出品｜搜狐科技

作者｜梁昌均

編輯｜楊錦

一年一度的英偉達GTC大會最受關注的黃仁勛主題演講環節，3月19日凌晨落下帷幕。在推遲了10分鐘后，黃仁勛以標志性的黑色皮衣登上舞臺。

今年的GTC大會可能是黃仁勛近年來壓力最大的一次。此前數年，深度學習和大模型浪潮的接踵而至，讓英偉達成為這一波AI革命最大的贏家。

然而，AI技術發展范式的轉變，尤其以DeepSeek為代表的技術創新，一度讓市場對英偉達的算力信仰產生了懷疑。這次大會，無疑是黃仁勛向外界證明英偉達依然很能打的絕佳機會。

在兩個多小時的演講中，黃仁勛講述了AI發展趨勢及對算力帶來的挑戰與機會，再現經典名言：the more you buy，the more you save（買的越多、省的越多）。

更重要的是，他公布了英偉達的GPU芯片技術路線圖，包括即將登場的Blackwell Ultra，以及后續兩代的Rubin和Feynman。他還公布了多項企業級AI和物理AI等方面的進展。

“作為研究者，我們很開心見證歷史，參與基礎貢獻。但作為初創企業，要時刻警惕，超前兩年思考，什么是大廠做不好或做不了的方向，避免在大廠延長線上創新?！彼押萍继丶s作者、Meta人工智能科學家許家駿在現場聽完演講后表示。

從資本市場反應來看，投資者似乎對英偉達的最新發布不太“感冒”。最近交易日，英偉達開盤走低，一度跌超4%，隨著黃仁勛演講開始有所走高，但收盤仍跌超3%。

代理AI和推理將推動算力增長

數據中心支出將達到1萬億美元

在演講開始，黃仁勛對比了基于Blackwell架構的GeForce 5090芯片和RTX4090的進步?！八w積縮小了30%，能效散熱提升30%，性能更是飛躍式提升，幾乎無法相提并論。”

這一切的驅動力在于人工智能。黃仁勛表示，過去十年間，AI的進步堪稱驚人，最初是感知式AI（如計算機視覺和語音識別），隨后是生成式AI、代理AI和物理AI。

“這徹底改變了計算模式，從傳統的檢索式計算轉向生成式計算，計算領域的每一層都在過去幾年經歷了根本性變革。”黃仁勛表示。

黃仁勛認為，未來AI的發展需要解決三個基本問題。一是如何解決數據問題，因為AI是數據驅動。二是如何訓練模型，讓AI能夠以超越人類的速度去學習擴展。三是如何實現算法等資源投入與智能提升的正向循環。

“去年，幾乎整個世界都對此做出了錯誤的判斷。AI計算的擴展更具彈性，實際上，由于代理AI和推理的原因，我們對計算的需求比去年這個時候我們以為需要的多100倍?！?/p>

黃仁勛解釋稱，代理AI的基礎是推理，而推理使用的是思維鏈技術，因此產生的Token數量會顯著增加。為了保持模型的響應性和交互性，計算需要更快。

此外，在訓練過程中，數據有限，人類的參與也有限，但現在有了強化學習，有能力生成大量的Token，從而使用合成數據，這基本上是一種機器人式的方法。

“AI這兩種方法的結合給整個行業帶來了巨大的計算挑戰?！?/strong>黃仁勛表示，每次訪問ChatGPT時需要等待越來越長的時間，這是一件好事，說明很多人在有效地使用它，而且訓練和推理這些模型所需的計算量已經大幅增加。

換句話說，英偉達的芯片還有需求。一個有力的例證是，2024年全球前四云服務提供商共采購130萬片Hopper架構芯片，而2025年它們又購買了360萬Blackwell芯片。

黃仁勛提到，Blackwell剛開始出貨，基礎設施在驚人增長。“我預計到2028年數據中心的建設支出將達到1萬億美元，我相當確定會達到?！?/p>

這得益于兩個判斷。一是計算方式的轉變，通用計算已經走到了盡頭，世界正從由運行在通用計算機上的手工編寫軟件到運行在加速器和GPU上的機器學習軟件的平臺轉變。二是行業都意識到軟件的未來需要資本投資。

黃仁勛提到，這需要構建新的基礎設施?！拔曳Q它們為AI工廠。世界正在經歷的轉變，不僅僅是將要建造的數據中心數量，還有它們的建造方式，數據中心的一切都將被加速?！?/p>

英偉達的CUDA生態則是這一切的基石?！拔覀兗铀倭薃I框架，我們稱它們為CUDA-X庫?！秉S仁勛還宣布開源更多庫（如稀疏求解器cuDSS），并介紹了面向光刻、量子、物理仿真等領域的庫。

目前，全球600萬開發者通過CUDA加速了900多個庫，覆蓋科學計算、醫療、通信、量子計算等領域?！叭绻麤]有CUDA，以及龐大的安裝基礎，這些庫對于開發者來說將毫無用處?，F在，我們已經達到了加速計算的臨界點，CUDA使之成為可能?！秉S仁勛說。

他還認為，AI正從云端走向邊緣端，這將推動AI更廣泛的應用。他宣布，英偉達與德國電信運營商T-Mobile、思科合作5G邊緣AI棧，將AI注入通信網絡，通過自適應信號優化和強化學習提升頻譜效率，這可以徹底改變通信。

在自動駕駛領域，黃仁勛宣布，通用汽車（GM）選擇英偉達為其打造全棧自動駕駛系統，涵蓋訓練、仿真和車載計算，同時幫助通用改變制造方式，“自動駕駛的時代已經到來”。

芯片路線圖曝光

新架構Rubin和Feynman將在三年內發布

談完AI，時間已過去大半，黃仁勛終于聊起市場最為關心的芯片進展。去年發布的Blackwell已經全面投產，黃仁勛稱這實現了計算機架構的根本轉變。

他花了不少篇幅介紹計算規模擴展的所要解決的挑戰，比如如何將多個PGU進行連接從而擴展規模，以及如何解決寬帶和通信問題，電力能源消耗和散熱問題。

去年GTC大會推出的基于Blackwell架構的GB200系統，通過NVLink 72互聯技術，實現單機架1 Exaflop（百億億次）算力，內存帶寬達570 TB/s，較前代Hopper提升25倍能效。

這款超級計算機使用5000根電纜，長度累計接近2英里?！拔覀兊哪繕耸沁M行規模擴展。通過NVLink，我們已經完成了這種極端規模的擴展，前所未有。”黃仁勛說。

這種對規模的追求是由于巨大的需求。黃仁勛認為，AI推理系統中，存在兩個關鍵指標（如下圖所示）：X軸代表吞吐量，是整個工廠每秒生成的Token總量；Y軸代表響應速度，是每個用戶體驗的Token生成速度。

黃仁勛認為，AI的智能程度與生成的Token數量直接相關，更多的Token意味著更深入的推理能力，但用戶無法忍受過長的等待時間，這要求AI工廠在吞吐量與響應速度間找到最優平衡。“生成的Token越多，AI就越聰明。但回答問題的時間過長，用戶就不會再回來?！?/strong>

如何解決這兩個挑戰？“完美的答案在右上角。理想情況下，這條曲線應該是正方形，即每人每秒的Token生成速度盡可能快，直到達到工廠的極限。但沒有工廠能做到這一點，因此這是一條曲線，目標是最大化曲線下的面積，即X和Y的乘積。”

黃仁勛表示，這兩個維度分別意味著需要大量的計算能力（flops），以及大量的帶寬和內存，并且要盡可能高，以及有最好的架構和盡可能高的能效，還必須擁有一個能夠運行所有這些軟件的編程模型。

黃仁勛宣布推出開源的英偉達Dynamo軟件系統，號稱是“AI工廠的操作系統”，可以解決計算系統當中并行處理、預批處理、負載管理、KV緩存等方面的問題?！癉ynamo可以在模型進行規?；渴穑瑥亩鵀锳I工廠實現降本增效?！?/p>

許家駿也認為，推理的重要程度毋庸置疑，Dynamo像OpenAI的Agent 一樣，吃下了MLSys 開源科研很多成果，包括KV緩存以及各種并行、張量、數據等技術。

“能源工業革命是水進來，變成蒸汽，最后產生出了電，Dynamo將是新的AI革命一切的起點。”黃仁勛說。目前，英偉達已和Meta、微軟、Perplexity等公司達成合作。

黃仁勛還展示了Dynamo能帶來的對計算系統的提升，Blackwell相較Hopper能提升25倍，而在推理模型中的性能提升則高達40倍。他還打趣到，銷售人員不要擔心Hopper不好賣，并再次放話稱“你買得越多，省得越多”。

“全世界的計算機公司都在大規模地加速購買這些了不起的機器，我非常高興和感激，所有人都在向這個新架構轉型?！?strong>黃仁勛宣布，今年下半年，英偉達將過渡到Blackwell Ultra NVL72，算力和內存再提升1.5倍，支持更大規模注意力機制。

他還展示了未來三年的技術路線圖。下一代芯片命名為Vera Rubin，其主要是向暗物質研究先驅天文學家Vera Rubin致敬。2026年下半年，這款芯片將接替Blackwell Ultra，同時2027年下半年將推出Rubin Ultra版本，實現從NVLink 144互聯到高達576的極端擴展。

Vera Rubin和Grace Blackwell類似，集成了CPU和GPU，其中Vera是CPU，Rubin是GPU。黃仁勛宣稱，Rubin系統的性能可達Hopper的900倍，而Blackwell是Hopper的68倍。

Rubin之后的下一代芯片命名為Feynman，取自著名物理學家理查德?費曼（Richard Feynman）。根據英偉達路線圖，Feynman架構芯片將于2028年登場，并會采用新一代互聯技術。

當AI工廠不斷拓展，傳統網絡架構將面臨嚴峻挑戰。黃仁勛還宣布，新的以太網芯片將在2025年下半年推出，2026年下半年推出集成硅子光學芯片，推出Photonics交換機系統和Spectrum-X網絡架構，并在GPU存儲加速方面和戴爾、惠普、IBM等達成合作。

未來將面臨1500萬工人的短缺

機器人有了牛頓物理引擎

最后，黃仁勛照例公布了企業級AI和物理AI方面的進展。

英偉達推出一系列開放推理人工智能模型，供開發者和企業構建代理式AI平臺，Blackwell RTX專業版登陸工作站與服務器，賦能設計師、開發者、數據科學家及創意工作者構建并協同智能代理式AI。

黃仁勛還發布了DGX Spark和DGX Station兩款個人AI計算機，其由Grace Blackwell支持，支持本地化運行萬億參數模型，面向科研與工業設計，將與惠普、聯想、戴爾合作，并在今年量產。

“下一波浪潮也已經到來，機器人技術，它由物理AI驅動，用AI去理解物理世界?！?strong>黃仁勛說，機器人時代已經到來，能夠與物理世界互動，這是機器人的優勢。

他表示，世界正面臨嚴重的人力短缺，到2023年世界將至少面臨1500萬工人的短缺，可能每年要付機器人5萬美元讓它們來上班，這將是一個非常大的產業，英偉達現在則在研發通用的機器人。

不過，這一次并沒有聲勢浩大的機器人團隊前來給黃仁勛“站臺”。黃仁勛宣布，英偉達、谷歌、Disney Research將合作開發Newton Physics Engine（牛頓物理引擎），預計將于2025年稍晚完成開發。

他認為，這一物理引擎可以訓練觸覺反饋、精細動作技能和執行器控制，且是GPU加速驅動，以便可以以超線性、超實時的方式訓練人工智能模型。這在Omniverse和Cosmos可以更好解決物理AI模型訓練的問題。

采取這一引擎的機器人還走上舞臺與黃仁勛互動，不過它現在還不會說話，但能聽懂黃仁勛的指令。當黃仁勛對它說往旁邊站站的時候，它乖乖執行了指令，搖頭晃腦看起來很呆萌。

英偉達還宣布推出Isaac GR00T N1，這是一個通用型人形機器人的基礎模型，建立在合成數據生成、學習和模擬的基礎上，具有雙系統架構，可以快速和慢速思考，該模型將會開源。

運營編輯 |曹倩審核｜孟莎莎