这几年，黄仁勋往东亚跑得越来越勤，画风也越来越不像一个科技公司的CEO。前阵子他出现在北京南锣鼓巷，举着一杯8块钱的蜜雪冰城，站在街边跟路人合影，松弛得像刚逛完菜市场的邻家大叔。没几天又跑去台北夜市，为了不排队买烤玉米，直接全场买单，顺便在餐厅厕所的瓷砖上签了“仁勋到此一游”。在韩国，他跑去网吧跟五个电竞少年摆姿势拍照，又去烤肉店让SK集团会长崔泰源给他调酒，让LG集团会长具光谟给他烤肉。在街头，他给市民分发薯片，导致该薯片销量一周暴涨766%。
全世界都在问同一个问题：那个曾经只跟企业客户打交道、常年穿皮衣在GTC舞台上讲技术参数的黄仁勋，怎么忽然变得这么接地气？答案藏在英伟达的财报、产品路线图以及他频繁往来的行程里。黄仁勋的“既要、又要、还想要”，正在把他的野心摊开给所有人看。
一、既要：GPU的统治力不能丢，算力必须焊死
英伟达的底牌永远是算力。2026财年数据中心业务预计收入1862亿美元，同比增长62%。英伟达的股价在过去三年翻了近十倍，市值早已突破十万亿人民币。Blackwell平台还在放量，新一代Vera Rubin已经全面投产。黄仁勋在GTC台北大会上说，Vera Rubin不是一台机器，而是五个机架组成的超级计算机，专门为智能体AI从头设计。与上一代Grace Blackwell相比，吞吐量提升了十倍，组装时间从两小时缩到五分钟，供应链规模扩大了一倍。
英伟达还在持续加码算力基础设施。黄仁勋宣布了DSX平台，一个建设和运营AI工厂的完整参考设计，从芯片、机架、网络、冷却到电网，全部打包。DSX包含三个部分：DSX Sim用于在数字孪生中验证工厂设计，DSX OS负责工厂运营和监控，DSX Max-Q优化能耗，可以把过度配置的40%电力释放出来用于更多计算。黄仁勋说，到本十年末，全球将有100GW的AI工厂上线，每千兆瓦投入200亿到1000亿美元。英伟达要做的，是让这些工厂都用它的标准、它的方案、它的软件。
这个“既要”是英伟达的命根子。无论AI怎么变，算力都是最底层的刚需。大模型要训练，智能体要推理，机器人要仿真，每一层都离不开GPU。黄仁勋很清楚，只要GPU的护城河还在，英伟达就永远是AI军火库的独家供应商。他在演讲中说了一句话，被很多制造业老板记住了：“计算就是收入，瓦特就是收入，每一个token都是收入。”意思很直白：谁掌握了算力，谁就掌握了未来工业的印钞机。
二、又要：从卖芯片到卖系统，再到卖基础设施
光卖GPU已经不够了。英伟达正在完成一次身份转换。黄仁勋在演讲中反复强调：“英伟达不再只是一家GPU公司，也不只是一家系统公司，而是一家基础设施公司。”这个转变不是突然发生的。2016年，英伟达推出了第一台AI超级计算机DGX-1，那是从芯片到系统的第一步。2024年，Grace Blackwell带来了机柜级的NVL72系统，实现了从单机到集群的跨越。现在，Vera Rubin和DSX平台把英伟达推到了基础设施的层面。
什么意思？以前英伟达卖给你芯片，你自己去配服务器、搭网络、搞冷却、写软件。现在英伟达把整套方案都给你：芯片、机柜、网络、存储、冷却、软件平台、运维工具，甚至还包括建筑、电力、电网接口的参考设计。客户不需要自己当系统集成商，直接拿到手就是一台可以跑起来的AI工厂。
这个“又要”是为了锁住客户。一旦你的AI工厂跑在英伟达的DSX上，换供应商的成本高到无法承受。你的工程师学会了用英伟达的CUDA、用英伟达的Dynamo、用英伟达的OpenShell，你的数据格式、工作流程、运维体系都跟英伟达深度绑定。这不是一锤子买卖，而是一辈子的生意。
黄仁勋举了一个例子：CoreWeave，一家从加密货币挖矿转型的云服务商，基于英伟达的DSX平台建设了自己的AI云，如今估值已经达到数百亿美元。类似的合作伙伴还包括Lambda、Oracle Cloud Infrastructure，以及Dell、HPE、Lenovo、Supermicro等服务器厂商。英伟达不只是卖芯片给他们，而是跟他们一起设计、一起验证、一起部署。黄仁勋说：“全球的工厂和员工都在拼命工作，因为全世界都想赚钱。大家已经意识到，有用的AI来了，可盈利的AI来了。”
三、还想要：物理AI和具身智能，必须落地在中国
黄仁勋最想要的，其实是物理AI和具身智能。他在演讲中说：“在物理AI领域，英伟达绝对是全球最强之一。”他发布了Cosmos 3世界模型，可以生成符合物理规律的合成数据，还推出了人形机器人参考设计Isaac GR00T——25个身体自由度，每只手31个自由度，身高约1米8，体重约68公斤，全套仿真训练环境。
为什么物理AI这么重要？因为语言模型的市场天花板是有限的。全世界的人都用ChatGPT，也就二三十亿用户。但物理AI不一样，每一台机器、每一辆车、每一个工厂、每一座仓库，都需要物理AI来驱动。特斯拉在做自动驾驶，亚马逊在做仓库机器人，富士康在做智能产线，这些全是物理AI的应用场景。黄仁勋估算，未来全球会有数百亿、甚至上千亿个智能体系统在运行，其中绝大部分不是聊天机器人，而是干活机器人。
问题来了：这些东西去哪儿落地？答案是中国。
全球最完整的制造业产业链在中国。从汽车、电子、家电到纺织、五金、塑料，中国拥有全世界最多的工厂、最多的产线、最多的工业场景。全球超过一半的工业机器人安装在中国。中国的新能源汽车产量占全球60%以上，光伏、锂电池、电动汽车“新三样”出口额连续三年保持两位数增长。中国的工厂里每天产生的生产数据、设备数据、质量数据、供应链数据，是全世界任何地方都找不到的富矿。
没有中国工厂的实地数据，没有中国供应链的配套能力，没有中国制造业的场景打磨，黄仁勋的物理AI就只能停留在实验室和PPT里。英伟达需要中国的工厂来验证它的算法，需要中国的工程师来反馈它的工具，需要中国的市场来规模化它的产品。这就是他频繁来中国的真正原因。不是去南锣鼓巷喝蜜雪冰城，不是去台北夜市吃烤玉米，而是去和中国的机器人公司、制造企业、供应链伙伴“喝茶”。他需要中国的场景来训练模型，需要中国的产能来生产硬件，需要中国的市场来验证产品。
具身智能的未来不在硅谷，在珠三角和长三角的车间里。这些不起眼的车间，才是物理AI真正的主战场。黄仁勋比谁都清楚这一点，所以他放下身段，去夜市、去网吧、去街头，不是因为他突然喜欢上平民生活，而是因为他要让中国的企业家看到一个信号：英伟达是来交朋友的，不是来摆架子的。
黄仁勋的“既要又要还想要”，其实给中国制造业递了一把梯子。这把梯子能不能爬上去，取决于我们匠心企业家的眼光和行动力。
第一，AI的门槛正在急剧降低。英伟达把模型、训练脚本、数据都开源了。Nemotron 3 Ultra大模型，速度快五倍，运行成本低三成，而且完全开源。你可以拿过来，用自己的数据再训练一下，就变成你自己的企业专属模型。RTX Spark电脑能在本地跑智能体，不需要联网，不需要云服务，一台几千块钱的笔记本就能跑起来。Vera Rubin提供低成本算力，按token计费，用多少付多少，不需要自己建数据中心。以前企业想用AI，先得花几百万请专家、买服务器、搭环境，现在一个小团队甚至一个人就能上手。
第二，物理AI和具身智能正在把工厂变成智能体运行的场所。以前机器人只能做固定动作，编程一次就只能干一种活。有了智能体，机器人可以观察、推理、规划、自适应。你告诉它“把A货架的B零件搬到C工位”，它自己就能完成。柔性制造、小批量多品种的生产方式将变得可行。以前只有大厂才玩得起的自动化，中小企业也能用上。比如浙江的一家五金厂，用AI智能体优化排产，把交货周期从45天压缩到18天。广东的一家电子厂，用AI视觉质检系统，把缺陷检出率从97%提升到99.8%。这些都不是科幻，是正在发生的事。
第三，也是最关键的：黄仁勋需要中国，中国也需要他。英伟达的硬件、算法、工具链，加上中国的场景、数据、制造能力，是全世界最互补的组合。这种相互依赖，在技术封锁和地缘摩擦的背景下，反而给了中国制造业一个难得的窗口期。我们可以用英伟达的工具加速自己的智能化转型，同时把核心场景和数据留在自己手里。不需要闭门造车，也不需要仰人鼻息，而是各取所需、共同进化。
