NVIDIA GTC 2026 圣何塞 · 全球 AI 产业链图谱

GTC 的组织逻辑与中立型展会不同：它是单一厂商的路线图发布会，全场生态按照与 NVIDIA 技术栈的接口位置排列。黄仁勋在主题演讲中用「人工智能的五层蛋糕」概括这个结构。本图谱在此基础上细分为十层，以便逐层定位公司。

字段一 · 影响力分级：T0 定义赛道者 · T1 第一梯队 · T2 有效参与者。判断依据是该公司在所属细分赛道的全球位置。

字段二 · 公司阶段：成熟 已上市或规模化盈利 · 成长 已规模交付、B 轮以上或 IPO 通道 · 早期 天使—A 轮 · 缺席补位 该赛道全球头部但未见于官方记录，用 ➕ 标记并就地补入，以保持赛道格局的完整性。

• 公司样本来自 NVIDIA 官方渠道中可逐条验证的公开记录——主题演讲与预热场演讲者及其所属机构、官方新闻博客中被点名的合作方与客户案例、八大创新展区的官方描述、以及官方公布的产品适配与采购名单。
• 这是一场厂商自办会议，官方叙述本质上是营销材料。「合作伙伴」的实际含义差异极大——从数十亿美元的采购承诺，到一次技术适配声明，官方语言并不区分。本图谱在描述中尽量还原具体动作（部署多少、采购什么、适配哪一层），而非沿用官方的「携手合作」式表述。
• 「缺席补位」仅表示未见于上述官方记录，不代表该公司未派人参会。需要特别说明的是，GTC 的缺席具有强烈的结构性——直接竞争者与上游产能方几乎必然不在名单内，这与中立型展会的缺席逻辑完全不同（详见第 12 节）。
• 参会人数、赞助商数量、订单可见度等数字均为 NVIDIA 或媒体报道口径，未经独立审计。财务数据引自公开报道，本图谱未做核验。
• 公司分层与阶段判断为本图谱的分析性判断，不构成投资建议。

会期 2026 年 3 月 16–19 日，主会场圣何塞会议中心，主题演讲在可容纳 17,000 人的 SAP Center 举行。官方把展区划分为八个创新展区，这份划分本身就是一张产业链地图——它反映了 NVIDIA 认为自己的技术栈当前在哪些方向上有成建制的生态：

需要注意展区划分里的一处不对称：八个展区中有五个是行业垂直（汽车、医疗、金融、电信、量子），只有一个是基础设施（DSX）。这不代表基础设施不重要——恰恰相反，基础设施是主题演讲的绝对主线。它反映的是另一件事：基础设施层的生态已经高度集中在少数几十家大型 OEM、云厂商与存储厂商手中，不需要用展区去组织；而行业垂直仍处在需要教育与聚集的阶段。

读懂这张图谱之前，需要先掌握主题演讲的六条主线——后续每一层公司的位置，本质上都是对这六条主线的响应。

① 计算需求的量级重估。 黄仁勋称计算需求在过去数年间增长约 100 万倍，并把 Blackwell 与 Vera Rubin 两代产品在 2025–2027 年的订单/收入可见度，从此前的 5,000 亿美元上调至约 1 万亿美元。据公开报道，NVIDIA 2026 财年（截至 2026 年 1 月）收入约 2,159 亿美元，同比增长约 65%。这个数字是整场会议所有生态方行为的解释变量——所有人都在为这条曲线做产能、产品与融资安排。

② Vera Rubin 平台与 Feynman 预告。 Vera Rubin 是一个包含 7 颗芯片、5 种机架级系统、1 台超级计算机的完整平台，含新的 Vera CPU 与 BlueField-4 STX 存储架构，明确为推理与代理式工作负载设计。下一代架构 Feynman 已被预告：新 CPU 名为 Rosa（致敬 Rosalind Franklin），搭配下一代 LPU「LP40」、BlueField-5、CX10，通过 Kyber 铜缆与共封装光学做纵向扩展、Spectrum 级光学做横向扩展。产品命名节奏本身是一种承诺管理工具：把两代之后的路线图公开，等于要求生态提前锁定投入。

③ Groq 的吸收。 NVIDIA 通过 2025 年 12 月约 200 亿美元的资产收购（其史上最大交易）取得 Groq 技术，并在本届发布Groq 3 LPU，预计第三季度出货，同时展示了专门容纳该加速器的整机架。Groq 创始人 Jonathan Ross 等核心成员加入 NVIDIA。这是本届最具产业含义的一件事：推理专用架构曾是最被看好的「非 GPU 路线」，NVIDIA 用一笔交易把最主要的架构挑战者变成了自己的产品线。

④ OpenClaw 与 NemoClaw——代理式计算的操作系统之争。 黄仁勋用大量篇幅谈论开发者 Peter Steinberger 的开源项目 OpenClaw，称其为「人类历史上最受欢迎的开源项目」（该项目首周获得逾 10 万 GitHub star、超 200 万访问者），并称「今天世界上每一家公司都必须有一个 OpenClaw 策略」。NVIDIA 随即发布 NemoClaw 开源栈与 OpenShell 运行时，提供策略执行、网络护栏与隐私路由，定位是「全世界所有 SaaS 公司的策略引擎」。把一个社区开源项目抬为行业标准、再供给其企业级治理层，是典型的平台化动作。

⑤ 六大开放模型族与 Nemotron 联盟。 Nemotron（语言与推理）、Cosmos（世界与视觉）、Isaac GR00T（通用机器人）、Alpamayo（自动驾驶）、BioNeMo（生物与化学）、Earth-2（气象与气候），并成立 Nemotron 联盟联合全球 AI 实验室推进开放前沿模型。NVIDIA 做开源模型的目的不是与前沿实验室竞争，是让每一层生态都有可直接微调的起点，从而把开发活动固定在 CUDA 之上。

⑥ 物理 AI 与 AI 工厂的标准化。 一方面是 Vera Rubin DSX AI 工厂参考设计与 Omniverse DSX 数字孪生蓝图——把「建一座 AI 工厂」变成可复制的标准件；另一方面是把 AI 推向物理世界：Robotaxi 平台新增比亚迪、现代、日产、吉利等车厂并与 Uber 合作，机器人侧联合 ABB、Universal Robots、KUKA。演讲以迪士尼《冰雪奇缘》角色 Olaf 实机行走收尾，强调所有展示均为实时仿真而非预渲染。

这一层的特殊之处在于：主角只有一家，其余全是配套。GTC 的 L0 层不存在中立的架构竞争展示——直接竞争者不参会，因此这一格呈现的是 NVIDIA 自身的产品线，加上不与其正面冲突的半导体供应方。

DSX 展区的设立是本届结构性变化最明确的一处。当单机架功率密度上升到需要专门的发电、配电与液冷方案时，数据中心的建造就从 IT 采购问题变成了能源与工程问题。这一层的公司大多是重工业与能源背景，与传统 AI 会议的参展方几乎没有重叠。

这一层是 GTC 名单中数量最密集、也最完整的一层——几乎全球所有服务器 OEM 与台系 ODM 都在其中。原因很直接：他们的产品定义权基本由 NVIDIA 的参考设计决定，发布会节奏即是他们的产品节奏。

官方在本届披露：NVIDIA 云合作伙伴（NCP）累计部署超过 100 万块 GPU、约 1.7 吉瓦 AI 容量，较上届 GTC 的 40 万块 / 550 兆瓦翻倍。这一层的结构由此清晰：三家超大规模云是绝对主力，其后是一批区域性与主权导向的 NCP。

这一层在本届获得了远超以往的篇幅，原因是 BlueField-4 STX 存储架构与 AI Data Platform 参考设计的发布，把存储从配套件提升为参考架构的一等公民。另一条主线是 cuDF 与 cuVS 两个加速库被主流数据引擎广泛采纳。

黄仁勋在本届主持了一场 90 分钟、两轮背靠背的开放模型圆桌，集合 11 位生态领袖。他给出的定调是：「专有对开源不是一个真问题，是专有和开源。」这一层的公司几乎全部是通过这场圆桌与预热场进入官方记录的——它们是模型侧的独立力量，而非 NVIDIA 的供应商。

本届变化最剧烈的一层。NVIDIA 明确把「代理式计算」定位为下一个操作系统级战场，并围绕社区开源项目 OpenClaw 构建了企业级治理层。这一层的公司分为两类：为 Agent 提供能力的工具方，与被 Agent 改变的企业软件方。

黄仁勋称「想不出有哪家做机器人的公司不在和 NVIDIA 合作」。这一层的实际结构是：NVIDIA 提供仿真（Isaac Sim / Isaac Lab / Omniverse / Newton）、基础模型（GR00T）与边缘算力（Jetson / IGX Thor），机器人公司提供本体与场景。

预热场的主持阵容本身即是一份资本地图——由三位投资人而非 NVIDIA 高管主持，这个安排值得注意：它把大会的开场话语权交给了买方视角。

下表汇总本图谱所有 缺席补位 条目。GTC 的缺席逻辑具有强烈的结构性，与中立型展会完全不同，判读时必须区分四类原因：

• ① 直接竞争者——AMD、Broadcom、Cerebras、Tesla、Waymo、Physical Intelligence。它们与 NVIDIA 在同一层争夺同一笔预算，不可能出现在对方的发布会上。这意味着 GTC 无法用于评估架构竞争格局。
• ② 上游产能方——TSMC、SK hynix、Samsung。它们决定整个路线图的物理上限，但从不出现在客户的发布会上。
• ③ 客户的自研硅——Google TPU、AWS Trainium、Microsoft Maia。三家云厂商全部到场且投入极重，但它们自己的加速器在 GTC 的叙事中完全不存在。这是本届最微妙的一处结构性沉默。
• ④ 地缘与管制——华为昇腾、寒武纪、摩尔线程、沐曦、宇树等中国算力与机器人主体。但需注意：中国的开源权重模型（Qwen、DeepSeek、Kimi）出现在官方支持的模型清单中——模型进入了生态，公司没有。

① 竞争的主战场正在从芯片转向 Agent 运行时与治理层。 NemoClaw 与 OpenShell 的定位——「全世界所有 SaaS 公司的策略引擎」——意味着 NVIDIA 试图定义企业部署自主 Agent 的默认合规架构。如果这一层的标准形成，其锁定效应将强于 CUDA：CUDA 绑定的是开发者习惯，策略引擎绑定的是企业的审计与合规体系，迁移成本高一个量级。这条主线同时也是最不确定的——它与三家云厂商自身的 Agent 平台存在直接利益冲突，而这三家恰恰是 NVIDIA 最大的客户。

② Groq 的吸收改写了推理芯片的竞争地图。 以约 200 亿美元资产收购换取推理专用架构，并在三个月内推出 Groq 3 LPU 与配套整机架，同时把 LP40 写进下一代 Feynman 路线图。推理专用架构曾是「非 GPU 路线」中商业化最靠前的一条，如今它成了 NVIDIA 的产品线。由此产生两个可跟踪的推论：其余非 GPU 架构公司（Cerebras、SambaNova、Tenstorrent、Etched）的战略稀缺性上升；而云厂商自研 ASIC 的动机同步增强——市场上少了一个可采购的独立替代方案。

③ AI 工厂的瓶颈已经转移到电力与建造周期。 DSX 展区的设立、三菱重工展示现场发电与配电、Caterpillar 与 EPRI 同时出现在电力议题上——这些信号共同指向一件事：约束条件从「能否买到芯片」变成了「能否按时通电」。NCP 侧的数据可以佐证规模：累计部署超 100 万块 GPU、约 1.7 吉瓦容量，一年翻倍。可跟踪的物理量是单机架功率密度、从拿地到通电的周期、以及冷却方案选择——这三个数字由重工业公司决定，却直接决定所有算力规划能否兑现。

① 这是厂商自办会议，官方叙述是营销材料。 「合作伙伴」一词覆盖的实际承诺差异极大——从 AWS 部署超百万块 GPU 的采购承诺，到某公司声明「采用 Isaac Sim 训练机器人」的技术适配，官方语言并不区分。阅读任何一条合作时，第一个问题应当是：这笔关系里有没有钱在流动，方向是哪一边。

② 1 万亿美元的口径需要拆开看。 该数字被表述为 2025–2027 年 Blackwell 与 Vera Rubin 两代产品的订单/收入可见度，较此前 5,000 亿美元的口径翻倍。但「可见度」既非在手订单也非确认收入，其构成中有多少来自少数几家超大规模云与新兴 neocloud、这些客户的融资结构如何、是否存在循环交易成分，都不在披露范围内。这是当前 AI 基础设施叙事中最需要独立验证的一个数字。

③ 物理 AI 的叙事强度远超商业成熟度。 人形机器人这一层的官方表述以「使用 Isaac Sim 训练」「展示灵巧操作」为主，而车厂侧则是可验证的平台采用与 Uber 网络接入。「采用了某个仿真工具」与「交付了多少台、什么场景、复购如何」之间存在数量级差距，二者在官方叙述中使用同一套动词，必须自行分开。

• 五家模拟与嵌入式半导体巨头集体接入 Isaac Sim（ADI、Infineon、NXP、ST、TI）——物理 AI 的落地依赖的是执行器与传感芯片，而非 GPU。这一格的确定性高于人形整机，且几乎不受整机公司胜负的影响。
• AI 存储成为参考架构的一等公民——BlueField-4 STX 与 AI Data Platform 的发布，把 VAST Data、WEKA、DDN、Hammerspace、Cloudian 这一格从配套件推向了议价位置。集群规模扩大后，数据管道吞吐是真实瓶颈。
• 企业侧最扎实的证据全部指向成本而非能力——Snap 数据处理成本降低 76%、雀巢概念验证成本降低 83%、Heidi Health 运营支出降低 64%。在企业 AI 预算收紧的环境下，成本侧证据比能力侧演示更能推动实际采购，这也是判断哪些供应商能拿到续约的更可靠指标。

• OpenShell 是否被云厂商采纳为 Agent 治理默认层，还是三家超大规模云各自推出竞争性的策略引擎——这将决定 L6 层的标准归属；
• Feynman 架构（Rosa CPU + LP40）的时间表是否兑现，以及 Groq 3 LPU 的实际出货与客户结构——这是验证「吸收 Groq」这笔交易成效的第一个窗口；
• NCP 部署量能否继续翻倍（当前逾 100 万块 GPU、1.7 吉瓦），以及新增容量中主权 AI 与区域运营商的占比——这个比例决定了算力需求的增量来源是否真正从超大规模云扩散出去。

下届 GTC 定于 2027 年 3 月 15–18 日，仍在圣何塞。

使用建议：这份图谱最适合两类用途——沿产业链定位供应商与客户的相对位置，以及识别哪些环节的约束条件正在发生转移（如从芯片供给转向电力与建造）。它不适合用来评估架构竞争格局，因为直接竞争者结构性缺席；也不适合用来判断技术领先性，那需要回到论文、开源仓库与第三方基准测试。任何具体标的的判断，仍应回到收入结构、客户集中度、毛利率与现金流。