Nvidia GTC (eller GPU Technology Conference) har blivit en av världens ledande AI-konferenser och har vuxit varje år sedan lanseringen 2009 tillsammans med företagets inflytande och intäkter. Men detta år markerade en förändring i tyngdpunkten. Tidigare fokuserade företaget på hur det expanderade till nya marknader; i år visade det hur det skulle expandera inom dessa marknader, särskilt som en nyckelspelare i AI-landskapet. Som ett tydligt tecken på Nvidias ambitioner och dess nuvarande framgång uppgraderade man sin prognos för 500 miljarder dollar i AI-intäkter till 2026 till häpnadsväckande 1 biljon dollar 2027.

Särskilt VD Jensen Huang tog upp växande behov inom AI-inferencing såväl som den snabba tillväxten av agentiska arbetsbelastningar och hur den tillväxten kan påverka all AI-beräkning.

Nvidias vision för hela stacken:The 5-Layer Cake Of AII

Sedan december 2025 har Huang främjat idén om en "femlagerstårta" av AI. Det här konceptet verkar kapsla in företagets övergripande strategi för AI när det försöker kommunicera teknikens inneboende vertikala natur, som är mycket mer komplex än en enkel app eller modell. AI framställs som kritisk infrastruktur med flera lager, från underliggande energikrav hela vägen upp till individuella applikationer. Detta försöker också förenkla komplexiteten hos en komplett AI-stack för den genomsnittliga personen.

Nvidias femlagerskaka av AI

Foto med tillstånd av Nvidia

I basen av denna stack finns energi, som drar till sig mer uppmärksamhet som den begränsande faktorn för hur mycket beräkning som kan byggas på en given plats. I sin tur bestämmer chipsen som använder den energin mängden beräkning som är tillgänglig för att lösa AI-problem. Därefter kommer infrastrukturen som stöder dessa chips med mark, byggnader, kraftleverans, datorutrustning, kylning och nätverk. Infrastrukturen möjliggör AI-modeller, som varierar beroende på applikation och användningsfall. På översta nivån utnyttjar applikationerna själva modellutdata för att leverera resultat för konsumenter, affärsanvändare, statliga enheter och så vidare – på grundval av AI:s ekonomiska värde.

Huang sa att hela datorstacken måste återuppfinnas för att stödja "den största infrastrukturutbyggnaden i mänsklighetens historia." Nvidia använder dessa meddelanden för att positionera sig inte bara som en chiptillverkare, utan som en grundläggande möjliggörare för all datoranvändning eftersom all datoranvändning nu går mot AI. VD:n talar om Nvidias tillvägagångssätt som kombinerar "vertikal integration och horisontell öppenhet", vilket innebär att dess modeller är öppna för alla, men dess inställning till datoranvändning är vertikalt integrerad i varje lager.

Vera Rubin Pod, LPX And The 10x Revenue Opportunity

Vera Rubin är den kommande avancerade beräkningsplattformen för Nvidia som kombinerar dess Vera CPU:er och Rubin GPU:er; det är planerat att börja skickas om några månader från nu. Vera Rubin Pod är Nvidias rack-skala erbjudande som lovar att leverera ytterligare en betydande ökning av AI-beräkningstätheten inom datacenter. Den innehåller sju typer av Nvidias chips över fem olika racksystem för att skapa en högpresterande konfiguration som företaget säger kommer att möjliggöra tokengenerering - och intäkter - med upp till 10 gånger hastigheten jämfört med förra generationens Blackwell-plattform. Nvidia hävdar att detta kan möjliggöra så mycket som en årlig slutledningsmöjlighet på 300 miljarder dollar.

Diagram som bryter ner Nvidias arkitektoniska slutledningsmöjligheter

Foto med tillstånd av Nvidia

En av de största möjliggörande faktorerna för Vera Rubin Pod är användningen av Groqs LPX-plattform, som utnyttjar Groq 3 LM30-chippet. Groqs språkbehandlingsenhet skiljer sig till sin natur från Nvidias GPU:er, med en betydande mängd SRAM (statiskt direktminne) i motsats till DRAM (dynamiskt direktminne). Eftersom den ökar minnesbandbredden med häpnadsväckande 55x jämfört med en Rubin GPU, är Groq LPU i sig bra på att hantera extremt minneskrävande uppgifter. Detta hjälper till att förklara varför Nvidia förvärvade Groqs IP och dess viktigaste talang för 20 miljarder dollar i december 2025.

Växa bortom GPU:er:ett diversifierat hårdvarufokus

Groq-exemplet visar hur Nvidia går bort från att försöka göra sina GPU:er till lösningen på alla problem. Medan Nvidias ekosystem länge har expanderat bortom GPU:er, har den expansionen nästan alltid varit i tjänsten för GPU:er, oavsett om det är processorer, nätverkschips eller programvara. Med introduktionen av Groq 3 LPU:er har Nvidias datorarkitektur verkligen vuxit ur ett tillvägagångssätt som endast gäller GPU.

Vi ser också att Nvidia börjar erbjuda produkter som sina egna armbaserade processorer i en racklösning för endast CPU. Företaget positionerar den nya Vera-processorn med 88 kärnor som konkurrenskraftig med Intel och AMD för datacenter. Dessa processorer kan konfigureras med upp till 256 chips per rack, och Nvidia har redan kunder inklusive Meta som vill distribuera dem. När man gick bortom processorer, talade Nvidia också om sin Bluefield 4 STX-lösning för lagringsorienterade applikationer; enligt företaget förbättrar den här produkten prestandan för att förhindra att lagring blir en flaskhals för AI-utdata.

Fler Vera Rubin-produkter:Nvidia DSX AI Factory And Space 1

Nvidia DSX är företagets senaste Vera Rubin-baserade plattform för sitt AI Factory-erbjudande, som inkluderar en referensdesign för AI-fabriker och utnyttjar Nvidias Omniverse Digital Twin. (För bakgrund om Omniverse, se min beskrivning av GTC 2025 och min kollega Bill Curtis detaljerade titt på Nvidias rörelser inom fysisk AI från februari 2025.) Företaget kallar detta en nyckelfärdig lösning som drar fördel av alla möjligheter som Nvidia och dess partners har skapat för att hjälpa till att planera, bygga och underhålla AI-fabriker. Den här plattformen är designad för implementeringar med hyperskalare och de största företagen som vill distribuera sin egen AI i industriell skala utan att behöva sätta ihop infrastruktur.

Det har också varit mycket surr på sistone kring AI-beräkningar i rymden, med många startups som lanserats för att lösa problemen med implementering. Innan tillkännagivandet av Space 1-modulen baserad på Vera Rubin, distribuerade Nvidia mestadels inbäddade Jetson Orin-chips och H100 GPU:er för rymdapplikationer. Nvidia säger att den nya rymdfokuserade modulen designades för dessa extrema applikationer och levererar så mycket som 25x AI-prestandan i rymden som H100. Den har också låsstegsbearbetning och felkorrigeringskoder för att säkerställa att drift i rymden inte påverkar utdata. Som sagt, jag tror att Space 1 kommer att adressera en ganska nischad applikation och inte bör ses som en validering av behovet av datacenter i rymden.

NemoClaw:Bygga specialiserade agenter

Agentisk AI har snabbt blivit ett viktigt fokusområde eftersom agenter som Claude Code hjälper användare att ta sig an praktiska uppgifter. Från den tekniska sidan omformar agenter hur IT-infrastrukturen är byggd och hur chipsen inuti den infrastrukturen är designade. En av de mest intressanta senaste utvecklingarna är introduktionen av OpenClaw, en öppen källkodsagent som körs lokalt med Nvidias nya NemoClaw-stack med öppen källkod för säkrare distributioner av uppgiftsorienterade agenter.

NemoClaw-agentverktyget är designat för att bygga, träna och distribuera autonoma, säkra AI-agenter, vilket borde göra det lättare för vem som helst att skapa sina egna agenter. När Nvidia utvecklade den nya stacken arbetade Nvidia i nära samarbete med skaparen av OpenClaw och säkerhetsforskare för att förhindra oönskade agentåtgärder eller potentiellt farliga utfall.

DLSS 5.0:The Controversial Deployment of Neural Rendering

Nvidia överraskade många, inklusive mig, med tillkännagivandet av DLSS 5.0, som är företagets valfria AI-assisterade funktion för att förbättra bildkvaliteten och leverera snabbare rendering. Det fungerar genom att rendera med en lägre upplösning och sedan använda AI för att skala upp bilden till den ursprungliga upplösningen. De flesta användare verkar vara nöjda med tidigare implementeringar av DLSS. Nu introducerar DLSS 5.0 neurala renderingstekniker för att ytterligare förbättra belysningen i scener som annars skulle kunna se platt ut. Det ger också spelutvecklare mer kontroll över användarupplevelsen, och de kan ställa in DLSS 5.0 för att ändra hur det påverkar bilderna i deras spel.

Många människor har reagerat negativt på tidiga foton och videor gjorda med DLSS 5.0. Jag tycker att detta är en betydande överreaktion. Det finns många spelare som hatar de flesta AI-förbättrade saker, och reaktionen på DLSS 5.0 kan vara en kulmination på den frustrationen. Efter att ha sett demos personligen kan jag säga att nästan alla förbättringar verkar vara positiva och förbättra realismen - och det här kommer från en seriös fotograf som kan vara väldigt kräsen när det gäller redigeringsverktyg. Utöver det är DLSS 5.0 fortfarande långt ifrån leverans, så det är oklart exakt hur den slutliga produkten kommer att se ut eller vilka GPU:er som kommer att kunna köra den. Den nuvarande instansieringen körs på två Nvidia RTX 5090-grafikkort, men enligt Nvidia kommer programvaran att vara optimerad för att köras på en enda GPU till hösten.

Inferensböjningspunkten och Huangs marknadsprognoser på 1 biljon dollar

I sina kommentarer på GTC pratade Huang om den växande AI-inkomstmöjligheten för branschen och tillade att "Efterfrågan på Nvidia GPU:er är borta från listorna." Han hävdade att inferenstillväxt driver betydligt mer intäkter sedan specialutgåvan av GTC som hölls i Washington, D.C., i slutet av 2025 (som jag skrev om här).

Även om det bara var några månader sedan, uppgraderar företaget nu sin prognostiserade intäktsmöjlighet på 500 miljarder dollar fram till 2026 till 1 biljon dollar fram till 2027. Det betyder att Nvidia inte bara förväntar sig att detta år kommer att avslutas starkt utan också att 2027 kommer att bli ännu starkare – hundratals miljarder dollar starkare. Ur mitt perspektiv som analytiker var det vettigt att tro att övergången från AI-utbildning till utbredd AI-inferens och genomgripande agent AI skulle vara en viktig drivkraft för branschen. Men om Huang har rätt kan det visa sig vara ännu mer av en katalysator för tillväxt – för Nvidia och dess partners – än någon skulle ha föreställt sig för inte så länge sedan.

Upplysning:Nvidia är en rådgivande kund till mitt företag, Moor Insights &Strategy.