2026年计算机行业深度报告：从Rubin到Feynman，AI推理时代已至

一、需求端：OpenClaw重塑AI操作系统，2026资本开支指引大幅增长

“推理拐点”已经到来

AI的三个阶段。根据Infoq官网，黄仁勋在英伟达GTC 2026将AI分为三个阶段：（1）ChatGPT 开启生成式AI 时代：计算从“基于检索”转向“基于生成”。这彻底改变了计算机的架构、供应和建设方式。（2）推理 AI（o1/o3）的出现：AI开始拥有反思、规划、分解问题的能力。o 1让生成式AI变得可靠且基于事实。为了“思考”，输入和输出To k e n的使用量大幅增长。（3）ClaudeC o d e开 启 代 理 （ A g e n ti c） 时 代 ： 这是首个代理模型。它能阅读文件、编码、编译、测试并迭代。它革新了软件工程。现在NVIDIA内部每个工程师都在使用AI代理辅助编程。

“AI 已经从“感知”进化到“生成” ，再到“推理” ，现在已经可以执行极其高效的实际工作。 “推理拐点”已经到来。AI要思考、要行动、要阅读、要推理，每一环都在进行推理（Inference）。现在已经远超训练阶段，进入了推理的疆场。过去两年，计算需求增长了约10000倍，而使用量增长了约100倍。

Openc l aw：重新定义人机交互

OpenClaw重新定义AI“操作系统”。ClawHub是开源AI助手OpenCl aw的官方技能商店（Skill Ma rke tpl a c e），类似于智能手机的App Store，用于为OpenClaw查找、安装和管理扩展技能。SaaS（软件即服务）行业在向AaaS（Agent-as-a-Servi ce，智能体即服务）转变。OpenClaw创始人St e inbe rge r认为：多数现有的App本质只是资料管理界面，未来很可能被代理人取代，例如健身、代办清单、记账与记录工具，都能由代理人直接处理，只有具备实体感测器的应用较可能留下。

目前，OpenClaw技能涵盖生产力与办公、开发者与DevOps、AI模型集成、浏览器自动化与数据采集等多个场景。

NVIDIA GTC：预计Bl a ckwe ll和Rubin到2 0 2 7收入达万亿美元

黄仁勋预计Blackwe ll和Rubin两条产品线的收入到2027年达到1万亿美元，超过2025年10月黄仁勋预测的2025-2026年Bl ackwell和Rubin两条产品线市场需求约5000亿美元。1万亿美元仅包括Bl ackwell与Ve r a Rubin两条产品线，且仅统计至2027年。如果加上独立CPU、Groq、存储以及网络设备，规模可能会达到1.25万亿美元。

在英伟达的业务中，60%来自云服务商（Hype r s cal e r s），其中40%～50%的需求由英伟达创造，支持其内部AI消费（如推荐系统、搜索向大模型的迁移），更通过英伟达的生态系统加速每一家AI实验室。另外40%则遍布区域云、主权云、企业级服务器及工业自动化。

二、供给端：NVIDIA GTC 2026：LPU登场开启低延时推理时代

LPU：MEMS技术实现极高的片上内存带宽

英伟达收购Groq团队并获得其技术授权。Groq是一种确定性数据流处理器（Deterministic Dataflow Processor），采用静态编译和编译器调度，拥有大量SRAM，专为推理单一工作负载优化，具备极低延迟和极高token生成速度。

NVIDIA Groq 3 LPU：LPU架构通过编译器控制紧密耦合计算、内存和通信，实现快速、可预测的tokens生成。LPU并非仅仅优化峰值算术吞吐量，而是强调确定性执行、高片上内存带宽和显式数据移动，这对解码主导、延迟敏感的推理场景尤为重要。

LPU的核心组件是MEM模块——一种扁平化的、SRAM优先的内存架构，其中500MB的高速片上SRAM为推理的主要工作存储器。每个LPU间将配备150TB/s的片上内存带宽以及高带宽的芯片间（C2C）通信。

Groq 3 LPX全新的机架式推理加速器

NVIDIA Groq 3 LPX是一款全新的机架式推理加速器，专为NVIDIA Ve ra Rubin平台打造，满足智能体系统对低延迟和大上下文的需求。该系统以256个互连的NVIDIA Groq 3 LPU加速器为核心构建。其架构强调确定性执行、高片上SRAM带宽和紧密协调的纵向扩展通信，因此即使并发量增加和请求形状变化，交互式推理也能保持响应速度。

LPX与Ve ra Rubin NVL72协同部署，加速解码循环中对延迟敏感的部分，包括FFN和MoE专家执行，Rubin GPU继续处理预填充和解码注意力机制。它们共同构建了一个异构服务路径，在不牺牲AI工厂吞吐量的前提下，提升了交互响应速度。

LPU：低延迟交互式推理推升异构架构需求

智能体推理时代需要一种新的架构。推理并非单一的、统一的工作负载。在一次请求中，预填充和解码对硬件的要求各不相同，而且这些要求会随着批处理大小、上下文长度和模型结构的变化而变化。某些阶段，例如自注意力机制和稀疏模态扩展（MoE），对内存带宽和数据移动非常敏感；而另一些阶段，例如密集投影层和前馈层，在并行性充足的情况下，可以在吞吐量优化的硬件上高效扩展。在交互式解码中，许多操作以非常小的批处理大小运行，这使得延迟对停顿、争用和抖动更加敏感。

异构系统可结合两种方法，兼顾了低延迟的交互性能和高AI工厂吞吐量。GPU为上下文密集型预填充任务提供高输出，并执行解码注意力机制；LPU则加速对延迟敏感的解码组件，例如 FFN/MoE 的执行。二者协同工作，在不牺牲AI工厂吞吐量的前提下，提升了交互性能。

全球首个CPO以太网交换机，从Sc al e -OUT向Sc a l e -UP渗透

CPO （Co-Packaged Optics，光电共封装）直接将光引擎直接集成到与计算芯片或交换芯片相同的封装内，功耗和延迟更低。以800G SR8为例，DSP芯片功耗可达整个光模块功耗50%，CPO可以去掉DSP，且缩短传输距离。

NVIDIA推出全球首个CPO（Co-Packaged Opti c s）光电共封装的NVIDIA Spe c t rum-X Ethe rne t Swit ch，英伟达与台积电共同发明了COUPE，一种将电子器件与硅光子引擎直接集成在同一块芯片上的技术。目前，英伟达占据了台积电COUPE工艺产能的绝大多数，Spectrum-X的量产爬坡已经启动，未来还将持续扩大规模。

NVIDIA Spe c t rum-6大规模引入硅光子技术，并将在未来几年把硅光子加入到NVLink的纵向扩展技术中。英伟达投资Coherent和Lumentum布局上游供应链。

编辑：火腿肠