黄仁勋突然在 X 上扔出了一枚重磅炸弹。

他转推并回复了 OpenAI 的动态，写下了一段很狂妄的话：

“GPT-6 Astra，在约 10 万+ 张 NVIDIA Grace Blackwell NVLink72 上完成训练。从 ChatGPT 到 o1，再到 Astra，只用了 4 年。

AGI 已经到来。恭喜 OpenAI 团队。另外，还有 400K（40万）张 GPU 即将上线。”

表面上看，这是一封来自行业大佬的真诚贺信；

但细看每一个字符，这分明是一场赤裸裸的“算力霸权宣言”。

他真正想向全世界展示的，是他手里那张无人能及的算力底牌，以及他如何用铜缆、液体和硅片，亲手把科幻小说里的通用人工智能（AGI）变成了现实。

表面贺喜，实则炫耀：老黄的算力底牌

在科技圈，喊出“AGI 到了”的人不少，但由黄仁勋说出来，分量完全不同。

因为别人的 AGI 还停留在 PPT 和论文里，而老黄的 AGI，是拿实打实的硬件堆出来的。

老黄文中提到的这组数据：训练最新旗舰模型 GPT-6 Astra，用了超过 10 万张 Grace Blackwell NVLink72 架构的 GPU。

10 万张顶级 GPU 是什么概念？

几年前训练大模型，几千张卡就能让顶级实验室吹上半天。而到了 Astra 这里，10 万张卡不仅成了门槛，老黄甚至还云淡风轻地补了一刀——“还有 40 万张 GPU 准备上线”。

这就好比大家还在讨论赛车手的高超驾驶技术时，引擎供应商突然站出来说：“这台车之所以能破纪录，是因为我在里面塞了一万匹马力的引擎，而且我仓库里还有四万匹，随时准备装车。”

老黄的潜台词再清晰不过：AI 模型的智力上限在哪里，不由算法科学家决定，而是由英伟达能产出多少张皮衣级显卡决定。

单机柜 120 千瓦：比肩核反应堆的“物理怪兽”

这套让 OpenAI 炼出 Astra 的 Grace Blackwell NVLink72 集群，可绝不是把几万张显卡用普通网线插在一起那么简单。很多非技术读者可能无法想象，把 10 万张 Blackwell GPU 组装起来，在物理层面到底是一件多么狂暴且逆天的工程。

最核心的秘密，就在这个“NVLink72”上。

传统的服务器集群，几张卡插在一台机器里，机器和机器之间靠光纤或者网线连接。

只要数据跨了机器，传输速度就会大幅缩水。

但 NVLink72 彻底颠覆了这种设计：

英伟达在一个定制机柜里，用 9 张专门的 NVSwitch 交换板和接近 2000 根（1,728根高精度 Twinax）密集铜缆，直接把 72 张 Blackwell GPU 和 36 颗 Grace CPU 强行“缝合”在了一起。

这导致的结果是，整个机柜在软件层面看起来根本不是 72 张独立的卡，而是一张拥有 13.5 TB 统一显存、计算性能高达 1.4 ExaFLOPS 的“单体超级 GPU”。

其内部的双向通信带宽达到了惊人的 130 TB/s，数据在卡与卡之间穿梭的速度比闪电还快。

但也正因为这种极致的密度，机柜的物理极限被逼到了崩溃边缘：

单个 NVLink72 机柜的功耗飙升到了 120 千瓦（kW）以上，是传统服务器机柜的 10 倍以上。传统的风冷完全无效，英伟达强制要求采用全机柜“冷板液冷”（Direct-to-Chip Liquid Cooling）。

高纯度的脱盐水和乙二醇混合冷凝液以每分钟几十升的速度，在几千个精密焊接的铜制微通道冷板之间疯狂循环。

在一个充满 120 kW 高压直流电、分布着数千个高密度铜线接头、内部水压高达几个大气压的金属狭长空间里，任何微小的液体渗漏或者微米级的接触误差，都会瞬间烧毁价值数百万美元的设备。这已经不是普通的IT硬件制造，这纯粹是高精尖的重工业物理工程。

10万张卡的算力黑洞：电力局连夜擦汗

如果单机柜 120 千瓦已经足够震撼，那么把 10 万张卡拼成一个整体集群，就彻底演变成了对人类基础能源设施的极限撕扯。

要支撑 10 万张 NVLink72 级别的 GPU 运作，背后需要大约 1400 多个这样的百千瓦级超级机柜。加上水泵、冷却塔、前端存储网络和配套设施，整个数据中心的连续运行功耗将直接跨过几百兆瓦（MW）的大关。

这相当于一个中等规模县城的所有居民用电总和。

这也是为什么硅谷如今流行着一个高级梗：“限制前沿 AI 发展的，早就不是算法工程师的脑洞，而是地方电力局的变电站产能，以及核电站的批复进度。”在过去一年里，硅谷巨头们满世界买断停运的核电站、抢购大型变压器，甚至为了几百兆瓦的绿电指标和地方政府打得不可开交。

老黄嘴里轻描淡写的那句“40 万张 GPU 即将上线”，背后对应的不仅是数百亿美元的硬件采购单，更是几座专为 AI 生育的巨型专供发电厂。在极高吞吐的硅片面前，电力变成了最原始的燃料，算力集群变成了数字时代的炼金高炉。

OpenAI 的 Abilene Stargate 数据中心

用暴力美学打破质疑：GPT-6 Astra 到底强在哪？

如果只有硬件的狂暴，而没有软件上的突破，那充其量只是“烧钱打水漂”。但 GPT-6 Astra 的成绩单，给这 10 万张 GPU 的暴力堆叠做出了最强有力的注解。

前一阵子，科技界普遍弥漫着一种悲观情绪，不少专家发文宣称“ Scaling Law（规模法则）已经触墙，单靠堆算力再也无法带来智能的质变”。然而，Astra 的数据直接给这些专家狠狠打了一巴掌：

在模拟人类真实操控系统的 OSWorld 2.0 测试中，Astra 拿下了 72.6% 的惊人成绩。它不再只是在窗口里回答你的问题，而是能连续 40 分钟无干预地看着你的电脑屏幕，替你点击鼠标、切换软件、填写表格、搞定复杂的财务报表和税务清算。

在专门测试逻辑极限的 ARC-AGI-3 中，Astra 砍下了 99.9% 的近乎满分成绩；在 GPQA 钻石级科学测试中达到 96%；在让无数数学博士头秃的 FrontierMath 顶级竞赛题里直接飙到了 98%。

在 ExploitBench 无安全防护的黑客攻防测试中，它拿下了 100% 满分，具备了完全自主寻找零日漏洞并生成补丁修复的能力。

这套数据解释了为什么老黄敢在 X 上直接贴上“AGI has arrived”的标签。Astra 已经超脱了“文本生成”的范畴，它具备了长时序自主规划、复杂工具使用和高阶科学推理能力。

它用事实证明：Scaling Law 没有撞墙。如果你觉得撞墙了，那仅仅是因为你手里挥舞的锤子不够重。10万张 NVLink72 砸下去，墙就会轰然塌陷；如果墙还在，那就再送 40 万张上去。

回顾过去四年，从 2022 年底 ChatGPT 的一石激起千层浪，到 o1 模型开启深度推理时代，再到如今 Astra 彻底跨越 AGI 门槛，人工智能的演进节奏快得令人窒息。

OpenAI 的科学家们固然值得敬佩，但老黄半夜发的这条帖子，让全世界再次看清了这场 AI 变革中最硬核的底层真相：通用人工智能的红利或许属于软件应用，但通用人工智能的解释权，永远握在掌握物理算力的人手里。

OpenAI 赢得了“AGI 降临”的桂冠和闪光灯，但老黄不仅手握颁发奖冠的权力，还牢牢控制着台下每一个参赛选手的算力电源线。在全人类通往通用人工智能的征途上，只要硅基芯片还是唯一的介质，老黄和他的皮衣，就永远是那个站在入口处、带着微笑收门票的人。