作者：雨神汇
日期：2026-06-01
从 GPU 到 AI 工厂：老黄正在重写“赚钱机器”的定义
微软下台做中转站，英伟达上台造 AI 工厂
The more you buy, the more you make：老黄这句黑话背后的新经济学
Cosmos 3、AI PC、Vera Rubin：英伟达到底在下一盘什么棋？
老黄这场 GTC，真正发布的不是芯片，而是 Agent 时代的生产资料
这场 GTC Taipei，看起来是老黄又一次带着皮衣、芯片、合作伙伴和台湾供应链上台。
但如果只把它看成“英伟达又发新 GPU 了”，就看浅了。
这次真正被发布出来的，不是一块芯片，也不是一台服务器，而是一套新的产业公式：
Agentic AI 已经开始干活，token 正在变成收入单位，AI 工厂正在成为新的生产资料。
老黄那句有点好笑、又有点洗脑的话：
The more you buy, the more you make.
表面像推销，底层其实是 AI 基建时代的财务模型。
如果每个 token 都能带来收入，那么更高效率、更低延迟、更稳定、更长生命周期的 AI 基础设施，就不再是成本中心，而是生产收入的工厂。
这就是他反复强调的：
Compute is revenue. Compute is profit.
一、Agent 不是聊天机器人，而是一种新的计算模式
过去我们理解电脑，是这样的：
打开应用，点击按钮，输入内容，等待结果。
应用是主角，人是操作者。
但在老黄这套叙事里，新的计算模式变成了：
人表达意图，Agent 理解任务，调用模型，使用工具，访问数据库，运行代码，读写记忆，最后交付结果。
也就是说，未来的软件不只是给人用，也要给 Agent 用。
这也是他为什么说，Agent 不会让软件公司消失，恰恰相反，Agent 会使用更多软件工具。
一个人一天能点多少次 Photoshop、Excel、浏览器、CAD、数据库？
有限。
但一个 Agent 可以 24 小时调用工具。未来不是软件没人用了，而是软件必须变成 Agent 可调用、可编排、可验证的工具。
所以 NVIDIA 的 CUDA-X 也被重新包装成 Agent 的工具库。
过去是开发者调用 CUDA 库。
未来是 Agent 调用 CUDA-X skills。
这件事的意义很大：英伟达的护城河正在从“开发者生态”升级成“Agent 工具生态”。
二、Vera Rubin 不是一块芯片，而是一座 AI 工厂
老黄反复说一句话：Vera Rubin is not one chip.
它不是单 GPU，不是单服务器，而是一套为 Agent 工作负载设计的完整系统。
为什么？
因为 Agent 的计算过程，不是一次推理就结束。
它会反复经历：
理解上下文，推理，规划，调用工具，访问数据库，执行 Python 或 SQL，读写 memory，再继续推理。
在这个过程中，GPU 负责模型推理，CPU 负责工具调用和编排，DPU 负责安全与隔离，存储负责上下文和 KV cache，网络负责把所有节点连成一个整体。
所以 AI 数据中心的竞争，已经不再是“哪块 GPU 更便宜”。
新的关键指标变成：
time to first token：多久开始产出第一个 token
tokens per watt：每瓦电能产出多少 token
reliability：少不中断，少掉线
asset lifetime：这座 AI 工厂能服务多久
cost per token：每个 token 的真实总成本
以前买服务器，是买计算设备。
现在建 AI factory，是建 token 生产线。
这就是为什么 NVIDIA 要从 GPU 公司变成系统公司，再变成 AI infrastructure company。
它不仅卖芯片，也卖蓝图、网络、存储、安全、调度、液冷、电力管理，甚至用 Omniverse 和 DSX 在建造前先做数字孪生。
这已经不是“显卡生意”。
这是工业时代的发电厂、钢铁厂、石油炼厂，在 AI 时代的重演。
只不过新的产物叫 token。
三、CPU 也被重新定义：从服务人，到服务 Agent
这场发布里还有一个很容易被忽略的点：Vera CPU。
老黄的说法很直接：
过去的 CPU 是为人设计的。
新的 CPU 要为 Agent 设计。
人使用电脑，等待一两秒还能接受。Agent 不一样。Agent 每一步都要调用工具、读取数据库、执行代码、检查结果，只要 CPU 慢一点，旁边昂贵的 GPU 就在等。
所以 CPU 的经济学变了。
旧 CPU 逻辑是：更多核心，出租给更多人。
新 CPU 逻辑是：更低延迟、更高带宽、更少等待，让 GPU 一直产 token。
这就是他说的：CPU 是 conductor，GPU 是 orchestra。
GPU 负责演奏，CPU 负责指挥。
在 Agent 时代，指挥慢了，整个乐队都慢。
四、微软不是消失了，而是退到后台做 Agent 中转站
另一条很有意思的线，是 NVIDIA 和 Microsoft 重新发明 PC。
很多人看到这页会觉得：微软怎么好像“下台”了？
以前 Windows 是前台入口，应用跑在 Windows 上，人通过 Windows 操作应用。
但在 AI PC 的新结构里，真正上台的是 Agent。
未来的 PC 更像：
Prompt 进来，Agent 在 OpenShell 或类似 runtime 里运行，本地模型和云端模型共同协作，然后调用 Windows、Office、Adobe、Rhino、Blender、浏览器、文件、摄像头和各种设备。
微软不是没位置了，而是位置变了。
它从前台应用入口，退到后台做权限、身份、文件、设备、本地上下文和企业策略的中转站。
换句话说：
微软坐到后台收过路费，真正上台表演的是 Agent workload。
这也是 RTX Spark、DGX Spark、DGX Station for Windows 的意义。
它们不是普通 PC 性能升级，而是在把 PC 改造成 always-on personal agent machine。
就像手机后来不只是 phone，而是 smartphone。
未来 PC 也不会只是 click-and-type machine，而会变成一个长期运行的个人 Agent 机器。
五、Cosmos 3：让 AI 从会说话，走向理解物理世界
如果说前面讲的是 Agent 如何进入电脑和数据中心，那么 Cosmos 3 讲的是 Agent 如何进入物理世界。
语言模型的数据来自人的视角：我们写文本，我们读文本。
但机器人、自动驾驶、工厂设备需要的是另一种数据：从机器自己的视角看世界。
问题是，真实世界数据太贵、太慢、太危险，也不可能覆盖所有长尾场景。
所以 NVIDIA 给出的答案是：
For Physical AI, compute is data.
Cosmos 3 的定位不是普通视频生成模型，而是 Physical AI 的世界基础模型。
它要做的不是“生成一段好看的视频”，而是让机器人、汽车和工业设备在进入真实世界前，先在可生成、可理解、可推演的物理世界里训练和验证。
它可以是视觉语言模型，看懂场景；
可以是世界模型，生成物理可信的视频；
可以是模拟器，闭环训练策略；
也可以进一步成为 world action model，感知、推理、规划并生成动作。
所以 Cosmos 3 的背后，是 NVIDIA 对下一代 AI 的判断：
AI 不会停在聊天窗口。
它会进入汽车、机器人、医疗设备、卫星、基站、工厂和家庭。
也就是老黄说的：
Agentic computing pattern 会复制到所有计算机里。
六、中国创业公司该看什么？
这场 GTC 对创业者最大的提醒，不是“赶紧买 GPU”，也不是“做一个大模型”。
真正值得看的，是 NVIDIA 把所有东西都变成了工作负载。
AI Factory 是一种工作负载。
Chip Design Super Agent 是一种工作负载。
AI PC 上的建筑设计 Agent 是一种工作负载。
Cosmos 3 服务的机器人训练，也是一种工作负载。
未来客户不会为“我用了 AI”付钱。
客户会为更快完成的设计、更低成本的验证、更可靠的运营、更高转化的内容、更少等待的流程、更可复盘的结果付钱。
这对内容、营销、创意行业尤其重要。
很多团队还停留在“AI 可以生成更多素材”。
但真正有价值的不是更多素材，而是：
从客户需求出发 这不是一个 AI 工具。
这是一个 AI Token Factory 工厂。
资料参考
NVIDIA Newsroom: NVIDIA Unveils Vera, the CPU for Agents
NVIDIA Newsroom: NVIDIA Vera Rubin Ramps Into Full Production to Power Agentic AI Factories Worldwide
NVIDIA Newsroom: Enterprise Software Leaders Build AI Agents With NVIDIA
NVIDIA Newsroom: NVIDIA and Microsoft Reinvent Windows PCs for the Age of Personal AI
NVIDIA Cosmos 官方页
雨神汇长期关注 AI 转型、云成本治理、FinOps、出海增长、广告变现与企业技术管理。
如果你的公司正在推进 AI 营销、出海增长、内容生产、云/模型成本治理，欢迎约一次 30 分钟交流。先判断问题是否值得做，再决定是否进入 2 周诊断或 90 天试点。
