NVIDIA GTC Taipei 2026 核心整理。

network

NVIDIA GTC Taipei 2026 核心整理。

本次发布会上，NVIDIA 最强势推进的框架是 AI Factory。

黄仁勋将 AI 数据中心描述为不仅仅是简单服务器集合，而是生产 token 的工厂。

未来 AI 基础设施的核心标准将不再只是 GPU 数量，

而是转向
每单位电力 token 产量
网络效率
冷却效率
运行率
部署速度
每 token 成本
运营稳定性
这样的结构。

NVIDIA 所说的 AI Factory 并不是简单地把 GPU 塞满的数据中心。

它是将 GPU、CPU、DPU、NIC、交换机、NVLink、以太网、CPO、液冷、电力管理、运营软件、数字孪生等全部捆绑成一个整体基础设施系统。

核心发布内容可以大致分为 4 个。

1. Vera Rubin

NVIDIA 将 Vera Rubin 平台定位为 agentic AI 时代的核心基础设施。

Vera Rubin NVL72 是机架级 AI 超级计算机架构。

配置大致如下。

36 个 Vera CPU
72 个 Rubin GPU
NVLink 6
ConnectX-9 SuperNIC
BlueField-4 DPU
Spectrum-X 以太网光子学
基于液冷的机架系统

这里重要的是，NVIDIA 现在不再只是卖单个 GPU 的结构。

不是卖单个芯片，而是将整个机架、整个网络、整个冷却、整个操作系统捆绑起来卖。

这种结构的强大之处在于，竞争对手就算做出一个优秀的 AI 芯片，也很难立即赶上。

AI 基础设施现在不再是单纯的 GPU 性能之争，

而是转向
机架设计
GPU 间连接
CPU 环境
DPU 安全
网络 fabric
电力稳定性
冷却效率
运营自动化
部署速度

这样的整体优化之争。

2. Agentic AI

本次发布会上，NVIDIA 持续强调的方向是 agentic AI。

现在 AI 不再是简单的聊天机器人，而是朝着推理、使用工具、执行代码、验证、同时处理多项任务的方向发展。

在这种结构中，不再只有 GPU 重要，CPU 也变得重要起来。

因为 AI agent 要同时运行多个环境、进行模拟、验证、迭代学习，就需要在 GPU 旁边大规模运行基于 CPU 的任务。

因此 Vera CPU 变得重要。

NVIDIA 将 Vera CPU 描述为针对 agentic AI 和强化学习时代的 CPU。

Vera CPU 机架是同时运行大规模 CPU 环境的结构，负责 AI agent 执行实际任务所需的工具运行、环境验证、数据处理、编排等。

也就是说，未来 AI 基础设施将不再只是 GPU 变大，而是 GPU + CPU + 网络 + 存储 + 安全 + 操作系统一起扩大的方向。

3. Spectrum-X 以太网光子学 / CPO

从投资角度来看，最重要的部分之一是 Spectrum-X 以太网光子学。

NVIDIA 在 Vera Rubin NVL72 中包含了 Spectrum-X 以太网光子学共封装光学交换机。

这是光通信/CPO 在 AI 数据中心中逐渐上升到核心位置的信号。

随着 AI 集群规模扩大，瓶颈不再是单纯计算，而是数据移动。

GPU 与 GPU 之间
机架与机架之间
数据中心内部 fabric
数据中心间连接
推理请求与响应流程
模型并行化
MoE 路由
长上下文推理

在所有这些结构中，网络带宽和电力效率变得重要。
仅靠电基连接，距离、发热、电力、信号质量问题会持续扩大。

因此，NVIDIA 直接将 Spectrum-X 以太网光子学和 CPO 推向前台，具有重大意义。

光通信不再是遥远的未来主题，而是正在进入 AI Factory 扩展的必需基础设施。

不过，这里不能立即将特定个股定性为确切受益股。

COHR、LITE、AAOI、SIVE、POET 等名称可能在市场上被提及，但实际营收连接需要单独确认。

谁供应激光器
谁供应光学引擎
谁制造 PIC
谁供应 FAU
谁负责封装和测试
谁在 NVIDIA 生态系统中实际接到订单

确认这些，才能区分真正受益股和主题股。

方向性是向光通信/CPO 强化，但个股受益仍处于验证领域。

4. DSX / AI Factory 参考设计

NVIDIA 本次又强势推进的部分是 DSX。

DSX 接近于设计、模拟、部署、运营 AI Factory 的参考设计。

这里重要的是，NVIDIA 正在向下延伸到数据中心建设领域。

AI Factory 不是简单买服务器塞进去的问题。

电力
冷却
配电
机架布置
网络拓扑
运营自动化
建筑设计
电网连接
数字孪生
工作负载模拟

所有这些要素必须同时匹配。

NVIDIA 通过 Omniverse DSX Blueprint 提出，在实际建造 AI Factory 之前，用数字孪生进行模拟的结构。

这可以视为将电力·冷却·建设·运营公司都纳入 NVIDIA 生态系统的意图。

官方资料中提到的 DSX 相关合作伙伴包括 Cadence、Dassault、Eaton、Jacobs、Schneider Electric、Siemens、Trane、Vertiv、GE Vernova、Hitachi 等。

光看名字，方向就很明确。

AI 基础设施瓶颈不再止于 GPU，而是扩展到电力、冷却、建设、配电、运营自动化。

从投资角度，本次发布的核心受益轴可以这样整理。

第一，NVIDIA 本体

NVIDIA 正在从 GPU 公司扩展为 AI Factory 平台公司。

GPU
CPU
DPU
NIC
交换机
CPO
NVLink
以太网
软件
操作系统
参考设计
将这些全部捆绑卖的结构正在形成。

这样，NVIDIA 的护城河将从单纯芯片性能转向整体系统掌控力。

第二，台湾 AI 服务器供应链

本次 GTC Taipei 再次展示了台湾供应链的重要性。

TSMC
Foxconn
Quanta
Wistron
Wiwynn
Pegatron
QCT
Compal
Inventec
ASUS
Gigabyte

这些公司在 AI 服务器、机架组装、板卡、系统集成、供应链 ramp 中将继续变得重要。

特别是 Vera Rubin 是机架级系统，部件数量和组装复杂度极大。

无论 NVIDIA 多强，实际制造实物的还是台湾 ODM/EMS/服务器供应链。

第三，电力·冷却基础设施

AI Factory 归根结底是吃电的工厂。

随着 GPU 需求扩大，电力保障、冷却效率、配电稳定性、电网连接成为核心瓶颈。

Vertiv
Eaton
Schneider Electric
Siemens
GE Vernova
Trane
Delta Electronics
这些轴持续重要的原因就在这里。

买了好的 GPU 没有电力就转不动。

冷却跟不上就转不动。

配电不稳定 uptime 就会下降。

因此，AI Capex 的下一个瓶颈是电力和冷却。

第四，光通信/CPO 价值链

本次发布对光通信领域是相当重要的信号。

随着 AI Factory 扩大，网络电力和带宽问题会加大，NVIDIA 通过 Spectrum-X 以太网光子学和 CPO 展示了解决这一问题的方向。

即必须持续关注 CPO、硅光子学、光学引擎、激光、高速测试、先进封装等领域。

但这一环节尤其要小心。

主题很强，但实际受益股必须用营收验证。

公告中出现名字和实际进入供应链是两回事。

有技术实力和接到 NVIDIA 量产是两回事。

接到 PO 和实现大规模量产营收是两回事。

因此，光通信/CPO 投资中，“客户证据”比方向性更重要。

本次发布确认的大趋势很明确。

AI 正在从模型竞争转向基础设施竞争。

AI 基础设施正在从 GPU 竞争转向 AI Factory 竞争。

AI Factory 竞争正在扩展到电力、冷却、网络、机架系统、运营软件、台湾供应链竞争。

并且，光通信和 CPO 作为解决网络瓶颈的核心轴，正在变得越来越重要。

我看到的结论是这样的。

下一个 AI 周期中要关注的瓶颈是

GPU 本身
HBM
电力
冷却
机架系统
高速网络
CPO
光互联
台湾 AI 服务器供应链
AI Factory 运营软件

这些领域。

特别是我认为很重要的光通信/CPO 本次又作为核心出现，这验证了我的观点。

NVIDIA GTC Taipei 2026 是正式确认这一趋势的活动。

现在市场将不再简单看“谁卖 GPU 多”，

而是更可能关注
谁最快建成 AI Factory
谁每单位电力产生最多 token
谁最好地减少网络瓶颈
谁最好解决冷却和电力问题
谁抓住实际连接营收的供应链

这将成为焦点。

非买入·卖出意见。
个人学习记录。
评价此翻译：

network

英伟达老黄：不只卖芯片了，我要卖整座AI算力工厂。今天上午老黄在中国台北发表英伟达GTC台北2026主题演讲。主要宣布了新一代AI计算平台Vera Rubin全面投产，并探讨了AI技术向智能体（Agent）演进的趋势。梳理下他演讲的主要内容，值得一看。
1、AI工厂生态系统
英伟达最终不止是打造GPU，不止是打造AI系统，要帮助我们的客户打造这些AI工厂，这些极度复杂的AI基础架构。

每一个这样的AI工厂生态系统，在1GW等级的规模下，起步成本就高达200亿到300亿美元，甚至高达500、600亿美元，未来很快会达到每GW 800亿到1000亿美元。

要花费每GW 1000亿美元的成本来打造一个AI工厂，这个工厂必须要一次性成功，必须要立即能投入运作。这背后的资本投入是巨大的，复杂程度是极高的。

2，可以在数码架构中构建一个巨大的、足以满足全球需求的系统。在我们在动工破土、投入资金之前，早已在数码模拟器中完成施工，这就DSX系统。

“NVIDIA DSX™ 平台为基础设施建设者提供了创建人工智能工厂的完整方案。NVIDIA DSX将开源、模块化的软件库、应用程序编程接口、参考设计、NVIDIA 加速计算平台以及合作伙伴技术整合到一个通用的、共同设计的平台上，用于人工智能工厂的设计、部署和运营

3、Vera Rubin已实现全面量产
Vera Rubin是英伟达历史上最具野心的计划，全体4万名工程师参与了Vera Rubin的系统打造。现在Vera Rubin已经实现全面量产。

1）AI不会对软件公司构成威胁
过去是启动一个APP，点击然后输入指令。现在则是将其替换成直接向AI解释我们的需求和意图，然后AI自动生成代码或使用工具，并产出所需的结果。这就是未来电脑的运作方式，这就是Agentic AI。过去两年我们一直为了这个目标努力，而现在，这个目标已经实现了。

AI已经不仅仅是大语言模型，更是一个自主代理。我们今天讨论的所有内容，都将以此为基础。

4、全球AI算力需求如此之大，这也是为什么你们在这里（台湾）业务如此繁忙的原因。实际上，这个图看起来就和你们台湾的股市一样！

Token就是资产，从产业的角度来看，Token就是资产，Token已经成为获利的营收单位。因为它可以制造利润。AI公司会想要建造更多Token，生成更多Token，生产更多的AI工厂，这也是为什么这里（台湾）的运算需求已经火箭式飙升。


5、实用的AI已经到来，全球3000万到4000万专业软件开发者都在以编程为生，而这张图代表了他们大多数人。这是GitHub（开发人员存储和管理代码的平台）。如果你看看这个图，在2023年应用AI编程的次数是3亿次，2024年4亿次，2025年5亿次，2026年的前几个月，这个数字已经几乎增长了两倍（至14亿次）


Agent AI已经到来，两年前来到这里时，开始和各位讨论AI如何从生成式AI以及接下来即将到来的其他AI浪潮中进化。下一波AI浪潮就是代理式AI（Agent AI）。而今天，我们可以说代理式AI的时代已经到来。
引用
qinbafrank
@qinbafrank
·
4月13日
AI算力产业链瓶颈传导的底层逻辑