英伟达在GPU技术领域已深耕多年，自1999年推出首款GPU以来，至今已走过了约27个春秋。其芯片制程技术不断突破，从最初的220纳米逐步迭代至如今的4纳米级别，并计划在未来向1.6纳米迈进，这一技术演进路径无疑为投资者提供了广阔的想象空间。

回顾本轮AI浪潮的兴起，2023年无疑是一个关键节点。当时，市场上的主流GPU产品为A100与H100。然而，随着技术的飞速发展，如今市场主流已更新为基于Blackwell架构的芯片。那么，A100与H100究竟具备哪些核心技术特征呢？特别是H100芯片，凭借其强大的性能，在2023年AI浪潮爆发后迅速成为市场上的热门GPU产品。

H100芯片由中国台湾台积电采用先进的4纳米工艺代工生产，单芯片上集成了高达800亿个晶体管，并特别内置了Transformer模型引擎。为何要专门针对Transformer进行硬件适配呢？这主要是因为当前国内外众多知名的大模型，其底层架构大多基于Transformer基础架构进行优化发展而来。

英伟达展现出了卓越的前瞻性，在Hopper架构中从硬件层面专门对Transformer进行了专项优化，即引入了对应的专用引擎。正是凭借这一核心优势，英伟达在短短两年多的时间内，从一家规模中等的科技企业迅速崛起，成为全球市值领先的科技巨头，这也充分彰显了AI产业的巨大发展潜力。

概括而言，H100的核心优势在于其极致适配大模型训练场景。与上一代Ampere架构的A100芯片相比，H100在大模型训练中的能效比与运算速度均实现了显著提升。

英伟达在2023年前后发布的Blackwell芯片，则重点针对AI推理场景进行了优化。随着AI产业的不断发展，推理场景的重要性日益凸显。Blackwell芯片在推理场景优化上进行了大量技术布局，其中就包括低精度训练技术。那么，什么是低精度运算呢？由于GPU的晶体管数量有限，采用低精度数据进行计算能够在单位时间内完成更多次运算，从而完美契合推理场景降本提效的核心需求。因此，Blackwell架构更侧重于推理场景的优化，同时也保留了强大的训练性能。

展望未来，英伟达的产品发布节奏与技术路线图值得密切关注。在本届GTC大会上，英伟达正式披露了其未来数年的新品规划，并清晰梳理了从Blackwell到Rubin再到Feynman的技术演进路线。其中，2027年将推出RubinUltra架构、CPX芯片与CPU交换机，而2028年则将实现Feynman架构芯片的量产。这些重磅新品均在本届GTC大会上首次亮相，引发了广泛关注。

本届大会的核心亮点之一，便是Feynman架构芯片的发布。目前，英伟达市场上的主流GPU仍是基于Blackwell架构的GB300，该芯片已实现量产，且仍在持续放量。然而，按照本次大会披露的规划，英伟达将于今年下半年推出Rubin架构的新一代GPU，而Feynman架构芯片则将于2028年实现量产。整体来看，英伟达的架构迭代速度非常快。

据大会官方披露，Feynman架构芯片将采用台积电A16制程生产，成为全球首款1.6nm AI芯片。与台积电上一代N2P工艺相比，A16制程在同等电压下速度提升约10%，更关键的是晶体管密度提高了1.1倍，实现了翻倍以上的增长。摩尔定律带来的计算密度提升，使得Feynman架构芯片的性能表现实现了重大突破，单GPU算力高达50PFLOPS，推理性能是Blackwell的5倍。该芯片的核心升级主要集中在制程层面，同时采用了背部供电技术，面向机器人、世界模型场景打造。初期，英伟达将独享A16产能，预计于2028年正式量产。

第二个核心亮点，是大算力机柜的升级。随着AI机柜算力规模的不断扩大，英伟达目前主流的Blackwell架构GB300机柜已难以满足需求。本届大会上，英伟达正式推出了单机柜搭载576卡的Rubin Ultra NVL576卡机柜，并完整披露了这款机柜的核心架构设计。同时，大会还正式展出了Rubin Ultra所采用的Kyber机架与正交背板连接方案。该方案采用正交背板实现前后向连接，将垂直部署的计算刀片与交换刀片直连，在Scale up架构中替代了传统铜缆，有效提升了单机柜算力集成度。相关光互联技术细节也同步在本届GTC大会上披露，成为本次大会的另一大核心亮点。

第三个核心发布内容，是英伟达CPO交换机的技术进展与产业规划。CPO作为一项新兴技术，也是英伟达重点推进的技术方向之一。在本届GTC大会上，英伟达正式展示了SN6800、SN6810、Q3450三款量产落地的CPO交换机。这是全球首款量产的共封装光学交换机，标志着CPO技术正式从实验室走向规模化商用。同时，英伟达还对CPO技术进行了全面的技术解读与产业规划披露。黄仁勋明确表示：“需要更多的铜缆产能、更多的光芯片产能以及更多的CPO产能。”这确立了铜缆、光学、CPO三条路线并行推进的发展路径。预计CPO技术的渗透率提升速度与规模化放量进度将持续超出市场预期。

第四个核心发布内容，是市场高度关注的LPU芯片与配套机柜。英伟达去年已推出CPX系列产品，而本届大会则正式发布了整合Groq技术的LPU芯片与配套机架。英伟达持续布局LPU芯片的核心原因，在于适配快速增长的AI推理场景需求。在AI发展初期，尤其是2023年，绝大部分算力都用于大模型训练。然而，对于商业化云厂商而言，模型训练完成后需要通过落地应用实现商业变现，不能仅停留在投入阶段。因此，从长期来看，AI推理赛道具备极高的产业价值。

AI推理具有明确的技术特征，整体分为Prefill（预填充）与Decode（解码）两个阶段。这两个阶段对硬件的需求存在差异，因此要提升推理效率，最优方案是将两个阶段拆分运行。英伟达为此进行了大量技术布局，无论是去年发布的CPX芯片还是本届GTC大会上正式发布的LPU芯片，核心目标都是更好地适配AI推理的发展趋势。该LPU芯片可视为专为推理场景设计的专用集成电路（ASIC），采用三星4nm制程，单芯片带宽高达150TB/S，核心目标是实现极致的低延迟与高吞吐量。引入后将由其负责Decode环节，相较于BlackwellNVL72吞吐效率提升35倍，预期将于2026年下半年出货。英伟达在AI训练领域已建立极高的技术壁垒，同时也希望在推理赛道构建起同样坚固的护城河。

以上就是本届GTC大会我们重点梳理的核心发布内容，在此做简要总结：

1. Rubin Ultra 576卡机柜及其先进互联方案，引领算力新高度；

2. Feynman架构芯片的正式亮相与参数披露，彰显技术实力；

3. CPO交换机的量产落地与技术规划解读，开启规模化商用新篇章；

4. LPU等推理专用芯片的正式发布与落地计划，助力AI推理赛道发展。

从长期来看，AI行业的发展远未触及天花板。预计到2026年，全球AI资本开支将超过7000亿美元，Agent技术将进入规模化商用元年，产业成长空间将全面打开。在投资层面，我们核心推荐通信ETF国泰（515880），其光模块、服务器等算力核心权重超过75%，且在2025年涨幅位居全市场ETF首位。同时，半导体设备ETF国泰（159516）也受益于全球存储扩产与国产替代双重逻辑，具备充足的业绩弹性。然而，在短期布局时，也需警惕美联储货币政策不确定性、大宗商品涨价推高运营成本等潜在风险。

风险提示：

投资人应当充分了解基金定期定额投资和零存整取等储蓄方式的区别。定期定额投资是引导投资人进行长期投资、平均投资成本的一种简单易行的投资方式。但是，定期定额投资并不能规避基金投资所固有的风险，不能保证投资人获得收益，也不是替代储蓄的等效理财方式。

无论是股票ETF/LOF基金，都属于较高预期风险和预期收益的证券投资基金品种。其预期收益及预期风险水平高于混合型基金、债券型基金和货币市场基金。

基金资产投资于科创板和创业板股票，会面临因投资标的、市场制度以及交易规则等差异带来的特有风险。请投资者注意相关风险。

板块/基金短期涨跌幅列示仅作为文章分析观点之辅助材料，仅供参考，不构成对基金业绩的保证。

文中提及个股短期业绩仅供参考，不构成股票推荐，也不构成对基金业绩的预测和保证。

以上观点仅供参考，不构成投资建议或承诺。如需购买相关基金产品，请您关注投资者适当性管理相关规定、提前做好风险测评，并根据您自身的风险承受能力购买与之相匹配的风险等级的基金产品。基金有风险，投资需谨慎。