协同合作。本次GTC大会，NVIDIA展示了与众多行业领导者的深度合作，共同推动物理AI从实验室走向现实世界。

       Cadence、达索系统、西门子和新思科技等正在打造由NVIDIA驱动的AI智能体，用于规划、优化并验证复杂的芯片与系统工作流程。Cadence的ChipStack AI SuperAgent将加速EDA软件，与智能体编排相结合，用于半导体设计与验证流程，包括设计与测试平台代码编写、测试计划创建以及调试；达索系统在其3DEXPERIENCE智能体平台上构建名为“Virtual Companions”的、基于角色的AI智能体，用于管理其整个工业软件产品系列中的工作流程；西门子Fuse EDA AI能够在整个半导体和PCB工作流程中自主协调多个智能体，涵盖从设计构思到制造签核的各个环节。

       FANUC、HD现代集团、本田、捷豹路虎、凯傲集团、梅赛德斯奔驰、联发科技、百事公司、三星、SK海力士和TSMC正在采用NVIDIA CUDA-X与GPU加速的工业软件及工具，加速工业设计、工程开发与制造流程。

       此外，AWS、Google Cloud、Microsoft Azure和Oracle Cloud Infrastructure正在提供NVIDIA GPU加速的软件，使运算化设计与工程工作能够以生产级规模运行；与此同时，领先的制造商戴尔科技、HPE和Supermicro则出货搭载NVIDIA加速的系统，用于本地部署与混合部署。

       物理AI的核心是实现数字世界与物理世界的融合，其产业化落地长期面临技术碎片化、场景适配难、部署成本高三大痛点，而本次NVIDIA的生态合作则精准破解了这些问题，为物理AI的规模化落地扫清了障碍。

       首先是破解技术碎片化：虚拟孪生、高性能计算、专业AI模型等技术往往各自为政，形成数据与能力孤岛，而NVIDIA以Omniverse平台、Cosmos世界模型等联动Cadence、达索系统、西门子等工业软件厂商，把原本孤立的技术点串联成完整的技术链条，从底层消解技术碎片化的问题，让物理AI的技术应用形成一体化、可复用的能力输出。

       其次是解决场景适配难：通过各行业龙头的定制化开发，让物理AI从单一的技术概念转化为适配半导体、汽车、机器人、制造业等不同领域的个性化解决方案，避免了通用AI技术在工业场景中“水土不服”的问题。

       最后是避免部署成本高：云服务商依托云端算力底座，提供生产级规模的NVIDIA GPU加速云服务及配套软件，硬件企业则推出搭载NVIDIA加速方案的设备，提供灵活的本地和混合部署模式，企业可根据自身的业务规模、数据安全需求选择适配的部署方式，无需投入巨资搭建专属的AI算力基础设施，大幅降低了物理AI规模化落地的资金和技术门槛。

       事实也证明，物理AI的规模化变革绝非单一企业或双边合作能完成，唯有以开放姿态联动上下游，让技术在多元场景中沉淀、在生态协同中迭代，才能让AI价值穿透产业链各环节，实现从“单点突破”到“行业普惠”的跨越。

       小结： 

       从Vera Rubin平台的算力突破，到Omniverse与Cosmos的仿真能力，从GR00T机器人模型到DRIVE Hyperion自动驾驶平台，从数据工厂蓝图到DSX参考设计……黄仁勋在本次GTC主题演讲中传递的核心信息清晰而有力：物理AI的时代已经到来，NVIDIA正在构建一个完整的物理AI生态系统。通过与Cadence、达索系统、西门子等工业软件巨头合作，与ABB、FANUC、KUKA等机器人领军企业携手，与比亚迪、吉利、Uber等汽车制造商结盟，NVIDIA正在将物理AI从实验室技术转化为产业现实。

       最后，当迪士尼的“雪宝”机器人在GTC舞台上与黄仁勋互动时，我们会发现：在物理AI的新时代，智能将不再局限于屏幕和数据中心，而是将融入每一个能够移动的物体，重塑我们的工厂、物流、交通和基础设施。万亿美元的市场预期，或许只是一个开始。

注：文中所有图片均来自于NVIDIA官网GTC大会主题演讲视频和新闻稿件