IT之家 1 月 10 日消息，科技媒体 Toms Hardware 今天（1 月 10 日）发布博文，报道称在 CES 2026 媒体问答会上，针对市场上采用廉价内存以降低成本的声音•…•，英伟达首席执行官黄仁勋反驳道-■：“

　　黄仁勋强调★，AI 行业已进入○“Token 经济学●★▼”时代■◇，核心指标是“每瓦 / 每美元能生成多少 Token”。

　　英伟达坚持统一的内存架构和软件栈，虽然硬件成本较高，但能避免软件生态碎片化=◁。这意味着-■，当Nvidia优化一个软件栈后▽，全球所有基于该架构的 AI 工厂都能同步获得性能提升▼，从而在长周期内实现更优的总体拥有成本（TCO）。

　　谈及行业趋势-，黄仁勋透露了一个关键数据◇☆•：开源模型目前已贡献了全球约四分之一的 Token 生成量。这一“意料之外□△”的爆发式增长，极大地拓展了 AI 的部署场景，从超大规模云厂商延伸至企业本地集群▽。

　　黄仁勋在问答中还详细展示了 Vera Rubin 平台的模块化突破▼。相比以往 Grace Blackwell 系统一旦故障需整机架下线的情况，Rubin 采用了托盘式架构，支持在系统运行时直接更换 NVLink 等组件▷▪，实现□☆“边跑边修▪=”▽。

　　IT之家援引博文介绍•，这种设计不仅大幅降低了运维成本▲▼，更彻底重构了供应链效率：节点的组装时间从过去的 2 小时惊人地缩减至 5 分钟。此外，Rubin 平台摒弃了繁杂的线% 全液冷◇，进一步提升了系统的可靠性△。

　　供电稳定性被黄仁勋称为当前算力扩张的◁■“最大瓶颈”■。由于现代 AI 负载（尤其是推理任务）会引发剧烈的瞬时功耗跳变，电流波动幅度往往高达 25%▲•，迫使数据中心不得不闲置大量电力以应对峰值。

　　Rubin 平台通过系统级电子设计，在机架内部“平滑”了这些波动，即便单颗 GPU 的热设计功耗（TDP）高达 1800W，也能向外部电网呈现稳定的负载曲线。这种设计让运营商无需过度冗余配置▪，从而能接近 100% 地利用电力容量●◁◆。