1 月 10 日消息，科技媒体 Tom's Hardware 于今日（1 月 10 日）发布专题文章，指出在 CES 2026 的媒体交流环节中，面对业界关于“采用低成本内存以压缩硬件开支”的讨论，英伟达 CEO 黄仁勋明确回应：“芯片销售是一次性交易，而软件工程则是一项贯穿产品生命周期的持续投入。”
他进一步指出，AI 领域已迈入以“Token 经济学”为衡量基准的新阶段，关键效能指标正转向“单位功耗（每瓦）与单位成本（每美元）所能产出的 Token 数量”。
英伟达始终坚守统一内存架构与标准化软件栈策略，尽管初期硬件投入相对更高，却有效规避了生态割裂风险。换言之，一旦英伟达对底层软件栈完成一次优化升级，所有部署该架构的全球 AI 计算中心均可即时受益，从而在长期运营中显著降低总体拥有成本（TCO）。
关于产业演进态势，黄仁勋分享了一项重要观察：当前开源大模型已承担起全球约 25% 的 Token 生成任务。这一超出预期的快速增长，正加速推动 AI 应用从集中式超大规模云平台，向企业级本地化集群广泛渗透。
在技术细节层面，黄仁勋重点介绍了 Vera Rubin 平台所实现的模块化革新。相较此前 Grace Blackwell 架构下整机架停机检修的局限，Rubin 平台采用可热插拔托盘结构，允许在系统持续运行状态下，直接替换 NVLink 等核心互联组件，真正达成“边运行、边修复”。
据该博文披露，此类设计不仅大幅削减运维开销，更彻底重塑了硬件交付效率：单个计算节点的现场组装耗时，由原先平均 2 小时骤降至仅需 5 分钟。 同时，Rubin 平台取消了传统复杂的线缆布设，并将散热方案由 80% 液冷全面升级为 100% 全液冷，进一步强化系统稳定性与可用性。
黄仁勋特别强调，供电系统的动态响应能力，已成为当前算力规模扩张的核心制约因素。 现代 AI 工作负载（尤其是推理场景）常引发剧烈瞬态功耗波动，电流起伏幅度可达 25%，迫使数据中心预留大量冗余电力资源以应对峰值压力。
Rubin 平台通过深度整合的机架级电子控制系统，在内部实现了对功率尖峰的主动平抑——即便单颗 GPU 的热设计功耗（TDP）高达 1800W，对外呈现的电网负载曲线依然高度平稳。该机制使基础设施运营商得以摆脱过度冗余配置，最大限度逼近电力容量的满载利用。
