当前全球人工智能产业正处于从基础设施建设向广泛应用转变的关键阶段；黄仁勋的最新论述反映出，支撑该转变的核心动力已经从模型训练逐步转向推理计算，这标志着AI产业发展进入了一个新的周期。 从市场规模看，黄仁勋将英伟达加速芯片业务的长期收入预期提升至1万亿美元量级，这一调整并非基于单一产品线的增长，而是建立在对整个产业生态多元化发展的判断基础之上。他特别强调，这一预期仅涵盖Blackwell与Rubin两大芯片系列，尚不包括CPU、存储、边缘计算等其他业务板块。这意味着英伟达对自身长期增长空间的评估远超市场普遍预期。 推理计算的崛起是理解这一预期的关键。随着大规模语言模型的广泛部署，人工智能系统从"输入检索"的传统模式转向"生成token"的新范式。黄仁勋指出，当前全球的token生产机仍然稀缺，大多数机器仍处于训练阶段，而推理所带来的token需求洪流才刚刚开始。这种需求结构的变化直接推动了订单增长——英伟达上一季度创造了历史最高订单纪录，且增速仍在加速。 存储系统的重构成为应对这一变化的核心策略。为了满足AI系统对短期记忆、工作记忆和长期记忆的三层需求，英伟达正在重新设计存储架构。从HBM到LPDDR系列的迭代升级，再到与三星联合开发Groq芯片，英伟达与全球内存厂商同步推进产能规划，目标是消除存储成为计算瓶颈的现象。这种系统级的优化表明了英伟达从单一芯片供应商向全栈解决方案提供商的转变。 在硬件架构层面，Rubin平台的设计充分体现了这一转变。该平台集成7颗芯片、专用存储芯片以及网络组件，形成了计算、存储、网络的完整闭环。新推出的NVL72架构将72个Rubin GPU与36个Vera CPU相结合，配合ConnectX-9 SuperNIC和Spectrum-6机架交换机，实现了性能提升35倍、成本下降50%的突破。这种模块化的产品组合设计使得不同规模的数据中心可以按需选配，提高了产品的适用范围。 产业生态的多元化是英伟达增长的另一重要支撑。黄仁勋透露，英伟达40%的收入来自芯片之外的物理AI应用领域，包括自动驾驶、机器人、边缘计算等场景。以自动驾驶为例，这一业务曾经收入占比为零，却消耗了90%的研发预算。经过十多年的投入，英伟达自动驾驶业务已经形成了完整的训练、数据生成、系统部署的三层计算体系，汽车制造商可以直接采购其中一个或多个环节。机器人领域同样前景广阔，黄仁勋判断关键的工程问题将在5年内解决，关节运动和认知能力的突破有望在3年内实现。 在应用层面，OpenClaw代理框架的推出代表了英伟达向开发者生态倾斜的新策略。通过提供简洁的软件栈和低门槛的开发环境，英伟达希望OpenClaw成为人工智能领域的"Linux"——一个全球开发者广泛参与贡献的开源标准。这个框架使得开发者可以用最少的代码快速部署智能体应用，从厨房设计到工具使用，智能体通过持续试错和学习，能够在30分钟内完成过去需要一个月才能完成的工作。 为了支撑生态发展，英�harvey将50%的自由现金流用于股票回购，这一比例高于前一年。这种资本配置策略既要维持与供应商的合作关系，也要向创新型企业进行战略投资。黄仁勋表示，英伟达正在投资下一个谷歌或亚马逊级别的公司，因为"人工智能不是单点突破，而是一条河流"，需要整个生态的协同发展。
从"训练驱动"转向"推理驱动"，意味着人工智能产业进入更接近真实生产运营的阶段。谁能在系统级交付、存储与网络协同、软件生态和安全治理上率先形成闭环，谁就更可能在下一轮竞争中占据优势。面向未来十年，万亿级市场并非终点，更关键的是推动技术红利以可控、可持续的方式转化为产业升级和社会效益。