美国当地时间3月18日，「甲子光年」受邀参加了英伟达创始人兼CEO黄仁勋在GTC 2026举行的媒体会。
黄仁勋大概是整个硅谷里最不怕记者提问的CEO，他不仅与全球记者谈笑风生，还试图像管理英伟达员工一样对待记者。
现场一位记者的手机铃声响起，黄仁勋立刻停止回答，半开玩笑半严肃地说：“谁的手机，举手。”他还进一步强调，自己没什么特别不能容忍的事情，除了“开会时手机必须静音，每一位英伟达员工都知道。”而在面对最后一个提问的记者时，他反复强调：“最后一个提问很重要，你要想清楚再问。”
近两个小时、三十多个问题，几乎覆盖AI产业的每一个关键环节，可以说是一次“信息过载”的问答。
但如果把所有回答压缩，会浮现出一条清晰的主线：AI正在重建计算基础设施，而英伟达试图成为这套新秩序的定义者。
从推理架构的分层，到AI工厂的系统整合；从开源智能体的标准争夺，到全球供应链的再布局，黄仁勋给出的是一套逐渐闭环的计算版图。
而OpenClaw（俗称：龙虾）为黄仁勋带来了新的兴奋点，他在媒体会上反复提及OpenClaw并一遍遍强调其重要性，如果说主题演讲上CUDA 20周年是英伟达对过去的回顾，OpenClaw就是黄仁勋对未来的押注。他认为，ChatGPT是AI的拐点，因为它让所有人都能用上通用AI；但Agent系统一直只停留在技术行业内部，大概只有25%的软件开发者在真正使用。然后OpenClaw出现了，几周之内就成了历史上增长最快的开源项目。
看看各种龙虾的token消耗量，大家都会明白黄仁勋极力推荐OpenClaw的目的。
当所有人都在算token成本时，英伟达更在意的是——谁来定义这些token从哪里产生，谁又在引导token的消费。而真正的*者，往往最清楚自己可能失去什么。
「甲子光年」从这次媒体会上黄仁勋的回答中精选了五句话，分别是：
“英伟达不只造GPU，实际上在构建更远大的东西。”
“每个token都不是等价的。”
“OpenClaw是一件非常重要的事。”
“从很多层面来说，我们掌握着先手信息。”
“别被开除，别变得无聊，别死。（Don't get fired, don't get bored and don't die.）”
1.AI推理变革
媒体会上*个问题就直指AI推理和新发布的NVIDIA Groq 3 LPU。
黄仁勋笑着对记者说：“你正看着推理*（Inference King）。”
随后他把时间线往回拉了两年，表示英伟达从芯片精度、架构到系统互联，已经围绕推理做了好几代产品的准备。他反复强调“推理是一个巨大的计算机系统问题”，关键在于谁能够打通从芯片、互联到数据中心的整套体系。
这背后是一个更关键的判断：推理竞争，已经从单点性能竞争，转向系统级工程能力的竞争。
这也解释了英伟达为什么要通过“技术授权+人才吸纳+资产收购”的组合方式，把LPU芯片厂商Groq的核心能力“纳入体系”。
黄仁勋承认Groq在推理速度上“能打”，但现实世界的推理需求，从来不是单一维度：既要低延迟，也要支持大模型，还要承载长上下文。
单一架构无法同时满足这些需求，所以有了Groq与Vera Rubin的组合。
GTC上新发布的NVIDIA Groq 3 LPU，采用约500MB片上SRAM，并提供高达150TB/s的片上带宽，远高于传统依赖外部HBM内存的GPU架构，从而显著降低数据访问延迟。同时，其FP8算力达到约1.2 PFLOPs，晶体管规模达980亿，体现出较强的计算能力与集成度。
相比单纯追求算力规模，Groq 3 LPU更强调通过大容量片上存储与超高带宽的数据流架构，将数据“留在芯片内”高速流动，从根本上优化大模型推理过程中最关键的延迟瓶颈。
“我希望Groq的加入能让大家注意到，英伟达不只造GPU，实际上在构建更远大的东西。”黄仁勋说。
Groq加入英伟达体系后，外界也很关心黄仁勋对其的定位。
在他的规划中，一座算力工厂75%仍将是纯Vera Rubin部署，Groq与Vera Rubin的组合只占25%。Vera Rubin才是核心，Groq是侧翼。
他对自家产品很自信：“它实在太强了，我们自己都不知道如何超越Vera Rubin，否则我们早就造出能胜过它的产品了。”
在黄仁勋看来，就目前token的主流消耗场景而言，Grace Blackwell和即将到来的Vera Rubin已经无可匹敌，Groq的加入改变的是版图的边界，而不是版图的中心。
黄仁勋透露：“如果没有Dynamo，我们就无法探索解耦推理的边界，也就不会有后来收购Groq团队的决策。”引入Groq是英伟达在推理深水区持续探索的必然结果，是Dynamo让团队触及了解耦推理的技术边界，由此看清了Groq的LPU在特定维度上的价值。
Dynamo是英伟达面向大规模AI推理而打造的软件平台，本质上是一个推理基础设施编排系统（Inference Orchestration Layer）。它解决的是一个核心问题：如何把算力利用率拉到最高。
“我希望Groq之于英伟达，就如同Mellanox之于英伟达一样，是一次架构层面的重要补充。我们构建的不是一块GPU，而是一座AI工厂。”黄仁勋说。
2019年英伟达收购Mellanox时很多人同样感到费解，而黄仁勋如今将那次收购视为架构补完的成功先例，用同样的框架定位Groq，信息很清晰：他买的是AI工厂体系中一块关键的架构拼图。
2.Token定义权
如果说推理是入口，那么AI工厂才是英伟达的*形态，而AI工厂生产的就是token。
在这场记者会上，黄仁勋多次将竞争单位从“芯片”上移到“数据中心”，可以说是“三句话离不开token”。
“我们目前是成本*的token生产商，也是AI工厂中吞吐量最高的token生产商。”他列举了MLPerf、SemiAnalysis和Artificial Analysis三项基准测试，称英伟达在每一个可量化的维度上都*。
值得注意的是，黄仁勋给出了一个判断：“每个token都不是等价的。”
黄仁勋进一步解释：“token可能由小型模型、较大模型或超大型模型生成，对应的输入上下文长度也从极短到极长不等。”
在早期的大模型语境中，token几乎被默认视为“标准化单位”——无论是API计费、推理成本，还是性能对比，大家都在用“每百万token多少钱”来衡量。
黄仁勋试图对token进行重新定价：token看起来一样，但生产它们的成本结构完全不同。
为什么不同？因为一个token背后是三组变量的组合：
模型参数规模
上下文长度
推理路径
这些变量叠加后，token的计算开销会呈指数级分化。比如，一个简单问答生成的token，可能只消耗极少的算力；但一个“长上下文+复杂推理链条”生成的token，其背后可能调用了多层模型、跨多轮推理，甚至触发外部工具。这两类token在“数量上相同”，但在“成本和价值上完全不等价”。
从市场角度来看，推理市场不会再是一个“统一价格曲线”，而会分成多个子市场。
一端是*低成本、极高吞吐的“基础token生产”（类似搜索、简单问答）；另一端是高价值、高复杂度的“智能token”（如Agent决策、多步推理）。中间还会形成大量分层场景。也正因如此，黄仁勋强调“市场不会只有一种解法”。
「甲子光年」认为，当token不再等价，竞争就不再只是“谁的计算的成本更低”，而是“谁能在不同类型token之间做*分配”。这正是系统级能力的体现，因为其需要同时调度不同架构（GPU、LPU、DPU等）、不同精度、不同互联方式。
以往英伟达及其竞争对手都在追求更强的芯片性能，虽然这一追求还在，但是英伟达已经开始针对不同token类型进行*生产的算力调度体系的布局。
从产业角度看，这句话也在释放一个信号：未来的AI竞争，不会简单收敛为“token价格战”，而更像是一场“算力分层与调度效率”的竞争。
谁能理解token的差异，谁才能真正参与下一阶段的游戏。
作为“Token King”，英伟达自然想掌握token定义权，而OpenClaw的横空出世，给了黄仁勋讲新故事的机会。
“如今，推理的拐点已经到来，OpenClaw出现，Agent系统正在各处广泛应用。用于推理的token生产规模才刚刚起步。”黄仁勋说。
3.反复被强调的OpenClaw
在GTC期间，黄仁勋几乎在每一个场合都会提到OpenClaw。
在主题演讲中，黄仁勋花了很长时间分享OpenClaw的作用及价值，他对OpenClaw评价极高：“OpenClaw是人类历史上*，也是*的开源项目。”他认为，OpenClaw的意义“就像当年的Linux、HTML和Kubernetes”，甚至称它在短短几周内做到的事，“超过了Linux 30年做到的事”。
而在媒体会上，黄仁勋依然在强调“OpenClaw是一件非常重要的事”。
关于Agent体验，他提到：“这种体验仅限于企业内部，局限于科技行业，尚未向大众开放。” 但突然之间，OpenClaw横空出世。我们终于拥有了一个真正架构精良的开源智能体系统。”黄仁勋在媒体会上提到，Claude Code长期以来主要面向企业级应用，因此大多数人尚未真正体验过智能体系统，“除了我们这些身处软件开发行业的人。”
可以说，OpenClaw的出现某种程度上改变了英伟达自身的战略姿态。
黄仁勋表示：“当OpenClaw出现，我们意识到世界终于拥有了一个开源智能体——我们现在几乎可以将其当作一个行业标准。”
英伟达希望尽可能多地向这个开源项目贡献能力，避免世界因此分裂成太多互不兼容的分支项目，“如果我们能将这个主项目打磨得足够优秀，全球每家公司都能以此为起点，构建自己的智能体战略。”
他也明确表示，英伟达将在未来30年间持续为OpenClaw注入能力，“就像我们持续向Linux和Kubernetes贡献代码一样”。
与此同时，英伟达推出了NemoClaw，这并不是英伟达版的OpenClaw，而是英伟达为OpenClaw提供的企业级运行与管理软件栈。
通过NemoClaw，开发者可以安装NVIDIA Nemotron开源模型和OpenShell运行环境，为AI Agent提供安全隔离的执行环境，并加入数据隐私、网络访问和策略控制等安全机制，使长期运行的AI Agent更加可靠和可扩展。
“基本上是一份经过英伟达优化、专为企业级场景打磨的OpenClaw蓝图。如今只需一行代码、一键安装，每个人都能获得一个强大的智能引擎。”黄仁勋在记者会上依然在推荐NemoClaw。
这个能力延伸到物理世界同样成立。黄仁勋提到，由于已同步攻克了认知AI，也就是AI认知领域的OpenClaw，OpenClaw在机器人内部运行已经是“相当显而易见”的设想。采用同一推理技术的智能汽车，将带动机器人技术在未来几年内实现超高速演进。在数据中心层面，运行OpenClaw配合Vera Rubin整套系统，是“非常理想的组合”。
OpenClaw的影响远不止于科技行业内部。
一位来自欧洲的记者问到了欧洲相关产业的机会，黄仁勋表示，上一次IT和软件革命对制造业来说非常陌生。制造业的文化是严格的、一步一步的，每一件产品在发货之前必须*，因为它可能伤害到人。而软件的运作方式是集群式的，你必须在它还没有完善之前就发布，因为如果你不发布，它永远不会被修复。正是这种文化差异导致美国在IT革命中全面主导，而德国却被落在了后面。
但OpenClaw改变了这个局面。“OpenClaw不需要你去编程，它只需要你告诉它该做什么。”他想对德国、日本、瑞典等国说的话是，“你们可以跨越IT革命，直接跳跃到AI革命。将AI技术与你们世界级的机电一体化工业能力深度融合，你们将一跃成为全球机器人产业的*。”
还有记者问到，随着Agent工作流的兴起，新思科技、Cadence这类传统软件平台将被取代？
黄仁勋回应：“请转告散户投资者，他们的判断完全错了。”
他指出这些设计工具的业务规模上限取决于有多少工程师在使用。未来会有大量AI智能体工程师，“这些智能体工程师会做什么？凭空生成晶体管吗？不，它们会使用和人类工程师一样的工具”，因为工作完成后，必须把结果放回人类可以理解的结构化数据中。“正因为有了智能体，我们需要授权的新思科技工具数量很可能会爆炸式增长，而不是减少。”
不过，OpenClaw面临的挑战同样真实。
黄仁勋坦言：“安全并非*的难题，但确实是一个极其严峻的问题。安全、治理、隐私，以及所有与规范化智能体系统相关的特性，都是亟待解决的关键议题。”
「甲子光年」这几天在GTC现场感受到，虽然OpenClaw很火，但黄仁勋的行为已经超过了对一个开源项目的常规背书，他更像是在反复确立一个新的行业共识。
在他的表述中，OpenClaw的重要性至少体现在三个层面：它让原本只属于少数开发者的Agent能力，开始走向更广泛人群；它具备成为“类似Linux、Kubernetes”的行业标准的潜力；更重要的是，它正在从软件系统延伸到机器人、自动驾驶和制造业，成为一种新的交互范式。
但如果把这些表述拼在一起看，会发现一个更深层的意图。
在推理和“AI工厂”的叙事之外，OpenClaw实际上补上了英伟达在上层生态中的关键一环——不仅关心token如何被生产，也开始介入token如何被消费。
某种程度上，这是一场关于“入口”的争夺。
谁定义了Agent系统，谁就定义了未来计算的调用方式；而谁定义了调用方式，谁就掌握了算力需求的流向。
也正因此，黄仁勋才会在不同场合反复强调OpenClaw。
4.站在产业链更上游
当算力变成资产，英伟达就不再只是卖铲子的人，而开始参与矿的建造。
黄仁勋在媒体会上提到，英伟达越来越多地被要求为客户的数据中心建设提供融资支持。他的回应很直接：“我们会向那些我们确信会成功的公司提供资助。”
这一变化，表面上是销售模式的延伸，本质上却是AI算力正在走向基础设施资产化的体现。
在传统IT时代，服务器是成本；而在AI时代，算力正在成为一种可以持续产出现金流的“产能”。一个1GW级别的数据中心，其投资规模、回收周期与运营方式，已经更接近发电厂而非互联网机房。
在这种背景下，英伟达的角色也在发生变化。它不仅提供GPU和系统，还通过股权投资、供应链融资以及项目级支持，直接参与到算力资产的建设过程中。
他提到英伟达投资了CoreWeave、Nscale和Nebius，认为这些都是“全垒打”级别的投资。黄仁勋解释了英伟达为什么有把握认定这些是必胜之局：“因为我们已经看到了流向它们的业务。从很多层面来说，我们掌握着先手信息。其中一些客户就是Meta、Azure、Anthropic等巨头。”
“所以英伟投资这些公司帮助这些'新星'做大的风险很低。”黄仁勋将英伟达定位为‘超级助推器’，对于流向它们的算力需求来说，也是一种正反馈的“服务价值”，“没有英伟达这些公司也能完成融资，但这是我们能融入整个生态系统的方式。”
谈及背后的投资逻辑，黄仁勋表示，英伟达的目光始终锁定在两个方向：上游供应链与下游合作伙伴。
向上游看，英伟达会推演未来2到5年的供应链需求，并提前布下先手；向下游看，则会评估未来1到5年需要怎样的落地产能（包括土地、电力、厂房设施）以及开发者生态。
他以投资Coherent和Lumentum为例，指出这是典型的上游战略布局。由于英伟达正随着Spectrum-6大规模引入硅光子技术，未来几年还会将其整合进NVLink扩展架构中，这使得未来的硅光子产能需求将远超全球现有水平。为了确保供应链不掉链子，英伟达的手段非常灵活：“有时我们支付预付款，有时提供明确的需求预测；但如果某项关键技术的产能极度紧缺且未来需求巨大，我们就会选择直接投资这家公司。”
相比之下，对Nebius的投资则属于下游生态的押注。黄仁勋用一句话总结了他的大局观：“我始终沿着整个技术与制造的生命周期进行全局扫描，以此为公司的持续增长做好万全准备。”
「甲子光年」认为，英伟达掌握着订单流与技术路线的双重信息优势，使其能够在一定程度上预判算力资产的未来现金流，这正是基础设施融资能够成立的前提。
某种意义上，AI产业正在复制能源行业的路径——从设备销售，走向产能建设，再走向资产运营。而英伟达，正在尝试站在这条链条的更上游。
5.人生哲学背后的焦虑
黄仁勋坦言，自己比以前更加忙碌。
他表示，英伟达如今的运转和项目推进速度已经创下历史新高，“说实话，我感觉自己越来越忙了，甚至比六个月前还要忙。原因就在于，工作成果的反馈更快了，项目数量的增长也更快了。”
他以日常工作为例说明了这种变化。现在员工写好产品定义或架构文档交给AI智能体，仅仅30分钟后就能拿到成果；而在过去，团队拿去开发通常需要一个月，员工在那期间可以从容地处理其他事务。“如今，那一个月已经压缩成了30分钟，你随时都在关键路径上。”
针对外界对AI抢走饭碗的担忧，黄仁勋给出了截然相反的结论：“很多人说AI来了我们会失去工作。恰恰相反，事实是：PC让我们更忙了，互联网让我们更忙了，移动设备也让我们更忙了。”据此他判断，AI将极大提升人类推进工作的速度，人们最终会承担更多的工作量。
展望十年后的英伟达，他描绘了一幅人机协同的图景：届时公司将保持约7.5万名人类员工的精简规模，但会与750万个全天候运转的AI智能体并肩作战。他提到，希望人类员工不必去硬跟智能体的工作节奏，并调侃道：“我很确定他们也跟不上。”
“每一种职业都会发生变化，有些工作会消失，有些工作则是全新的。”黄仁勋笃定地说，“世界在变，AI会改变这一切，但我相当确信，那将是一个更美好的世界。”
在媒体会的最后，黄仁勋用一种玩笑的方式，总结了他的人生哲学：“别被开除，别变得无聊，别死。”
他补充说，这三条构成一个三角，“尽量在这个三角中保持”。对应到公司层面，则是：“不要被你的客户抛弃，不要让公司变得无聊，不要倒闭。”黄仁勋说，“我已经把我人生的秘密都告诉你们了。”
如果把这段话放回这次GTC的语境中，它更像是一种被高度压缩的经营逻辑。
“不要被客户抛弃”，对应的是技术路径的不确定性。在推理架构不断演进、竞品芯片频繁出现的背景下，英伟达必须持续证明自己在系统层面的不可替代性，这也是它从GPU走向“AI工厂”的根本原因。
“不要变得无聊”，则指向生态与创新能力。当Agent成为新的计算接口，如果英伟达缺席这一层，它就有可能退回到“被调用的算力供应商”，这也解释了他为何在不同场合反复强调OpenClaw。
而“不要倒闭”，则是对当下算力资本开支周期的现实回应。当数据中心投资规模逼近能源基础设施级别，企业不仅要算性能，更要算周期、现金流与风险。
这三条是成功秘诀，也是黄仁勋的焦虑所在。
在一个仍在快速重构的计算体系中，没有任何位置是稳固的。芯片可能被替代，架构可能被重写，入口也可能被重新定义。
英伟达正在做的，是尽可能同时占据多个关键位置：在底层，它试图定义token如何被生产；在中层，它试图重构数据中心，打造AI工厂；在上层，它又试图通过OpenClaw影响token如何被消费。
但正因如此，黄仁勋也比任何人都更清楚，一旦失去其中任何一环，整个体系都会失去支点。
虽然英伟达目前依然是“Token King”，但“居安思危”对任何一家行业头部企业都十分必要。
