今年的NVIDIA“年度春晚”節目上，黃仁勛再次穿著那件標志性的黑皮夾克登上舞臺。

但這場GTC顯然與以往不同。他沒有發布“史上最強”的顯卡，也沒有強調AI模型的參數規模，而是用兩個小時的時間講述英偉達正在重新設計的世界——一個在摩爾定律逐漸失效的時代，如何讓計算繼續增長的世界。

或者更具體地說，通過這場演講中提出的構想，英偉達正試圖回應一個更為底層的問題：當晶體管不再更小、更快時，計算的增長該靠什么延續？

摩爾定律的盡頭：為什么計算必須被重寫

黃仁勛的開場從歷史講起。半個多世紀以來，摩爾定律幾乎是整個科技產業的“自然法則”——晶體管數量每兩年翻倍，計算性能與能效同步提升，成本則下降。正是這條曲線支撐了從個人電腦到智能手機、從互聯網到云計算的高速發展。

但他指出，這一規律已逐漸失效。晶體管的數量仍在增加，但能效和速度的提升趨近極限。晶體管越來越多，芯片卻不再“更快”；相反，功耗、散熱和制造成本的壓力在急劇上升。傳統CPU主導的通用計算架構，也難以應對如今AI訓練和推理的指數級增長需求。

“摩爾定律的曲線還在，但它已經失去了推動力，”黃仁勛說，“我們需要新的計算語言。”

英偉達過去三十年的“加速計算”正是這種語言的雛形。GPU最初用于圖形渲染，如今已成為AI計算的核心。通過GPU與CPU的協同、CUDA編程體系和覆蓋各行各業的算法庫，英偉達構建出了一套“第二計算體系”。這套體系不再依賴晶體管的倍增，而是依靠架構的協同與算法的重寫實現性能提升。

黃仁勛稱這種方法為“新的計算模型”。它改變的不只是硬件，而是計算的組織方式——讓計算機像一個分工明確的社會系統：CPU負責指令和調度，GPU處理海量并行任務，二者通過統一的軟件棧協同工作。對英偉達而言，這是一個能在摩爾定律之后繼續維持指數增長的路徑，也是一場重新定義“計算”的革命。

AI工廠：智能的生產邏輯

這意味著，計算中心的角色正在改變。數據中心不再只是處理請求或存儲文件的“機房”，而是成為生產智能的“工廠”。黃仁勛將這種新形態稱為“AI工廠”（AI Factory）。他解釋說，AI工廠的產品是Token——語言、圖像、化學式、三維模型這些信息單元。AI的每次推理與生成，都是Token的生產過程。

“AI工廠的邏輯與煉鋼廠相似：輸入能量，輸出有價值的產物。”他說。不同的是，煉鋼廠的產物是物質，而AI工廠煉的是智能；前者追求物理效率，后者追求計算效率。

英偉達的目標，是讓智能的生產像工業制造一樣標準化、可復制、可擴張。要實現這一點，首先要解決AI“生產線”的成本問題。AI的推理與生成極度耗電，能源支出和算力成本正成為制約AI普及的瓶頸。黃仁勛稱，未來的核心指標不再是“每秒計算能力”，而是“每個Token的生產成本”。讓Token更快、更便宜地產生，才是AI真正的工業化。

而這正是“AI工廠”的戰略核心——把AI算力變成一種可以計量、預測、投入與回收的產能，把智能的生成變成一門制造學。

把計算變成制造業

GB200將CPU與GPU深度整合，通過NVLink72高速互聯，把72顆GPU連接成一個整體運算體。它不再是一組獨立的硬件，而是一臺被放大到機柜規模的“超級芯片”。黃仁勛稱之為“極致協同設計”——芯片、封裝、內存、互連、軟件和算法同步優化。其結果是性能提升十倍，能耗和成本同時下降十倍。

這種系統級設計意味著計算從“單芯片競爭”進入“整體架構競爭”。性能的邊界不再取決于一塊芯片的極限，而取決于整個系統的協同程度。黃仁勛稱這是一種“新的摩爾定律”，它的增長來自架構，而不是晶體管。

與此同時，英偉達正在把“制造”重新拉回產業核心。黃仁勛宣布，Blackwell系列已在美國實現完整生產鏈：亞利桑那制造晶圓，印第安納封裝HBM內存，德克薩斯組裝整機。他強調：“總統讓我把制造業帶回美國，九個月后我們做到了。”這不僅是政治表達，也反映出英偉達在戰略上的縱深布局——掌控供應鏈，才能掌控產能。

更關鍵的是，英偉達正在用數字化手段重構制造流程。公司推出的Omniverse DSX平臺，可以在虛擬空間中建造和運營整個工廠：從廠房設計、電力布局到冷卻系統和氣流仿真，全部數字化。現實中的工廠只是虛擬模型的“復制品”，建設周期從數年縮短到數月。投產后，數字孿生系統繼續運行，實時監控能耗與產出，優化運維。黃仁勛希望AI工廠能像汽車產線那樣被標準化、出口和復用。

這種“工廠化”理念正向更廣的領域延展。量子計算方面，英偉達發布NVQ Link與CUDA-Q平臺，讓量子處理器能與GPU協作，實現量子糾錯與混合模擬；美國能源部將與其合作建設七臺AI超級計算機。通信領域，公司與諾基亞共同推出6G平臺ARC（Aerial Radio Network Computer），讓AI計算能力直接嵌入無線基站，使其既能通信又能推理。

在物理層面，英偉達提出“物理AI”三層架構：Grace Blackwell用于訓練模型，Omniverse用于數字孿生仿真，Jetson Thor驅動實體機器人。德州的富士康AI工廠、人形機器人公司Figure、強生的醫療機器人以及迪士尼研究院的仿生角色“Blue”，都在這一體系下運行。黃仁勛用一句話總結：“工廠本身就是一個機器人，它在協調機器人制造機器人。”

在這一切背后，英偉達正在打造一種可出口的“智能生產體系”——既是產品，也是方法論。它不僅供應算力，更輸出“如何制造智能”的能力。