2026年2月，英伟达发布2026财年Q4财报：营收681亿美元，同比增长73%，数据中心业务增长75%——预期中的超预期。更值得关注的，是电话会中反复出现的几个关键词：Agentic AI、推理需求、低延迟。英伟达明确判断：Agentic AI已达到实用拐点，算力已经具备盈利性，推理延迟成为AI基础设施的竞争焦点。

▼ Agentic AI改变了什么？

Agentic AI的概念并不新鲜——让AI像人类一样自主规划、调用工具、完成任务，业界已经期待了很多年。但期待是一回事，愿意付费是另一回事。企业一直有一个疑问：它到底能做到什么程度？有没有用户愿意付费？值不值得我花钱？
英伟达（黄仁勋）认为Agentic AI已达到实用拐点，并且将年初火热的可本地化部署AI代理工具OpenClaw与Anthropic的Claude Cowork一同作为该拐点到来的市场印证。
技术上，AI已经可以主动监控任务状态，自己调用工具、完成任务，无需人工催促。
业务上，付费模式也已经跑通，美国AI客服独角兽Sierra推行“按效果付费”——AI成功解决问题才收费，转人工则免费，成立18个月估值达100亿美元。国内也一样，蚂蚁数科、众数信科等纷纷试点RaaS（效果即服务）模式。众数信科与客户在招采场景达成阶梯式效果付费——按AI处理的案件数量及准确率分段计费。IDC预测，到2028年，70%的软件供应商将转向按业务结果、交易量或自动化成果计费。

技术突破和商业模式的跑通，将进一步加速企业竞争。过去，推理延迟可能够用就行。现在，推理延迟就是用户体验，就是用户留存和订单转化。毕竟一个智能客服如果反应迟缓，用户可能直接挂断；一个实时翻译如果延迟波动，对话就会卡顿；一个自动驾驶决策如果慢了几毫秒，可能就是事故。
这就引出了英伟达的第二个观点，推理延迟成为AI基础设施的竞争焦点。

▼ Agentic AI如何改变推理需求？

会议另一细节也引起了行业关注：英伟达收购了Groq。Groq的核心技术LPU最显著的特点是确定性低延迟——通过静态调度和软件定义硬件，避免传统GPU的指令调度开销。这恰恰是GPU架构的先天短板：为了通用性，GPU必须保留复杂的调度逻辑，导致延迟存在波动。
这已经不是英伟达第一次引入外部技术完善生态，弥补延迟短板。早在2023年，英伟达就与Lattice合作将FPGA集成到Jeston Orin和IGX Orin平台中。
FPGA端到端推理延迟可稳定在1ms以下，关键路径甚至可达纳秒级。对于高频交易、工业控制、自动驾驶、电子医疗等场景，这是不可替代的优势。
与LPU不同，它还更加灵活，因为它能编程、可定制。如今算法迭代速度非常快，FPGA可随时重新配置硬件逻辑，升级算法，还能实现同一片FPGA验证不同功能。
FPGA的另一优势是低功耗，它能针对特定模型定制数据通路，消除冗余计算。同性能下，功耗可降至GPU的1/3到1/2。在功耗受限的边缘场景，这往往是能不能部署的决定性因素。同时，低功耗意味着更高的能效比，在规模化的行业客户面前，能效比的差异会被放大成真金白银的竞争力。

▼ 总结

英伟达电话会释放的信号是明确的，Agentic AI正在引爆推理需求，算力投资将持续增长。
但同样明确的是：推理需求是多样化的，没有一种架构能通吃所有场景。GPU在高吞吐场景中无可争议地占据主导，但低延迟、高能效、可定制的场景，正是FPGA的用武之地。
对行业客户而言，不是二选一，而是如何组合。异构计算——GPU+FPGA协同工作，成为越来越多务实客户的选择。