新智元報道

　　編輯：KingHZ

　　【新智元導讀】推理模型開始「自言自語」、量子計算進入臨界點……AI大航海時代已然啟航，這不是一次產品發布會，而是未來的預言書。巴黎GTC大會，黃仁勛開講了！這次他脫下了皮衣。

　　「AI是世界上創造的最偉大的平等工具?！?/strong>

　　在巴黎，黃仁勛這樣說道。

　　他表示，人工智能既不會引發反烏托邦式災難，也不會導致壟斷，它是解放人類的工具。

　　再巴黎GTC會議后的新聞發布會上，黃仁勛認為AI的確改變了職場，但駁斥了Dario Amodei最近關于AI導致大裁員的預測：

　　每個人的工作都會發生變化。雖然部分崗位會被替代，但也會涌現出大量新職業……

　　當公司更具生產力時，他們會雇傭更多人。

　　這次英偉達還簽了個大單：直接賣了1萬塊GPU！

　　這些GPU將用于在德國建設全球首個工業AI云平臺，加速歐洲工業巨頭的制造應用。

　　這次歐洲之行，英偉達收獲滿滿，包括與法國、德國、意大利等國家達成合作。

　　左右滑動查看

　　此外，與多家公司和研究機構建立了合作關系，包括與Mistral合作開發AI云服務等。

　　黃仁勛還宣布了DGX Lepton項目，助力歐洲擴大AI影響力：

　　DGX Cloud Lepton正在連接歐洲開發者與全球AI基礎設施。我們正在與來自歐洲的伙伴共同打造AI工廠網絡，供開發者、研究人員和企業將本地的突破性成果擴展為全球性創新。

　　這意味著客戶能夠自動將推理工作負載從不同的云平臺之間轉移，同時理論上保持相同的軟件用戶界面和體驗。

　　如果DGX Lepton成功，它將為所有新云（neocloud）創建標準的用戶體驗、價值和性能水平，這將導致這些新云陷入激烈的價格戰，最終使利潤降至極低的商品水平。

　　這是英偉達首次在巴黎舉行GTC大會，拉開2025年VivaTech的序幕，揭示了從智能體系統到AI工廠的下一階段AI計算。

　　從感知AI到自主AI

　　正是英偉達的GPU，使AI革命成為可能。

　　而AI，早已是英偉達關注的重點。

　　在巴黎GTC上，黃仁勛回顧了AI的發展，強調了AI在理解、感知、推理、規劃和執行任務方面的進步。

　　AI的第一波浪潮：感知智能

　　回到2012年，那時英偉達與開發者合作，「深度學習」的新算法橫空出世，誕生了AlexNet，這被認為是AI的宇宙大爆炸時刻。

　　AlexNet由Alex Krizhevsky, Ilya Sutskever,和「深度學習教父」Hinton使用Cuda和C++開發

　　在過去15年，AI的進展非常迅速。

　　第一階段是讓計算機看懂圖像、聽懂語音、識別模式。這就是「感知智能」。

　　第二波浪潮：生成式人工智能（GenerativeAI）

　　最近這五年，AI進入了第二階段——生成式人工智能GenAI。

　　AI不只是識別，還能生成圖像、生成語言內容。

　　它擁有「多模態」能力——能夠同時理解圖像和文字，所以我們可以用文字“提示”AI去創作圖像。

　　這項能力極大地提升了我們生產內容的效率。

　　AI能寫、能畫、能說、能演，這開啟了「內容生成革命」。

　　為了支持開源生態，讓開發者與企業也能擁有世界一流的大模型，于是英偉達打造了NeMo框架和Nemotron項目。

　　NeMo是NVIDIA開發的全棧大模型平臺，而Nemotron是提升開源模型質量的專項計劃。

　　LLaMA Nemotron針對性強化了開源的Llama模型，效率和準確率大幅度提升。

　　在多個領域，Nemotron模型排名領先，性能優異。

　　第三波浪潮：AgenticAI

　　現在進入了第三波浪潮 ——智能體AI（Agentic AI）。

　　智能不僅僅是識別或生成內容，更是能“理解、推理、規劃并執行任務”。

　　我們正在開啟新一波AI浪潮。

　　從根本上說，智能是關于理解、感知、推理、規劃任務（如何解決問題），然后執行任務。

　　真正的智能包括三個核心循環：

　　感知（Perception）

　　推理（Reasoning）

　　規劃（Planning）

　　它允許應用一些以前學過的規則，來解決從未見過的問題。

　　這就是聰明人之所以聰明的原因，他們能夠解決復雜問題，將問題一步步分解，思考如何解決問題；也許會進行研究，也許會學習一些新信息，獲得一些幫助；使用工具，并一步步解決問題。

　　智能體AI（Agentic AI）具備這些能力，它能將所學知識應用到新問題中，逐步拆解復雜問題，找到解決方案。比如：

　　面對沒見過的問題，AI可以自己想步驟、找工具、搜索資料、調用其他智能體、整合上下文，并一步步完成任務。

　　英偉達提供了完整的Agent平臺。

　　企業客戶正在用它構建專屬Agent系統：

　　Cisco（思科）：用于企業安全情報的AI平臺；

　　SAP：將AI集成到業務自動化；

　　DeepL：用于翻譯系統的AI平臺；

　　PhotoRoom：用于AI圖像與視頻編輯；

　　Kodo（前Kodium）：AI代碼助手；

　　Iola：語音交互系統；

　　全球最大臨床試驗自動化平臺：也使用NeMo構建智能體。

　　第四波浪潮：進入機器人時代

　　在實際實現中，智能體AI的具身化以及現在的生成能力正在生成運動。

　　這種AI不是生成視頻、圖像或文本，而是生成局部運動。它能夠行走，或者伸手抓取東西，使用工具。AI以物理形式具身化的能力基本上就是機器人技術。

　　這些能力，即實現智能體（基本上是信息機器人）和具身化AI（物理機器人）的基本技術，現在已經擺在我們面前。

　　從虛擬世界走向現實，這就是「具身智能」（EmbodiedAI）的世界。機器人就是這種智能的物理體現。

　　目前，我們正處于兩個核心AI領域交匯的時刻：

　　（1）信息型機器人（像ChatGPT這樣的聊天助手）；

　　（2）實體型機器人（可以在物理世界中行動的AI）。

　　這兩類智能體現在都已經成為現實，我們正在迎來AI發展的全新時代！

　　對于AI來說，這真是令人興奮的時刻。

　　但這一切都始于都始于英偉達的第一張顯卡：GeForce 256。

　　GeForce 256

　　加速千行百業

　　GeForce帶來了計算機圖形。

　　這是有史以來開發的第一個加速計算應用程序，計算機圖形的發展令人難以置信。

　　GeForce將CUDA帶給世界，這使得機器學習研究人員和AI研究人員能夠推進深度學習。

　　隨后，深度學習徹底改變了計算機圖形，并使我們將計算機圖形提升到全新的水平成為可能。

　　黃仁勛展示了計算機模擬：光子模擬、物理模擬、粒子模擬。

　　所有一切從根本上來說都是模擬，而不是動畫，也不是藝術。

　　它之所以看起來如此美麗，是因為世界本身就是美麗的，數學也是美麗的。

　　那么，讓我們一起來看看吧。

　　這本質上就是模擬，而且看起來非常美麗。

　　現在能夠模擬幾乎所有事物的規模和速度，可以將所有事物都變成數字孿生。

　　因為所有事物都可以被數字孿生，我們可以在將其投入物理世界之前，完全以數字方式進行設計、規劃、優化和操作。

　　一切都在軟件中構建，英偉達將這一想法現在已經成為現實：

　　所有物理事物都將以數字方式構建。

　　所有宏偉的事物都將以數字方式構建。

　　所有以巨大規模運行的事物都將首先以數字方式構建，并且會有數字孿生來操作它們。

　　現在的「GB300 NVL 72」看起來是這樣的。

　　該計算設備重兩噸半，1.2萬個零件，大約300萬美元。120千瓦，由150家工廠制造，200家技術合作伙伴與英偉達合作完成

　　它已經完全投入生產。它被設計成一臺思考機器。

　　這意味著它能夠推理、規劃，并且像人一樣，花費大量時間自言自語。

　　加速AI推理

　　推理模型正在自言自語，我們需要30到40倍的性能提升。

　　它不再是那種一問一答的ChatGPT，現在是推理模型，當思考時，它會生成更多的token。

　　它會一步步地分解問題、推理；嘗試各種不同的路徑：也許是思維鏈（chain of thoughts），也許是思維樹（tree of thoughts）的最佳結果。

　　它會反思自己的答案。

　　可能你已經看到這些研究模型在反思答案，說「這是一個好答案嗎？你能做得更好嗎？」然后推理模型會說：「哦，是的，我能做得更好?！谷缓蠡厝ニ伎几唷?/p>

　　因此，這些思考模型、推理模型實現了令人難以置信的性能，但這需要更多的算力。

　　而最終的結果，MVLink 72 Blackwells的架構，帶來了性能的巨大飛躍，在僅僅一代之內實現30到40倍的性能提升。

　　根據摩爾定律，半導體物理學，每三到五年只有大約兩倍的性能提升。

　　而解讀下圖的方式是：X軸代表它思考的速度。Y軸代表工廠在同一時間支持大量用戶時的產出量。

　　加速計算

　　英偉達曾經夢想，創建全新的計算平臺，去完成傳統計算機無法完成的任務。

　　他們加速了CPU，創造了一種全新的計算方式，稱為「加速計算」。

　　他們最初的應用之一是分子動力學模擬。從那以后，他們走過了漫長的道路，開發了無數的庫。

　　事實上，使加速計算與眾不同的原因在于，它不僅僅是一個新的處理器，也不僅僅是你編譯代碼就能運行的軟件。

　　你必須徹底重新設計你的計算方式，重新構思你的算法。而這對大多數人來說極其困難——

　　要將軟件和算法重新構建為高度并行化的形式并不容易。

　　所以，他們創建了各種庫，幫助每一個行業、每一個應用領域實現加速。

　　每一個這樣的庫都為開發者打開了新的可能。

　　比如：

　　計算光刻，也許是今天半導體設計中最重要的應用之一；它在臺積電、三星等大型晶圓廠中運行，在芯片制造之前會運行一個基于反物理算法的流程，稱為Computational Lithography（計算光刻）。

　　稀疏求解器、代數多重網格求解器等。

　　cuOpt：剛剛開源的應用庫，它能加速決策制定，優化數百萬變量和約束的問題，比如旅行商問題。

　　這些只是他們提供的部分庫。

　　他們有400多個類似的庫，每一個都加速特定的應用領域，每一個都為行業打開新的可能。

　　另一個極其重要的是CUDA Q。它將CUDA擴展到量子經典領域。

　　量子計算拐點

　　英偉達開發CUDAQ已經好幾年了。

　　黃仁勛認為：「量子計算正在發生拐點?！?/strong>

　　眾所周知，在近30年前，第一個物理量子比特就被演示了。

　　第一一個糾錯算法于1995年被發明，而在2023年，將近30年后，世界上第一個邏輯量子比特由谷歌演示。從那時起，幾年后，邏輯量子比特的數量（由大量帶糾錯的物理量子比特表示）開始增長。

　　就像摩爾定律一樣，完全可以預期每5年邏輯量子比特增加10倍，每10年增加100倍。這些邏輯量子比特將得到更好的糾錯，更健壯，性能更高，更有彈性，當然也將繼續可擴展。

　　英偉達與世界各地的量子計算公司以多種不同的方式合作，而歐洲相關從業者最多。

　　現在，英偉達很清楚：「我們已經觸手可及，能夠在未來幾年將量子計算，量子經典計算應用于可以解決一些有趣問題的領域。」

　　這是真正激動人心的時刻。

　　在接下來的幾年里，或者至少是下一代超級計算機，都將配備QPU，并且QPU將連接到GPU。QPU當然會進行量子計算，而GPU將用于預處理、控制、糾錯（這將是計算密集型的）、后處理等。

　　就像加速CPU一樣，現在有QPU與GPU協同工作，以實現下一代計算。

　　參考資料：

　　https://www.youtube.com/watch?v=X9cHONwKkn4%20

　　https://www.nvidia.cn/gtc/paris/keynote/

　　https://nvidianews.nvidia.com/news/nvidia-builds-worlds-first-industrial-ai-cloud-to-advance-european-manufacturing

　　https://media.iprsoftware.com/219/files/20255/gtc-paris-2025-keynote-deck.pdf

　　https://fortune.com/2025/06/11/nvidia-jensen-huang-disagress-anthropic-ceo-dario-amodei-ai-jobs/

　　https://abcnews.go.com/Technology/wireStory/nvidia-chief-calls-ai-greatest-equalizer-warns-europe-122745910

　　https://x.com/SemiAnalysis_/status/1932802502069755956

　　https://blogs.nvidia.cn/blog/nvidia-dgx-cloud-lepton-connects-europes-developers-to-global-nvidia-compute-ecosystem/