（问题）随着大模型应用从训练走向规模化落地，推理侧需求持续攀升，算力供给、能耗成本、部署效率以及跨行业应用的工程化能力，正成为制约产业深入扩张的关键瓶颈；尤其企业级场景中，智能体应用需要更高频、更低时延、更稳定的推理服务，传统以存储与通用计算为主的数据中心架构面临再设计压力。 （原因）黄仁勋在大会演讲中将此变化概括为数据中心角色的根本转向：从“文件仓库”升级为“Token工厂”。其背后逻辑在于，生成式应用的核心产出不再是静态数据，而是持续不断的推理结果与交互内容；“Token”被视为可计量、可定价的数字化产能单位。推理效率的提升将推动更细化的定价分层，进而影响云厂商与应用提供商的收入模型与成本结构。黄仁勋并对未来两年全球AI基础设施需求规模作出高位预期，认为算力投入将进入新一轮集中释放期。 （影响）围绕推理与智能体计算，英伟达在大会上推出Vera Rubin系统，定位为面向智能体的完整计算平台。该平台以高密度GPU互联集群为核心，强调通过高速互联、内存体系与整机工程创新提升吞吐与能效，并采用全液冷等方案以缩短部署周期、降低运维不确定性。黄仁勋表示，新平台将带来推理性能的大幅跃升，从而为云服务与企业私有化部署提供更高效的“产能工具”。大会同时传递出通过团队并购与技术整合强化推理能力的信号，意在扩展推理性能层级与产品覆盖面，进一步巩固其在算力底座环节的影响力。 软件生态上，演讲提出“智能体操作系统”构想，试图在资源管理之外，向任务拆解、执行调度与多智能体协同延伸。业内普遍认为，若此类软件栈形成标准化能力，将推动企业IT从“采购软件许可与席位”逐步转向“采购与管理Token预算、按产出计费”，SaaS企业也可能加速探索“智能体即服务”等新交付形态，行业竞争焦点将从单一功能比拼转向平台化交付能力与运营效率。 在“物理AI”与具身智能领域，英伟达展示机器人对应的技术路线，强调在真实环境中对不确定性与复杂任务的适应能力，并披露与多家车企在自动驾驶方向的合作进展，同时在工业机器人领域联动制造业伙伴推进落地。分析人士指出，具身智能与自动驾驶对算力的依赖更具持续性：不仅需要训练，更需要长期在线推理与安全冗余，这将进一步放大数据中心“Token工厂化”的趋势。 （对策）面对算力需求快速扩张与行业应用分化，产业链需在三个层面同步发力：一是加快数据中心向高能效、易部署方向升级，围绕散热、供电、互联与运维体系进行系统工程优化；二是完善推理软件栈与行业工具链，提升模型压缩、调度编排、容错与安全能力，降低企业应用门槛；三是推动开放合作与标准对接，在云平台、芯片、模型与行业应用之间形成可持续协同，避免重复建设与生态割裂。英伟达在大会中强调“垂直整合、横向开放”，并展示与云平台及产业伙伴的深度协作，意在通过生态组织与联盟机制提高行业渗透效率。 （前景）可以预见，未来算力竞争将从单纯“峰值性能”转向“推理单位成本、交付速度与可运营性”的综合比拼。随着推理成本下降与软件编排能力增强，智能体应用有望从试点走向规模化，但同时也会带来能耗约束、数据合规与安全治理等新课题。对企业而言，尽早建立围绕推理预算、模型治理与应用评估的体系化能力，将成为拥抱新一轮技术周期的关键准备。
从存储中心到计算工厂的转变，标志着数字经济进入高质量发展阶段。在这场全球产业变革中，技术创新与生态协同将成为关键。正如业界观察人士所言，谁能率先完成智能化转型，谁就将在未来数字经济发展中占据先机。这不仅关乎企业的技术突破，更是整个信息产业升级的重要机遇。