英伟达CEO黄仁勋预告，将于2026年下半年投产，2028年推出全球首款1.6纳米AI芯片“Feynman”，采用台积电A16制程与背面供电技术，算力与能效大幅跃升。此举将加速全球AI迭代，巩固英伟达霸主地位，同时对大陆芯片制造业形成严峻考验，倒逼国产替代加速与政策加码。

一、英伟达黄仁勋预告AI芯片大黑马——首款1.6纳米芯片AI GPU问世。

科技界爆出春雷，芯片行业线程继续突破！2月26日（周四），英伟达（NVIDIA）CEO黄仁勋亲自预告AI芯片首个大黑马——世界前所未见的首款1.6纳米芯片的全新芯片架构Feynman，将在台积电投产。

周四下午，中时新闻网报道称，英伟达年度技术盛会“GTC 2026”定于3月16日至19日在美国加州圣荷西登场，英伟达CEO黄仁勋在宣布这一消息的同时向媒体预告称，本届“GTC 2026”大会的重头戏将是发表世界前所未见的全新芯片架构Feynman，该产品是全球首款导入台积电1.6纳米的A16先进制程，预计Feynman芯片将于2028年正式投入市场，成为全球首款迈入1.6纳米里程碑的革命性AI GPU。

Feynman将衔接已量产的Blackwell，以及预计于2026年问世的Rubin架构，成为英伟达下一世代人工智能数据中心GPU的旗舰产品。这不仅是英伟达首度切入1.6纳米级制程，更标志着AI算力进入全新纪元。

为了克服先进制程的物理限制，Feynman 将采用“超级电轨”（Super Power Rail， SPR）技术，将供电线路移至晶圆背面，使逻辑密度提升约10%、功耗降低约15%，同时解决了长期困扰半导体业已久的SRAM压缩瓶颈。即透过新技术让原本难以压缩的内存单元成功瘦身，释放出更多芯片空间来堆叠算力。

此外，市场盛传Feynman可能整合类LPU（语言处理单元）技术，强化对大型语言模型（LLM）与生成式AI推理任务的专项加速能力。Nvidia最近收购了Groq。这有望为大型语言模型工作负载带来巨大的性能提升。不过，具体架构与技术细节，仍待英伟达在2026年GTC大会上正式揭晓。

传英伟达也接触英特尔代工。

在芯片产能布局方面，台积电正为16A制程积极扩充产能，而英伟达已取得A16的独家量产权，据目前时间表，Feynman预计于2026年下半年投产、2028年启动出货，但由于先进制程高度复杂，客户端的终端交付可能延后至2029至2030年。

值得注意的是，市场也传出英伟达正考虑将部分Feynman GPU外包给英特尔（Intel）生产，双方目前仍就封装与制造合作细节进行磋商。

二、1.6纳米制程的Feynman提前18个月投产，预示着芯片产业的时不我待。

2025年3月19日，科技新报曾经报道称，英伟达在 GTC 2025 公布的2026年与2027年数据中心路线图更新，展示即将推出的以天文学家Vera Rubin命名的Rubin系列与Rubin Ultra。同时，在英伟达的蓝图中，也可看到Rubin系列的下个继任者是Feynman，该命名取自理论物理学家Richard Feynman，当时计划2028年投产。

在GTC 2025大会上，英伟达CEO黄仁勋透露，Blackwell B200 其实每颗GPU含两个芯片（die），使NVLink拓扑结构发生变化。虽然 Blackwell B200 NVL72 是这个名称，但称为 NV144L 应该更合适，因此英伟达计划Rubin产品线调整名字。

此外，Rubin产品线将从HBM3/HBM3e转向HBM4，并在Rubin Ultra采用HBM4e，内存容量维持288GB，与B300相同。带宽则从8TB/s提升至13TB/s，NVLink速度将提升一倍。另一个重点是 Vera CPU，取代目前的 Grace CPU。

Vera 是相对小巧紧凑的CPU，配备88颗客制化ARM 核心和176个线程，并且内建1.8TB/s的NVLink核心对核心连接埠，可与Rubin GPU直接连接，进一步提升运算效能与整合性。

Rubin Ultra GPU将采用四个 GPU 芯片（die）封装在一个模块内，提高计算密度。

Rubin Ultra预期 2027 下半年推出，现在也提前一年至2026年。这预示着GPU 的性能将迎接大幅度升级，整个机架的设计将被全新架构 NVL576 取代。

三、英伟达1.6纳米的Feynman芯片提前面世，对全球人工智能行业有何影响？

英伟达提前18个月启动Feynman架构量产（2026年下半年投产、2028年出货），标志着AI算力进入“1.6纳米时代”，将对全球人工智能行业产生革命性推动。

首先，性能与能效大幅跃升。

采用台积电A16制程并引入超级电轨（SPR）背面供电技术，逻辑密度提升约10%、功耗降低约15%，同时突破SRAM缩放瓶颈。这意味着单芯片算力将远超Blackwell和Rubin，训练万亿参数大模型的时间可能缩短30%-50%，推理延迟大幅降低，单瓦性能比显著提高。大型语言模型、Agentic AI、多模态生成等前沿应用将迎来爆发式发展，AI训练成本有望下降20%以上，推动AI从“实验室”走向大规模商业落地。

其次，将加速行业迭代节奏。

英伟达一年一迭代的路线图（Blackwell→Rubin→Feynman）进一步固化其绝对领先地位，迫使AMD、Intel、Groq等竞争者加速追赶，全球AI供应链将围绕HBM4/HBM5、先进封装、硅光子等技术狂飙突进。数据中心电力效率提升，也将缓解AI耗电危机，为全球建设“吉瓦级”AI工厂提供硬件基础。

第三，引发资本与应用双重热潮。

更多机构将加大AI基础设施投资，AI在医疗、科研、金融、自动驾驶等领域的渗透率将加速提升。但同时也加剧垄断担忧，可能引发更多反垄断讨论与开源替代浪潮。

第四，这一消息是对大陆芯片制造业和人工智能行业的又一次严峻考验。

对大陆芯片制造业而言，1.6nm 的Feynman芯片提前18个月投产，是对现有技术封锁的又一次严峻考验。

中芯国际目前量产节点停留在7nm/5nm，距离1.6nm仍有巨大鸿沟，且受EUV光刻机禁运影响，短期内难以跟进。这将进一步拉大中外先进制程差距，台积电A16初期产能几乎被英伟达独占，中国厂商获取最先进AI芯片的窗口期被大幅压缩。

对人工智能行业而言，短期内，尽管面临出口管制，大陆AI企业仍将高度依赖英伟达GPU，但Feynman的能效优势会让“买不到最强芯片”的痛点更加突出，训练大模型的成本与速度劣势可能进一步显现。部分企业或被迫转向国产替代方案（如华为昇腾、壁仞、寒武纪等），倒逼国内AI芯片生态加速成熟。

长期看，这是一记“警钟”。它将极大刺激国家与企业加大对国产先进制程、3D堆叠、存算一体、新型芯片的投入。预计“十四五”后半段及“十五五”期间，国家在芯片专项资金、人才引进、供应链本土化政策将进一步加码。

总体而言，此次英伟达1.6nm 的Feynman芯片提前量产，将把全球AI发展推向一个新高度，让“AI无处不在”从愿景变为现实。

短期将给大陆芯片和人工智能行业带来压力，长期将成为中国芯片与AI产业“自立自强”的强大外部动力。若政策执行得力、产业链协同到位，完全有可能在10年内将差距缩小到可控范围。