英偉達GTC 2026要點梳理，今年有哪些核心趨勢？

撰稿人：大仁

發布日期: 2026年03月17日

英偉達GTC 2026大會在加州聖荷西展開，執行長黃仁勳發表長達兩小時的主題演講，向全球開發者、投資人和產業界描繪了AI算力產業的宏大藍圖。本屆大會不僅發表多款重磅新品，更釋放出AI產業從"模型訓練"向"智能體應用"轉型的關鍵訊號。

英偉達GTC 2026

英偉達GTC 2026核心亮點，晶片架構全面升級

本屆GTC最引人注目的，莫過於英偉達全新晶片產品線的集中亮相。

英偉達晶片架構全面升級

1、Vera Rubin平台：專為智能體AI打造

Vera Rubin平台是本屆大會的核心產品。Rubin GPU採用台積電3nm工藝，集成3360億晶體管，配備288GB HBM4記憶體，帶寬達22TB/秒。其FP4推理算力達50 PFLOPS，是Blackwell的5倍；訓練算力35 PFLOPS，提升3.5倍。

與上一代相比，Vera Rubin實現代際飛躍。單Token推理成本降至1/10，每瓦推理吞吐量提升10倍，訓練混合專家大模型所需GPU資源僅為此前的四分之一。整個Vera Rubin NVL72機架通過NVLink 6實現260TB/秒帶寬，超過全球互聯網總和。

2、Groq 3 LPU：推理晶片新玩家

英偉達正式發表整合Groq技術的Groq 3 LPU（語言處理單元）推理加速器。該晶片採用三星4nm製程，單晶片帶寬達150TB/S，相較於HBM4的22TB/S有數倍優勢。

LPU將專門負責解碼（Decode）環節，相較於Blackwell NVL72吞吐效率提升35倍，預期2026年下半年出貨。

此一佈局顯示英偉達正積極應對Cerebras等挑戰者在低延遲推理領域的競爭，同時也標誌著AI晶片從通用運算向專用推理的細分演進。

3、Feynman架構：全球首款1.6nm AI 晶片

黃仁勳預告了下一代Feynman系統，該架構基於台積電A16製程（1.6nm），是全球首款1.6nm AI 晶片。

Feynman採用背部供電技術，晶體管密度提高1.1倍，推理效能是Blackwell的5倍，單GPU算力達50 PFLOPS。該系統預計將於2028年發布，初期英偉達將獨享A16產能。

此外，英偉達還發表了全新的88核Vera資料中心CPU，聲稱其效能比標準CPU提升50%，並推出將256個液冷CPU集成到一個機架的Vera CPU機架架構。

從本屆GTC的議題設定與產品發表來看，AI產業正在經歷五大核心趨勢的轉型。

▶趨勢一：智能體 AI 成為新焦點

智能體 AI 是本屆大會最重要的新概念之一。黃仁勳發布了開源 AI 智能體平台「NemoClaw」，旨在協助企業部署能夠執行複雜工作任務的自主 AI 智能體。

與傳統聊天機器人不同，AI 智能體可以：

這標誌著AI正從"工具"向"自動化系統"轉型，從 Chatbot 演進為 Autonomous Agent。

英偉達發表NemoClaw

▶趨勢二：AI 推理爆發，算力需求結構轉變

AI產業正在從"訓練模型"轉向"推理部署"。黃仁勳指出，隨著AI從模型訓練轉向推理與智能體應用，資料中心將不再只是成本中心，而是直接創造收入的生產系統。未來AI市場規模中，推理將超越訓練成為主要需求。

為應對此一趨勢，英偉達推出了專門針對推理優化的晶片與軟體工具，包括即時推理擴展、GPU資源優化、模型壓縮加速等功能。

▶趨勢三：實體 AI 進入物理世界

實體 AI 指 AI 進入物理世界，主要應用於機器人、自動駕駛、智慧製造和智慧物流等領域。黃仁勳強調，AI正從數位世界走向物理世界，機器人將成為下一個重要應用場景。

英偉達的 Omniverse 平台在此一趨勢中扮演關鍵角色，可用於建立虛擬世界、訓練機器人與進行 AI 模擬。

▶趨勢四：AI 工廠概念落地

NVIDIA 提出「AI Factory」概念，指專門用於生產 AI 模型與 AI 服務的資料中心。AI 工廠包括 GPU 叢集、AI 訓練平台、推理伺服器和資料處理系統，與傳統資料中心僅儲存資料不同，AI 工廠生產 AI 服務。

黃仁勳的「Token 工廠」理論正是 AI Factory 概念的商業化延伸，強調未來企業可能建設 AI 算力中心和 AI 生產線。

▶趨勢五：算力基建全面升級——CPO、液冷、電源架構

隨著晶片功耗飆升，算力基礎設施迎來全面革新。