6G与量子，黄仁勋将AI竞赛杀疯至新的前沿
别被黄仁勋那句“中国芯片爆发”的感叹带偏。在今年的第二场GTC大会上，近乎垄断了当前一代AI基础设施市场的英伟达，计划提前卡住下一代算力与网络基础设施的身位。
在演讲中，黄仁勋首先回顾了加速计算“超越摩尔定律”，随后就把行业叙事，拉向了6G网络与量子计算。此后，才轮到大家更熟悉的“AI工厂”，Rubin平台与“物理AI”的愿景。
英伟达并没有直接下场制造6G或量子的硬件，而是选择了更巧妙的路径。它立足于已有的算力、网络与CUDA优势，与这些前沿领域的合作伙伴深度绑定，在6G网络上创建新的计算方式，将量子计算与GPU高速互联起来。
6G与量子科技，正在成为全球AI竞争延伸至不远未来的核心战场。就在黄仁勋跑到华盛顿举办这次GTC峰会前的一个月，白宫管理与预算办公室（OMB）与科技政策办公室（OSTP）就把AI与量子科技列为2027财年研发预算的前两位；6G等先进通信技术排在第四位。与此同时，中国在最新的“十五五”规划建议中，也将量子科技与第六代移动通信列为未来产业的重点方向。
黄仁勋在会上直言，美国必须拿下6G，尤其是在通用计算向加速计算的平台转型的关键节点。“这是美国人一生只有一次的机会，”他回顾道，“起初，我们定义了这项技术和标准，并将它出口到全世界；但如今，我们的基础设施却建立在他国技术之上。”
如果说4G与移动互联网的成功，源于彼此的相互成就，那么AI时代的繁荣，也需要与通信技术深度共生。年初，作为全球最大的电信设备制造商，华为开始尝试以AI重塑5.5G时代。在速率提升与时延降低的前提下，5.5G网络能够支撑更大数据量的实时交互。华为预计，在5.5G与AI共同推动下，全球总连接数将达到2000亿。
6G的商业化仍需等待片刻。预计到2030年，首个6G系统才会落地。尽管仍然缺乏统一的技术标准，但英伟达已经迫不及待地下注AI原生的6G通信技术。它可能解锁新的原生AI硬件，催生超级应用的爆发，以及重塑AI训练与推理的方式。黄仁勋决定拿出10亿美元入股诺基亚。后者目前仍是全球第二大电信设备制造商，股价因此一夜暴涨超20%。
在诺基亚贝尔实验室（Nokia Bell Labs）看来，6G之于AI的意义，至少有二：其一，提供AI原生的空中接口（AI-native Air Interface）；其二，让网络本身成为传感器（Network as a Sensor），扩展AI的感知半径与感知维度。
与5G时代“AI赋能网络优化”不同，6G的目标是让AI成为通信协议栈的一部分，尤其是在物理层和MAC层。未来，AI系统与智能体之间，能够通过AI生成的通信方式直接互联，让通信层具备学习与自适应能力，以更高效地分配资源、调整链路并降低信令开销。在工厂场景中，通信设备可在某一时刻自动配置为支持工业传感器，下一时刻又能重新配置以服务机器人或其他自主设备。
在6G时代，通信基站不再只是信号中继，而是分布式传感与算力节点。基站、链路与天线可通过信号反射、时延与角度等参数实现环境感知（ISAC），识别物体的类型、位置、速度乃至材料特性。这将为无人机、自动驾驶等AI应用提供除雷达和摄像头之外的更丰富环境与语义数据，也将显著提升空间智能的交互精度与响应速度。
正如亚马逊在互联网之上构建了云计算，英伟达正试图在6G之上创造一个全新的智能基础设施。它是边缘的、分布式，黄仁勋称其为“本质上是基于无线通信的云计算”；它比传统云更靠近数据，而这些不会被公开分享到互联网的数据，恰恰是提升大模型性能的关键。也许，马斯克所设想的“分布式推理”电动车网络，最终也逃不出黄仁勋最新的算力版图。
这一次，英伟达推出的Aerial RAN Computer Pro，正是一款面向6G的加速计算平台，融合了连接、计算与感知能力。诺基亚将基于此扩展其RAN（无线接入网）产品线，推出新的AI-RAN方案。T-Mobile也计划与两家公司合作，预计2026年开始技术现场测试，将AI-RAN纳入其6G研发流程。由此，英伟达有望将AI时代的繁荣，锁定在自己的CUDA-Aerial生态中。
与抢先布局6G一样，黄仁勋也在加速扩展量子计算生态。自然界尤其是微观世界，往往遵循量子规律，而非经典规律。基于此，物理学家费曼在四十多年前就提出量子计算机的构想。与其用经典比特去近似量子态，不如用量子比特（qubit）直接模拟自然本身。
在年初的CES上，黄仁勋仍对量子计算态度保守，称“量子计算不能解决所有问题”，并判断要真正出现有用的量子计算机，可能还需二十年。
但这一立场很快被其他硅谷巨头的现实成绩改写。微软推出了拓扑量子芯片，纳德拉称之为“量子计算的晶体管时刻”；谷歌则在新一代量子芯片Willow上，通过“量子回声”（Quantum Echoes）算法首次实现了可验证的量子优势，即证明量子芯片在部分任务中，既比超级计算机更快，且结果可被物理验证。
英伟达改变了态度，为3月的GTC专设了“量子日”，邀请多家量子公司高管“绘制有用量子应用之路”。在5月的 Computex上，黄仁勋进一步预测“未来所有超级计算机都将融合量子加速单元（QPU）”。
量子计算仍处于发散式创新阶段，路线尚未收敛。英伟达似乎决心在所有方向下注。9月，旗下风投机构NVentures同时投资了光量子路线的PsiQuantum、离子阱路线的Quantinuum，以及中性原子路线的QuEra。
这些路线各有优劣，但都面临同一挑战。“物理量子比特”很脆弱，对噪声极其敏感，易受其干扰，需要将其编码为具有高度稳定性的“逻辑量子比特”，这一过程即“量子纠错”（QEC）。一个“逻辑量子比特”往往对应数十甚至上百个物理比特协同。由此，量子竞争的焦点也从“物理量子比特”，转向“逻辑量子比特”。这需要强大的经典算力支撑。
黄仁勋的答案是，让英伟达越来越强大的“AI 工厂”，成为量子计算的基础设施。在本次GTC的“量子计算与科学创新”圆桌上，他意外闯入称，量子叠加与纠缠等等术语固然抽象，但核心逻辑依然简单：量子计算离不开经典计算；英伟达擅长深度工程，而量子领域是深度科学，两者“互联”，GPU超级计算机可以为量子处理器提供校准与纠错能力。
于是，这一次，开放架构NVQLink应运而生。它相当于量子计算版的NVLink，能在GPU与QPU之间建立低延迟、高吞吐量连接，实现大规模量子计算与量子纠错。英伟达已将17家量子硬件厂商与5家控制系统企业拉进了CUDA-Q生态。无论最终谁能胜出，英伟达都占据了绕不开的关键位置；对美国而言，这为量子计算真正从实验室走向工程化，奠定了产业形态。
当算力与网络的边界被重新定义时，AI的竞争也不再局限于当下的算力生态。进入2026年，中美的AI竞赛将从算力与模型的较量，延伸至量子计算与6G通信等下一代算力与网络的基础设施。
