北京时间3月17日凌晨，英伟达GTC 2026大会在美国圣何塞正式开幕。公司创始人兼CEO黄仁勋身穿标志性皮夹克，发表了长达两个半小时的主题演讲。

黄仁勋不仅给出了到2027年AI芯片营收至少达到1万亿美元的激进预测，还一口气发布了七款新芯片、抛出了“Token工厂经济学”新概念，并表示发布NemoClaw用于支持OpenClaw（“龙虾”）。

资本市场对此反应积极，英伟达股价在盘中一度上涨超过4%，尽管收盘时涨幅回落至1.6%，但这依然反映出市场对此次演讲内容的高度关注。

然而，A股算力板块在3月17日早盘遭遇大跌，光模块、光通信等赛道领跌市场，天孚通信、长光华芯等龙头股跌幅超过10%，显示出“利好兑现”后的短期回调压力与资金对未来技术路径不确定性的担忧。

将创造万亿收入

就在市场对AI算力需求天花板存在普遍疑虑之际，黄仁勋用一组极具冲击力的数字打破了沉默。

他预测，英伟达新一代AI加速芯片架构Blackwell与下一代Rubin产品，到2027年底将创造至少1万亿美元收入。

这一数字相较于他在2025年10月给出的5000亿美元销售预测直接翻倍。

黄仁勋解释称，这一预期的提升源于计算需求的爆炸式增长：“我相信，在过去两年里，计算需求增长了一百万倍。”

针对这一远超预期的财务指引，高盛在当地时间16日发布的研报中表示，这一明确的长期收入可见度“大幅超出了华尔街的普遍预期”，直接缓解了投资者对人工智能资本支出可能在2026年触及顶峰的担忧。

支撑这一万亿美元营收预期的核心，是英伟达有史以来最复杂的AI计算系统Vera Rubin的全面亮相。

英伟达方面强调，Vera Rubin不是单一芯片，而是由7种芯片+5种机架系统组成的完整AI超级计算机平台。这七款芯片包括：NVIDIA Vera CPU、NVIDIA Rubin GPU、NVIDIA NVLink 6交换机、NVIDIA ConnectX-9 SuperNIC、NVIDIA BlueField-4 DPU、NVIDIA Spectrum-6以太网交换机，以及新纳入的NVIDIA Groq 3 LPU。这一组合清晰地展示了英伟达从GPU供应商向全栈AI基础设施平台的彻底转型。

黄仁勋将Vera Rubin描述为“一次划时代的飞跃”，称其“旨在为AI的每个阶段提供澎湃动力”，并宣告“代理式AI的拐点已经到来”。其中，Vera CPU作为全球首款专为智能体AI和强化学习打造的处理器，效率是传统机架级CPU的两倍，速度提升50%，目前已确定将部署于阿里巴巴、字节跳动、Meta等云服务提供商。

“Token工厂经济学”

为了解释为何市场需要容纳万亿美元级的AI芯片需求，黄仁勋向全球企业展示了一套全新的商业思维框架——“Token工厂经济学”。

Token是人工智能大模型理解和生成语言的最小语义单元，也被称为“词元”。

黄仁勋指出，未来的数据中心将不再是存储文件的电子仓库，而是不间断生产Token的巨型工厂。“每一座数据中心、每一座工厂，从定义上来说都是受电力限制的。一座1GW的工厂永远不会变成2GW，这是物理和原子的定律”。

黄仁勋强调，在固定的功率下，谁的每瓦Token吞吐量最高，谁的生产成本就最低。他将未来的AI服务分层为从免费层到超高速层的五个商业层级，并直言在这个Token工厂里，吞吐量和Token生成速度将直接转化为企业明年的精确收入。

瑞银在看好英伟达基本面的同时曾指出，要依靠GTC的言论触发“改变投资逻辑”式的股价飙升“难以预见”，但Token工厂理论无疑为投资者提供了一个全新的估值坐标系——从销售芯片转向衡量AI工厂的生产效率。

这场软件变革同样将重塑职场形态，黄仁勋在现场描述了这样一个场景：未来公司的每一位工程师都需要一个年度Token预算，基础年薪之外，公司会拿出大约一半的金额作为Token额度配给员工，帮助他们实现10倍效率提升。“你的offer里带多少Token”已经成为硅谷新的招聘筹码。

进军“龙虾”界

在软件和生态层面，黄仁勋用大量篇幅解读了近期硅谷爆火的“龙虾”现象，并将其提升至战略高度。

他将开源项目OpenClaw形容为“人类历史上最受欢迎的开源项目”，称其仅用几周时间就超越了Linux在过去30年取得的成就。

黄仁勋表示，OpenClaw之于AI的意义，堪比Windows之于个人计算的变革。具体来说，OpenClaw像当年Windows普及个人电脑一样，把AI智能体普及到每一个普通人手中。

“它让整个行业能够抓住这个开源技术栈，拿它去创造价值。”黄仁勋说。

为此，英伟达推出了“一键养虾”平台NemoClaw，这是一款专为OpenClaw深度优化的部署工具链，仅需两行命令即可完成安装。

这份极简并非偶然，而是英伟达的精心设计：让每一台GPU服务器都能无缝接入OpenClaw生态，真正实现算力与Agent框架深度绑定。