88BIFA·(中国)集团

　　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✿✿✿、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数据线缆✿✿✿，✿✿✿。

　　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✿✿✿、谷歌DeepMind将合作开发开源物理引擎Newton✿✿✿。

　　10金博网✿✿✿、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金博网✿✿✿。

　　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”✿✿✿，从街巷✿✿✿、集市✿✿✿、高楼✿✿✿、餐厅✿✿✿、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✿✿✿、阿里云必发bifa官网✿✿✿，✿✿✿、百度✿✿✿、蚂蚁集团BFindex必发指数网✿✿✿、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✿✿✿，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金博网✿✿✿，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BFindex必发指数网✿✿✿，最高15PFLOPS✿✿✿。

　　该GPU增强了训练和测试时推理扩展✿✿✿，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BFindex必发指数网✿✿✿、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✿✿✿。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✿✿✿，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✿✿✿。

　　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金博网✿✿✿。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bifa·必发(中国)唯一官方网站✿✿✿，✿✿✿。

　　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✿✿✿，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✿✿✿。

　　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个实例金博网✿✿✿，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✿✿✿、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✿✿✿。

　　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BFindex必发指数网✿✿✿，确保下一代无线网络将是AI原生的必发唯一中国官方网站✿✿✿。✿✿✿。

　　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BFindex必发指数网✿✿✿，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金博网✿✿✿。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✿✿✿、网络安全金博网✿✿✿、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✿✿✿。