老黃演講後，網上很多博主都發了關於GTC的內容，但是絕大多數都是新聞性質的，他們只講了黃仁勳都說了啥。這篇文章我們結合 NVIDIA 的技術規劃，來聊一聊網上可能沒有的分析和GTC的核心看點。對於兆營收和CPO的資訊，都是大家知道的了，這篇文章就不再贅述了。1、CPX的黯然退場在上個月下旬的時候，網上還依然傳著很多關於 CPX 要使用 HBM 的傳言。我當時就聽到消息說 CPX 要取消，我當時還不太信，但事實證明確實是被 LPU 取代了。那為什麼會取代呢？就是因為輝達的路線轉換，他們要從 prefill 加速切換到 推理加速。這些內容和觀點，我們之前在星球中都講過。2、誰是這次 GTC 大會之後最大的受益方？那顯然是三星。因為 LPU 是找三星獨家代工，採用的是三星的 N4 工藝。這意味著三星不僅是輝達全層級儲存的核心供應商，現在更獨攬了 LPU 的代工大單。在Rubin上，三星的綜合價值量已經超過台積電了，因為台積電只負責代工加封裝。原文連結：https://globalsemiresearch.substack.com/p/nvidia-gtc-2026-is-samsung-the-biggest3、LPX 機架引入 FPGA 的作用可能很多人都沒想到，在 LPX 機架上面引入了 FPGA。那麼它的作用是什麼呢？專門負責實現系統內可配置的串聯通訊旁路後端搭配了一顆 CPU 進行協同控制這種精密協同架構保障了 256 顆 LPU 能夠作為單一的巨型處理器運行，從而實現低延時的確定性推理加速。4、為什麼要把CPU獨立成機櫃？是因為我們已經正式邁入智能體時代。智能體在自主工作時，需要頻繁地呼叫工具、執行邏輯程式碼、進行強化學習和自我糾錯。而獨立的 CPU 機架，正是為了提供海量的“沙盒”環境而生。單個機架整合了 256 顆 CPU，可以同時維持超過 22,500 個並行的智能體測試和驗證環境，填補了 GPU 在複雜單線程邏輯處理上的短板。5、輝達為什麼要設獨立的儲存機櫃？這就要結合輝達之前提出的 ICMS（推理上下文記憶體儲存）方案來解釋了。在智能體時代，模型需要處理數百萬 token 的超長上下文，導致 KV Cache 的數量呈線性暴增。如果將海量的 KV Cache 全部放在 HBM 層，不僅容量受限，而且成本非常高。但如果解除安裝到傳統的共享化企業儲存中，其功耗過大，而延時又會嚴重拖慢推理速度，導致 GPU 處於閒置等待狀態。因此，輝達採用了分級儲存架構：ICMS 充當了整個 AI 叢集的長期記憶庫。它專門針對海量臨時 KV Cache 資料的儲存、檢索和共享進行了最佳化。通過高速 RDMA 網路，它能夠提前將上下文資料預載入回 GPU 記憶體，從而避免了歷史資料的重複計算，顯著提高效率。6、拋開技術層面，老黃最關注的是什麼？拋開第六個看點，拋開所有的技術參數，老黃最看重的底層護城河其實是產能和供應鏈。最近他頻繁來亞洲，是為了鎖定儲存、晶圓代工和先進封裝產能。這也是他這兩年頻繁來亞洲的原因，因為要鎖定儲存晶圓和 CoWoS 產能。黃仁勳在供應鏈管理上的優勢，是其他所有企業都望塵莫及的。這裡我們再多說一點，Google前段時間賣給Anthropic的TPU，其實Google非常後悔，因為他們現在內部都沒得用，結果還把珍貴的算力賣給了競爭對手。所以這也是 OpenAI 去年瘋狂跟各個大廠合作、畫餅要產能的原因。這一反面案例恰恰印證了在 AI 算力即“企業命脈”的當下，對底層產能的絕對把控力才是決定最終勝負的關鍵。 (傅里葉的貓)

2026 年 3 月 17 日，輝達 CEO 黃仁勳在 GTC 全球開發者大會發表主題演講，重磅發佈新一代 AI 算力硬體、全端軟體平台及生態合作體系，核心圍繞AI 工廠基礎設施與大模型推理性能突破展開。報告主要內容核心理念：結構化資料是 AI 的基礎事實企業合作實踐雲廠商協同方案新一代硬體發佈AI 工廠基礎設施軟體與工具體系開源模型成果全球 AI 生態聯盟AI 商業化核心邏輯未來佈局與行業落地報告主要頁面(銳芯聞)

一、先說結論如果用一句話概括 NVIDIA 這份 2026 年 AI 現狀報告，那就是：AI 正在從“可選創新項目”，變成企業的核心經營基礎設施。這份報告覆蓋金融服務、零售與消費品、醫療與生命科學、電信、製造等多個行業，共收集了超過 3,200 份全球反饋。報告顯示，企業已經不再滿足於“嘗試 AI”，而是更關注三個結果：能不能提升效率、能不能帶來收入、能不能把投入真正轉成 ROI。從結果看，答案是明確的：AI 已經在大多數行業中，開始同時帶來收入增長、成本下降和員工生產力提升。與此同時，企業也在加速把 AI 從試點推進到規模化部署，並進一步把預算投向更具體、更垂直、更貼近業務的應用場景。二、AI 進入“成熟採用期”：試點在減少，規模化部署在增加報告最值得關注的第一個訊號，是企業 AI 採用階段的變化。整體來看，64% 的受訪者表示，其所在組織已經在實際營運中主動使用 AI；28% 仍處在評估階段；只有 8% 表示暫時未使用 AI，且沒有啟動計畫。也就是說，AI 在企業側已經不是少數人的前沿實驗，而是明顯進入主流應用階段。從地區看，北美 採用度最高，70% 的組織已經在使用 AI；EMEA 地區為 65% ，APAC 為 63% 。其中 APAC 雖然採用率不低，但也有更高比例的受訪者表示仍未正式使用 AI。從企業規模看，大公司跑得更快。員工數超過 1,000 人的大型企業中，76% 已在主動使用 AI，且幾乎沒有完全不使用 AI 的情況。NVIDIA 認為，這背後的原因很直接：大企業有更多資本投入基礎設施、資料科學家和專業人才，也更容易把項目從試點推進到生產環境。這說明一個現實趨勢：AI 競爭，正在從“誰先做 Demo”，轉向“誰先把 AI 嵌進真實業務流程”。三、企業做 AI，最想解決的不是“炫技”，而是效率問題很多人會把 AI 理解成一個增長工具，但 NVIDIA 這份報告表明，企業最優先追求的，其實仍是經營效率。今年調查中，企業使用 AI 的前三大目標分別是：提升營運效率（34%）、提高員工生產力（33%）、開拓新業務機會和收入來源（23%）。這意味著，企業對 AI 的第一訴求依然是“把現有業務做得更快、更穩、更省”。在具體效果上，53% 的受訪者表示，AI 對業務營運最大的影響之一是提升員工生產力。此外，42% 認為 AI 創造了營運效率，34% 認為 AI 帶來了新的業務機會和收入可能。在電信行業，這一點尤其明顯：99% 的受訪者表示 AI 幫助提升了員工生產力，其中四分之一認為改善幅度是“重大”或“顯著”的。這裡有一個很關鍵的認知變化： 過去企業談 AI，容易聚焦“模型能力有多強”； 現在企業談 AI，更關心“它能不能減少人的重複勞動、縮短業務鏈路、提高單位時間產出”。四、AI 已經開始實打實影響財務結果：增收，也降本這是整篇報告最有份量的一部分。關於AI 到底有沒有財務回報，報告給出的答案非常明確：有，而且已經在很多企業中體現出來。1）收入增長整體上，88% 的受訪者表示，AI 已經對企業年收入增長產生影響。其中：30% 表示年收入提升超過 10%33% 表示提升在 5%–10%25% 表示提升低於 5%更值得注意的是，在高管層（C-suite 或副總裁等級）中，超過 40% 的人表示，他們看到年收入增長超過 10% 。2）成本下降在降本方面，結果同樣明顯。87% 的受訪者表示，AI 幫助企業降低了年度成本，其中 25% 表示成本下降超過 10%。在各行業裡，零售和消費品行業表現尤其突出，37% 的受訪者表示成本下降超過 10% 。也就是說，AI 的價值已經不只是“未來潛力”，而是開始以更直接的方式進入企業財務報表：一邊擴收入，一邊壓成本。五、典型案例已經不是“AI 聊天”，而是深入業務底層報告中給了幾個很典型的行業案例，它們有一個共同點：AI 的落點越來越貼近企業真實生產系統，而不是停留在單點工具。1）Nasdaq：把 AI 當成平台能力來統一業務和資料在金融服務領域，Nasdaq 搭建了 AI 平台，用來最佳化內部營運，同時增強外部產品能力。其核心邏輯不是做一個獨立 AI 功能，而是用 AI 把不同業務和技術中的資料連接起來，從而支援更好的產品與服務。這類案例說明，金融行業的 AI 已經從單一分析工具，走向更綜合的平台層能力建設。2）PepsiCo + Siemens：用數字孿生把工廠變化先“演練一遍”在製造業中，PepsiCo 與 Siemens、NVIDIA 合作，把美國部分製造與倉儲設施轉成高保真 3D 數字孿生系統。通過這種方式，企業可以把機器、傳送帶、托盤路線、操作員路徑都在虛擬環境中進行高度擬真的模擬。結果非常直觀：初始部署中，吞吐量提升 20%設計驗證接近 100%資本支出下降 10%–15%還能在物理改造前識別 高達 90% 的潛在問題這說明，AI 的價值不僅是“輔助判斷”，還可以進入工業最佳化和流程重構層面。3）Lowe’s：把 2D 商品圖快速轉成 3D 模型Lowe’s 已為 1,750 多家門店 建構 AI 驅動、物理精確的數字孿生系統，以提升營運效率。它還用 AI 加速資產發現和 3D 模型生成，把二維產品圖片在幾分鐘內轉成高品質、精確的三維模型，而且單模型成本低於 1 美元。這種案例很能說明問題： AI 真正進入企業後，價值往往不在“一個聊天入口”，而在於能否重構企業的資料、流程和資產生產方式。六、Agentic AI 開始進入企業：2026 年是“從試驗走向部署”的一年報告中另一個非常重要的關鍵詞，是 Agentic AI（代理式 AI）。NVIDIA 認為，2025 年企業還主要處於 AI Agent 的試驗階段；而到 2026 年初，這類系統已經開始進入更實際的部署，覆蓋程式碼開發、法律與金融任務、行政支援等多個場景。在 2025 年 8 月到 12 月的資料採集周期中，44% 的企業表示，要麼已經部署 AI agents，要麼正在評估部署。行業中，電信的採用率最高，為 **48%**；零售和消費品緊隨其後，為 **47%**。醫療領域的案例也很典型。Clinomic 的 Mona 是面向 ICU 場景的醫療現場助手，可以即時整合、分析並可視化患者資料，幫助醫生和護士處理臨床工作。根據報告，這一系統帶來了：68% 的文件錯誤減少33% 的感知工作負荷下降這表明 Agent 並不只是辦公自動化概念，它已經開始在高專業度、高即時性場景中發揮作用。七、生成式 AI 很強，但企業真正的核心工作負載仍然很“業務化”很多公眾討論把 AI 等同於生成式 AI，但 NVIDIA 這份報告給了一個更完整的視角。整體看，企業當前最核心的 AI 工作負載中，資料分析與預測分析佔比 62% ，略高於 生成式 AI 的 61% 。不過在醫療與生命科學、電信等行業，生成式 AI 已經超過資料分析，成為首要工作負載；在北美和 EMEA 地區，生成式 AI 也排在首位。這說明企業 AI 的真實圖景並不是“只有大模型”，而是：傳統分析型 AI、預測型 AI、生成式 AI、代理式 AI，正在共同構成企業新的智能系統。八、開源，正在成為企業 AI 戰略的關鍵底座報告裡一個很鮮明的趨勢是：企業越來越重視開源。整體上，85% 的受訪者表示，開源對其 AI 戰略具有中等到極高的重要性；其中接近一半（48% ）認為開源“非常重要”或“極其重要”。中小企業對開源尤其積極，58% 的小公司表示開源非常重要或極其重要。高管層中，也有 51% 認為開放原始碼的重要性很高。為什麼會這樣？因為企業越來越意識到，真正能產生 ROI 的，不是一個“通用 AI”，而是貼合自己業務流程和資料特點的專用 AI 應用。而開源模型、開源權重和開放原始碼軟體，恰恰提供了足夠靈活的能力，讓企業可以針對具體問題，選擇合適工具，並基於自己的資料進行微調和部署。換句話說，企業做 AI，不再只是“買一個 SaaS”，而是在建構自己的智能能力棧。九、AI 預算還在繼續漲，而且上漲邏輯已經很清晰既然已經看到了成效，預算自然會繼續加碼。報告顯示，86% 的受訪者表示，2026 年 AI 預算將繼續增加；另有 12% 表示預算會保持不變。也就是說，幾乎所有企業都不會削減 AI 投入。更進一步，接近 40% 的受訪者表示其 AI 預算將增長 10% 以上。在北美，這一比例達到 48% ；在高管層中，也有 45% 表示預算增長會超過 10% 。資金主要會投向那兒？報告顯示，2026 年企業 AI 支出的前三大方向包括：最佳化現有 AI 工作流和生產周期（42%）尋找更多業務用例（31%）建設或提供 AI 基礎設施訪問能力，如本地資料中心或雲（31%）這說明企業對 AI 的投入已經從“先買卡、先搭環境”，逐漸轉向“如何把已有能力吃透，並找到更多可複製場景”。十、問題依然存在：最大的瓶頸不是興趣，而是人才和資料雖然整體趨勢樂觀，但 NVIDIA 並沒有把報告寫成一篇單純的樂觀宣言。報告指出，企業 AI 仍然處在相對早期階段，仍有接近三分之一的受訪者停留在試點或評估階段。真正阻礙規模化落地的，主要有三類問題。1）資料問題仍然是第一挑戰48% 的受訪者表示，擁有足夠資料以及與資料相關的問題，是推進 AI 的首要挑戰。因為企業若想建構面向自身需求的專用 AI 應用，就必須先把自己的資料體系理順。2）缺 AI 專家和資料科學家38% 的受訪者表示，缺少能夠真正把資料和模型轉成生產系統的 AI 專家與資料科學家，是重要障礙。3）ROI 仍然不夠容易量化還有 30% 的受訪者表示，AI ROI 缺乏清晰度，是他們面臨的主要挑戰之一。原因並不複雜：像“生產力提升”這樣的結果，很多時候並不容易像成本或營收那樣直接、標準化地計算。所以，企業下一階段真正要補的課，可能不是“再試一個模型”，而是：把資料治理、人才組織、ROI 衡量方法一起補齊。十一、這份報告真正透露出的 5 個趨勢1. AI 已經過了“要不要做”的階段現在企業討論的核心，不再是“AI 有用嗎”，而是“如何更快產生業務價值”。2. AI 的價值開始體現在經營指標上增長收入、壓縮成本、提升生產率，已經不再只是願景，而是大量企業正在看到的現實結果。3. 垂直場景和專用系統比通用能力更重要真正創造 ROI 的，往往是深度嵌入業務流程的專業化應用。4. Agent 正在從概念走向生產2026 年，很可能是企業級 Agent 從“內部試驗”進入“局部常規部署”的關鍵節點。5. 開源 + 自有資料 + 基礎設施，將成為企業 AI 的長期護城河未來企業比拚的，不是單純接入了那個模型，而是誰能更穩地把模型、資料、業務流程和組織能力連起來。十二、最後總結NVIDIA 這份《2026 AI 現狀報告》釋放了一個很強的訊號：AI 在企業中的角色，正在從“創新工具”升級為“經營系統”。它不再只是幫助某個崗位更聰明，而是在幫助企業：更高效地運轉更低成本地生產更快地找到新收入來源更系統地重構業務流程但與此同時，企業也必須面對一個現實：真正決定 AI 上限的，已經不是“有沒有模型”，而是有沒有資料能力、組織能力、工程能力和行業場景理解。所以，與其說 2026 年是 AI 爆發之年，不如說它是一個更明確的分水嶺：會用 AI 的企業，正在從“試試看”，進入“用 AI 改造經營”的階段。 (AI 資訊風向)