NVIDIA GTC2026大会上黄仁勋又要扔“核弹”，采用A16工艺的“神秘芯片”或将发布

英伟达可能在GTC大会中抛出下一代芯片代号Feynman，并首次公开展示采用台积电A16工艺的产品方向，这将把市场对其算力路线图的关注点，从Vera Rubin进一步推向更远的周期。

NVIDIA GTC 2026年将于3月16日至19日在美国加州举办。随着大会时间的临近，老黄已经提前开始放话了，这次要发布一款“让世界震惊的芯片”。

根据韩国媒体Chosun Biz报道，英伟达可能在GTC大会中抛出下一代芯片代号Feynman，并首次公开展示采用台积电A16工艺的产品方向，这将把市场对其算力路线图的关注点，从Vera Rubin进一步推向更远的周期。

虽然每年的GTC上英伟达都会推出一些令人震惊的产品，但今年这场峰会，给我的感觉是英伟达将重新定义未来的算力基础设计？因为AI发展到今天，目前正好卡在一个要变道的路口——以前大家光顾着怎么把模型练出来（训练），现在要考虑怎么让这些模型真正跑起来干活（推理）。就像你考了驾照不算本事，真正上路不撞人才算牛。

我们知道，Rubin平台（Vera
CPU + Rubin GPU）刚刚进入量产阶段，但英伟达已经将目光聚焦于更加遥远的未来，即接替Rubin的新一代数据中心GPU架构“Feynman”。

根据韩国媒体以及相关供应链消息，Feynman将成为全球首款采用台积电A16制程的AI芯片。

台积电的A16有哪些过硬技术？

虽然对Feynman芯片的信息了解的并不多，但台积电的A16工艺可以说是当前最顶级的芯片制程工艺。它到底牛在哪儿？我们简单地拆解一下。

A16虽然常被说成是“1.6nm”，但这其实更像一个营销代号，不代表晶体管的实际尺寸就是1.6纳米。它真正的厉害之处，是搞出了两个“第一次”：

首先，A16第一次用上GAA晶体管：在A16之前的3nm、5nm，用的都是FinFET（鳍式场效应晶体管），你可以把它想象成一条条竖起来的“鱼鳍”，电流从上面流过。到了A16，换成了GAA（环绕式闸极）纳米片晶体管，相当于把“鱼鳍”躺倒，变成一层层叠起来的“纳米片”，栅极从四个方向把通道包住。这样对电流的控制更精准，漏电更少，跑起来也更省电。

其它，A16最核心的创新是超级电轨（SPR），这才是A16真正的“杀手锏”。以前芯片里的电路，供电线和信号线都挤在芯片正面，就像老小区里，电线和网线全挂在墙上，又乱又挤，互相干扰。台积电的“超级电轨（SPR）”技术，干了一件很“暴力”的事：把供电线路直接翻到了晶圆背面。

这相当于给你家房子重新装修，把所有粗大的电线、水管全部埋到地板下、墙背面，墙面正面干干净净，只留网线接口和插座。这样一来，原来被供电线占用的地方，现在全可以拿来走信号线，逻辑密度一下子就上去了。另外，供电线路走背面，路径更短，电阻更小，那种“一用电，灯泡就暗一下”的压降问题（IR
Drop）大大改善，供电效率更高。

在性能方面，A16与N2P制程相比，在同等电压下，速度提升8%到10%；在同等性能速度下，功耗降低15%到20%。此外，芯片密度提升最高1.1倍，在同样大小的芯片中，能够塞进去更多的晶体管。

更值得关注的是，在客户结构层面，Wccftech认为英伟达将成为A16节点初期大规模量产阶段的第一位客户，并且“可能是唯一客户”。

至于量产时间，A16制程预计在2026年下半年就要正式量产了，而Feynman预计在2028年正式量产。但是在本届GTC上，其架构细节的预览无疑将定义未来三年AI算力密度的上限。

除了采用更加先进和A16制程工艺之外，有分析推测Feynman可能首次集成Groq的LPU硬件栈。相关讨论的出发点在于，延迟正在成为GPU厂商重点优化的指标之一。

在封装与集成方式上，市场推测英伟达可能采用类似“混合键合”的路径，将LPU单元作为on-package选项，其实现方式被拿来与AMD的X3D处理器进行类比。

不过，Wccftech同时指出，这样做会显著增加设计与生产难度，意味着即便方向明确，落地节奏仍可能更依赖工程复杂度与制造成熟度。

Feynman将会对产业带来哪些主要影响？

先进的制程，也在倒逼上游材料科学发生革命。

采用台积电的16A制程工艺之后，传统PCB材料已无法满足信号传输需求，CCL覆铜板必须从M7/M8向M9级别升级，介电损耗（Df）需低于0.001，这将驱动低Dk玻纤布、BCB树脂以及表面粗糙度达亚微米级的HVLP铜箔的渗透率快速提升 。与此同时，CPO技术的落地将催生对外部激光源、光纤连接单元（FAU）、MT插芯等光学组件的海量需求。

除此之外，黄仁勋近期还频繁提及“AI的发展尽头是电力”，这也预示着GTC的讨论将不仅局限于芯片本身，数据中心的供电也成为英伟达关注的重点。随着机柜功耗的激增，数据中心的供电方式面临重构。高压直流（HVDC）、核能等能源方案将成为大会的隐性议题 。NVIDIA正在从提供算力芯片转向输出完整的数据中心能源与算力一体化解决方案。这种转变意味着，未来AI集群的部署速度将不再取决于光刻机，而是取决于电网的扩容速度和散热技术的创新。

最后，随着专为推理设计的LPU芯片和物理AI平台的推出，AI将真正走出数据中心，进入物理世界。机器人、自动驾驶、数字工厂将成为GTC的隐形主角。当推理延迟被降低到毫秒级以下，且能效比大幅提升时，复杂的实时交互式AI应用将具备商业化落地的技术基础。

写在最后：AI将继续进行疯狂进化

虽然关于Feynman芯片的更多细节我们还未知晓，但从目前得到信息可以看到，NVIDIA正在改写AI竞赛的入场券，不再仅仅是购买多少块GPU，而是对先进封装、光学互联、能源规划和材料科学的综合掌控能力。

可以说，2026年的GTC大会，不再是简单的换一张更快的显卡。它是在重新设计未来五年AI怎么跑、用什么跑、跑在哪里的问题。对我们而言，这届GTC告诉一件事：AI还在疯狂进化，而且马上就要从电脑和手机里跳出来，跳到现实世界里了。