GTC 2026现场直击：黄仁勋20分钟演讲揭示AI数据底座重要性
他用20分钟论证结构化与非结构化数据的融合路径
黄仁勋登台后，按惯例致谢并回顾CUDA发布20周年。随后他展示了一张架构图——图里密集排列着Apache Spark、Presto、DuckDB、Polars等数十个数据引擎的标识。
他指出，这些引擎处理的是data frames，即结构化数据，也是企业业务的ground truth。这正是我们反复向客户强调的：即便进入AI时代，结构化数据依然是核心，因为它们是对企业现状最精准的描述基底。
接着他转向非结构化数据。他说全球90%的数据是非结构化的——PDF、文档、图片、视频。企业耗费数十年收集、存储……然后就没有然后了。因为无法索引、无法查询、无法搜索。
但AI彻底改变了这一局面。
AI的多模态能力让机器首次能够“读懂”一份PDF、理解其含义，并将其嵌入可搜索、可查询的结构中。
结构化数据依靠精确的SQL计算引擎，非结构化数据依靠生成式AI的概率引擎，两者可以完美结合，更精准地描述世界。结构化数据是AI获取确定性事实的来源，非结构化数据是AI的上下文语境，只有融合才能解决AI落地的精度与场景适配问题。
结构化数据与AI融合，将在每个行业逐次复现
最令人印象深刻的环节，看似与数据平台无关——DLSS 5的发布。
黄仁勋现场演示了NVIDIA全新的3D渲染技术。传统游戏渲染依赖光线追踪——精确、可控，但算力消耗巨大，且无论堆多少计算力，CGI始终难以突破瓶颈。DLSS 5的思路截然不同：它将传统3D图形引擎产生的结构化数据（几何、光照、物理模拟——这些是虚拟世界的ground truth）与生成式AI模型融合。AI负责补全传统渲染代价高昂的部分——材质细节、光影氛围、场景深度。他在《生化危机》和《霍格沃茨》的实机画面上展示了效果，全场震撼。但真正让人坐不住的并非画面，而是他紧接着的那句话：
“This concept of fusing structured data with generative AI will repeat itself in one industry after another industry after another industry.”
结构化数据与AI融合，将在一个行业接一个行业地重复发生。从NVIDIA的游戏场景中，我们看到的是计算机图形学的突破，但它对所有行业都适用。本质在于：AI不能仅靠大模型“生成”，它必须建立在结构化数据的ground truth之上。游戏渲染如此，企业决策如此，工业制造如此，医药研发如此——底层逻辑完全一致。这正是我们在芯片设计、工业制造、交通、零售等多个行业客户中正在推进的工作。
未来的Agent，既需要结构化数据库，也需要非结构化数据库。
为什么坐不住
2021年创办矩阵起源时，我们就有一个核心判断：未来时代的数据基础设施，核心不是单纯的更大更快，而是结构化数据与非结构化数据的融合，以及面向未来负载的能力。今天整个产业的发展已逐步验证这一判断，大规模AI负载改变了数据需求，也改变了数据基础设施的形态。
今天黄仁勋并非以数据行业领袖的身份，而是以AI行业教主的角色，在三万人面前把这件事讲透了。在台下听着，深感五年前押注的方向，如今被AI整个产业正式确认了。
MatrixOne：黄仁勋口中的“ground truth”
MatrixOne是矩阵起源的云原生超融合数据库，完全基于存算分离架构，支持管理结构化与非结构化数据，支持处理OLTP、OLAP、向量、时序、搜索负载。它正是黄仁勋指着那张密密麻麻架构图所说的“企业计算的ground truth”。
但比这个定义多迈出了关键一步：MatrixOne具备Git-for-Data能力——数据可以像代码一样分支、快照、回滚。在AI Agent时代，它就是Agent记忆管理的核心基础设施。黄仁勋在介绍Vera Rubin时反复强调，Agent会持续高强度读写内存（pound on memory really hard）——Agent需要的不是一个只能追加的日志，而是可以分支、回溯、合并的结构化记忆系统。
MatrixOne Intelligence：我们的“AI Data Platform”
黄仁勋宣称AI Data Platform是未来最重要的平台之一，而这正是矩阵起源一直深耕的领域。
MatrixOne Intelligence是我们的AI原生数据智能平台。核心思路是在MatrixOne底座之上，将数据加工能力与AI引擎结合，面向各类应用场景构建AI Agent。底层打通了SQL引擎（处理结构化数据）和RAG引擎（处理非结构化数据），并在一个Agent框架内完成融合推理。
在NVIDIA AI Factory的架构中，MatrixOne Intelligence目前也承担着重要角色。它让AI不仅能调用大模型生成文本，还能让Agent直接查询数据库、关联上下文、输出可信赖的业务洞察。
Memoria：为Agent打造的可信记忆基础设施
最近我们开源了Agent记忆系统Memoria，定位为“Git for Memory”，底层构建在MatrixOne之上。黄仁勋说Agent需要高速读写KV Cache、结构化数据和向量数据——这正是设计Memoria时的核心假设：Agent的记忆需要分支隔离、上下文快照、语义检索一体化的活系统。
Dell、IBM、Oracle集体入场，说明什么？
除了NVIDIA自身的发布，今天同步官宣的一系列合作显示出产业共识正在快速凝聚：
Dell发布了AI Data Platform with NVIDIA，Michael Dell亲自站台，称其为“专为Agentic AI构建”。IBM宣布WatsonX全面接入cuDF加速——黄仁勋特意提到“IBM，SQL的发明者”。Oracle在AI Database中集成cuVS。Google Cloud在Dataproc中集成cuDF，Snap借此将每日数据处理成本降低了76%。
这些并非边缘合作。全球最大的IT基础设施公司，集体将“AI数据平台”提升为战略级产品线。作为NVIDIA AI Factory生态中专注数据底层的公司，这个信号再清晰不过了。
在客户现场，融合早已真实发生
黄仁勋的论述并非理论。在客户那里，这种结构化与非结构化数据的融合每天都在真实上演。
在金盘科技——今天一起在GTC做分享的伙伴——基于NVIDIA AI Enterprise全栈能力，正在构建覆盖生产效率优化、质量检测、安全管理的AI Factory。每一个场景都离不开结构化的MES/ERP数据与非结构化的工业视觉、文档数据的融合。
这些不是demo。这些是正在上线、已产生价值的系统。
今晚最想说的三件事
走出SAP Center，脑海中反复浮现三件事：
第一，数据层终于站到了舞台中央。 过去两年所有人都在追逐大模型——更大的参数、更强的推理、更长的上下文。但今天，全球最具影响力的AI基础设施公司创始人，用三万人大会的开场20分钟告诉所有人：没有好的数据平台，你的Agent什么也做不了。作为深耕数据基础设施的公司，这是来自产业最高点的战略确认。
第二，“融合”不再是一个可选项。 结构化数据是Agent的工作记忆，非结构化数据是Agent的世界知识。二者缺一不可，且必须在同一平台内打通。这是我们自第一天起就押注的方向，也是我们在NVIDIA AI Factory生态中的核心价值所在。
第三，数据库的定义正在重塑。 它不再只是存数据的地方。在Agentic AI时代，数据库是Agent的记忆系统、决策依据和行动支撑。它需要高并发读写、分支隔离、上下文快照、语义检索——这些能力必须原生内置，而非靠外部组件拼凑。
GTC还有几天，今年的AI生态确实越来越有趣了。