黃仁勛開始焦慮什麼？

原標題：黃仁勛開始焦慮什麼？

美國當地時間3月18日，「甲子光年」受邀參加了英偉達創始人兼CEO黃仁勛在GTC 2026舉行的媒體會。

黃仁勛大概是整個硅谷里最不怕記者提問的CEO，他不僅與全球記者談笑風生，還試圖像管理英偉達員工一樣對待記者。

現場一位記者的手機鈴聲響起，黃仁勛立刻停止回答，半開玩笑半嚴肅地説：「誰的手機，舉手。」他還進一步強調，自己沒什麼特別不能容忍的事情，除了「開會時手機必須靜音，每一位英偉達員工都知道。」而在面對最后一個提問的記者時，他反覆強調：「最后一個提問很重要，你要想清楚再問。」

近兩個小時、三十多個問題，幾乎覆蓋AI產業的每一個關鍵環節，可以説是一次「信息過載」的問答。

但如果把所有回答壓縮，會浮現出一條清晰的主線：AI正在重建計算基礎設施，而英偉達試圖成為這套新秩序的定義者。

從推理架構的分層，到AI工廠的系統整合；從開源智能體的標準爭奪，到全球供應鏈的再佈局，黃仁勛給出的是一套逐漸閉環的計算版圖。

而OpenClaw（俗稱：龍蝦）為黃仁勛帶來了新的興奮點，他在媒體會上反覆提及OpenClaw並一遍遍強調其重要性，如果説主題演講上CUDA 20周年是英偉達對過去的回顧，OpenClaw就是黃仁勛對未來的押注。他認為，ChatGPT是AI的拐點，因為它讓所有人都能用上通用AI；但Agent系統一直只停留在技術行業內部，大概只有25%的軟件開發者在真正使用。然后OpenClaw出現了，幾周之內就成了歷史上增長最快的開源項目。

看看各種龍蝦的token消耗量，大家都會明白黃仁勛極力推薦OpenClaw的目的。

當所有人都在算token成本時，英偉達更在意的是——誰來定義這些token從哪里產生，誰又在引導token的消費。而真正的*者，往往最清楚自己可能失去什麼。

「甲子光年」從這次媒體會上黃仁勛的回答中精選了五句話，分別是：

「英偉達不只造GPU，實際上在構建更遠大的東西。」

「每個token都不是等價的。」

「OpenClaw是一件非常重要的事。」

「從很多層面來説，我們掌握着先手信息。」

「別被開除，別變得無聊，別死。（Don't get fired, don't get bored and don't die.）」

1.AI推理變革

媒體會上*個問題就直指AI推理和新發布的NVIDIA Groq 3 LPU。

黃仁勛笑着對記者説：「你正看着推理*（Inference King）。」

隨后他把時間線往回拉了兩年，表示英偉達從芯片精度、架構到系統互聯，已經圍繞推理做了好幾代產品的準備。他反覆強調「推理是一個巨大的計算機系統問題」，關鍵在於誰能夠打通從芯片、互聯到數據中心的整套體系。

這背后是一個更關鍵的判斷：推理競爭，已經從單點性能競爭，轉向系統級工程能力的競爭。

這也解釋了英偉達為什麼要通過「技術授權+人才吸納+資產收購」的組合方式，把LPU芯片廠商Groq的核心能力「納入體系」。

黃仁勛承認Groq在推理速度上「能打」，但現實世界的推理需求，從來不是單一維度：既要低延迟，也要支持大模型，還要承載長上下文。

單一架構無法同時滿足這些需求，所以有了Groq與Vera Rubin的組合。

GTC上新發布的NVIDIA Groq 3 LPU，採用約500MB片上SRAM，並提供高達150TB/s的片上帶寬，遠高於傳統依賴外部HBM內存的GPU架構，從而顯著降低數據訪問延迟。同時，其FP8算力達到約1.2 PFLOPs，晶體管規模達980億，體現出較強的計算能力與集成度。

相比單純追求算力規模，Groq 3 LPU更強調通過大容量片上存儲與超高帶寬的數據流架構，將數據「留在芯片內」高速流動，從根本上優化大模型推理過程中最關鍵的延迟瓶頸。

「我希望Groq的加入能讓大家注意到，英偉達不只造GPU，實際上在構建更遠大的東西。」黃仁勛説。

Groq加入英偉達體系后，外界也很關心黃仁勛對其的定位。

在他的規劃中，一座算力工廠75%仍將是純Vera Rubin部署，Groq與Vera Rubin的組合只佔25%。Vera Rubin纔是核心，Groq是側翼。

他對自家產品很自信：「它實在太強了，我們自己都不知道如何超越Vera Rubin，否則我們早就造出能勝過它的產品了。」

在黃仁勛看來，就目前token的主流消耗場景而言，Grace Blackwell和即將到來的Vera Rubin已經無可匹敵，Groq的加入改變的是版圖的邊界，而不是版圖的中心。

黃仁勛透露：「如果沒有Dynamo，我們就無法探索解耦推理的邊界，也就不會有后來收購Groq團隊的決策。」引入Groq是英偉達在推理深水區持續探索的必然結果，是Dynamo讓團隊觸及瞭解耦推理的技術邊界，由此看清了Groq的LPU在特定維度上的價值。

Dynamo是英偉達面向大規模AI推理而打造的軟件平臺，本質上是一個推理基礎設施編排系統（Inference Orchestration Layer）。它解決的是一個核心問題：如何把算力利用率拉到最高。

「我希望Groq之於英偉達，就如同Mellanox之於英偉達一樣，是一次架構層面的重要補充。我們構建的不是一塊GPU，而是一座AI工廠。」黃仁勛説。

2019年英偉達收購Mellanox時很多人同樣感到費解，而黃仁勛如今將那次收購視為架構補完的成功先例，用同樣的框架定位Groq，信息很清晰：他買的是AI工廠體系中一塊關鍵的架構拼圖。

2.Token定義權

如果説推理是入口，那麼AI工廠纔是英偉達的*形態，而AI工廠生產的就是token。

在這場記者會上，黃仁勛多次將競爭單位從「芯片」上移到「數據中心」，可以説是「三句話離不開token」。

「我們目前是成本*的token生產商，也是AI工廠中吞吐量最高的token生產商。」他列舉了MLPerf、SemiAnalysis和Artificial Analysis三項基準測試，稱英偉達在每一個可量化的維度上都*。

值得注意的是，黃仁勛給出了一個判斷：「每個token都不是等價的。」

黃仁勛進一步解釋：「token可能由小型模型、較大模型或超大型模型生成，對應的輸入上下文長度也從極短到極長不等。」

在早期的大模型語境中，token幾乎被默認視為「標準化單位」——無論是API計費、推理成本，還是性能對比，大家都在用「每百萬token多少錢」來衡量。

黃仁勛試圖對token進行重新定價：token看起來一樣，但生產它們的成本結構完全不同。

為什麼不同？因為一個token背后是三組變量的組合：

模型參數規模

上下文長度

推理路徑

這些變量疊加后，token的計算開銷會呈指數級分化。比如，一個簡單問答生成的token，可能只消耗極少的算力；但一個「長上下文+複雜推理鏈條」生成的token，其背后可能調用了多層模型、跨多輪推理，甚至觸發外部工具。這兩類token在「數量上相同」，但在「成本和價值上完全不等價」。

從市場角度來看，推理市場不會再是一個「統一價格曲線」，而會分成多個子市場。

一端是*低成本、極高吞吐的「基礎token生產」（類似搜索、簡單問答）；另一端是高價值、高複雜度的「智能token」（如Agent決策、多步推理）。中間還會形成大量分層場景。也正因如此，黃仁勛強調「市場不會只有一種解法」。

「甲子光年」認為，當token不再等價，競爭就不再只是「誰的計算的成本更低」，而是「誰能在不同類型token之間做*分配」。這正是系統級能力的體現，因為其需要同時調度不同架構（GPU、LPU、DPU等）、不同精度、不同互聯方式。

以往英偉達及其競爭對手都在追求更強的芯片性能，雖然這一追求還在，但是英偉達已經開始針對不同token類型進行*生產的算力調度體系的佈局。

從產業角度看，這句話也在釋放一個信號：未來的AI競爭，不會簡單收斂為「token價格戰」，而更像是一場「算力分層與調度效率」的競爭。

誰能理解token的差異，誰才能真正參與下一階段的遊戲。

作為「Token King」，英偉達自然想掌握token定義權，而OpenClaw的橫空出世，給了黃仁勛講新故事的機會。

「如今，推理的拐點已經到來，OpenClaw出現，Agent系統正在各處廣泛應用。用於推理的token生產規模纔剛剛起步。」黃仁勛説。

3.反覆被強調的OpenClaw

在GTC期間，黃仁勛幾乎在每一個場合都會提到OpenClaw。

在主題演講中，黃仁勛花了很長時間分享OpenClaw的作用及價值，他對OpenClaw評價極高：「OpenClaw是人類歷史上*，也是*的開源項目。」他認為，OpenClaw的意義「就像當年的Linux、HTML和Kubernetes」，甚至稱它在短短几周內做到的事，「超過了Linux 30年做到的事」。

而在媒體會上，黃仁勛依然在強調「OpenClaw是一件非常重要的事」。

關於Agent體驗，他提到：「這種體驗僅限於企業內部，侷限於科技行業，尚未向大眾開放。」 但突然之間，OpenClaw橫空出世。我們終於擁有了一個真正架構精良的開源智能體系統。」黃仁勛在媒體會上提到，Claude Code長期以來主要面向企業級應用，因此大多數人尚未真正體驗過智能體系統，「除了我們這些身處軟件開發行業的人。」

可以説，OpenClaw的出現某種程度上改變了英偉達自身的戰略姿態。

黃仁勛表示：「當OpenClaw出現，我們意識到世界終於擁有了一個開源智能體——我們現在幾乎可以將其當作一個行業標準。」

英偉達希望儘可能多地向這個開源項目貢獻能力，避免世界因此分裂成太多互不兼容的分支項目，「如果我們能將這個主項目打磨得足夠優秀，全球每家公司都能以此為起點，構建自己的智能體戰略。」

他也明確表示，英偉達將在未來30年間持續為OpenClaw注入能力，「就像我們持續向Linux和Kubernetes貢獻代碼一樣」。

與此同時，英偉達推出了NemoClaw，這並不是英偉達版的OpenClaw，而是英偉達為OpenClaw提供的企業級運行與管理軟件棧。

通過NemoClaw，開發者可以安裝NVIDIA Nemotron開源模型和OpenShell運行環境，為AI Agent提供安全隔離的執行環境，並加入數據隱私、網絡訪問和策略控制等安全機制，使長期運行的AI Agent更加可靠和可擴展。

「基本上是一份經過英偉達優化、專為企業級場景打磨的OpenClaw藍圖。如今只需一行代碼、一鍵安裝，每個人都能獲得一個強大的智能引擎。」黃仁勛在記者會上依然在推薦NemoClaw。

這個能力延伸到物理世界同樣成立。黃仁勛提到，由於已同步攻克了認知AI，也就是AI認知領域的OpenClaw，OpenClaw在機器人內部運行已經是「相當顯而易見」的設想。採用同一推理技術的智能汽車，將帶動機器人技術在未來幾年內實現超高速演進。在數據中心層面，運行OpenClaw配合Vera Rubin整套系統，是「非常理想的組合」。

OpenClaw的影響遠不止於科技行業內部。

一位來自歐洲的記者問到了歐洲相關產業的機會，黃仁勛表示，上一次IT和軟件革命對製造業來説非常陌生。製造業的文化是嚴格的、一步一步的，每一件產品在發貨之前必須*，因為它可能傷害到人。而軟件的運作方式是集羣式的，你必須在它還沒有完善之前就發佈，因為如果你不發佈，它永遠不會被修復。正是這種文化差異導致美國在IT革命中全面主導，而德國卻被落在了后面。

但OpenClaw改變了這個局面。「OpenClaw不需要你去編程，它只需要你告訴它該做什麼。」他想對德國、日本、瑞典等國説的話是，「你們可以跨越IT革命，直接跳躍到AI革命。將AI技術與你們世界級的機電一體化工業能力深度融合，你們將一躍成為全球機器人產業的*。」

還有記者問到，隨着Agent工作流的興起，新思科技、Cadence這類傳統軟件平臺將被取代？

黃仁勛迴應：「請轉告散户投資者，他們的判斷完全錯了。」

他指出這些設計工具的業務規模上限取決於有多少工程師在使用。未來會有大量AI智能體工程師，「這些智能體工程師會做什麼？憑空生成晶體管嗎？不，它們會使用和人類工程師一樣的工具」，因為工作完成后，必須把結果放回人類可以理解的結構化數據中。「正因為有了智能體，我們需要授權的新思科技工具數量很可能會爆炸式增長，而不是減少。」

不過，OpenClaw面臨的挑戰同樣真實。

黃仁勛坦言：「安全並非*的難題，但確實是一個極其嚴峻的問題。安全、治理、隱私，以及所有與規範化智能體系統相關的特性，都是亟待解決的關鍵議題。」

「甲子光年」這幾天在GTC現場感受到，雖然OpenClaw很火，但黃仁勛的行為已經超過了對一個開源項目的常規背書，他更像是在反覆確立一個新的行業共識。

在他的表述中，OpenClaw的重要性至少體現在三個層面：它讓原本只屬於少數開發者的Agent能力，開始走向更廣泛人羣；它具備成為「類似Linux、Kubernetes」的行業標準的潛力；更重要的是，它正在從軟件系統延伸到機器人、自動駕駛和製造業，成為一種新的交互範式。

但如果把這些表述拼在一起看，會發現一個更深層的意圖。

在推理和「AI工廠」的敍事之外，OpenClaw實際上補上了英偉達在上層生態中的關鍵一環——不僅關心token如何被生產，也開始介入token如何被消費。

某種程度上，這是一場關於「入口」的爭奪。

誰定義了Agent系統，誰就定義了未來計算的調用方式；而誰定義了調用方式，誰就掌握了算力需求的流向。

也正因此，黃仁勛纔會在不同場合反覆強調OpenClaw。

4.站在產業鏈更上游

當算力變成資產，英偉達就不再只是賣鏟子的人，而開始參與礦的建造。

黃仁勛在媒體會上提到，英偉達越來越多地被要求為客户的數據中心建設提供融資支持。他的迴應很直接：「我們會向那些我們確信會成功的公司提供資助。」

這一變化，表面上是銷售模式的延伸，本質上卻是AI算力正在走向基礎設施資產化的體現。

在傳統IT時代，服務器是成本；而在AI時代，算力正在成為一種可以持續產出現金流的「產能」。一個1GW級別的數據中心，其投資規模、回收周期與運營方式，已經更接近發電廠而非互聯網機房。

在這種背景下，英偉達的角色也在發生變化。它不僅提供GPU和系統，還通過股權投資、供應鏈融資以及項目級支持，直接參與到算力資產的建設過程中。

他提到英偉達投資了CoreWeave、Nscale和Nebius，認為這些都是「全壘打」級別的投資。黃仁勛解釋了英偉達為什麼有把握認定這些是必勝之局：「因為我們已經看到了流向它們的業務。從很多層面來説，我們掌握着先手信息。其中一些客户就是Meta、Azure、Anthropic等巨頭。」

「所以英偉投資這些公司幫助這些'新星'做大的風險很低。」黃仁勛將英偉達定位為‘超級助推器’，對於流向它們的算力需求來説，也是一種正反饋的「服務價值」，「沒有英偉達這些公司也能完成融資，但這是我們能融入整個生態系統的方式。」

談及背后的投資邏輯，黃仁勛表示，英偉達的目光始終鎖定在兩個方向：上游供應鏈與下游合作伙伴。

向上遊看，英偉達會推演未來2到5年的供應鏈需求，並提前佈下先手；向下遊看，則會評估未來1到5年需要怎樣的落地產能（包括土地、電力、廠房設施）以及開發者生態。

他以投資Coherent和Lumentum為例，指出這是典型的上游戰略佈局。由於英偉達正隨着Spectrum-6大規模引入硅光子技術，未來幾年還會將其整合進NVLink擴展架構中，這使得未來的硅光子產能需求將遠超全球現有水平。爲了確保供應鏈不掉鏈子，英偉達的手段非常靈活：「有時我們支付預付款，有時提供明確的需求預測；但如果某項關鍵技術的產能極度緊缺且未來需求巨大，我們就會選擇直接投資這家公司。」

相比之下，對Nebius的投資則屬於下游生態的押注。黃仁勛用一句話總結了他的大局觀：「我始終沿着整個技術與製造的生命周期進行全局掃描，以此為公司的持續增長做好萬全準備。」

「甲子光年」認為，英偉達掌握着訂單流與技術路線的雙重信息優勢，使其能夠在一定程度上預判算力資產的未來現金流，這正是基礎設施融資能夠成立的前提。

某種意義上，AI產業正在複製能源行業的路徑——從設備銷售，走向產能建設，再走向資產運營。而英偉達，正在嘗試站在這條鏈條的更上游。

5.人生哲學背后的焦慮

黃仁勛坦言，自己比以前更加忙碌。

他表示，英偉達如今的運轉和項目推進速度已經創下歷史新高，「説實話，我感覺自己越來越忙了，甚至比六個月前還要忙。原因就在於，工作成果的反饋更快了，項目數量的增長也更快了。」

他以日常工作為例說明了這種變化。現在員工寫好產品定義或架構文檔交給AI智能體，僅僅30分鍾后就能拿到成果；而在過去，團隊拿去開發通常需要一個月，員工在那期間可以從容地處理其他事務。「如今，那一個月已經壓縮成了30分鍾，你隨時都在關鍵路徑上。」

針對外界對AI搶走飯碗的擔憂，黃仁勛給出了截然相反的結論：「很多人説AI來了我們會失去工作。恰恰相反，事實是：PC讓我們更忙了，互聯網讓我們更忙了，移動設備也讓我們更忙了。」據此他判斷，AI將極大提升人類推進工作的速度，人們最終會承擔更多的工作量。

展望十年后的英偉達，他描繪了一幅人機協同的圖景：屆時公司將保持約7.5萬名人類員工的精簡規模，但會與750萬個全天候運轉的AI智能體並肩作戰。他提到，希望人類員工不必去硬跟智能體的工作節奏，並調侃道：「我很確定他們也跟不上。」

「每一種職業都會發生變化，有些工作會消失，有些工作則是全新的。」黃仁勛篤定地説，「世界在變，AI會改變這一切，但我相當確信，那將是一個更美好的世界。」

在媒體會的最后，黃仁勛用一種玩笑的方式，總結了他的人生哲學：「別被開除，別變得無聊，別死。」

他補充説，這三條構成一個三角，「儘量在這個三角中保持」。對應到公司層面，則是：「不要被你的客户拋棄，不要讓公司變得無聊，不要倒閉。」黃仁勛説，「我已經把我人生的祕密都告訴你們了。」

如果把這段話放回這次GTC的語境中，它更像是一種被高度壓縮的經營邏輯。

「不要被客户拋棄」，對應的是技術路徑的不確定性。在推理架構不斷演進、競品芯片頻繁出現的背景下，英偉達必須持續證明自己在系統層面的不可替代性，這也是它從GPU走向「AI工廠」的根本原因。

「不要變得無聊」，則指向生態與創新能力。當Agent成為新的計算接口，如果英偉達缺席這一層，它就有可能退回到「被調用的算力供應商」，這也解釋了他為何在不同場合反覆強調OpenClaw。

而「不要倒閉」，則是對當下算力資本開支周期的現實迴應。當數據中心投資規模逼近能源基礎設施級別，企業不僅要算性能，更要算周期、現金流與風險。

這三條是成功祕訣，也是黃仁勛的焦慮所在。

在一個仍在快速重構的計算體系中，沒有任何位置是穩固的。芯片可能被替代，架構可能被重寫，入口也可能被重新定義。

英偉達正在做的，是儘可能同時佔據多個關鍵位置：在底層，它試圖定義token如何被生產；在中層，它試圖重構數據中心，打造AI工廠；在上層，它又試圖通過OpenClaw影響token如何被消費。

但正因如此，黃仁勛也比任何人都更清楚，一旦失去其中任何一環，整個體系都會失去支點。

雖然英偉達目前依然是「Token King」，但「居安思危」對任何一家行業頭部企業都十分必要。