#模型时代# 黄仁勋GTC 2026记者会：为什么我会说OpenClaw很重要，每个公司都要有一个OpenClaw战略
昨天发了老黄的主题演讲，今天再发一下他的记者会记录，两小时的记者会，他回答了大概三十几位记者的现场提问吧。
我大概会想了一下，很多问题都和Groq有关，还有OpenClaw，龙虾真的全球一样火。当然，我觉得中国更火。
---
一、Groq：英伟达花了200亿做了什么
英伟达这次GTC宣布了一项重要的技术整合：Groq的LPU芯片正式加入Vera Rubin平台。这是本届GTC最大的悬念之一，也是记者会第一个问题的焦点。
背景：Groq是一家由谷歌TPU创始工程师Jonathan Ross于2016年创立的AI芯片公司，专门开发LPU（语言处理单元），针对AI推理的低延迟场景做了专项优化，是英伟达在推理领域最受关注的挑战者之一。2025年12月，英伟达以约200亿美元完成了与Groq的资产许可协议，Jonathan Ross及核心工程团队加入英伟达，Groq公司本身继续独立运营。英伟达将这笔交易定性为许可合作，不是并购。
记者的问题直接：花了这么多钱，是不是等于承认英伟达的GPU在推理上有根本局限？
1、黄仁勋的答案：Groq是AI工厂新增的一条专用生产线
他的逻辑从产品现状出发。Grace Blackwell已经是今天推理效率最高的系统，性能提升35倍，成本降至五十分之一，每瓦性能提升50倍。"我们现在是成本最低的token生产商，是吞吐量最高的token工厂。"
Groq填补的是一个更细分的缺口。有一类推理场景同时要求模型参数量大、上下文窗口极长、响应延迟极低，三个目标同时满足。Groq的LPU延迟极低，但片上内存只有500MB，跑不了完整的大模型；Vera Rubin的GPU内存大、计算强，但延迟不是强项。把两者放进同一系统，用Dynamo——英伟达的推理调度软件——做协调，吞吐量提升35倍，三个目标同时达成。
"Groq对英伟达的意义，就像当年Mellanox对英伟达的意义一样。我们是在给架构做加法，因为我们造的不只是一块GPU，我们造的是一座AI工厂。"
2020年英伟达收购Mellanox时也有人质疑，但InfiniBand高速网络后来成了大模型训练集群的骨干。黄仁勋认为Groq扮演的是推理时代里同样的角色。
2、具体配比：75%是纯Vera Rubin，25%加Groq
整个AI工厂约75%仍是纯Vera Rubin机架，另外25%配备Groq LPX，那25%里Vera Rubin依然是核心，Groq是附加的专用解码加速层。
"我们不知道怎么打败Vera Rubin，否则我们就会造出打败它的东西。"
3、"推理之王"来自第三方评测
记者会上黄仁勋多次提到这个称号。它来自AI推理评测机构SemiAnalysis的InferenceX基准测试报告，在各项推理指标上将英伟达系统列为第一。黄仁勋说他通常只能得到玻璃奖杯，不知道拿来干什么，但"推理之王"这个名号他很受用。
他给出了三个独立佐证：MLPerf推理基准测试，英伟达在所有项目排名第一，大多数竞争者甚至无法完成测试；SemiAnalysis InferenceX报告，每个可量化维度都领先；Artificial Analysis，扫描了约20家API推理服务商，英伟达是唯一在所有维度都名列前茅的方案。
---
二、那个1万亿：口径是什么，没算进去的有多少
GTC主题演讲上，黄仁勋说到2027年累计采购订单和需求管线超过1万亿美元，去年同场合说的是5000亿。这个数字让市场既兴奋又困惑——同一场演讲里还发布了Groq 3 LPU、Vera CPU独立机架、BlueField-4存储机架等一系列新产品，分析师不清楚这些算不算进那1万亿。记者会第二天，有人直接追问：这个数字的口径到底是怎么定的？
1、1万亿只包含两样东西，口径是刻意收窄的
黄仁勋的分解清晰：这1万亿只包含Blackwell和Vera Rubin的GPU订单，时间截止2027年底。 明确不包括Vera CPU独立业务、Groq LPX机架、存储系统（BlueField-4 STX）、Vera Rubin Ultra，以及更下一代的Feynman系列。
为什么用这么窄的口径？是为了和去年的5000亿做同类比较。如果今年把Groq、CPU、存储全部打包进来，读者无法判断翻番是因为业务真的增长了，还是口径变了。
2、如果全算上，理论上是1.2万亿
一个一千兆瓦数据中心，加上Groq LPX之后经济价值大约增加25%。存储系统是一块此前没有的新业务，AI消耗存储的方式和人类完全不同，KV缓存的规模让传统存储架构跟不上。"如果我把这些也加上去，那个1万亿可以变成1.2万亿。"
"我站在这里，距离2027年底还有21个月。这意味着它很可能比1万亿更大。"
3、回购：今年比例会超过去年的40%
英伟达此前承诺将约50%的自由现金流用于股东回报，去年实际分配了约40%。现金分配优先级是：供应链投资和产能保障在先，生态系统投资其次（"投资下一个Google、下一个Meta"），围绕CUDA建设生态再次，最后才是回购和分红。今年基数更大，比例会提高。
---
三、OpenClaw：为什么黄仁勋说每家公司都需要一个OpenClaw战略
OpenClaw是奥地利开发者Peter Steinberger于2026年1月发布的开源AI Agent平台。简单说，它让AI不只是能回答问题，还能自主调用工具、分解任务、完成复杂工作流——相当于给AI装上了"手"。它出现几周内就成为GitHub历史上增长最快的开源项目，超过了Linux三十年的扩散速度。
GTC开幕前一天的预热圆桌直播里，黄仁勋专程走进直播间和Steinberger打了个招呼。主题演讲上，他把OpenClaw与CUDA、Linux相提并论，说"全世界每一家公司现在都需要一个OpenClaw战略"。Steinberger本人已于今年2月加入OpenAI，但OpenClaw作为开源项目独立延续。记者会上，他进一步展开了对这个判断的解释。
1、历史坐标：ChatGPT之后、o1之后，现在是OpenClaw之后
黄仁勋的判断：ChatGPT把生成式AI带到世界面前；o1把推理系统带到世界面前；OpenClaw是"后推理时代"第一个真正构建良好的开源Agent平台。 此前的Agent工具，比如Claude Code，基本都在科技公司内部使用，没有暴露给大众。OpenClaw让一行代码安装、一条指令启动一个Agent成为现实。
2、NemoClaw：企业可以放心用的OpenClaw版本
英伟达推出了NemoClaw，即OpenClaw的企业安全参考栈，核心解决安全性、治理和隐私这三个让企业不敢用开源工具的顾虑。黄仁勋把它定位为Linux加Kubernetes级别的基础设施，承诺持续贡献30年、60年。
关于长期承诺的可信度，他给出了一个具体逻辑：Groq 1、Groq 2刚发布；Cosmos 1、Cosmos 2刚发布；Nemotron已出到第4代。"当你开始给一个东西编号，就是因为你有意图继续下去。CUDA 1到今天是CUDA 13了。"
3、OpenClaw让黄仁勋比以前更忙
他描述了英伟达内部的真实变化：以前写完一份产品定义，团队拿去做一个月；现在，Agent 30分钟就回来了，然后又轮到他了。"你始终处在关键路径上。"
这也是他对"AI让人更闲"这个预期的直接回应：AI让工作回来的速度更快，不是让工作消失。
---
四、AI工厂不消灭旧世界，它让旧世界更忙
记者会里有几个问题指向同一个焦虑：AI来了，SaaS软件怎么办？制造业工人怎么办？德国、日本这样的工业强国还有机会吗？
1、SaaS不会死，Agent会让工具许可证爆炸式增长
有人问Agent工作流能不能替代传统SaaS，黄仁勋直接说："请转告那些个人投资者，他们完全错了。"
他用芯片设计EDA工具举例。Synopsys和Cadence的业务上限是工程师数量，更多工程师就意味着更多许可证。有了Agent工程师，它们仍然需要使用EDA工具，因为芯片设计的每一步都需要可验证、可重复的输出，结果必须放回EDA工具的数据结构里——"你不能凭空变出晶体管。"SQL同理，Agent完成任务后结果必须写回数据库，ground truth不会消失。有了Agent，需要授权的工具数量可能爆炸式增长，而不是减少。
2、机器人填的是缺口，不是抢的位置
全球制造业目前缺少数千万工人，缺数百万卡车司机，就业率已经很高但许多公司仍然没有足够的劳动力。机器人首先在填补缺口。
"你上次坐在门廊的摇椅上、喝着柠檬水、看着日落是什么时候？你开玩笑吧？我只在100年前的电影里看到过。"过去一百年技术不断进步，就业数量和经济总量都在上升。马以前用来骑、用来犁地，现在一匹马价值500万美元。"世界在变化，AI会改变所有这些。但我相当确信，会是一个更好的世界。"
3、德国和日本的机会：跳过IT革命，直接上AI
德国、日本曾引领机电一体化时代，但IT革命来了之后被甩在后面。原因是深层文化差异：制造业讲究步步完美，软件必须先发布后修复，两者文化格格不入，美国因此完全主导了IT革命。
OpenClaw改变了这个方程式。"OpenClaw不需要你去编程，只需要你告诉它做什么。你可以跳过IT革命，直接跳到AI革命。把AI技术和你们机电一体化产业的天赋结合起来，你们一下子就变成了机器人产业。"
---
五、物理AI：数据、速度和时间表
"物理AI"是英伟达用来描述AI在真实物理世界中运作的统称，包括自动驾驶、机器人、工业仿真等。这次GTC发布了多项相关产品和合作，记者会上几个问题也涉及这个方向：物理AI的训练数据从哪来？速度要提升到什么程度才能改变使用方式？机器人什么时候才能真正好用？
1、游戏数据不能直接用来训练物理AI
游戏不完全遵守物理规律：Fortnite的角色脚步和奔跑速度不匹配，人物可以从山上无损跳落，树木摇摆不符合真实物理。用这些数据训练需要基于物理规律的基础模型，会把错误的物理观念一起学进去。
英伟达的解法是数据飞轮：先用真实世界的观察数据打底；再用3D物理仿真增强，Newton和Isaac Lab里的碰撞、关节运动、逆向运动学全部遵守物理规律；把两类数据合并训练出世界基础模型；等模型有了足够能力，再用3D图形控制它生成大量合成数据，飞轮就此启动。
2、速度翻100倍之后，使用方式会变
今天用ChatGPT或主流AI，大约每秒输出20个token。Vera Rubin可以做到每秒1000到2000个token，快了将近100倍。
黄仁勋描述的使用场景："未来你和AI的交互，在你打字的同时，它已经在思考了。等你按下回车，它已经完成了。'给我写一个网站程序'——按回车——完成。'给我设计一个厨房'——按回车——完成。"
速度的量变会引发使用方式的质变，就像宽带让在线看电影成为可能，而拨号时代的人根本不会想到提这个需求。
3、机器人：三年，不是十年
你已经能看到机器人在走路了。一旦一项技术有了存在证明，精细化改进通常不超过五年。动作控制（System 1，通过视觉-语言-动作模型实现）和认知推理（System 2，通过OpenClaw实现）正在被同时解决。"在不到五年的时间内，比如三年，你将看到极其出色的机器人。"
---
总结
黄仁勋在这场记者会上回答的几乎每个问题，底层都是同一个框架：AI工厂的逻辑历来不是取代上下游，而是放大上下游的需求。 Groq是给工厂加了一条新生产线，不是承认GPU有局限；OpenClaw是让工厂的操作系统开源，不是替代其他软件；速度提升100倍是让旧的工作方式跑得更快，也会创造今天想象不到的新使用场景。
CUDA的历史是他反复用来说理的工具。当年0%营收、占90%成本，任何理性的人都会放弃，但英伟达没有。这个故事不是怀旧，而是在告诉外界：你们现在看到的所有"占比还低""尚不成熟"的业务，都可能是下一个CUDA。
---
核心归纳
Q1：Groq和Vera Rubin是什么关系，英伟达为什么要做这笔交易？
Groq解决的是"大模型+长上下文+极低延迟"必须同时满足的场景，单独的Vera Rubin GPU或单独的Groq LPU都无法同时达成三个目标。两者结合，用Dynamo做调度，同等功耗下推理吞吐量提升35倍。黄仁勋把这笔交易类比为当年收购Mellanox：不是认输，是给AI工厂加了一条专用生产线。整个工厂约75%仍然是纯Vera Rubin，Groq只出现在另外25%里，而且依然以Vera Rubin为核心。
Q2：那个1万亿美元的采购订单，到底包含什么、不包含什么？
只包含Blackwell和Vera Rubin的GPU订单，时间截止2027年底。明确不含Groq LPX、Vera CPU独立业务、存储系统、Vera Rubin Ultra和Feynman系列。这个窄口径是刻意的，为了和去年GTC说的5000亿做同类比较。如果把新产品全算进去，理论上可以达到1.2万亿。距离2027年底还有21个月，黄仁勋认为最终数字很可能超过1万亿。
Q3：黄仁勋凭什么认为AI不会消灭现有的工作和软件？
他的核心论据是工厂逻辑：工厂历来放大上下游需求，不缩减它。以EDA芯片设计工具为例，Agent工程师做完芯片设计，结果必须放回Synopsys、Cadence的数据结构里，因为每一步都需要可验证、可重复的输出。有了Agent，需要授权的工具数量可能爆炸式增长。机器人方面，全球制造业目前缺少数千万工人，机器人首先在填补缺口而不是抢占位置。历史趋势也支持这个判断：过去一百年技术不断进步，但就业数量和经济总量都在持续上升。
