全文 7,000字 | 閱讀約40分鐘

（黃仁勛 COMPUTEX 2025 主題演講片段）

2025 年 5 月 19 日·臺(tái)北南港展覽館 1 號(hào)館

燈光拉滿(mǎn)，英偉達(dá) CEO 黃仁勛走上 COMPUTEX 主舞臺(tái)。

近120 分鐘演講里，他沒(méi)有念財(cái)報(bào)，也不再只談芯片性能，而是反復(fù)拋出同一句核心邏輯：

AI 工廠(chǎng)，正在從云端走向每一寸物理空間。

隨后，他用 5 大“支柱”把這座 AI 工廠(chǎng)，從抽象理念，變成了可以部署、可以布線(xiàn)、可以交付的系統(tǒng)工程：

• 口袋超算（Blackwell BXG）：單手即可握持的 Blackwell BXG 模塊，把萬(wàn)億級(jí)算力塞進(jìn)無(wú)人機(jī)、機(jī)器人、手持設(shè)備；

• NVLink Fusion：新一代高速互聯(lián)，8 GPU + 1 Memory 封裝為“超級(jí)芯片”，構(gòu)建芯—存協(xié)同架構(gòu)，組成桌面級(jí) AI 超算；

• Groot × Cosmos：從提示詞到動(dòng)作執(zhí)行的閉環(huán)流水線(xiàn)，訓(xùn)練 AI 像人一樣行動(dòng)；

• Grace Blackwell：支持推理時(shí)間擴(kuò)展的思考型 AI 系統(tǒng)，超越國(guó)家級(jí)超算；

• IQ：企業(yè)內(nèi)部的數(shù)據(jù)血管系統(tǒng)，讓 AI 能讀懂非結(jié)構(gòu)化語(yǔ)義并自動(dòng)行動(dòng)。

為什么這 5 根支柱值得你關(guān)注？

• 不是發(fā)布會(huì) PPT，而是真正要開(kāi)始量產(chǎn)的工業(yè)級(jí)系統(tǒng)，每一項(xiàng)都附帶了落地時(shí)間表和性能數(shù)據(jù)；

• 不是功能堆疊，而是產(chǎn)業(yè)范式的切換：算力、模型、機(jī)械首次實(shí)現(xiàn)“一體封裝”；

• 不是高門(mén)檻工程，而是開(kāi)放式平臺(tái)：每家公司都可以在這套工廠(chǎng)架構(gòu)上自主開(kāi)發(fā)；

• 不是科幻未來(lái)，而是手可觸及的現(xiàn)實(shí)：從口袋設(shè)備到數(shù)字孿生城市，AI 已經(jīng)從“云端演示”走入“物理接管”。

接下來(lái)，本文將用“三段式”把這場(chǎng)發(fā)布會(huì)拆成一張可執(zhí)行路線(xiàn)圖：

支柱 → 技術(shù)棧：逐一定位這 5 項(xiàng)發(fā)布在系統(tǒng)中的核心位置；

技術(shù) → 產(chǎn)業(yè)鏈：它們將如何改寫(xiě)算力布局、制造模式和價(jià)值分配；

產(chǎn)業(yè) → 行動(dòng)框：面向創(chuàng)業(yè)者、B端負(fù)責(zé)人、制造企業(yè)，分別應(yīng)如何搶位下一輪紅利。

讀完后，你將拿到一份從技術(shù)規(guī)格到商業(yè)落點(diǎn)都能即刻落地的「AI 工廠(chǎng)作業(yè)手冊(cè)」。

第一節(jié)｜AI 工廠(chǎng)不是比喻，而是一套正在復(fù)制的產(chǎn)業(yè)模板

黃仁勛站在臺(tái)上講了兩個(gè)小時(shí)，語(yǔ)速極快、幾乎沒(méi)有寒暄。他開(kāi)場(chǎng)不到十分鐘，就把整場(chǎng)發(fā)布會(huì)的主線(xiàn)拋了出來(lái)：

我們正在建設(shè) AI 工廠(chǎng)，而不再是傳統(tǒng)意義上的數(shù)據(jù)中心。

他說(shuō)，這些所謂的數(shù)據(jù)中心，不是堆疊服務(wù)器、提供存儲(chǔ)的舊設(shè)施，而是被重新定義為生產(chǎn)智能的工廠(chǎng)——它們輸入能源，輸出“極具價(jià)值的結(jié)果”。

他用了一個(gè)概念來(lái)描述這些“結(jié)果”：

“公司將開(kāi)始討論上個(gè)月生產(chǎn)了多少 token，每小時(shí)產(chǎn)出多少 token，就像你衡量一個(gè)傳統(tǒng)工廠(chǎng)一樣。”

換句話(huà)說(shuō)，在 NVIDIA 的定義中，AI 工廠(chǎng)不是抽象的形容詞，而是一種可以精確度量、精細(xì)管理的智能產(chǎn)線(xiàn)。你可以像衡量產(chǎn)線(xiàn)的螺絲、零件、芯片一樣，衡量 AI 工廠(chǎng)的產(chǎn)出——token。

數(shù)據(jù)中心的角色徹底改變了

黃仁勛回顧了 NVIDIA 過(guò)去三十年的轉(zhuǎn)型，從一顆 GPU 芯片，到一整套 AI 工程系統(tǒng)，再到構(gòu)建全球基礎(chǔ)設(shè)施。他總結(jié)道：

我們把整個(gè)數(shù)據(jù)中心變成一個(gè)計(jì)算單元。 數(shù)據(jù)中心不再只是 PC 的集合，不再只是服務(wù)器的集合。整個(gè)數(shù)據(jù)中心運(yùn)行一個(gè)任務(wù)。

這種新的系統(tǒng)架構(gòu)，有兩個(gè)核心特征：

1. 統(tǒng)一調(diào)度： 每個(gè)服務(wù)器不再跑各自的程序，而是協(xié)作完成一個(gè)大型 AI 推理任務(wù)；

2. 結(jié)構(gòu)融合： 網(wǎng)絡(luò)、計(jì)算、存儲(chǔ)、水冷、芯片設(shè)計(jì)被納入一個(gè)“主板級(jí)”的統(tǒng)一設(shè)計(jì)框架。

他強(qiáng)調(diào)，這種結(jié)構(gòu)不是為了傳統(tǒng)軟件服務(wù)，而是為“新型智能產(chǎn)線(xiàn)”服務(wù)。

AI 工廠(chǎng)的設(shè)計(jì)目標(biāo)：不只是能跑，而是能“量產(chǎn)智能”

黃仁勛不是第一次提到“AI 工廠(chǎng)”，但這是他第一次在一場(chǎng)完整演講中，把構(gòu)建邏輯拆到系統(tǒng)級(jí)別：

我們是一家 AI 基礎(chǔ)設(shè)施公司，必須讓世界知道我們五年要建什么，才能讓所有人現(xiàn)在就開(kāi)始建 AI 工廠(chǎng)。

這是整場(chǎng)演講中最具“工程圖紙”性質(zhì)的一句話(huà)。

他不是在講產(chǎn)品線(xiàn)，而是在講“產(chǎn)業(yè)模板”： 從服務(wù)器形態(tài)、芯片節(jié)點(diǎn)、電力規(guī)劃，到軟件棧、開(kāi)發(fā)工具、數(shù)據(jù)平臺(tái)，每一層都為 AI 工廠(chǎng)服務(wù)。

這也是 NVIDIA 選擇在 Computex 而非硅谷發(fā)布這一切的原因——因?yàn)檫@是一場(chǎng)面向制造者、集成商、供應(yīng)鏈伙伴的“產(chǎn)能共識(shí)大會(huì)”。

到這里：

黃仁勛沒(méi)有說(shuō)“AI 工廠(chǎng)將成為主流”，而是說(shuō)：

AI 工廠(chǎng)，正在全球各地陸續(xù)上線(xiàn)。

• 它不是隱喻，而是定義；

• 它不是一個(gè)產(chǎn)業(yè)趨勢(shì)，而是 NVIDIA 正在系統(tǒng)實(shí)施的“可部署模板”。

接下來(lái)的四節(jié)，我們將拆解這套系統(tǒng)的五個(gè)支柱： 從口袋里的超算，到機(jī)器人夢(mèng)境工廠(chǎng)；從全球 GPU 的液冷神經(jīng)網(wǎng)絡(luò)，到企業(yè)自建語(yǔ)義數(shù)據(jù)倉(cāng)庫(kù)。

這是一場(chǎng)從芯片到系統(tǒng)，從實(shí)驗(yàn)室到工業(yè)線(xiàn)的全鏈條重構(gòu)。

支柱一｜口袋超算 BXG：AI 第一次裝進(jìn)書(shū)包

“這臺(tái)機(jī)器的性能，和我們2016年發(fā)布的 DGX1 一樣。”

黃仁勛邊說(shuō)邊從講臺(tái)上拿起了一臺(tái)體積不大的桌面設(shè)備，“但你現(xiàn)在可以把它放在廚房臺(tái)面，甚至塞進(jìn)背包。”

這不是一句玩笑。

在臺(tái)北 COMPUTEX 上，他發(fā)布了全新的 DGX Spark ——一款專(zhuān)為 AI 原生開(kāi)發(fā)者設(shè)計(jì)的“口袋級(jí)超算”，首次將Blackwell BXG 模塊壓縮進(jìn)便攜級(jí)設(shè)備形態(tài)。

它擁有 1 petaflops 的 AI 性能和 128GB 內(nèi)存， 和 2016 年我發(fā)布的那臺(tái) DGX1 性能相當(dāng)。 但現(xiàn)在，它只需要一根電源線(xiàn)，隨時(shí)待命。

這段話(huà)之所以重要，不是因?yàn)椤绑w積更小、性能更強(qiáng)”的老調(diào)重彈，而是因?yàn)樗诂F(xiàn)場(chǎng)明確宣告了一個(gè)趨勢(shì)：AI 工廠(chǎng)第一次具備了“個(gè)人開(kāi)發(fā)者可部署”形態(tài)。

? AI 原生時(shí)代，開(kāi)發(fā)者將擁有自己的“工廠(chǎng)節(jié)點(diǎn)”

過(guò)去幾年，訓(xùn)練大型模型、部署推理能力，幾乎都要依賴(lài)云端或集群。黃仁勛說(shuō)：

“如果你是學(xué)生、研究者、AI 初創(chuàng)團(tuán)隊(duì)，過(guò)去你必須反復(fù)連接云服務(wù)器——配置資源、付費(fèi)、排隊(duì)、清理、重試。”

而 Spark 的出現(xiàn)，改變了整個(gè)使用邏輯。它不是“開(kāi)發(fā)機(jī)”，而是一塊可部署的工廠(chǎng)節(jié)點(diǎn)——

• 不需要云，不需要機(jī)房，不需要虛擬化；

• 模型可在本地運(yùn)行，任務(wù)可持續(xù)執(zhí)行，token 可實(shí)時(shí)生成；

• 一人即可擁有一套“始終開(kāi)著的 AI 工廠(chǎng)單元”。

“你現(xiàn)在不需要每次寫(xiě)代碼都連接服務(wù)器，”他說(shuō)，“你有一臺(tái)隨時(shí)待命的 AI 超算，就在你桌邊。”

? 從 300 磅到 3 公斤：AI 工廠(chǎng)開(kāi)始下沉

他特別回顧了 2016 年 DGX1 的發(fā)布：

“那是我們第一臺(tái) AI 超算系統(tǒng)，300 磅，只能部署在專(zhuān)業(yè)機(jī)房。”

9 年后，這臺(tái)系統(tǒng)已濃縮成開(kāi)發(fā)板大小、可在家中運(yùn)行的便攜設(shè)備。沒(méi)有風(fēng)扇轟鳴，不依賴(lài)數(shù)據(jù)中心，不需要多團(tuán)隊(duì)維護(hù)。

這不僅僅是硬件技術(shù)的進(jìn)步，更是一個(gè)系統(tǒng)形態(tài)的遷移信號(hào)：

AI 工廠(chǎng)的部署權(quán)，第一次從中心大廠(chǎng)，下沉到桌面開(kāi)發(fā)者。

DGX Spark 不是面向消費(fèi)市場(chǎng)的 GPU 升級(jí)，而是對(duì)“AI 工廠(chǎng)形態(tài)”的一次根本性再定義。

當(dāng)邊緣設(shè)備具備完整訓(xùn)練能力，當(dāng)本地計(jì)算可以生成 token，當(dāng)個(gè)人機(jī)器也能運(yùn)行 LLM 并響應(yīng)任務(wù)時(shí)：

“工廠(chǎng)”的最小單元，就從集群下沉到了個(gè)人機(jī)臺(tái)。

臺(tái)下有人在拍手，也有人沒(méi)反應(yīng)過(guò)來(lái)。

黃仁勛沒(méi)有多解釋?zhuān)谎a(bǔ)了一句：

“這是我們歷史上最快的一次開(kāi)發(fā)者超算發(fā)布。 你們?cè)谑フQ節(jié)前都能拿到它。”

黃仁勛在舞臺(tái)上舉起一個(gè)沉重的金屬部件，笑著說(shuō)：

“它有 70 磅重。別擔(dān)心，不是我太強(qiáng)壯，而是它真的很重。”

你看到的，是 NVLink Spine——它只是外在表現(xiàn)，真正的突破是NVLink Fusion：一套能把 GPU 封裝成‘超級(jí)芯片’、讓整臺(tái)系統(tǒng)協(xié)同思考的新結(jié)構(gòu)。

這根“脊柱”，連接著一整個(gè) AI 系統(tǒng)中 72 張 GPU，讓它們互聯(lián)互通，協(xié)同工作，像一個(gè)超級(jí)大腦一樣運(yùn)行推理任務(wù)。

黃仁勛說(shuō)得很直接：

“過(guò)去的數(shù)據(jù)中心是一堆 GPU，各自運(yùn)轉(zhuǎn)； 現(xiàn)在，NVLink Fusion 讓它們變成一臺(tái)計(jì)算機(jī)，一個(gè)統(tǒng)一的 GPU。”

但很多人不知道——NVFusion 不只是你看到的那根 70 磅重的金屬脊柱（NVLink Spine）。

從結(jié)構(gòu)角度看，它的真正突破是：它將8 張 GPU + 1 塊共享內(nèi)存（Memory）組合成一個(gè)邏輯模塊，類(lèi)比來(lái)看，就像是一顆“巨型芯片”；

然后再通過(guò)NVLink Spine、交換芯片與高速電纜網(wǎng)絡(luò)，將這些“超級(jí)芯片”連接成一整套 AI 工廠(chǎng)的計(jì)算主干。 它不是加法，而是結(jié)構(gòu)變革——把分散組件組織成一個(gè)“整體思考系統(tǒng)”。

換句話(huà)說(shuō)：“不是單卡加速，而是協(xié)同思考；不是更多硬件，而是硬件變組織。”

? GPU 之間的聯(lián)動(dòng)一直是限制 AI 系統(tǒng)效率的瓶頸

傳統(tǒng) GPU 靠 PCIe 或普通網(wǎng)絡(luò)連接，延遲高、吞吐小，數(shù)據(jù)來(lái)回傳輸像過(guò)高速公路要等紅綠燈。

而 NVLink Fusion 是 NVIDIA 新發(fā)明的“芯片級(jí)網(wǎng)絡(luò)骨架”：我們每秒能在這套系統(tǒng)內(nèi)傳輸 130TB 數(shù)據(jù)，帶寬比全世界互聯(lián)網(wǎng)流量還大。

這不是夸張。黃仁勛在現(xiàn)場(chǎng)展示的數(shù)據(jù)是：

• 全球互聯(lián)網(wǎng)高峰帶寬 ≈ 900 Tbps（約合每秒 112.5 TB）；

• NVLink 單系統(tǒng)帶寬 = 130 TB/s。

換句話(huà)說(shuō)，一臺(tái) NVLink 連接的系統(tǒng)，其內(nèi)部數(shù)據(jù)傳輸量已經(jīng)超過(guò)整個(gè)互聯(lián)網(wǎng)。

這不是算力增長(zhǎng)，這是壓縮工業(yè)體積。

黃仁勛說(shuō)：一整個(gè) Sierra 超算的數(shù)據(jù)中心，今天只需要一個(gè)機(jī)架。性能甚至更強(qiáng)。

你沒(méi)聽(tīng)錯(cuò)：一個(gè)機(jī)架，超過(guò)一整臺(tái)國(guó)家級(jí)超級(jí)計(jì)算機(jī)。

這也是黃仁勛反復(fù)強(qiáng)調(diào)的觀點(diǎn)：我們現(xiàn)在不是在建服務(wù)器，而是在建 AI 工廠(chǎng)。

? NVLink 的另一個(gè)突破是液冷分布式設(shè)計(jì)。

過(guò)去，GPU 是插在主板上的卡，現(xiàn)在，GPU 分布在整個(gè)機(jī)架內(nèi)，通過(guò)液冷保持溫度穩(wěn)定。這種分布方式，不再把機(jī)架當(dāng)“托管架”，而是當(dāng)作一塊巨型主板。

他表示：整個(gè)機(jī)架就是一臺(tái)主板，每個(gè) GPU 都是它的一個(gè)處理器，我們通過(guò)這條 spine，把它們?nèi)窟B接成一個(gè)超級(jí)芯片。

在演講的中段，他突然拋出一句技術(shù)高度極高卻極具可視感的話(huà)：

九個(gè) NVLink 交換機(jī)，5000 條電纜，兩英里長(zhǎng)。 所有這些都構(gòu)成了一個(gè) GPU 的全連接系統(tǒng)。 它能讓每一個(gè)芯片與所有其他芯片實(shí)時(shí)通信。”

有些讀者可能不知道“全連接”的意思。你可以想象一下：72 張 GPU，就像 72 個(gè)專(zhuān)家在不同房間里工作，NVLink spine 就是讓他們隨時(shí)開(kāi)會(huì)、同步大腦、共享記憶的神經(jīng)系統(tǒng)。

沒(méi)有它，這些芯片各自為政，跑得再快也只是“孤島計(jì)算”； 有了它，它們才真正組成了一個(gè)“超級(jí)智能有機(jī)體”。

最后，他講了一句“工業(yè)語(yǔ)言”：我們不是在建數(shù)據(jù)中心，我們?cè)诮üS(chǎng)。NVLink Fusion 是這座 AI 工廠(chǎng)的神經(jīng)中樞。

它不是一條連接線(xiàn)，而是一種架構(gòu)方式——讓成千上萬(wàn)張 GPU，不再是零件拼圖，而是一臺(tái)‘統(tǒng)一思考、整體調(diào)度’的超級(jí)智能體。

不管你是一家云服務(wù)公司，還是一個(gè)國(guó)家級(jí) AI 項(xiàng)目，只要想大規(guī)模部署高效推理系統(tǒng)，就必須重新思考你系統(tǒng)內(nèi)部的連接方式。

這，就是 NVLink Fusion：把分布的算力，匯聚成一個(gè)可以協(xié)同思考、統(tǒng)一響應(yīng)的 AI 工廠(chǎng)中樞。

支柱三｜Groot × Cosmos：機(jī)器人開(kāi)始在夢(mèng)里學(xué)動(dòng)作

在臺(tái)北的舞臺(tái)上，黃仁勛播放了一段視頻。畫(huà)面里，一只虛擬的機(jī)械臂緩緩伸向一只瓶子，然后準(zhǔn)確抓起、轉(zhuǎn)動(dòng)、放下。

這不是動(dòng)畫(huà)，也不是預(yù)設(shè)程序。他特意強(qiáng)調(diào)：

你看到的不是渲染，也不是劇本， 是模擬，是 AI 在虛擬世界中，自學(xué)的動(dòng)作。”

他隨后介紹了這項(xiàng)技術(shù)背后的系統(tǒng)：“Groot Dreams”——一套由 NVIDIA 自研的機(jī)器人訓(xùn)練框架，結(jié)合了 Cosmos 模型、物理引擎 Newton、和 Isaac 平臺(tái)。

用他的原話(huà)講：

“為了教機(jī)器人拿起一個(gè)瓶子，我們先讓 AI 做夢(mèng)。”

? 機(jī)器人要先“做夢(mèng)”，再動(dòng)手

傳統(tǒng)訓(xùn)練一個(gè)機(jī)器人，靠人類(lèi)反復(fù)操作、采集數(shù)據(jù)，再寫(xiě)程序調(diào)整路徑，周期長(zhǎng)、成本高、效果差。

但在 NVIDIA 構(gòu)建的新體系里，訓(xùn)練過(guò)程完全換了方式：

1. 先讓 AI 觀察一次人類(lèi)操作（通過(guò)遠(yuǎn)程示范）；

2. 再用 Cosmos 模型，在夢(mèng)中生成一萬(wàn)個(gè)相似但不完全相同的場(chǎng)景；

3. 然后在這些“夢(mèng)境”里自學(xué)怎么做，每一步都基于物理規(guī)律、三維環(huán)境和目標(biāo)指令。

黃仁勛說(shuō)：

這是一種從‘真實(shí)’擴(kuò)展到‘虛擬’，再回到‘現(xiàn)實(shí)’的閉環(huán)。 機(jī)器人不再靠硬編碼學(xué)會(huì)動(dòng)作，而是靠 AI 學(xué) AI。

? Groot 是什么？不僅是機(jī)器人硬件，更是“物理智能框架”

你看到的那個(gè)模擬，是 Groot 系統(tǒng)的一部分，但 Groot 本身不是一臺(tái)機(jī)器人，而是一個(gè)系統(tǒng)平臺(tái)。它包括：

• Jetson Thor 芯片：作為機(jī)器人的“大腦”；

• Isaac 操作系統(tǒng)：用于控制機(jī)器人感知、推理、動(dòng)作的核心軟件；

• 預(yù)訓(xùn)練模型：AI 早已掌握了通用物理動(dòng)作，再根據(jù)任務(wù)快速適配；

• Dreams 數(shù)據(jù)生成系統(tǒng)：生成大規(guī)模訓(xùn)練數(shù)據(jù)，用以微調(diào)行為策略。

簡(jiǎn)單來(lái)說(shuō)：Groot 不是賣(mài)給你的一個(gè)“機(jī)器人”，而是提供一個(gè)“讓機(jī)器人學(xué)會(huì)像人一樣工作”的訓(xùn)練體系。

黃仁勛總結(jié)：要訓(xùn)練機(jī)器人，不是寫(xiě)程序，而是生成夢(mèng)境。你給一次示范，AI 會(huì)做 10,000 次夢(mèng)，然后掌握這個(gè)技能。

? 為什么這一系統(tǒng)重要？

因?yàn)檎嬲璧K機(jī)器人落地的，不是硬件、也不是算法，而是訓(xùn)練數(shù)據(jù)的不可擴(kuò)展性。

黃仁勛點(diǎn)出一個(gè)關(guān)鍵痛點(diǎn)：

“示范是有效的，但你只有 24 小時(shí)，不能操作 10 萬(wàn)次。 所以我們用 AI 來(lái)放大人類(lèi)示范的規(guī)模。”

Groot Dreams，就是把一個(gè)人操作一次的價(jià)值，放大成一萬(wàn)個(gè)夢(mèng)境的生成器。

而夢(mèng)里的學(xué)習(xí)結(jié)果，最終可以部署在現(xiàn)實(shí)機(jī)器上。

他在現(xiàn)場(chǎng)展示了一段機(jī)器人在沙地上跑、在障礙物間穿行的鏡頭，隨后說(shuō)：

這不是動(dòng)畫(huà)，是在模擬環(huán)境中，機(jī)器人真實(shí)運(yùn)行出來(lái)的動(dòng)作。 它理解摩擦、慣性、重力、碰撞和路徑。

? 機(jī)器人不只是看起來(lái)像人，更關(guān)鍵的是“像人那樣思考”

黃仁勛用了一組對(duì)比，來(lái)說(shuō)明什么是真正的“物理 AI”：

• 人看到球滾到桌下，會(huì)知道它還在那兒；

• 今天大多數(shù) AI 會(huì)認(rèn)為球消失了。

這背后的能力叫“物體永久性”，也是兒童兩三歲才掌握的基礎(chǔ)常識(shí)。

黃仁勛說(shuō)：我們正在訓(xùn)練 AI 理解因果、推斷阻擋、構(gòu)建動(dòng)作鏈， 這不再是感知，也不只是生成，而是真正意義上的‘推理’。

他預(yù)測(cè)，這種物理 AI 將是機(jī)器人普及的前提。

不是所有的機(jī)器人都需要像人類(lèi)一樣“思考”，但所有能適應(yīng)環(huán)境、自主行動(dòng)的機(jī)器，都必須具備基本的物理理解力。

這一節(jié)沒(méi)有總結(jié)，因?yàn)辄S仁勛根本沒(méi)讓你緩一口氣。緊接著，他就進(jìn)入了下一個(gè)重點(diǎn)：

當(dāng) AI 能理解、計(jì)劃、行動(dòng)，工業(yè)系統(tǒng)的定義也要被改寫(xiě)。

在講完機(jī)器人訓(xùn)練系統(tǒng)之后，黃仁勛話(huà)鋒一轉(zhuǎn)，把整個(gè)注意力重新拉回到了“計(jì)算”這個(gè)起點(diǎn)上。

為了支撐智能體的推理，我們需要一臺(tái)能思考的計(jì)算機(jī)。

這臺(tái)計(jì)算機(jī)的名字，叫 Grace Blackwell。它不是一塊芯片，而是一整套系統(tǒng)架構(gòu)。

他說(shuō)得直接：

“過(guò)去的 AI 是一次性響應(yīng)，現(xiàn)在的 AI 需要反復(fù)思考，需要推理時(shí)間擴(kuò)展（Reasoning Time Extension）。 要讓 AI 真正‘思考’，就需要更多 token、更快生成、更大內(nèi)存、更強(qiáng)互聯(lián)。”

于是，NVIDIA 設(shè)計(jì)了 Grace Blackwell 系列，并在現(xiàn)場(chǎng)宣布——最新版本 GB300 正式投產(chǎn)。

? GB300：用一塊計(jì)算節(jié)點(diǎn)，替代一臺(tái)超級(jí)計(jì)算機(jī)

黃仁勛在臺(tái)上舉了個(gè)對(duì)比：2018 年 Sierra 超算用了 18,000 塊 GPU，才跑出 40 petaflops。今天，一塊 GB300 節(jié)點(diǎn)就能做到。

換句話(huà)說(shuō)——六年間，AI 工廠(chǎng)單節(jié)點(diǎn)性能提升了 4,000 倍。

他不是在比芯片速度，而是在講“系統(tǒng)極限”——為了跑 AI 推理，不能只是算得快，而是要能長(zhǎng)期高效地生成 token 并保持記憶。

他們?cè)谛酒隙询B了 128GB HBM，內(nèi)存帶寬提升 1.5 倍，網(wǎng)絡(luò)能力提升 2 倍，整體推理性能提升 1.5 倍以上。

GB300 系統(tǒng)完全液冷，整個(gè)機(jī)架功耗達(dá)到 120 千瓦，但物理占地不變。黃仁勛稱(chēng)之為：

極限摩爾定律的實(shí)現(xiàn)。

他強(qiáng)調(diào)，這種硬件結(jié)構(gòu)不是為了“跑模型”，而是為了支持整個(gè) AI 工廠(chǎng)的長(zhǎng)期智能生產(chǎn)。

? IQ：讓企業(yè)數(shù)據(jù)“自己說(shuō)話(huà)”的語(yǔ)義血管

擁有強(qiáng)計(jì)算力之后，另一個(gè)問(wèn)題浮現(xiàn)：AI 到底從哪兒學(xué)？怎么理解數(shù)據(jù)？

黃仁勛現(xiàn)場(chǎng)公布了另一個(gè)新系統(tǒng)：NVIDIA IQ（Intelligent Query），一個(gè)為 AI 優(yōu)化的非結(jié)構(gòu)化語(yǔ)義數(shù)據(jù)平臺(tái)。

他說(shuō)：

“傳統(tǒng)數(shù)據(jù)庫(kù)是給人查結(jié)構(gòu)化數(shù)據(jù)的， AI 要的是語(yǔ)義，要的是含義，要的是嵌入。”

傳統(tǒng) IT 系統(tǒng)中，數(shù)據(jù)儲(chǔ)存在數(shù)據(jù)庫(kù)、文檔、網(wǎng)頁(yè)、日志中——它們沒(méi)有語(yǔ)義結(jié)構(gòu)，AI 不知道怎么理解。

于是 NVIDIA 推出 IQ 模型棧，讓 AI 能在企業(yè)內(nèi)部做“語(yǔ)義搜索”：

• 你可以像查 Google 一樣問(wèn)它；

• 它會(huì)在文檔、PPT、CRM、客服系統(tǒng)里自動(dòng)查找答案；

• 用的不是關(guān)鍵詞匹配，而是上下文理解。

不是用 SQL，他們改用 NeMo Retriever。它能在數(shù)秒內(nèi)搜索百萬(wàn)級(jí)非結(jié)構(gòu)化數(shù)據(jù)，提煉結(jié)果。

黃仁勛現(xiàn)場(chǎng)展示了一家叫 VAST 的企業(yè)使用 IQ 的案例：

“他們花 3 天時(shí)間，搭建了一個(gè)銷(xiāo)售智能體。 輸入一個(gè)目標(biāo)，它能自動(dòng)調(diào)用 CRM、市場(chǎng)數(shù)據(jù)、歷史合約， 自動(dòng)生成銷(xiāo)售大綱和行動(dòng)建議。”

他說(shuō)，這只是開(kāi)始。未來(lái)每家公司都會(huì)有多個(gè)專(zhuān)屬 AI 代理，每個(gè)代理都需要能“理解”公司自己的數(shù)據(jù)，而不是從互聯(lián)網(wǎng)上學(xué)。

?Grace Blackwell 是大腦，IQ 是血管

Grace Blackwell 決定你能不能高效“想”；IQ 決定你是否真正“懂”。

黃仁勛說(shuō)得很清楚：

我們不是在重做企業(yè) IT，而是在補(bǔ)一層——智能代理的運(yùn)行層。 它需要新的計(jì)算、新的存儲(chǔ)、新的數(shù)據(jù)組織方式。

他沒(méi)有反復(fù)強(qiáng)調(diào)芯片有多強(qiáng)，而是強(qiáng)調(diào)：“智能體能不能上線(xiàn)，關(guān)鍵在于你有沒(méi)有給它血和腦。”

?? 每家公司都在構(gòu)建產(chǎn)品，但 AI 公司在構(gòu)建“基礎(chǔ)設(shè)施”

整整兩個(gè)小時(shí)，黃仁勛沒(méi)有講一個(gè)“應(yīng)用場(chǎng)景”。

沒(méi)有講 AI 怎么提高效率、提升轉(zhuǎn)化率、自動(dòng)潤(rùn)色、生成廣告……這些他通通沒(méi)有提。

他講的，是工廠(chǎng)、計(jì)算節(jié)點(diǎn)、脊柱交換機(jī)、token 產(chǎn)能，是一套你很難在任何 SaaS 產(chǎn)品或 App 頁(yè)面上直接感受到的系統(tǒng)底座。

他說(shuō)：

“我們不是在建設(shè)數(shù)據(jù)中心，而是在建設(shè) AI 工廠(chǎng)。 像上一個(gè)世紀(jì)建電廠(chǎng)一樣， 每家公司、每個(gè)國(guó)家、每個(gè)行業(yè)，都將建自己的 AI 工廠(chǎng)。”

這場(chǎng)演講里，他一共發(fā)布了五大系統(tǒng)級(jí)產(chǎn)品線(xiàn)，但你會(huì)發(fā)現(xiàn)—— 它們不是分別服務(wù)“某個(gè)模型”，也不是為了取代某類(lèi)工具。

它們指向的是一件事：用工業(yè)方式，把智能產(chǎn)出規(guī)模化、系統(tǒng)化、標(biāo)準(zhǔn)化。

我們回看這五根“支柱”：

• Spark 是工廠(chǎng)的最小形態(tài)，把 AI 推理裝進(jìn)口袋；

• NVLink 是計(jì)算神經(jīng)網(wǎng)，把全球 GPU 連成超級(jí)芯片；

• Groot 是訓(xùn)練流水線(xiàn)，機(jī)器人在夢(mèng)里學(xué)動(dòng)作；

• Grace Blackwell 是計(jì)算大腦，支持 推理級(jí) AI；

• IQ 是語(yǔ)義血管，讓企業(yè)數(shù)據(jù)真正“能被讀懂”。

這些不是“產(chǎn)品”，是系統(tǒng)。不是“功能”，是基礎(chǔ)設(shè)施。

你不是在用 AI 寫(xiě)代碼、畫(huà)圖、提效，而是站在一套全新工業(yè)系統(tǒng)的布線(xiàn)前線(xiàn)。

過(guò)去，企業(yè)比的是誰(shuí)做出最好用的應(yīng)用。未來(lái)，決定勝負(fù)的，是誰(shuí)有能力主導(dǎo)一座 AI 工廠(chǎng)的構(gòu)建與調(diào)度。

黃仁勛的回答很清楚：

未來(lái)最值錢(qián)的，不是單個(gè) AI 應(yīng)用，而是能夠構(gòu)建和連接 AI 工廠(chǎng)的核心技術(shù)基礎(chǔ)設(shè)施。

他說(shuō)：“英偉達(dá)是一家基礎(chǔ)設(shè)施公司。”

這句話(huà)，不只是他的定位，也是一個(gè)新的身份提醒。

它意味著，AI 的競(jìng)爭(zhēng)將從模型、插件、應(yīng)用平臺(tái)，上移到基礎(chǔ)設(shè)施層； 也意味著，只有那些能真正理解“token 是怎么被生產(chǎn)出來(lái)”的人，才配談“AI 會(huì)改變世界”。

而這場(chǎng)競(jìng)爭(zhēng)，并不會(huì)停留在數(shù)據(jù)中心內(nèi)部。黃仁勛最后提到：

我們正與全球最大制造企業(yè)合作， 把工廠(chǎng)、機(jī)器人、城市、產(chǎn)業(yè)鏈， 都以數(shù)字孿生方式接入 AI 系統(tǒng)。 這些工廠(chǎng)，本身就會(huì)成為 AI 工廠(chǎng)。

他并未展開(kāi)更多，因?yàn)檫@將是下一場(chǎng) AI 競(jìng)爭(zhēng)的開(kāi)端。

但這句話(huà)已經(jīng)給出了預(yù)告：

AI 工廠(chǎng)，不止誕生智能，也將在未來(lái)，接管整個(gè)物理世界的生產(chǎn)系統(tǒng)。

你看到的不是一個(gè)發(fā)布會(huì)，而是一份產(chǎn)業(yè)藍(lán)圖的交付現(xiàn)場(chǎng)。 未來(lái)的任務(wù)不是“用好 AI”，而是如何成為這套基礎(chǔ)設(shè)施的建設(shè)者。

這一次，贏家不會(huì)是用得快的那一波人，而是——先動(dòng)手布線(xiàn)的那一群人。

不只是開(kāi)發(fā)者，也包括制造商、系統(tǒng)集成商、云服務(wù)商、供應(yīng)鏈上的每一位“新工廠(chǎng)建設(shè)者”。

本文由AI深度研究院出品，內(nèi)容是根據(jù)對(duì) Nvidia CEO黃仁勛在 Computex 2025 主題演講獨(dú)家整理。【往期回顧】

星標(biāo)公眾號(hào)， 點(diǎn)這里 1. 點(diǎn)擊右上角 2. 點(diǎn)擊"設(shè)為星標(biāo)" ← AI深度研究員 ? ← 設(shè)為星標(biāo)

原文鏈接：https://www.youtube.com/watch?v=TLzna9__DnI&t=38s&ab_channel=NVIDIA

來(lái)源：官方媒體/網(wǎng)絡(luò)新聞

排版：Atlas

編輯：深思

主編：圖靈