面对AI算力需求指数级增长与成本控制的尖锐矛盾，英伟达给出了全新的答案。它不再聚焦于单一芯片的性能提升，而是选择重构从芯片到系统的整个AI基础设施，试图以系统工程的优势，解决行业面临的最现实问题。
智能速览
计算机行业正经历CPU到GPU、编程到训练的双重革命
AI模型规模与Token使用量激增，但成本必须逐年下降
英伟达发布Vera Rubin平台，从卖芯片转向卖协同设计的AI系统
AI推理瓶颈从算力转向上下文存储，催生新的内存层
英伟达采用软件开源与基建闭源并行的激进策略
其核心价值已从算力转变为提供确定性与效率
精华内容
面对AI算力需求与成本控制的尖锐矛盾，英伟达选择了一条重构整个技术栈的激进路径，试图从源头解决问题。
AI变革的十字路口
黄仁勋判断，计算机行业正经历一场双重变革：计算方式从CPU转向GPU，软件开发从人工编程转向机器训练。这两场变革叠加，正在重塑过去十年价值约十万亿美元的整个计算产业。需求的压力同样巨大，AI模型规模每年增长10倍，推理所用Token数量每年增长5倍，但每个Token的生成成本却必须以10倍的速度下降。沿用过去堆叠算力的旧模式，将完全无法支撑未来的发展。
系统即AI工厂
英伟达的应对之策是发布名为Vera Rubin的AI超级计算机平台。其核心思想并非追求单一组件的最强性能，而是通过六种自研芯片的协同设计，将CPU、GPU、网络、存储等融为一体，实现整体运行时的最优成本、稳定性与可维护性。特别是NVLink 72整机柜解决方案，已不再被视作一台计算机，而被当作标准化的“生产单元”，部署时间从2小时缩短至5分钟，液冷覆盖率达到100%，支持在线维护，让数据中心真正向AI工厂转变。
上下文，新的性能瓶颈
随着Agent AI和多轮对话的普及，AI推理的性能瓶颈已从算力转向了上下文处理。传统方案中，KVCache要么占用昂贵的显存，要么存入慢速的硬盘导致延迟飙升，成本与效率难以兼顾。为此，英伟达在GPU与存储之间打造了一层全新的“Context Memory”，通过BlueField DPU和Spectrum-X网络进行调度，专门用于存取上下文信息。这一创新虽不如新GPU瞩目，却可能对未来推理架构产生深远影响。
战略闭环与未来
至此，英伟达的战略蓝图十分清晰：一方面，在模型、数据等软件层面持续开源，拥抱多模型与多云混合架构，以扩大生态；另一方面，通过芯片、互联、网络和系统工程的深度整合，构建越来越不可替代的基础设施。用户可以不使用它的模型，但很难绕开它的基础设施。最终，英伟达通过DGX SuperPOD将所有技术整合，在同等延迟下将Token成本降至原来的十分之一，卖出的已不再是单纯的算力，而是“确定性”与“效率”。
从这场演讲可以看出，英伟达已不再将自己定位为一家芯片公司，而是AI时代的基础设施建造者。它赌的是，当AI推理规模持续爆炸时，整个行业终将认识到系统工程的价值远超单点算力。这种从底层重构产业的打法，将如何定义AI世界的未来格局？
