bifa·必发(唯一)中国官方网站

　　智东西美国圣何塞3月18日现场报道✿✿◈★，顶着热烈的加州阳光✿✿◈★，一年一度的“AI春晚”英伟达GTC大会盛大开幕✿✿◈★。今日上午✿✿◈★，英伟达创始人兼CEO黄仁勋穿着闪亮的皮衣✿✿◈★，进行了一场激情澎湃的主题演讲✿✿◈★，一连亮出四代全新Blackwell Ultra✿✿◈★、Rubin✿✿◈★、Rubin Ultra✿✿◈★、Feynman旗舰芯片✿✿◈★，公布四年三代GPU架构路线图✿✿◈★，还多次提到中国大模型DeepSeek✿✿◈★。

　　整场演讲信息量爆棚✿✿◈★，覆盖加速计算✿✿◈★、深度推理模型✿✿◈★、AI智能体✿✿◈★、物理AI✿✿◈★、机器人技术✿✿◈★、自动驾驶等在内的AI下一个风口✿✿◈★，新发布涉及十大重点✿✿◈★：

　　5✿✿◈★、个人AI超算✿✿◈★：推出全球最小AI超算DGX Spark四道口电影院✿✿◈★、高性能桌面级AI超算DGX Station✿✿◈★，方便开发者本地微调或推理深度思考模型✿✿◈★。

　　8✿✿◈★、光电一体化封装网络交换机✿✿◈★：号称“世界上最先进的网络解决方案”✿✿◈★，可将AI工厂扩展到数百万块GPU✿✿◈★。

　　9✿✿◈★、物理AI/机器人✿✿◈★：开源Isaac GR00T N1人形机器人基础模型✿✿◈★，与迪士尼研究院四道口电影院✿✿◈★、谷歌DeepMind将合作开发开源物理引擎Newton✿✿◈★。

　　10✿✿◈★、电信AI和自动驾驶✿✿◈★：与通用汽车一起为工厂和汽车构建GM AI✿✿◈★，构建综合全栈自动驾驶安全系统NVIDIA Halos✿✿◈★。

　　值得一提的是✿✿◈★，英伟达宣布Blackwell GPU创下满血版DeepSeek-R1推理性能的世界纪录✿✿◈★。

　　通过硬件和软件的结合✿✿◈★，英伟达自今年1月以来将DeepSeek-R1 671B模型的吞吐量提高了约36倍✿✿◈★，相当于每个token的成本改善了约32倍✿✿◈★。

　　今年GTC人气火爆到史无前例✿✿◈★，万元起步的门票悉数售罄✿✿◈★，超过25000名观众齐聚现场✿✿◈★，几乎整座圣何塞都染上了“英伟达绿”bifa✿✿◈★，从街巷✿✿◈★、集市✿✿◈★、高楼✿✿◈★、餐厅四道口电影院✿✿◈★、巴士到三轮车✿✿◈★，到处都是醒目的英伟达GTC标识✿✿◈★。

　　还有一个彩蛋✿✿◈★，在黄仁勋主题演讲开始前✿✿◈★，SAP中心大屏幕上播放的5人对话暖场视频中✿✿◈★，画面最右边的正是前英特尔CEO帕特基辛格✿✿◈★，他的身份已经变成了Gloo董事长✿✿◈★。

　　迪士尼机器人Blue作为黄仁勋主题演讲的惊喜嘉宾压轴出场✿✿◈★，摇头晃脑向黄仁勋撒娇卖萌✿✿◈★，还听从黄仁勋的指令✿✿◈★，乖乖站到了他的旁边✿✿◈★。

　　此外✿✿◈★，本届GTC大会特设China AI Day – 云与互联网线上中文专场✿✿◈★，涵盖大模型✿✿◈★、数据科学✿✿◈★、搜推广等领域的前沿进展✿✿◈★，演讲企业包括字节跳动✿✿◈★、火山引擎✿✿◈★、阿里云✿✿◈★、百度✿✿◈★、蚂蚁集团✿✿◈★、京东✿✿◈★、美团✿✿◈★、快手✿✿◈★、百川智能✿✿◈★、赖耶科技✿✿◈★、Votee AI✿✿◈★。

　　上午9点59分✿✿◈★，黄仁勋闪现圣何塞SAP中心舞台✿✿◈★，朝不同方向的观众席连放5个冲天炮✿✿◈★，然后慢慢走下舞台✿✿◈★。

　　在参会观众翘首等待11分钟后✿✿◈★，黄仁勋小步慢跑再度登场✿✿◈★，笑容满面地向全场观众打招呼✿✿◈★，还带观众云参观了下英伟达总部✿✿◈★。

　　至于为什么要提前展示路线图？黄仁勋说bifa✿✿◈★，构建AI工厂和AI基础设施需要数年的规划✿✿◈★，不像买笔记本电脑✿✿◈★，所以必须提前两三年制定土地✿✿◈★、电力✿✿◈★、资本支出的计划✿✿◈★。

　　他公布了英伟达继Hopper✿✿◈★、Blackwell之后的下一代GPU架构——Rubin✿✿◈★。这一命名来自于发现暗物质的女性科学先驱薇拉鲁宾（Vera Rubin）✿✿◈★。

　　在万众期待中✿✿◈★，英伟达新一代数据中心旗舰GPUBlackwell Ultra（GB300）正式登场✿✿◈★。

　　Blackwell Ultra为AI推理时代而设计✿✿◈★，是全球首个288GB HBM3e GPU✿✿◈★，像拼乐高一样通过先进封装技术将2块掩膜尺寸的GPU拼装在一起✿✿◈★，可实现多达1.5倍的FP4推理性能✿✿◈★，最高15PFLOPS✿✿◈★。

　　该GPU增强了训练和测试时推理扩展bifa✿✿◈★，可轻松有效地进行预训练✿✿◈★、后训练以及深度思考（推理）模型的AI推理✿✿◈★，构建于Blackwell架构基础之上✿✿◈★，包括GB300 NVL72机架级解决方案和HGX B300 NVL16系统✿✿◈★。

　　下一代模型可能包含数万亿参数✿✿◈★，可以使用张量并行基于工作负载进行任务分配✿✿◈★。如取模型切片在多块GPU上运行✿✿◈★、将Pipeline放在多块GPU上✿✿◈★、将不同专家模型放在不同GPU上✿✿◈★，这就是MoE模型✿✿◈★。

　　流水线并行✿✿◈★、张量并行✿✿◈★、专家并行的结合✿✿◈★，可以取决于模型✿✿◈★、工作量和环境✿✿◈★，然后改变计算机配置的方式✿✿◈★，以便获得最大吞吐量✿✿◈★，同时对低延迟✿✿◈★、吞吐量进行优化✿✿◈★。

　　黄仁勋称✿✿◈★，NVL72的优势就在于每块GPU都可以完成上述任务✿✿◈★，NVLink可将所有GPU变成单个大型GPU✿✿◈★。

　　升级的GB300 NVL72设计✿✿◈★，提高了能效和可服务性✿✿◈★，通过降低成本和能耗来推进AI推理民主化✿✿◈★，相比Hopper将AI工厂的收入机会提高50倍✿✿◈★。

　　与Hopper相比✿✿◈★，HGX B300 NVL16在大语言模型上的推理速度加快至11倍✿✿◈★，计算能力增加到7倍✿✿◈★，内存增至4倍✿✿◈★。

　　英伟达将NVIDIA DGX SuperPOD称作“全球最先进的企业级AI基础设施”✿✿◈★，旨在为实时推理和训练提供强大的计算能力✿✿◈★。

　　DGX SuperPOD提供FP4精度和更快的AI推理速度✿✿◈★，可扩展到数万块Grace Blackwell Ultra超级芯片✿✿◈★，预计将在今年晚些时候从合作伙伴处可获得✿✿◈★。

　　与采用Hopper系统和38TB快内存构建的AI工厂相比✿✿◈★，DGX GB300系统可提供70倍的AI性能✿✿◈★。

　　与上一代Hopper相比✿✿◈★，DGX B300系统可提供11倍的AI推理性能和4倍的AI训练加速✿✿◈★。

　　企业正竞相建设可扩展的AI工厂✿✿◈★，以满足AI推理和推理时扩展的处理需求bifa✿✿◈★。英伟达推出开源的AI推理软件NVIDIA Dynamo✿✿◈★，其本质上就是AI工厂的操作系统✿✿◈★。

　　Dynamo（发电机）的命名来源是✿✿◈★，发电机是开启上一次工业革命的第一台工具✿✿◈★，Dynamo也是现在一切开始的地方✿✿◈★。

　　NVIDIA Dynamo是一个用于大规模服务推理模型的AI推理软件✿✿◈★，旨在为部署推理模型的AI工厂实现token收入最大化✿✿◈★。

　　它能够跨数千个GPU编排和加速推理通信✿✿◈★，并使用分区分服务来分离不同GPU上大语言模型的处理和生成阶段✿✿◈★，使每个阶段可根据特定需求独立优化✿✿◈★，并确保GPU资源的最大利用率✿✿◈★。

　　为了提高推理性能bifa✿✿◈★，英伟达采用Blackwell NVL8设计✿✿◈★，之后又引入新的精度✿✿◈★，用更少的资源量化模型✿✿◈★。

　　未来每个数据中心都会受到电力限制✿✿◈★，数据中心的收入与之挂钩✿✿◈★，因此英伟达用NVL72进行扩展✿✿◈★，打造更节能的数据中心四道口电影院✿✿◈★。

　　在GPU数量相同的情况下✿✿◈★，Dynamo可将Hopper平台上运行Llama模型的AI工厂性能和收益翻倍✿✿◈★。在由GB200 NVL72机架组成的大型集群上运行DeepSeek-R1模型时✿✿◈★，Dynamo的智能推理优化也可将每个GPU生成的token数量提高30倍以上✿✿◈★。

　　基于Dynamo✿✿◈★，相比Hopper✿✿◈★，Blackwell性能提升25倍✿✿◈★，可以基于均匀可互换的可编程架构✿✿◈★。在推理模型中✿✿◈★，Blackwell性能是Hopper的40倍✿✿◈★。

　　黄仁勋说✿✿◈★：“这就是我以前为什么说✿✿◈★，当Blackwell批量发货时✿✿◈★，你不要把Hopper送人✿✿◈★。”他调侃自己是“首席收入官”✿✿◈★。

　　“买得越多✿✿◈★，省得越多✿✿◈★，赚得越多✿✿◈★。”黄仁勋的经典带货名言又来了✿✿◈★，这次他特别强调AI工厂收入的提高✿✿◈★，100MW AI工厂会包含45000颗GPU Die✿✿◈★、1400个机架✿✿◈★、每秒生成3亿个token✿✿◈★。

　　为了提升推理性能✿✿◈★，NVIDIA Dynamo加入了一些功能✿✿◈★，使其能够提高吞吐量的同时降低成本✿✿◈★。

　　它可以根据不断变化的请求数量和类型✿✿◈★，动态添加✿✿◈★、移除✿✿◈★、重新分配GPU✿✿◈★，并精确定位大型集群中的特定GPU✿✿◈★，从而更大限度地减少响应计算和路由查询✿✿◈★。

　　它还可以将推理数据卸载到成本更低的显存和存储设备上✿✿◈★，并在需要时快速检索这些数据✿✿◈★，最大程度地降低推理成本✿✿◈★。

　　Dynamo可将推理系统在处理过往请求时于显存中保存的知识（称为KV缓存）✿✿◈★，映射到潜在的数千块GPU中✿✿◈★。然后✿✿◈★，它会将新的推理请求路由到与所需信息匹配度最高的GPU上✿✿◈★，从而避免昂贵的重新计算✿✿◈★，并释放GPU来响应新的请求✿✿◈★。

　　该软件完全开源并支持PyTorch✿✿◈★、SGLang✿✿◈★、NVIDIA TensorRT-LLM和vLLM✿✿◈★，使企业✿✿◈★、初创公司和研究人员能够开发和优化在分离推理时部署AI模型的方法✿✿◈★。

　　英伟达正为全球企业提供构建AI智能体的核心模块bifa✿✿◈★，推动企业级AI技术的普及与创新✿✿◈★。英伟达的Llama Nemotron可以在任何地方运行✿✿◈★，包括DGX Spark✿✿◈★、DGX Station以及OEM制造的服务器上✿✿◈★，甚至可以将其集成到任何AI智能体框架中✿✿◈★。

　　AT&T正在开发公司专用的的AI智能体系统✿✿◈★。未来✿✿◈★，英伟达不仅会雇佣ASIC设计师✿✿◈★，还会与Cadence合作✿✿◈★，引入数字ASIC设计师来优化芯片设计✿✿◈★。Cadence正在构建他们的AI智能体框架✿✿◈★，英伟达的模型✿✿◈★、NIM和库已经深度集成到他们的技术中✿✿◈★。Capital One✿✿◈★、德勤✿✿◈★、纳斯达克✿✿◈★、SAP✿✿◈★、ServiceNow✿✿◈★、Accenture✿✿◈★、Amdocs等企业也将英伟达技术深度融入AI框架中✿✿◈★。

　　黄仁勋还宣布存储龙头们构建企业级AI数据平台✿✿◈★。原本企业的存储系统是基于召回的✿✿◈★，而如今的系统应该基于语义✿✿◈★。基于语义的存储系统时刻在嵌入原始数据✿✿◈★，用户使用数据时只需使用自然语言进行交互✿✿◈★，便能找到需要的数据✿✿◈★。

　　NVIDIA DGX Spark和DGX Station是英伟达打造的个人AI计算机✿✿◈★，让开发者能在桌面上对大模型进行原型✿✿◈★、微调✿✿◈★、推理✿✿◈★。

　　DGX Spark可以被用来微调或推理最新的AI推理模型✿✿◈★，比如英伟达今天新发布的Cosmos推理世界基础模型和GR00T N1机器人基础模型✿✿◈★。该AI超算的预订今日起开放✿✿◈★。

　　DGX Station是一款基于Blackwell Ultra的新型高性能桌面级超级计算机✿✿◈★，为桌面带来了数据中心级别的性能✿✿◈★，用于AI开发✿✿◈★，今年晚些时候可从英伟达制造合作伙伴处获得四道口电影院✿✿◈★。

　　Blackwell系统构建于英伟达强大的开发工具生态系统✿✿◈★、CUDA-X库✿✿◈★、600多万开发者和4000多个应用的基础上✿✿◈★，可在数千块GPU上扩展性能✿✿◈★，非常适合运行新的Llama Nemotron推理模型✿✿◈★、AI-Q蓝图✿✿◈★、AI企业级软件平台✿✿◈★。

　　黄仁勋说CUDA-X是GTC的全部意义所在✿✿◈★。他展示了一张自己最喜欢的幻灯片✿✿◈★，包含了英伟达构建的关于物理✿✿◈★、生物✿✿◈★、医学的AI框架✿✿◈★，包括加速计算库cuPyNumeric✿✿◈★、计算光刻库cuLitho✿✿◈★，软件平台cuOPT✿✿◈★、医学成像库Monaiearth-2✿✿◈★、加速量子计算的cuQuantum✿✿◈★、稀疏直接求解器库cuDSS✿✿◈★、开发者框架WARP等✿✿◈★。

　　据他分享✿✿◈★，英伟达正在全面生产Blackwell✿✿◈★，有十几家企业已生产和部署Blackwell系统✿✿◈★。

　　2025年✿✿◈★，英伟达已经向美国前四大云服务提供商售出超过360万块Blackwell GPU✿✿◈★，相比去年销售Hopper的数量高出3倍✿✿◈★，去年Hopper销售量为130万块✿✿◈★。

　　3年前的英伟达GPU尚未将NVLink独立出来✿✿◈★，导致单一系统体积和重量惊人✿✿◈★，这代HGX系统8卡版本重达70磅✿✿◈★，黄仁勋称自己根本不可能将其举起展示✿✿◈★，而机架整体需要搭载4个8卡版本✿✿◈★。这极大影响了数据中心的能效和可扩展性✿✿◈★。

　　于是✿✿◈★，英伟达决定将NVLink与GPU分离✿✿◈★，以单独的NVLink组件实现GPU间的全速通信✿✿◈★。

　　原本的系统零件约有6万个✿✿◈★，而升级后的系统零件达到了60万个✿✿◈★，相当于20辆汽车的零件数量✿✿◈★。这一个机柜的算力就达到了1EFLOPS✿✿◈★，由5000根线英里✿✿◈★。

　　英伟达大费周章将二者分离的原因✿✿◈★，是为了实现极致的垂直扩展（Scale-Up）✿✿◈★，也就是扩展单一机柜的算力✿✿◈★。在目前的制造工艺限制下✿✿◈★，根本不可能造出单体包含130万亿颗晶体管的系统✿✿◈★。

　　黄仁勋认为✿✿◈★，推理远没有想象中的那么简单✿✿◈★，需要做好成本与性能的完美平衡✿✿◈★，这一平衡直接影响了服务质量和盈利能力✿✿◈★。

　　为了阐释推理中的诸多考量因素✿✿◈★，黄仁勋使用了一个坐标系✿✿◈★。x轴代表每秒生成的token数量✿✿◈★，Y轴代表系统的总吞吐量✿✿◈★。

　　现场✿✿◈★，黄仁勋演示了DeepSeek-R1和Llama 3.3 70B的对比✿✿◈★。Llama这类非推理类模型虽然token用量更少✿✿◈★，但回答质量较低✿✿◈★，而耗费20倍token✿✿◈★、150倍算力的推理模型✿✿◈★，能对复杂问题给出高质量的准确回答✿✿◈★。

　　但如果生成的速度不理想✿✿◈★，也会影响用户使用服务的意愿✿✿◈★，因此每秒生成的token数量需要尽可能高✿✿◈★。数据中心还要尽可能地为更多用户提供服务✿✿◈★，这样才能最大化收益✿✿◈★。

　　英伟达今天还发布了RTX Pro Blackwell系列工作站和服务器GPU✿✿◈★，提供加速计算✿✿◈★、AI推理✿✿◈★、光线追踪和神经网络渲染技术✿✿◈★，使其数据中心GPU从桌面到移动工作站提供动力✿✿◈★。

　　工作站和服务器GPU内存高达96GB✿✿◈★，笔记本电脑GPU内存达到24GB✿✿◈★，使应用程序可更快运行✿✿◈★，并使用更大更复杂的数据集✿✿◈★。

　　RTX PRO 6000数据中心和桌面GPU可将单GPU安全分区成最多4个实例✿✿◈★，5000系列桌面GPU可将单GPU安全分区成两个实例✿✿◈★。

　　1✿✿◈★、数据中心GPU✿✿◈★：RTX PRO 6000 Blackwell服务器版✿✿◈★，采用被动冷却热设计✿✿◈★，每台服务器最多可配置8块GPU✿✿◈★，可与NVIDIA vGPU软件结合为虚拟化环境中的AI工作负载提供动力✿✿◈★，预计将在今年下半年推出✿✿◈★。

　　新笔记本电脑GPU还支持最新NVIDIA Blackwell Max-Q技术✿✿◈★，可智能且持续地优化笔记本电脑性能和能效✿✿◈★。

　　随着AI工厂发展到前所未有的规模✿✿◈★，AI网络基础设施也必须升级✿✿◈★。英伟达将其光交换机称作“世界上最先进的网络解决方案”✿✿◈★。

　　英伟达今日发布全新共封装（CPO）的NVIDIA Spectrum-X和Quantum-X硅光网络交换机✿✿◈★，可将AI工厂扩展到数百万个GPU✿✿◈★。

　　与传统方法相比✿✿◈★，英伟达光交换机集成了光学创新✿✿◈★，将激光器减少至1/4✿✿◈★，每端口1.6Tb/s✿✿◈★，可提供3.5倍的能效✿✿◈★、63倍的信号完整性四道口电影院✿✿◈★、10倍的大规模网络弹性✿✿◈★、1.3倍快的部署时间✿✿◈★。

　　黄仁勋谈道✿✿◈★，英伟达希望将以太网的水平提升至InfiniBand级别✿✿◈★，这意味着更极致的拥塞控制✿✿◈★、延迟控制✿✿◈★。

　　相较传统以太网✿✿◈★，Spectrum-X以太网网络平台可为多租户✿✿◈★、超大规模AI工厂提供1.6倍的带宽密度bifa✿✿◈★。

　　Quantum-X光交换机预计将在今年晚些时候上市✿✿◈★，提供144个基于200Gb/s SerDes的800Gb/s InfiniBand端口✿✿◈★，并采用液冷设计对板载硅光器件进行高效散热✿✿◈★。其AI计算网的速度是上一代产品的2倍✿✿◈★，扩展性是上一代产品的5倍✿✿◈★。

　　该系统搭载Quantum-X800 ASIC芯片✿✿◈★，并配备6个光学子组件和18个硅光芯片引擎✿✿◈★。

　　324个光学连接器串联起这一系统✿✿◈★，总计有36个激光输入和288个数据连接✿✿◈★，内置光纤管理功能✿✿◈★。

　　每个硅光芯片引擎拥有200GB/s的微光调制器✿✿◈★，总吞吐量为1.6Tb/s✿✿◈★，实现3.5倍节能✿✿◈★。

　　台积电的硅光子解决方案结合了其在先进芯片制造和台积电SoIC 3D芯片堆叠方面的优势✿✿◈★，帮助英伟达释放AI国产扩展到百万GPU甚至更多✿✿◈★。

　　黄仁勋做了一个换算✿✿◈★，这一系统的应用能在单个数据中心中节省数十个Megawatts的能源✿✿◈★，而60Megawatts就相当于10台Rubin Ultra机架的能耗✿✿◈★。

　　物理AI正在改变价值50万亿美元的行业✿✿◈★，在英伟达三台计算机上构建数十亿个机器人✿✿◈★。英伟达将机器人视作下一个数万亿美元产业✿✿◈★。

　　黄仁勋宣布推出开源✿✿◈★、预训练✿✿◈★、可定制的Isaac GR00T N1人形机器人基础模型✿✿◈★，旨在加快人形机器人的开发✿✿◈★，已提前获得该模型的公司包括波士顿动力✿✿◈★、Agility Robotics✿✿◈★、Mentee Robotics✿✿◈★、Neura Robotics等✿✿◈★。

　　黄仁勋谈道✿✿◈★，物理AI和机器人技术发展得很快✿✿◈★，但也面临着和大模型同样的挑战✿✿◈★，就是如何获得数据✿✿◈★、如何扩展让机器人更聪明✿✿◈★。

　　一是扩展AI的生成能力和理解物理世界的生成模型✿✿◈★，也就是Cosmos✿✿◈★。Cosmos可以生成无限数量的环境数据✿✿◈★。

　　二是✿✿◈★，机器人的可验证回报是物理定律✿✿◈★，因此需要设计用于模拟真实世界中的物理现象的物理引擎✿✿◈★。这一物理引擎需要被设计用于训练触觉反馈✿✿◈★、精细运动技能和执行器控制✿✿◈★。也就是上面迪士尼机器人Blue已经搭载的物理引擎✿✿◈★。

　　在机器人开发中✿✿◈★，英伟达Omniverse可以生成大量不同的合成数据✿✿◈★，开发人员根据不同领域聚合现实世界的传感器和演示数据✿✿◈★，将原始捕获的数据乘以大量照片级的多样化数据✿✿◈★，然后使用Isaac Lab增强数据集对机器人策略进行后训练✿✿◈★，让其通过模型放行为学习新技能✿✿◈★。

　　实地测试中✿✿◈★，开发人员使用Omniverse动态模拟真实环境进行测试✿✿◈★。现实世界的操作需要多个机器人协同工作✿✿◈★，Mega和Omniverse允许开发人员大规模测试✿✿◈★。

　　要将加速计算带到真实世界的每一个场景之中✿✿◈★，不仅需要芯片和CUDA这样的库✿✿◈★，还需要为每个场景建立对应的软件栈——如企业✿✿◈★、工厂✿✿◈★、机器人✿✿◈★、GPU云等应用场景✿✿◈★。

　　英伟达认为AI将对电信行业产生深远影响✿✿◈★，6G网络进入倒计时✿✿◈★，下一个时代将是AI原生无线网络✿✿◈★，包括用于无线电信号处理的AI/ML✿✿◈★、神经网络模型✿✿◈★。这将释放频谱效率的巨大收益✿✿◈★。

　　现场✿✿◈★，黄仁勋宣布英伟达与Cisco✿✿◈★、T-Mobile等几家志同道合的电信龙头合作✿✿◈★，建立由AI驱动的电信系统✿✿◈★，为6G开发AI原生无线网络✿✿◈★，以NVIDIA AI Aerial平台为基础✿✿◈★，确保下一代无线网络将是AI原生的✿✿◈★。

　　其目标是研究和开发一个AI原生✿✿◈★、高光谱效率✿✿◈★、开放和差异化的6G无线平台✿✿◈★，在频谱效率✿✿◈★、电源效率✿✿◈★、运营效率✿✿◈★、安全性✿✿◈★、成本效益✿✿◈★、创收机会方面设置新基准✿✿◈★，可用于全球部署✿✿◈★。

　　他回忆道✿✿◈★，当初AlexNet的出现✿✿◈★，让英伟达决定开始研究自动驾驶技术✿✿◈★，一转眼10年已逝✿✿◈★，如今英伟达的产品几乎出现在所有自动驾驶汽车之中✿✿◈★。

　　黄仁勋宣布✿✿◈★，通用汽车将会成为英伟达最新的合作伙伴✿✿◈★，在生产✿✿◈★、设计✿✿◈★、模拟和车机中应用英伟达的AI技术✿✿◈★。英伟达和通用汽车将协力为工厂和汽车构建GM AI✿✿◈★。

　　对此✿✿◈★，英伟达发布综合全栈自动驾驶安全系统NVIDIA Halos✿✿◈★。英伟达自动驾驶技术的全栈代码将交由第三方进行安全检验✿✿◈★，确保这些技术能充分反映现实世界的多元性✿✿◈★。

　　英伟达的自动驾驶模型采用蒸馏技术开发✿✿◈★、表现较好但速度较慢的模型会逐渐将知识传递给表现尚未完善✿✿◈★、但速度较快的模型✿✿◈★。此外✿✿◈★，有大量数据被转换成了3D场景✿✿◈★，可用于虚拟环境中的模拟✿✿◈★。

　　如今✿✿◈★，在英伟达Omniverse和Cosmos中✿✿◈★，自动驾驶模型能从变化中学习并自我改进✿✿◈★。Cosmos能根据图像建立现实世界的4D模型（包含图像分割）✿✿◈★，并通过计算机模拟同一场景的不同状况✿✿◈★，比如雨天✿✿◈★、雪天✿✿◈★、夜晚等等✿✿◈★，这将进一步提升自动驾驶模型的能力✿✿◈★。

　　例如✿✿◈★，在下方案例中✿✿◈★，用户输入了一则指令✿✿◈★，要求模型生成冬季城市环境中✿✿◈★，一辆汽车打开雨刮器✿✿◈★，左转时的画面✿✿◈★。在经过推理后✿✿◈★，模型生成的画面极为逼真✿✿◈★，能作为高质量数据加到自动驾驶模型训练过程中✿✿◈★。

　　黄仁勋回顾说✿✿◈★，在开始研究GeForce 25年后✿✿◈★，GeForce已经在全球范围内售罄✿✿◈★。GeForce将支持AI的CUDA带向世界✿✿◈★，现在AI彻底改变了计算机图形学✿✿◈★。

　　AI在10年间已经取得了巨大进步✿✿◈★。2023年的重大突破是AI智能体（AI Agents）✿✿◈★，AI智能体可以对如何回答或者解决问题进行推理✿✿◈★、在任务中进行规划✿✿◈★、理解多模态信息✿✿◈★、从网站中的视频中学习等✿✿◈★，然后通过这些学到的学习来执行任务✿✿◈★。

　　下一波浪潮是物理AI✿✿◈★，可以理解摩擦✿✿◈★、惯性和因果关系✿✿◈★，使机器人技术成为可能✿✿◈★，开辟出新的市场机会✿✿◈★。

　　关于AI智能体和物理AI有几个核心问题✿✿◈★：一是如何解决数据问题✿✿◈★，AI需要数据驱动✿✿◈★，需要数据来学习✿✿◈★、获得知识✿✿◈★；二是如何解决训练问题✿✿◈★，AI需要以超人的速度✿✿◈★、以人类无法达到的规模进行学习✿✿◈★；三是如何扩展实现Scaling Law✿✿◈★，如何找到一种算法让AI更聪明✿✿◈★。

　　首先从AI可以做什么开始✿✿◈★，AI可以逐步分解问题✿✿◈★、以不同方式解决同样问题✿✿◈★、为答案进行一致性检查等✿✿◈★。

　　当AI基于思维链进行一步步推理✿✿◈★、进行不同的路径规划时✿✿◈★，其不是生成一个token或一个单词✿✿◈★，而是生成一个表示推理步骤的单词序列✿✿◈★，因此生成的token数量会更多✿✿◈★，甚至增加100倍以上✿✿◈★。

　　三大AI Scaling Laws（预训练✿✿◈★、后训练✿✿◈★、测试时）对计算提出指数级需求✿✿◈★。随着计算成本增加✿✿◈★，需要全栈创新来降低成本/tokens✿✿◈★。

　　黄仁勋解释说✿✿◈★，模型更复杂✿✿◈★，生成的token多10倍✿✿◈★，为了保证模型的响应性和交互性✿✿◈★，因此计算速度必须提高10倍✿✿◈★。

　　其次是关于如何教AI✿✿◈★。教会AI如何推理的两个基本问题是数据从哪里来✿✿◈★、如何不受限制学习✿✿◈★，答案就是强化学习✿✿◈★。

　　人类历史上已经明确了二次方程的解法✿✿◈★、数独✿✿◈★、勾股定理等诸多知识✿✿◈★，基于数百个这样的案例可以生成数百万个例子让AI去解决✿✿◈★，然后使用强化学习来奖励✿✿◈★。这个过程中✿✿◈★，AI需要处理数百万个不同问题✿✿◈★、进行数百次尝试✿✿◈★，而每一次尝试都会生成数万个token✿✿◈★，这些都加到一起✿✿◈★，就会达到数万亿个token✿✿◈★。

　　AI变得更聪明✿✿◈★，使得训练这些模型所需的计算量大幅增长✿✿◈★。黄仁勋预计2030年末✿✿◈★，数据中心建设支出将达到1万亿美元✿✿◈★。

　　这背后的第一个动态变化是✿✿◈★，通用计算已经用完✿✿◈★，业界需要新的计算方式✿✿◈★，世界将经历手动编码软件到机器学习软件的平台转变✿✿◈★。

　　第二个变化是✿✿◈★，人们越来越认识到软件的未来需要大量投资✿✿◈★。这是因为计算机已经成为token的生成器✿✿◈★，基于生成式的计算构建AI工厂✿✿◈★，然后在AI工厂里生成tokens并重组为音乐✿✿◈★、文字✿✿◈★、视频✿✿◈★、化学品等各种类型的信息✿✿◈★。

　　作为AI行业风向标✿✿◈★，英伟达GTC 2025大会将举办超过1000场会议✿✿◈★、汇聚2000名演讲嘉宾和近400家参展商✿✿◈★，涵盖大语言模型✿✿◈★、物理AI✿✿◈★、云计算✿✿◈★、科学发现✿✿◈★、气候研究✿✿◈★、医疗健康✿✿◈★、网络安全✿✿◈★、人形机器人✿✿◈★、自动驾驶等主题✿✿◈★，并将举办首届量子日✿✿◈★，将汇集全球量子计算界和业内重要人物✿✿◈★，与黄仁勋共同探讨量子计算的现状和未来✿✿◈★。

　　现场参会者还能体验各种精心策划的活动✿✿◈★，包括数十场覆盖各个行业的演示✿✿◈★、实战培训✿✿◈★、自动驾驶汽车展览和试驾✿✿◈★，还有集结20家当地供应商和手艺人制作的小吃和商品的GTC夜市✿✿◈★，盲猜一波酷爱逛夜市的黄仁勋会惊喜现身✿✿◈★。必发888✿✿◈★，必发·bifa✿✿◈★，必发888唯一登录网站bifa·必发(中国)唯一官方网站bifa·必发✿✿◈★。必发bf88官网✿✿◈★。bifa88官网✿✿◈★，bf88必全站登入✿✿◈★，