北京
北京時(shí)間3月19日凌晨，站在圣何塞GTC大會(huì)的舞臺(tái)上，連黃仁勛自己都調(diào)侃：GTC是AI屆的超級(jí)碗。
幾周以來(lái)，外界已經(jīng)對(duì)黃仁勛在GTC的演講萬(wàn)分期待。這個(gè)演講可不好做，在DeepSeek的沖擊之下，英偉達(dá)今年的股價(jià)已經(jīng)下跌了12%。
這不再是發(fā)布新產(chǎn)品，高喊AI就是未來(lái)就可以完成任務(wù)的演講，今年，黃仁勛需要回答很多問(wèn)題。
而這場(chǎng)持續(xù)了兩個(gè)半小時(shí)的演講也的確和往年有很大的不同，黃仁勛在一開(kāi)始就花了很長(zhǎng)的時(shí)間去解釋為什么推理時(shí)代縮放定律沒(méi)有死、為什么英偉達(dá)依然非常重要。
而后，他不僅拿出了Blackwell的超大杯產(chǎn)品，還透露了下一代芯片，甚至下下代架構(gòu)，時(shí)間一直蔓延到2028年。壓軸出場(chǎng)的，則和黃仁勛勾畫(huà)的AI發(fā)展路線圖中的最后一站“物理AI”相關(guān)。
黃仁勛拯救了英偉達(dá)股價(jià)嗎？至少?gòu)漠?dāng)日來(lái)看，截至收盤(pán)英偉達(dá)股價(jià)跌了3.43%，總市值縮水至2.82萬(wàn)億美元。
到底是市場(chǎng)還需要幾天時(shí)間消化，還是黃仁勛“游說(shuō)”失敗，還得等等看。
演講要點(diǎn)：
1、發(fā)布超大杯Blackwell Ultra，性能提升1.5倍。
2、下一代AI“超級(jí)芯片”Vera Rubin，計(jì)劃2026年底推出，并透露下下代芯片架構(gòu)為Feynman，計(jì)劃2028年推出。
3、AI工廠的操作系統(tǒng)Dynamo，推理框架，資源利用最大化，搭配Blackwell強(qiáng)上加強(qiáng)。
4、推出“AI超級(jí)電腦”DGX Spark、DGX Station，提高本地運(yùn)行大型AI模型的能力。
5、宣布網(wǎng)絡(luò)組件的最新動(dòng)作，推出Spectrum X和Quantum X交換機(jī)。
4、發(fā)布首個(gè)開(kāi)放式人性機(jī)器人基礎(chǔ)模型Isaac GROOT N1；并宣布與谷歌DeepMind和迪士尼研究院合作開(kāi)發(fā)Newton開(kāi)源物理引擎。
01現(xiàn)場(chǎng)“開(kāi)課”，
黃仁勛：你們真的都搞錯(cuò)了
自從號(hào)稱訓(xùn)練只用了幾百萬(wàn)美元的DeepSeek推理模型問(wèn)世，世界就沒(méi)有停止對(duì)英偉達(dá)的質(zhì)疑。
起先，黃仁勛不語(yǔ)。然后，他開(kāi)始發(fā)聲，在采訪中和財(cái)報(bào)會(huì)議上表示推理時(shí)代仍然需要大量計(jì)算，仍然需要英偉達(dá)的力量。
這次，他終于把這點(diǎn)攤開(kāi)揉碎地說(shuō)明了一番。
在發(fā)布會(huì)上，老黃拿出例子，讓Llama3.3（LLM的代表）和DeepSeek R1（推理模型的代表）回答同一個(gè)問(wèn)題：
“在我的婚禮上，需要7個(gè)人圍坐同一桌。我的父母和岳父岳母不能挨著坐。此外，我妻子堅(jiān)稱她在我左手邊的話，拍照更好看。同時(shí)，我需要坐在伴郎身邊。我們?cè)趺窗才抛唬咳绻覀冄?qǐng)牧師和我們坐一起呢？”
看完這個(gè)問(wèn)題，大部分人可能已經(jīng)頭大了。要回答它，不僅要識(shí)別其中包含多少個(gè)不同的需求，還要同時(shí)滿足所有需求。有意思的是，最后又有一個(gè)進(jìn)一步的問(wèn)題，需要先回答主問(wèn)題再補(bǔ)充這個(gè)問(wèn)題的答案。
Llama 3.3非常簡(jiǎn)單粗暴，回答得很快，只用了439個(gè)tokens。但是，它的回答并不正確，未能滿足所有要求。快、省但對(duì)于提問(wèn)的人來(lái)說(shuō)無(wú)用。
DeepSeek R1則反復(fù)思考，嘗試了很多可能，反復(fù)檢驗(yàn)答案，最終消耗了8559個(gè)tokens，才最終給出了答案。時(shí)間久，消耗大，但是給出的答案準(zhǔn)確。
而每一個(gè)token生成的背后，都是整個(gè)模型的加載。推理模型更復(fù)雜，也就需要更多地計(jì)算。DeepSeek R1的參數(shù)規(guī)模達(dá)到6800億，下一代有可能達(dá)到數(shù)萬(wàn)億參數(shù)規(guī)模。
兩相對(duì)比，DeepSeek R1比Llama 3.3多生成了20倍的tokens，計(jì)算需求高出150倍。
“大模型推理是一種極限計(jì)算。”老黃表示。
通過(guò)這個(gè)對(duì)比，老黃很直觀地告訴大家：推理模型也許預(yù)訓(xùn)練的時(shí)候消耗少，但推理起來(lái)可是實(shí)打?qū)嵉奈皤F啊。英偉達(dá)GTC的官方博文中，把Tokens視為AI的語(yǔ)言和貨幣。
“去年，關(guān)于擴(kuò)展定律Scaling Law，全世界幾乎都預(yù)測(cè)錯(cuò)了。”老黃在臺(tái)上再次強(qiáng)調(diào)。他進(jìn)一步指出，如今擴(kuò)展定律從一個(gè)變成了三個(gè)：預(yù)訓(xùn)練、后訓(xùn)練（微調(diào)）和推理。
那英偉達(dá)在推理時(shí)代要做什么呢？?jī)煞矫妫阂环矫妫屝酒茉趩挝粫r(shí)間內(nèi)處理更多tokens，另一方面，讓單位算力的成本和能耗降低。
黃仁勛此前就在財(cái)報(bào)會(huì)議上表示，Blackwell就是為推理而生的，這次演講中在說(shuō)清楚推理模型為什么需要更多算力之后，黃仁勛也拿出圖表，展開(kāi)講了講這一點(diǎn)。
以Blackwell和Hopper做對(duì)比，都是1兆瓦功耗，Hopper數(shù)據(jù)中心每秒生成250萬(wàn)tokens。Blackwell數(shù)據(jù)中心提高了25倍，如果是推理模型，則比Hopper好40倍。
這讓圖表中出現(xiàn)了一個(gè)向上鼓的曲線，這個(gè)曲線正是黃仁勛想讓各位AI制造商關(guān)注的“賺錢(qián)要點(diǎn)”。
黃仁勛稱，成本是AI輸出的token，收益就是用戶獲得的token。如果縱軸是前者，橫軸是后者，橫軸擴(kuò)張更多時(shí)——也就是收益比成本擴(kuò)張更多時(shí)——一個(gè)漂亮的利潤(rùn)弧線就出現(xiàn)了。
為了強(qiáng)調(diào)Blackwell是為推理而生這一點(diǎn)，老黃甚至不惜“拉踩”Hopper，稱：“當(dāng)Blackwell開(kāi)始大量出貨的時(shí)候，就算你送Hopper，別人基本也不會(huì)要的。”
以前老黃總說(shuō)，（英偉達(dá)AI芯片）買(mǎi)得越多越省錢(qián)，現(xiàn)在他更進(jìn)一步，告訴大家，買(mǎi)得越多越賺錢(qián)。
02 軟硬兼施，
Blackwell超大杯與“AI工廠操作系統(tǒng)”Dynamo
花了40分鐘講明白為什么英偉達(dá)依然能打，為什么說(shuō)Blackwell是為推理而生之后，黃仁勛當(dāng)然還得說(shuō)說(shuō)新產(chǎn)品。
首先是Blackwell Ultra，專為AI推理時(shí)代而打造，Ultra的后綴大家也不陌生了，超大杯。
“我們專為這一刻設(shè)計(jì)了Blackwell Ultra，一個(gè)多功能平臺(tái)，（利用它）可以高效地進(jìn)行預(yù)訓(xùn)練、后訓(xùn)練和推理。”
其中GB300 NVL72在一個(gè)機(jī)架規(guī)模設(shè)計(jì)中連接了72個(gè)Blackwell Ultra芯片，并包含36個(gè)基于Arm Neoverse的Grace CPU。較上一代性能提升1.5倍，與Hopper相比收入潛力提高50倍。還是以DeepSeek R1為例，老款Hopper運(yùn)行這個(gè)模型時(shí)每秒只能處理100 tokens，而GB300 NVL72每秒能處理1000 tokens。
這意味著用戶獲得回答的速度大大提高。
而HGX B300 NVL16系統(tǒng)相比于Hopper一代，推理速度提升11倍，計(jì)算能力提升7倍，內(nèi)存大4倍。
英偉達(dá)一直都有軟硬兼施的策略，此前也針對(duì)自家的芯片做了不少優(yōu)化（不過(guò)，DeepSeek的開(kāi)源周展示的一些優(yōu)化甚至比英偉達(dá)還強(qiáng)），這次黃仁勛也同步官宣了開(kāi)源推理框架Dynamo。
黃仁勛將之稱為“AI工廠的操作系統(tǒng)”。這樣說(shuō)可能有點(diǎn)抽象，具體來(lái)說(shuō)，Dynamo像一個(gè)交通指揮官，幫助GPU之間實(shí)現(xiàn)更好的通信。對(duì)思考和生成可以進(jìn)行獨(dú)立優(yōu)化，高效利用資源。如此一來(lái)，（還是回到演講開(kāi)頭強(qiáng)調(diào)的token問(wèn)題上）每秒就能產(chǎn)生更多token了。
不過(guò)，黃仁勛也表示，Hopper雖然也可以用Dynamo優(yōu)化，但是效果不會(huì)那么明顯。
為推理而生的Blackwell再加上為推理優(yōu)化而生的Dynamo，就是強(qiáng)上加強(qiáng)，DeepSeek R1的吞吐量一下提高30倍。
03 下一代更好
2028年還不夠遠(yuǎn)，黃仁勛勾勒AI發(fā)展路徑圖
除了現(xiàn)在，黃仁勛當(dāng)然還得談到未來(lái)。
英偉達(dá)下一代AI芯片Vera Rubin首次走到臺(tái)前，黃仁勛介紹，該名稱來(lái)源于天文學(xué)家Vera Rubin（以暗物質(zhì)研究著稱）。
其中CPU Vera內(nèi)容容量是前代的4倍多，內(nèi)存帶寬是前代的2倍多，而GPU Rubin講配備299GB的HRM4。
用老黃的話說(shuō)就是“幾乎所有細(xì)節(jié)都是新的”。
這一代Grace Blackwell（GB）將在今年下半年發(fā)貨，Vera Rubin將在2026年下半年發(fā)貨。
黃仁勛也預(yù)告了Vera Rubin的超大杯，Rubin Ultra，對(duì)比GB300性能提升13倍，預(yù)計(jì)2027年下半年發(fā)貨。
除此之外，連Vera Rubin之后的下一代AI芯片架構(gòu)也被揭露，它被命名為Feynman，這個(gè)名字同樣取自于一位科學(xué)家，對(duì)量子計(jì)算領(lǐng)域有突出和貢獻(xiàn)的Richard Phillips Feynman。黃仁勛預(yù)告，F(xiàn)eynman甲溝將于2028年登場(chǎng)。
此外，值得注意的是，在演講一開(kāi)始，黃仁勛給出了AI的發(fā)展路線圖，從2012年深度學(xué)習(xí)突破的起點(diǎn)AlexNet開(kāi)始，經(jīng)歷Perception AI（感知AI，這個(gè)階段AI主要用于理解數(shù)據(jù)，如識(shí)別語(yǔ)音、圖片等）、Generative AI（生成式AI，也就是現(xiàn)階段的以ChatGPT為代表的技術(shù)）。
接下來(lái)，已經(jīng)看到苗頭的是Agentic AI（代理AI），從簡(jiǎn)單的數(shù)據(jù)生成到執(zhí)行任務(wù)。
而最終，AI的終極目標(biāo)是Physical AI（物理AI），實(shí)現(xiàn)從軟件到硬件、從虛擬到現(xiàn)實(shí)的跨越。讓AI具備物理行動(dòng)能力，如機(jī)器人和自動(dòng)駕駛技術(shù)的發(fā)展。
英偉達(dá)作為AI計(jì)算的核心玩家，顯然希望引領(lǐng)這一進(jìn)程。
對(duì)物理AI這部分的具體展開(kāi)，在黃仁勛的此次演講中占比并不算高，但作為壓軸出現(xiàn)，足見(jiàn)其重要程度。
舞臺(tái)上出現(xiàn)了《星球大戰(zhàn)》中的小機(jī)器人Blue，它在舞臺(tái)上走來(lái)走去、搖頭晃腦，看起來(lái)充滿好奇心，不得不說(shuō)看起來(lái)就非常靈動(dòng)。
這個(gè)機(jī)器人搭載了英偉達(dá)Isaac GR00T N1，號(hào)稱是全球首個(gè)開(kāi)源且完全可定制的人性機(jī)器人基礎(chǔ)模型。模型包含雙系統(tǒng)架構(gòu)，一個(gè)系統(tǒng)負(fù)責(zé)快思考，另一個(gè)負(fù)責(zé)慢思考。據(jù)英偉達(dá)介紹，該模型能輕松掌握抓取、移動(dòng)等復(fù)雜人物。
與此同時(shí)，黃仁勛還宣布正在與谷歌DeepMind和迪士尼研究院合作下一代開(kāi)源仿真物理模型Newton，專為機(jī)器人開(kāi)發(fā)而生。
“通用性機(jī)器人的時(shí)代已經(jīng)到來(lái)。”
04 老黃委屈，
英偉達(dá)推出好產(chǎn)品還遠(yuǎn)遠(yuǎn)不夠
英偉達(dá)的高速增長(zhǎng)也一直伴隨著“泡沫”擔(dān)憂，很長(zhǎng)的一段時(shí)間，這家公司不斷推出新的產(chǎn)品，但市場(chǎng)波動(dòng)時(shí)有發(fā)生。很多次財(cái)報(bào)發(fā)布時(shí)，明明業(yè)績(jī)?nèi)€飄紅，黃仁勛也大表信心，股價(jià)還是會(huì)抖三抖。
“我們發(fā)了新東西，但人們立刻就會(huì)說(shuō)，好，然后呢？這放在任何公司身上都不是正常都。”
這次，黃仁勛很少見(jiàn)地在GTC的舞臺(tái)上倒了點(diǎn)苦水：“這不是買(mǎi)個(gè)筆記本電腦”。他表示，這既需要計(jì)劃，也需要資源和人，規(guī)劃是以幾年為計(jì)的。
也許這也解釋了為什么黃仁勛這次演講持續(xù)了兩個(gè)半小時(shí)（去年不到兩小時(shí)），為什么他一口氣掏出這么多成果，為什么AI芯片連2028年的下下代都透底了，為什么在最后拿出了AI發(fā)展路徑的最后一站“物理AI”的最新成果。
老黃這次該講的、能講的都講了，盡力了。
至于人們還會(huì)不會(huì)問(wèn)“然后呢”，他也管不了了。
歡迎在評(píng)論區(qū)留言~
如需開(kāi)白請(qǐng)加小編微信：dongfangmark
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺(tái)“網(wǎng)易號(hào)”用戶上傳并發(fā)布，本平臺(tái)僅提供信息存儲(chǔ)服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
