黄仁勋在 GTC 抛出的万亿美金算力信号，瞬间刷屏科技圈。这是资本炒概念，还是产业真刚需？AI 创业赛道万马奔腾，如何才能领跑时代？中小企业和普通人，又该如何在前所未有的大变革时代中不被淘汰、甚至驭势起飞？

今天，我们就这些核心问题，与做出第一颗国产 DPU 芯片的行业先锋、可达智灵创始人 & CEO 、长江商学院MBA 2023级校友张宇聊了聊，希望这位行业老兵的一线观察与实战判断，能为你带来一些信心与启发。

 Q 这次GTC黄仁勋直接喊出2027年算力市场破万亿美金，你觉得这个目标是真有底气，还是资本市场的造势话术？作为做出第一颗国产DPU芯片的行业先锋，你听到这个预判的第一反应是什么？

▍张宇：整体来看，我认为黄仁勋是具备实际底气的，并非单纯的资本市场造势。

从财务数据就能直观体现，英伟达 2025 财年与 2026 财年的营收表现已经十分亮眼，两年营收合计已达 3000 多亿美元。按照当前行业的高速发展势头，2027 年行业规模大概率会迎来新一轮大幅增长。不是说2027年单年营收突破万亿，而是 2025 至 2027 年的累计市场体量，基本会接近这一数值。

当然，这个预判或许带有一定的夸张成分，但核心意义在于精准点明了当下算力基础设施，尤其是 AI 底层架构赛道的巨大刚需，这主要得益于多智能体（Multi-agent）技术的爆发，以及各类 AI 应用场景的规模化落地。

而我听到这个预判的第一反应，是觉得这完全契合我对 AI 时代发展路径的认知。

前几年行业重心大多是从模型训练逐步向推理阶段过渡；从 2025 年开始，AI 智能体迎来元年并快速爆发，到 2026 年更是全面普及。

这才是人工智能真正深度落地多个实体行业、创造实际价值的阶段，必然会催生海量且刚性的算力增量需求，整体发展节奏完全在既定赛道之上。

---

 Q 全网都在说AI进入推理时代，不再拼训练算力，这个拐点对相关从业者来说意味着什么？需求和门槛会发生怎样的变化？

▍张宇：首先需要纠正一个认知：并非不再需要比拼训练算力。大模型的持续迭代，无论是预训练还是后训练，以及大量开源模型的微调优化，依然依赖庞大算力支撑，且这类需求会逐年稳步递增。

真正的行业拐点在于，当 AI 技术全面渗透、落地到各行各业后，推理算力的刚需规模将远超传统训练算力。

尤其今年年初以来，随着智能体（Agentic AI）等应用爆火，行业愈发清晰：推理才是 AI 落地场景、输出商业价值的核心环节。从科学研究、智能编码、材料研发，到具身智能、自动驾驶等领域，2026 年的落地规模会远超 2025 年。我近期对接的国内各行各业头部客户，覆盖软件、嵌入式等赛道，均由企业一把手牵头推进 AI 落地项目，本质都是强劲的推理算力需求集中爆发。

这个拐点，对所有从业者而言机遇与变革并存。一方面，从 AI 算法、应用软件到底层算力，全产业链都迎来巨大增量机会；另一方面，所有布局数字经济研发的企业团队，都必须重构自身核心竞争力，思考如何高效用好 AI 推理能力，大幅提升研发效率与整体运营效率。未来，运用AI提效的能力将成为企业的核心竞争力之一。

至于需求与门槛变化，需求端将迎来爆发式增长，2026 到 2027 年随着 AI 模型能力迭代升级，市场需求会进一步走高；门槛端则持续快速降低，尤其是推理环节，Token 调用成本每年以量级速度下降，叠加软硬件深度协同优化，会进一步加速降本节奏，让各行各业的 AI 落地应用变得更简单、更普及。

---

 Q 这次发布的Vera Rubin平台、Feynman 1.6nm架构，被誉为“算力王炸”，你觉得它真正的技术突破在哪？会不会直接碾压市面上的同类产品？

▍张宇：从技术路线来看，这次发布并非颠覆性革命，而是英伟达在制程工艺与架构迭代上的持续进化。

真正关键的突破，在于生态级异构集成—— 平台深度整合了自研 GPU 与外部 Groq 推理芯片，将高性能计算与低延迟推理能力打通，形成一套完整算力解决方案，而非单一硬件升级。

这套整合体系能显著降低高端智能体大模型的 Token 调用成本，尤其适配高复杂度、高密度的推理场景落地，从 GTC 演示效果来看，对后续大规模商用价值很高。

至于是否会碾压竞品，客观来讲很难说是绝对碾压。

虽然英伟达目前是算力领域的绝对王者，新品上市初期一定会拥有显著性能与生态领先优势。但行业竞争极激烈，AMD 等厂商迭代速度极快，推理芯片赛道也有多家实力派跟进。

目前格局是全员高速竞速，每年都有更强新品落地，所以英伟达现在更多是阶段性领跑，但目前还很难说是长期单向碾压。

---

 Q 面对英伟达这波密集发力，国产芯片现在的差距和突围机会到底在哪？咱们国内厂商如果想要跟上这波推理算力的风口，需要怎么做？

▍张宇：一方面，在高端制程、CPO（共封装光学，芯片高速互联封装技术）以及黄仁勋提到的极致协同设计这些技术方向上，国内芯片厂商和制造产业链都在稳步发展、持续追赶。

另一方面，在推理算力领域，国内GPU（图形处理器，通用算力核心芯片）及AI相关算力厂商反而具备更大优势。现阶段国内绝大多数GPU厂商，对开源模型尤其是本土开源模型的适配工作做得比较到位，相关产品已经能应用在AI编程等多个实际场景中。

这波推理算力风口，是由多场景落地、开源生态繁荣以及各赛道创业公司的应用落地共同催生的商机。相比于训练算力对技术能力要求更高的特点，推理算力更偏向分布式部署，这对于国内GPU、DPU（数据处理器，专用算力卸载芯片）、CPU（中央处理器）等算力厂商来说，是难得的发展机遇。

---

 Q 现在全网都在炒算力概念，很多人说这是AI新泡沫，你觉得算力热潮是真刚需，还是资本吹起来的假象？哪些领域是真赚钱，哪些是纯跟风？

▍张宇：我拥有6年算力行业从业经验，目前也在做Agentic AI相关创业，个人非常看好这波浪潮，并不认为这是类似2000年的互联网式泡沫。

每个人的看法不尽相同，但我切实看到，从去年下半年到今年，智能体技术在多个行业、多个场景持续落地，AI可实现的能力迭代速度极快。

这也反向印证了算力需求的真实性，尤其是AI算力。

此前算力需求大多集中在训练环节，更多是研发层面的投入；而只有当推理场景真正落地，像近半年这样实现大规模应用普及，才算是实打实的刚需落地。

黄仁勋在GTC大会上也表达了这样的观点，我对此深表认同。身处这个行业，很难想象三年之后研发工作会如何与AI协同，行业变化速度太快，AI带来的技术能力突破也十分显著，势必会引发大规模行业变革。

未来几年，无法借助AI协同提升工作效率、尤其是研发效率的企业，将会面临严峻的效率挑战，所以AI算力就是数字经济新基建的核心，是真刚需，而非概念炒作。

不过至于哪些领域是“真赚钱”哪些是“跟风”，这件事由于行业演进速度确实过快，以往预判技术发展还能看得更长远，如今想要精准预测三五年的行业走向难度极大，所以部分芯片赛道、创业方向的投入，有可能在一两年后就会失去核心价值。

但现在业内所有人都在做出自己的预判，并据此布局资源投入，没有绝对的对错，只是大家都在顺应行业变化做出调整。

年初Cathie Wood也提出了Big Acceleration的概念，核心就是以AI为核心，叠加底层算力等多项技术融合，会让数字经济、行业研发变革的速度呈指数级提升，这也让未来行业的最终形态变得更难预测。

---

 Q 黄仁勋一直在提AI工厂、模元经济这些新概念，不少人觉得晦涩难懂，普通人、中小企业该以什么心态面对这波趋势，该从哪里切入接触AI、避开盲目入局的坑？

▍张宇：其实AI Factory（AI工厂）、模元经济、Token这类概念，在行业内这几年已经算是比较普遍、甚至达成共识的认知了，而且这些趋势和各行各业、每个人都息息相关。尤其是随着智能体AI落地、各类应用普及，几乎所有行业都被卷入这波浪潮里。

对于普通人、中小企业来说，不用纠结概念本身，建议从自己所在的行业、日常关心的工作和事务入手，先上手使用各类AI工具就行。

当下生活和工作场景里，可用的AI应用非常多，关键是要抱着拥抱趋势的心态去接触，甚至可以抱着玩儿的心态去摸索。毕竟AI发展的大趋势已经很难逆转，与其观望，不如积极思考怎么在生活、尤其是工作中用好AI，这是非常重要的。

---

 Q 用一句话预测：GTC之后，算力行业明年最大的变数和机会会出在哪里？请给想入行的年轻人一句忠告。

▍张宇：我觉得推理落地是整个AI产业最大的机会，对于上层智能体、AI应用在各行业的落地者来说，机会会更大。毕竟算力属于底层，一般上层应用的市场空间更广、覆盖行业更多。

对于想入行的年轻人，不管是做算力还是上层AI应用，当下都是前所未有的大变革时代，要以最大的努力和最快的速度去拥抱变化，我相信可以收获很不一样的发展。