短期来看估计又要反对票了，不过拉长到3年5年来看——确实稳定。
凌晨黄仁勋在GTC大会上推出了一系列新品，还继续规划了未来几年的路线。在演讲中，黄仁勋仍是热情饱满，从硬件到软件到生态，从大模型到AI智能体到汽车机器人，整个AI都给包圆了，显示出其强大的实力和野心。不过市场并不买账，截止收盘，英伟达股价跌超3.4%，市值回落到了微软下方，位居美股第三，而截止笔者写稿时英伟达盘前涨超1%，部分挽回了跌幅。
新品方面，这次英伟达推出了新的GPU，CPO，智能驾驶，机器人，个人超算，量子计算，推理和基于Llama的LLM。具体来看：
一、 Blackwell Ultra GPU：AI推理性能新标杆
性能升级：搭载288GB HBM3E显存，FP4算力达15P FLOPS，推理速度较前代Hopper架构提升40倍，专为复杂AI推理任务优化。
系统方案：
GB300 NVL72机架：集成72个GPU和36个Grace CPU，AI算力较GB200提升1.5倍，单机架支持3万Token/秒的峰值吞吐量。
HGX B300 NVL16：8个GPU互联，大模型推理速度较Hopper快11倍。
应用场景：演示了7人婚宴座位安排的复杂推理任务，10秒完成传统系统需90秒的工作。
据黄仁勋透露，目前美国大厂订购了超过350张B系列GPU，而去年总共订购了130万张H系列GPU，可谓是十分抢手。
二、 芯片路线图：四年三代架构
Vera Rubin（2026下半年）：采用HBM4内存（384GB），FP4算力达50PFLOPS，机架性能较Blackwell Ultra提升3.3倍。
Rubin Ultra（2027下半年）：HBM4e内存容量1TB，FP4算力100PFLOPS，性能达Blackwell Ultra的14倍。
Feynman（2028年）：下一代光互连技术，支持百万级GPU集群，为“千兆瓦AI工厂”铺路。
三、 数据中心与网络革新
硅光交换机：
Spectrum-X Photonics：总带宽400Tb/s，能效提升3.5倍，采用CPO技术减少激光器数量。
Quantum-X Photonics：144个800G端口，2025年底发货。
AI超算方案：
DGX SuperPOD：整合Blackwell Ultra GPU，支持企业快速构建AI超级计算机。
NVIDIA Mission Control：数据中心运营编排软件，优化资源调度。
四、 机器人技术与物理AI
Isaac GR00T N1：全球首个开源通用人形机器人基础模型，支持技能学习与推理。
Newton物理引擎：与迪士尼、谷歌DeepMind合作开发，用于机器人动作模拟与训练。
应用案例：迪士尼下一代娱乐机器人BDX、波士顿动力Atlas装配线模拟等。
五、 个人AI超算与终端产品
DGX Spark & DGX Station：桌面级AI超算，搭载GB10 Grace Blackwell芯片，支持本地模型微调与推理。
RTX Pro Blackwell GPU：覆盖数据中心、桌面及笔记本的GPU新品，提升终端算力。
六、 量子计算与自动驾驶
NVIDIA加速量子研究中心（NVAQC）：推动量子算法与架构研究，首次举办“量子日”活动。
GM AI合作：与通用汽车联合开发全栈自动驾驶安全系统NVIDIA Halos，700万行代码通过第三方安全验证。
七、 软件生态升级
Dynamo推理引擎：优化DeepSeek-R1模型吞吐量，提升36倍效率，降低32倍token成本。
Llama Nemotron模型：Super 49B版本吞吐量达竞品5倍，支持企业级AI智能体开发。
怎么看这次GTC大会？笔者总结了一些嘉宾和外资看法：
NVIDIA这次25GTC大会上讲的，其实还是围绕着他们原有的技术栈--也就是大规模并行计算能力加上物理模拟引擎-做了一次“精细化整合”，属于典型的“新瓶装日酒”范畴。真正的技术路径和方法论并没有实质性跃迁，仍然是基于GPU算力生态上的强化工程。
它的价值到底有多大，取决于你的落地点在哪:
如果要解决的是产业级的具体工程问题例如自动驾驶场景建模、工业级物理仿真那么确实会提升便利性、精确性和可扩展性，但绝非根本性技术革命。田甘胡今60区二九十山变革，例如像AlphaFold对生物学的贡献DeepMind对强化学习的突破，那暂时看不到它能带来类似级别的飞跃。
所以本质上并不是一种理论层面的新范式，而是一次典型的‘工业化j和“算力工程化’的整合进阶。它的真正价值体现在工程落地的‘体验优化’和‘流程再造’上，而不是算法理论上的突破。
具体地讲:我们过去做高精度仿真工程比如汽车碰撞仿真、机器人运动控制、精密加工设备的数字孪生，都要涉及三件繁贝1.物理建模与参数调优2.仿真结果的高效训练与迭代3.算力调度和大规模并行计算管理
这些工作过去是割裂的，旁需要独立的团队分别管理不同的软件栈和硬件集群，而现在英伟达把这些工作“打包’到了一个统一的cosmos平台上来，从而使得工程师可以更高效、更便捷地实现:一键部署大规模仿真环境
比如过去你搭建一个大规模自动驾驶场景，光搭建场景和调参，可能就需要多个工程师花费数周甚至数月。现在cosmos的作用就是一次性把标准组件模块化、标准化、自动化，理论上做到按需部署，减少人力和时间成本。
算力调度与自动化训练的‘流水线’管理以前我们搞大规模物理仿真训练，尤其涉及高复杂性问题(比如空气动力学、多刚体碰撞或流体力学)，在云端或本地集群配置与调度上花费很多精力。cosmos通过和NVIDIA的硬件紧密结合，直接封装了一套标准化算力资源调度机制。对于工程师而言，不再需要手动做硬件管理和任务调度，效率能明显提升。仿真数据与AI模型的闭环集成过去物理仿真和AI训练往往是割裂的，很多时候要人工从仿真系统导出数据，再导入到训练环境里，来回切换效率很低。现在cosmos直接把物理仿真环境和AI模型训练环境做了‘一体化’处理，让数据流动实现闭环，可以实现自动优化与迭代训练，大幅降低工程对接成本。(当然学习曲线也需要时间，很多玩UE的不愿意转到cosmos除了精度不够，还有学习曲线的问题我总结的呢就是这个Physics Al与cosmos在实际工程层面的核心价值所在。所以不要听老黄吹牛逼:再次强调一下，它带来的优势并非物理理论、仿真算法或AI技术本身的跃迁，而是将原有散落在产业中的各个环节统一成一个高效工程工具。这类似于传统制造业从作坊走向流水线的过程，是生产方式的改变，而不是生产技术本身的革命。
所以，你问这玩意能不能用起来，答案自然是肯定的，在工程化落地中一定能体现效率上的好处;但如果你问它能不能带来物理AI理论、或仿真技术本质上的根本突破，答案则是否定的。
伯恩斯坦公司表示：“一个值得注意的信息是， Jensen展示的一张图表表明，2025年到目前为止，前四大公有云供应商已购买了360万颗Blackwell AI芯片，而2024年购买的Hopper GPU芯片为130万颗”。
关于扩展规模：“几乎整个行业都判断失误……人工智能的扩展定律更具弹性，实际上，还在加速发展。由于具身智能（Agentic AI ）和推理的需求，我们目前所需的计算量，比去年同期预计的高出100倍……推理所需的计算量比以往任何时候都‘大幅增加’”，“处于计算加速的临界点” 。
美银观点：
- 路线图：Blackwell芯片已全面投产；Vera Rubin芯片预计在2026年下半年推出（将集成144个GPU，而Blackwell仅集成2个……这“将大幅降低成本”）；Rubin Ultra芯片预计在2027年下半年推出。
- 多家技术合作伙伴参与共封装光学（CPO）项目（包括Spectrum-X和Quantum-X的共封装光学技术）……提到了COHR和LITE两家公司 。
小摩：“Spectrum-X CPO的推出时间将比一些人预期的晚一年（这对收发器相关公司来说是个渐进的利好消息）” 。
来自Gene Munster的消息：关于英伟达主题演讲的5点总结：
1. 在长达两小时多的主题演讲中，约三分之一的时间Jensen都在阐述我们仍处于AI建设早期阶段。鉴于英伟达2026财年的市盈率为20倍，投资者仍持怀疑态度。我认同这一观点。现在投资者的关注重点转移到4月底，届时将听到微软、谷歌、Meta和亚马逊的消息 。
2. Jensen表示，有了Blackwell芯片后，就无需购买Hopper芯片。我的理解是：鉴于当前的需求状况良好，他才这么说 。
3. 产品发布符合预期，包括Blackwell Ultra、Rubin芯片，以及CPO技术——该技术将光学元件靠近GPU，以节省电力，从而使数据中心能够部署更多GPU 。
4. 从2022年的Hopper芯片到2024年的Blackwell芯片，再到2026年及以后的Rubin芯片，英伟达每一代产品的AI计算能力都提升了约4倍。新一代产品物有所值。
5. Rubin Ultra芯片的功耗预计约为Blackwell芯片的4.5倍，这对SVRT公司是个利好 。
汽车业务部门：宣布与通用汽车达成合作，为通用的自动驾驶未来提供技术支持。然而，如果在今年年底前没有重大进展，我会感到惊讶。在这个赢家通吃的市场中，通用汽车要赶上Waymo和特斯拉难度很大 。
笔者总结：基本符合预期：新品无惊喜，股价承压回落，部分先信资金跑路。不过好消息是，B系列芯片受到了广泛的欢迎，订单饱满；未来几年路线清晰；公司业务多元化，进军软件，C端AI等，做大了增量。摩根大通预测2026财年营收预计增长至1980.59亿美元，调整后EBIT为1229.83亿美元，调整后净利润为1081.98亿美元，调整后EPS为4.42美元。整体仍保持50%的增速，对比现在的估值算是相当便宜了。
风险提示及免责声明
市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。
精彩评论