時間：2025年10月28日（美國東部時間中午12點(diǎn)，北京時間10月29日凌晨）

地點(diǎn)：華盛頓特區(qū)·沃爾特·E·華盛頓會議中心

演講時長：1小時43分鐘

黃仁勛主題演講全程

開場致辭

華盛頓特區(qū)！華盛頓特區(qū)，歡迎來到 GTC。很難不對美國感到感傷和自豪——我得告訴你。剛才那個視頻很棒，對吧？謝謝。英偉達(dá)的創(chuàng)意團(tuán)隊(duì)做得非常出色。

歡迎來到 GTC，今天我們有很多內(nèi)容要和大家分享。GTC 是我們討論行業(yè)、科學(xué)、計(jì)算、當(dāng)下與未來的地方。所以今天我有很多內(nèi)容要分享。

但在開始之前，我想感謝所有幫助、贊助這次盛會的合作伙伴。你們會在展會上看到他們，他們都在這里與大家見面。如果沒有整個生態(tài)系統(tǒng)的合作伙伴，我們就無法完成今天所做的事情。

人們說，這是人工智能的超級碗。那每一個超級碗，都該有一個精彩的賽前表演。你們覺得這個表演怎么樣？還有我們的全明星運(yùn)動員陣容，看看這些人。不知為何，我成了最健壯的那一個。你們覺得怎么樣？我不知道這是不是和我有關(guān)。

加速計(jì)算：超越摩爾定律

正如你們在視頻中看到的，英偉達(dá)在 60 年來首次發(fā)明了一種新的計(jì)算模型。新的計(jì)算模型非常罕見——它需要大量時間與特定條件。我們發(fā)明它，是為了應(yīng)對通用計(jì)算機(jī)無法解決的問題。

我們很早就觀察到，總有一天晶體管數(shù)量會繼續(xù)增加，但性能與功率卻會下降。摩爾定律終將失效，受物理極限的約束。那個時刻，現(xiàn)在已經(jīng)到來。登納德縮放定律在大約十年前就已停止。事實(shí)上，晶體管的性能及功率效率都已大幅下降，盡管數(shù)量仍在增長。

我們很久以前就看到了這一趨勢。過去 30 年，我們一直在推進(jìn)這種稱為“加速計(jì)算”的新型計(jì)算模式。

我們發(fā)明了 GPU，也創(chuàng)造了名為 CUDA 的編程模型。我們觀察到，如果能讓一個新的處理器利用更多晶體管，通過并行計(jì)算補(bǔ)充順序處理的 CPU，那么計(jì)算能力就能被大幅擴(kuò)展。

那個時刻真的到來了。我們已經(jīng)看到了那個拐點(diǎn)——加速計(jì)算的時代正式到來。

不過，加速計(jì)算是完全不同的編程模型。你不能只是把 CPU 上的順序程序直接放到 GPU 上運(yùn)行，那樣反而更慢。必須重新發(fā)明算法、創(chuàng)建新的庫、重寫整個應(yīng)用程序。這就是為什么我們花了將近三十年的時間，一次只專注解決一個領(lǐng)域。

CUDA-X：公司的真正寶藏

這是我們公司的財富。多數(shù)人談?wù)摰氖?GPU，GPU 當(dāng)然重要，但如果沒有建立在其之上的編程模型、沒有持續(xù)保持跨世代兼容，就不會有今天的生態(tài)。

我們即將推出 CUDA 13 與 CUDA 14。數(shù)億個 GPU、遍布全球的每臺計(jì)算機(jī)，完全兼容。如果我們沒做到這一點(diǎn)，開發(fā)者就不會以此為目標(biāo)平臺。如果我們沒有創(chuàng)建這些庫，開發(fā)者就不會知道如何調(diào)用算法，也無法充分發(fā)揮架構(gòu)潛能。這才是我們真正的寶藏。

cuLitho——計(jì)算光刻，我們花了近 7 年時間打造?，F(xiàn)在臺積電、三星、ASML 都在使用它，這是芯片制造流程的第一步。
cuOpt——數(shù)值優(yōu)化引擎，打破幾乎所有記錄。它能在供應(yīng)鏈中將數(shù)百萬種產(chǎn)品與數(shù)百萬客戶高效匹配。
Warp——面向 CUDA 的 Python 模擬求解器。
cuDF——加速 SQL 與 DataFrame 的數(shù)據(jù)引擎，是 AI 數(shù)據(jù)處理的啟動點(diǎn)。
cuDNN及其上的Megatron Core庫，使我們能夠模擬并訓(xùn)練極其大型的語言模型。

這樣的例子還有很多。MONAI——全球第一的醫(yī)學(xué)影像 AI 框架。順便說一句，今天我們不會過多談醫(yī)療，但請務(wù)必觀看金伯利的主題演講，她將介紹我們在醫(yī)療健康領(lǐng)域的工作。

類似的例子不勝枚舉：基因組學(xué)處理、空氣動力仿真……而今天我們還要做一件重要的事——cuQuantum，量子計(jì)算庫。這只是我們公司 350 個不同庫中的一部分代表。每一個庫都重新設(shè)計(jì)了加速計(jì)算的算法，讓我們的生態(tài)伙伴能充分利用 GPU 加速，并不斷開拓新的市場。

讓我們來看看 CUDA-X 能做什么。

很棒吧？你們看到的一切都是模擬——沒有藝術(shù)渲染，沒有動畫。這就是數(shù)學(xué)之美。這是計(jì)算機(jī)科學(xué)與數(shù)學(xué)的深度融合，令人難以置信的美妙。它涵蓋了每個行業(yè)，從醫(yī)療與生命科學(xué)，到制造、機(jī)器人、自動駕駛、計(jì)算機(jī)圖形，甚至電子游戲。

你們看到的第一張圖，就是英偉達(dá)最初的應(yīng)用程序。那是 1993 年，我們從那時起就相信自己要做的事。很難想象，從第一個虛擬格斗場景，到今天的超級計(jì)算生態(tài)，我們始終在踐行同一個信念。

這真是一段不可思議的旅程。我想感謝所有英偉達(dá)的員工，為這一切所做出的努力。真的太棒了。

今天我們要介紹很多內(nèi)容：人工智能、6G、量子計(jì)算、模型、企業(yè)計(jì)算、機(jī)器人與工廠。我們有很多重大消息要宣布，也有很多新的合作伙伴會讓你們驚喜。讓我們開始吧。

電信革命：與諾基亞合作推進(jìn) 6G

電信是我們經(jīng)濟(jì)、產(chǎn)業(yè)以及國家安全的支柱和命脈。自無線技術(shù)誕生以來，我們曾經(jīng)定義這項(xiàng)技術(shù)，制定全球標(biāo)準(zhǔn)，把美國技術(shù)出口到世界各地，讓全世界在美國技術(shù)和標(biāo)準(zhǔn)的基礎(chǔ)上建設(shè)。這種情況，已經(jīng)很久沒有發(fā)生過了。如今，世界各地的無線技術(shù)很大程度上都建立在外國技術(shù)之上。我們的基本通信結(jié)構(gòu)建立在外國技術(shù)的基礎(chǔ)上，而這種情況必須結(jié)束。我們有機(jī)會做到這一點(diǎn)，特別是在這個根本性的平臺轉(zhuǎn)折時期。

正如你們所知，計(jì)算機(jī)技術(shù)幾乎是每一個行業(yè)的基礎(chǔ)。它是科學(xué)最重要的工具，也是工業(yè)最重要的工具。我剛才說過，我們正在經(jīng)歷一次平臺轉(zhuǎn)變——一個一生只有一次的機(jī)會，讓我們重新回到賽場，讓我們再次用美國的技術(shù)去創(chuàng)新。

今天，我們宣布將這樣做。我們與諾基亞建立了大型合作伙伴關(guān)系。諾基亞是世界第二大電信設(shè)備制造商，這是一個價值 3 萬億美元的產(chǎn)業(yè)，基礎(chǔ)設(shè)施價值數(shù)千億美元，全球有數(shù)百萬個基站。如果我們能夠合作，就能在這項(xiàng)基于加速計(jì)算和人工智能的新技術(shù)之上進(jìn)行建設(shè)，讓美國成為 6G 革命的中心。

NVIDIA ARC：空中無線電網(wǎng)絡(luò)計(jì)算機(jī)

今天，我們宣布英偉達(dá)推出一條全新的產(chǎn)品線——NVIDIA ARC（Air Radio Computer），空中無線電網(wǎng)絡(luò)計(jì)算機(jī)，也稱為空中無線電接入網(wǎng)計(jì)算機(jī)。ARC 由三項(xiàng)核心技術(shù)構(gòu)建而成：Grace CPU、Blackwell GPU，以及我們專為此應(yīng)用設(shè)計(jì)的 ConnectX Mellanox ConnectX 網(wǎng)絡(luò)。所有這些組件使我們能夠運(yùn)行之前提到的 Aerial CUDA-X 庫。

Aerial 本質(zhì)上是一個運(yùn)行在 CUDA-X 之上的無線通信系統(tǒng)。我們將首次創(chuàng)造出一臺“軟件定義、可編程”的計(jì)算機(jī)，它能夠同時執(zhí)行無線通信與人工智能處理。這是徹底的革命性創(chuàng)新，我們稱之為NVIDIA ARC。

諾基亞將與我們合作，整合我們的技術(shù)，重寫他們的協(xié)議棧。這是一家擁有 7000 項(xiàng)關(guān)鍵 5G 專利的公司——很難想象在電信領(lǐng)域有比他們更出色的領(lǐng)導(dǎo)者。我們將與諾基亞攜手，把 NVIDIA ARC 作為他們未來的基站平臺。

NVIDIA ARC 與諾基亞現(xiàn)有的 AirScale 基站完全兼容。這意味著，我們能夠?qū)⑦@項(xiàng)新技術(shù)部署到全球數(shù)百萬個基站，通過 6G 與人工智能實(shí)現(xiàn)升級。

6G 與人工智能至關(guān)重要，因?yàn)槲覀儗⑹状文軌蚴褂?AI 技術(shù)應(yīng)用于 RAN（無線接入網(wǎng)），從而顯著提升頻譜效率。AI 和強(qiáng)化學(xué)習(xí)可以根據(jù)環(huán)境、流量、移動性、天氣等因素，實(shí)時且有針對性地調(diào)整波束成形，提高頻譜使用率。頻譜效率影響全球約 1.5% 到 2% 的電力消耗。提高頻譜效率，不僅能在不增加能耗的情況下傳輸更多數(shù)據(jù)，也能讓通信網(wǎng)絡(luò)更加智能。

我們還可以做另一件事——“用于 RAN 的人工智能”，以及“RAN 上的人工智能”。這將開啟一個全新的機(jī)會。記住，互聯(lián)網(wǎng)實(shí)現(xiàn)了通信，而令人驚訝的是，像 AWS 這樣的智能公司在互聯(lián)網(wǎng)之上構(gòu)建了云計(jì)算系統(tǒng)。我們現(xiàn)在將在無線通信網(wǎng)絡(luò)之上做同樣的事情。這個新的“云”將是一個邊緣工業(yè)機(jī)器人云。

第一個層面是“用于 RAN 的人工智能”，它可以提升無線電頻譜效率；第二個層面是“RAN 上的人工智能”，本質(zhì)上是為無線通信系統(tǒng)提供的云計(jì)算平臺。這個云計(jì)算將直接延伸到邊緣——沒有數(shù)據(jù)中心的地方，因?yàn)槿蚋鞯囟加谢尽?/p>

這真是一個令人振奮的公告。諾基亞首席執(zhí)行官賈斯汀·霍達(dá)（Justin Hoda），我想他就在這里——感謝你們的合作，也感謝你們幫助美國把電信技術(shù)帶回美國。這是一次非常棒的合作，也是慶祝諾基亞的最佳方式。謝謝。

量子計(jì)算的突破

讓我們來談?wù)劻孔佑?jì)算。1981 年，粒子物理學(xué)家、量子物理學(xué)家理查德·費(fèi)曼提出了一種能夠直接模擬自然的新型計(jì)算機(jī)——因?yàn)樽匀槐旧砭褪橇孔拥?。他稱之為“量子計(jì)算機(jī)”。

四十年過去，這個領(lǐng)域終于迎來了根本性的突破。就在去年，量子計(jì)算領(lǐng)域取得了一個真正的里程碑：我們現(xiàn)在能夠制造出“邏輯量子比特”——一個相干、穩(wěn)定并經(jīng)過糾錯的邏輯量子比特。

一個邏輯量子比特有時由十個，有時由數(shù)百個物理量子比特協(xié)同構(gòu)成。大家知道，量子比特極其脆弱，任何外界觀察、采樣或環(huán)境變化都會破壞其相干性。因此，我們需要極其可控的環(huán)境，還需要許多物理量子比特一起工作，以便進(jìn)行誤差校正，通過輔助量子比特（或稱 syndrom 量子比特）推斷出邏輯量子比特的狀態(tài)。

目前，業(yè)界存在多種量子計(jì)算機(jī)路線：超導(dǎo)、光子、囚禁離子、穩(wěn)定原子等，不同的方式都有其探索路徑。

我們現(xiàn)在意識到一件關(guān)鍵的事：將量子計(jì)算機(jī)直接連接到 GPU 超級計(jì)算機(jī)至關(guān)重要。這樣我們才能進(jìn)行誤差校正、AI 校準(zhǔn)與控制，并在兩者之間進(jìn)行協(xié)同模擬。正確的算法在 GPU 上運(yùn)行，正確的算法在 QPU 上運(yùn)行，兩臺計(jì)算機(jī)并肩協(xié)作——這，就是量子計(jì)算的未來。

你知道，首席執(zhí)行官們，我們不僅僅是坐在辦公桌前敲鍵盤——這真是一項(xiàng)“體力活”。所以今天，我們宣布推出NVQLink。

這項(xiàng)互聯(lián)技術(shù)使得 GPU 與量子計(jì)算機(jī)可以進(jìn)行實(shí)時協(xié)作，用于控制與校準(zhǔn)、量子糾錯以及混合模擬。更重要的是，它是完全可擴(kuò)展的架構(gòu)。它不僅能為今天的數(shù)百量子比特提供誤差校正，也為未來的數(shù)萬甚至數(shù)十萬個量子比特打下基礎(chǔ)。我們終于擁有了一種能夠控制、協(xié)同模擬、執(zhí)行量子糾錯并持續(xù)擴(kuò)展的體系結(jié)構(gòu)。

行業(yè)支持與能源部合作

在 CUDA-Q 發(fā)明之后，行業(yè)給予了極大的支持。要知道，CUDA 最初是為 GPU、CPU 加速計(jì)算設(shè)計(jì)的，讓兩種處理器各自發(fā)揮所長。而現(xiàn)在，CUDA-Q 把這種理念擴(kuò)展到了 QPU（量子處理單元），讓 GPU 與 QPU 能夠在幾微秒內(nèi)相互傳遞計(jì)算任務(wù)——這種延遲控制是實(shí)現(xiàn)混合量子計(jì)算的關(guān)鍵。

如今，CUDA-Q 已被眾多開發(fā)者采用。我們今天宣布，已有 17 家量子計(jì)算公司支持 NVQLink。同時，還有8 個美國能源部實(shí)驗(yàn)室與我們合作，包括伯克利、布魯克海文、芝加哥費(fèi)米實(shí)驗(yàn)室、林肯實(shí)驗(yàn)室、洛斯阿拉莫斯、橡樹嶺、太平洋西北和圣地亞哥國家實(shí)驗(yàn)室。幾乎每一個能源部實(shí)驗(yàn)室都在與我們及量子計(jì)算生態(tài)伙伴攜手，將量子計(jì)算融入科學(xué)的未來。

我還有一個重要的宣布：能源部正與英偉達(dá)合作，建設(shè) 7 臺全新的 AI 超級計(jì)算機(jī)，用于推動美國科學(xué)發(fā)展。

我必須特別致敬能源部長克里斯·賴特。他為能源部注入了驚人的活力與熱情，讓美國再次走在科學(xué)最前沿。正如我所提到的，計(jì)算是科學(xué)的基本工具，而我們正經(jīng)歷多重平臺轉(zhuǎn)型。

一方面，是加速計(jì)算——未來的每一臺超級計(jì)算機(jī)都將以 GPU 為核心。

另一方面，是人工智能——AI 與基于原理的模擬、物理求解器將協(xié)同工作，相互增強(qiáng)。

此外，經(jīng)典計(jì)算也將與量子計(jì)算融合，用于理解自然界的真實(shí)狀態(tài)。

未來，我們要面對前所未有的數(shù)據(jù)規(guī)模與信號密度。遙感、實(shí)驗(yàn)、模擬都將需要更高效的方式進(jìn)行。而這些實(shí)驗(yàn)室若想以我們期望的規(guī)模和速度前進(jìn)，就必須成為“機(jī)器人工廠”，成為“機(jī)器人實(shí)驗(yàn)室”。

所有這些技術(shù)正同時進(jìn)入科學(xué)體系。賴特部長深刻理解這一點(diǎn)——他希望能源部抓住這一時刻，全面提升能力，確保美國繼續(xù)引領(lǐng)科學(xué)的未來。

人工智能：新的工業(yè)革命

讓我們來談?wù)勅斯ぶ悄堋Ｊ裁词侨斯ぶ悄?？大多?shù)人會說人工智能是一個聊天機(jī)器人，這是理所當(dāng)然的。毫無疑問，ChatGPT正處于人們所認(rèn)為的AI的前沿。然而，正如你此刻所見，這些科學(xué)超級計(jì)算機(jī)不會運(yùn)行聊天機(jī)器人，他們將從事基礎(chǔ)科學(xué)研究。

科學(xué)AI的世界遠(yuǎn)比想象中更廣闊，遠(yuǎn)不止是一個聊天機(jī)器人。當(dāng)然，聊天機(jī)器人極其重要，而通用AI則具有根本性的關(guān)鍵意義。深層計(jì)算機(jī)科學(xué)、非凡的計(jì)算能力以及重大突破，仍是實(shí)現(xiàn)AGI的關(guān)鍵要素。但除此之外，AI還有更多可能。

AI重構(gòu)計(jì)算堆棧

實(shí)際上，我將用幾種不同的方式來描述AI。第一種方式，即人們最初對AI的認(rèn)知，是它徹底重構(gòu)了計(jì)算棧。我們過去做軟件的方式是手工編碼，在CPU上運(yùn)行手工編碼軟件。如今，AI就是機(jī)器學(xué)習(xí)、訓(xùn)練，或者說數(shù)據(jù)密集型編程，由在GPU上運(yùn)行的AI訓(xùn)練和學(xué)習(xí)而成。為實(shí)現(xiàn)這一目標(biāo)，整個計(jì)算棧已發(fā)生改變。

注意，你在這兒看不到Windows，也看不到CPU。你看到的是完全不同的、從根本上截然不同的架構(gòu)。在能源之上還有這些GPU。這些GPU被連接到、集成到我稍后將展示的基礎(chǔ)設(shè)施中。在這項(xiàng)基礎(chǔ)設(shè)施之上——它由巨型數(shù)據(jù)中心構(gòu)成，其規(guī)模輕松達(dá)到這個房間的數(shù)倍之多。巨大的能量隨后通過名為GPU超級計(jì)算機(jī)的新設(shè)備轉(zhuǎn)化，從而生成數(shù)據(jù)。這些數(shù)字被稱為tokens。

語言，也就是計(jì)算的基本單位，是AI的詞匯表。幾乎任何東西都可以進(jìn)行tokens化。當(dāng)然，你可以對英語單詞進(jìn)行分詞處理，你可以對圖像進(jìn)行分詞處理，這就是你能夠識別圖像或生成圖像的原因。對視頻進(jìn)行分詞，對3D結(jié)構(gòu)進(jìn)行分詞。你可以對化學(xué)物質(zhì)、蛋白質(zhì)和基因進(jìn)行tokens化處理，你可以對單元格進(jìn)行tokens化處理，將具有結(jié)構(gòu)的幾乎任何事物、具有信息內(nèi)容的任何事物進(jìn)行分詞處理。

一旦能夠?qū)⑵鋞okens化，AI就能學(xué)習(xí)該語言及其含義。一旦它學(xué)會了那種語言的含義，它就能翻譯，它能回應(yīng)，就像你與ChatGPT互動那樣，它能生成內(nèi)容。因此，你所看到ChatGPT所做的一切基礎(chǔ)功能，你只需想象一下，如果它是一種蛋白質(zhì)會怎樣？如果它是一種化學(xué)物質(zhì)呢？如果它是一個3D結(jié)構(gòu)，比如工廠呢？如果它是一個機(jī)器人，而tokens是理解行為并將其轉(zhuǎn)化為動作和行為的標(biāo)記呢？所有這些概念基本上是一樣的。這正是AI取得如此非凡進(jìn)展的原因。

在這些模型之上還有應(yīng)用程序。Transformers是一個極其有效的模型，但并不存在放之四海皆準(zhǔn)的通用模型。只是AI具有普遍影響。模型種類繁多。在過去的幾年里，我們享受了發(fā)明帶來的樂趣，并經(jīng)歷了創(chuàng)新的洗禮，例如多模態(tài)的突破。有這么多不同類型的模型，有CNN模型（卷積神經(jīng)網(wǎng)絡(luò)模型），有狀態(tài)空間模型，也有圖神經(jīng)網(wǎng)絡(luò)模型，多模態(tài)模型，當(dāng)然，還包括我剛才描述的所有不同的分詞方式和分詞方法。

你可以構(gòu)建在理解層面具有空間特性、針對空間感知能力進(jìn)行了優(yōu)化的模型。你可以擁有針對長序列進(jìn)行優(yōu)化、在較長時間內(nèi)識別微妙信息的模型。有如此多不同類型的模型。在這些模型之上，還有構(gòu)建在這些模型架構(gòu)之上的架構(gòu)——這些就是應(yīng)用程序。

AI是工作者，不是工具

過去的軟件產(chǎn)業(yè)致力于創(chuàng)造工具。Excel是一個工具，Word是一款工具，網(wǎng)頁瀏覽器是一種工具。我之所以知道這些是工具，是因?yàn)槟闶褂盟鼈?。工具行業(yè)，正如螺絲刀和錘子，其規(guī)模有限。就IT工具而言，它們可以是數(shù)據(jù)庫工具，這些IT工具的價值約為一萬億美元左右。

但AI并非工具，AI是工作，這就是本質(zhì)上的區(qū)別。AI實(shí)際上就是能夠真正使用工具的勞動者。我特別興奮的一件事，就是歐文在Perplexity公司開展的工作。Perplexity使用網(wǎng)頁瀏覽器預(yù)訂假期或購物，本質(zhì)上就是一個使用工具的AI。Cursor是一款A(yù)I系統(tǒng)，是我們在英偉達(dá)使用的具有自主決策能力的AI系統(tǒng)。英偉達(dá)的每位軟件工程師都在使用Cursor，它極大地提高了我們的生產(chǎn)效率。它基本上是每位軟件工程師的代碼生成助手，并且它使用了一個工具，它使用的工具名為VSCode。因此，Cursor是一個基于VSCode的智能代理式AI系統(tǒng)。

所有這些不同的行業(yè)，無論是聊天機(jī)器人、數(shù)字生物學(xué)、AI助手研究員，還有在自動駕駛出租車內(nèi)，當(dāng)然，AI司機(jī)是無形的。但顯然有一個AI司機(jī)在工作，而他完成這項(xiàng)工作的工具就是汽車。因此，我們迄今為止所創(chuàng)造的一切，整個世界，我們迄今為止創(chuàng)造的一切，都是工具，供我們使用的工具。技術(shù)如今首次能夠承擔(dān)工作，并幫助我們提高生產(chǎn)力。機(jī)遇清單源源不斷，這正是AI能夠觸及IT從未涉足的經(jīng)濟(jì)領(lǐng)域的原因。

IT是支撐著100萬億美元全球經(jīng)濟(jì)的工具之下，蘊(yùn)藏著數(shù)萬億美元價值的基石。如今，AI將首次參與這100萬億美元的經(jīng)濟(jì)體，并提升其生產(chǎn)力，讓它增長得更快，變得更大。我們面臨嚴(yán)重的勞動力短缺問題，擁有能夠增強(qiáng)勞動力的AI將助力我們實(shí)現(xiàn)增長。

從科技產(chǎn)業(yè)的角度來看，這點(diǎn)同樣耐人尋味：除了AI作為新興技術(shù)正在開拓經(jīng)濟(jì)新領(lǐng)域之外，AI本身也是一種新興產(chǎn)業(yè)。正如我先前所解釋的，這個token，這些數(shù)字，在你對所有這些不同信息模態(tài)進(jìn)行token化之后，需要有一個工廠來生產(chǎn)這些數(shù)字。與過去的計(jì)算機(jī)行業(yè)和芯片行業(yè)不同。

注意，如果你看過去的芯片行業(yè)，芯片行業(yè)大約占多萬億美元IT行業(yè)的5%到10%，也許更少，大約5%左右。原因在于，使用Excel不需要那么多計(jì)算。使用瀏覽器不需要那么多計(jì)算。使用Word不需要那么多計(jì)算。我們進(jìn)行計(jì)算。但在這個新世界里，需要有一臺計(jì)算機(jī)始終理解上下文。它無法預(yù)先計(jì)算，因?yàn)槊看文闶褂肁I計(jì)算機(jī)時，每次你要求AI做某事時，上下文都不同。所以，它必須處理所有這些信息。環(huán)境信息，例如在自動駕駛汽車的情況下，它必須處理汽車的上下文。上下文處理。你要求AI做什么的指令是什么？然后它必須去分解問題，逐步推理，想出一個計(jì)劃并執(zhí)行它。每一個步驟都需要生成大量的tokens，這就是為什么我們需要一種新型系統(tǒng)，我稱之為AI工廠。簡稱AI工廠。

AI工廠的誕生

它不像過去的數(shù)據(jù)中心。它是一個AI工廠，因?yàn)檫@個工廠生產(chǎn)一件東西，不像過去的數(shù)據(jù)中心做所有事情。為我們所有人存儲文件，運(yùn)行各種不同的應(yīng)用程序。你可以像使用計(jì)算機(jī)一樣使用那個數(shù)據(jù)中心進(jìn)行各種應(yīng)用。你可以用它玩游戲。你可以用它瀏覽網(wǎng)頁。你可以用它做賬。所以那是過去的計(jì)算機(jī)，一個通用的通用計(jì)算機(jī)。

我在這里談?wù)摰挠?jì)算機(jī)是一個工廠。它基本上運(yùn)行一件事。它運(yùn)行AI，其目的，其目的是設(shè)計(jì)生產(chǎn)盡可能有價值的tokens，這意味著它們必須是智能的。你希望以驚人的速度生產(chǎn)這些tokens，因?yàn)楫?dāng)你向AI索要東西時，你希望它回應(yīng)。注意在高峰時段，這些AI現(xiàn)在響應(yīng)越來越慢，因?yàn)樗泻芏喙ぷ饕獮楹芏嗳俗?。所以你想以驚人的速度生產(chǎn)有價值的tokens，你想以成本效益的方式生產(chǎn)它。我使用的每一個詞都與AI工廠一致，與汽車工廠或任何工廠一致。它絕對是一個工廠。這些工廠，這些工廠以前從未存在過。在這些工廠內(nèi)部是堆積如山的芯片。

這就引出了今天。過去幾年發(fā)生了什么？事實(shí)上，今年發(fā)生了什么？今年發(fā)生了一些相當(dāng)深刻的事情。實(shí)際上，如果你看年初，每個人對AI都有一些態(tài)度。那種態(tài)度通常是這將是大事。這將是未來。不知何故，幾個月前，它進(jìn)入了渦輪增壓狀態(tài)。原因有幾個。

AI的三大縮放定律

首先是我們在過去幾年中找到了如何讓AI變得更加聰明的方法。而不僅僅是預(yù)訓(xùn)練，預(yù)訓(xùn)練基本上是說讓我們采用人類創(chuàng)造的所有信息。讓我們把它給AI學(xué)習(xí)。這本質(zhì)上是記憶和泛化。

這就像我們小時候上學(xué)一樣。學(xué)習(xí)的第一階段。預(yù)訓(xùn)練從來不是，就像學(xué)前教育從來不是教育的終點(diǎn)。預(yù)訓(xùn)練，學(xué)前教育只是教你智能的基本技能，這樣你就可以學(xué)習(xí)其他一切。沒有詞匯，不理解語言和如何交流，如何思考，就不可能學(xué)習(xí)其他一切。接下來是后訓(xùn)練。預(yù)訓(xùn)練后的后訓(xùn)練是教你技能。解決問題的技能。分解問題。推理。如何解決數(shù)學(xué)問題。如何編碼。如何逐步思考這些問題。使用第一原理推理。

然后之后就是計(jì)算真正發(fā)揮作用的地方。如你所知，對我們許多人來說，你知道，我們上了學(xué)，在我的情況下是幾十年前。但從那以后我學(xué)到了更多，思考了更多。原因是我們不斷地將自己扎根于新知識。我們不斷地進(jìn)行研究，我們不斷地思考。思考才是智能的真正所在。

所以現(xiàn)在我們有三項(xiàng)基本技術(shù)技能。我們有這三項(xiàng)技術(shù)。預(yù)訓(xùn)練，仍然需要巨大的計(jì)算量。我們現(xiàn)在有后訓(xùn)練，它使用更多的計(jì)算，現(xiàn)在思考對基礎(chǔ)設(shè)施施加了難以置信的計(jì)算負(fù)載，因?yàn)樗砦覀兠總€人思考。因此AI思考推理所需的計(jì)算量真的非常驚人。

現(xiàn)在我以前聽人說推理很容易。英偉達(dá)應(yīng)該做訓(xùn)練。英偉達(dá)將做，你知道，他們真的擅長這個。所以他們將做訓(xùn)練。推理很容易。思考怎么可能容易？重復(fù)記憶的內(nèi)容很容易。重復(fù)乘法表很容易。思考很難。這就是為什么這三個規(guī)模，這三個新的縮放定律，全力運(yùn)行，對計(jì)算量施加了如此大的壓力。

現(xiàn)在從這三個縮放定律中發(fā)生了另一件事。我們得到更智能的模型，這些更智能的模型需要更多計(jì)算。但當(dāng)你得到更智能的模型時，你得到更多智能。人們使用它。

那么，我說到哪里了？你的模型越聰明，你的模型越聰明，就有更多人使用它。它現(xiàn)在更扎根。它能夠推理。它能夠解決它以前從未學(xué)過如何解決的問題，因?yàn)樗梢宰鲅芯?。去學(xué)習(xí)它?；貋恚纸馑?，推理如何回答你的問題，如何解決你的問題，然后去解決它。思考量使模型更智能。它越智能，就有越多人使用它。它越智能，就需要越多計(jì)算。但這是發(fā)生的事情。

去年，AI行業(yè)轉(zhuǎn)過了拐點(diǎn)，這意味著AI模型現(xiàn)在足夠聰明了。它們正在賺錢，它們是值得的。它們值得付費(fèi)。英偉達(dá)為Cursor的每個許可證付費(fèi)。我們很樂意這樣做。我們很樂意這樣做，因?yàn)镃ursor正在幫助數(shù)十萬名軟件工程師或AI研究員提高許多倍的生產(chǎn)力。所以，當(dāng)然，我們非常樂意這樣做。這些AI模型已經(jīng)變得足夠好，值得為它們付費(fèi)。Cursor、ElevenLabs、Synthesia、D-ID、Open Evidence，名單還在繼續(xù)。當(dāng)然，OpenAI，當(dāng)然，Claude。這些模型現(xiàn)在如此出色，人們正在為它們付費(fèi)。因?yàn)槿藗優(yōu)樗鼈兏顿M(fèi)并使用更多，每次他們使用更多，你就需要更多計(jì)算。我們現(xiàn)在有兩個指數(shù)。

這兩個指數(shù)，一個是三個縮放定律的指數(shù)計(jì)算需求。第二個指數(shù)，越多人，它越聰明，越多人使用它，越多人使用它，它需要越多計(jì)算。兩個指數(shù)現(xiàn)在正在給世界的計(jì)算資源施加壓力，恰恰在我之前告訴你的，摩爾定律基本上已經(jīng)結(jié)束的時候。

所以問題是我們該怎么辦？如果我們有這兩個指數(shù)需求增長，如果我們找不到降低成本的方法，那么這個正反饋系統(tǒng)，這個循環(huán)反饋系統(tǒng)，本質(zhì)上稱為良性循環(huán)，對幾乎任何行業(yè)都至關(guān)重要，對任何平臺行業(yè)都至關(guān)重要。這對英偉達(dá)至關(guān)重要。我們現(xiàn)在已經(jīng)達(dá)到了CUDA的良性循環(huán)。應(yīng)用程序越多，人們創(chuàng)建的應(yīng)用程序越多，CUDA就越有價值。CUDA越有價值，購買的CUDA計(jì)算機(jī)就越多。購買的CUDA計(jì)算機(jī)越多，開發(fā)者就越想為它創(chuàng)建應(yīng)用程序。英偉達(dá)的這個良性循環(huán)在30年后已經(jīng)實(shí)現(xiàn)。我們也實(shí)現(xiàn)了這一點(diǎn)。15年后，我們?yōu)锳I實(shí)現(xiàn)了這一點(diǎn)。AI現(xiàn)在已經(jīng)達(dá)到了良性循環(huán)，所以你使用它越多，因?yàn)锳I很聰明，我們?yōu)樗顿M(fèi)，產(chǎn)生的利潤就越多，產(chǎn)生的利潤越多，投入到網(wǎng)格上的計(jì)算就越多，投入到AI工廠的計(jì)算就越多，AI變得越聰明，越多人使用它，更多應(yīng)用程序使用它，我們可以解決更多問題。

這個良性循環(huán)現(xiàn)在正在旋轉(zhuǎn)。我們需要做的是大幅降低成本。這樣一來，用戶體驗(yàn)更好，當(dāng)你提示AI時，它會更快地回應(yīng)你，二來，我們通過降低成本來保持這個良性循環(huán)運(yùn)轉(zhuǎn)，這樣它可以變得更聰明，這樣更多人使用它，如此等等。這個良性循環(huán)現(xiàn)在正在旋轉(zhuǎn)，但當(dāng)摩爾定律真的達(dá)到這個極限時，我們該如何做到這一點(diǎn)呢？

極致協(xié)同設(shè)計(jì)

答案叫做協(xié)同設(shè)計(jì)。你不能只是設(shè)計(jì)芯片，然后希望它上面的東西會變得更快。你在設(shè)計(jì)芯片方面能做的最好的事情是每隔幾年增加我不知道50%的晶體管，如果你增加更多晶體管，你知道我們可以增加更多晶體管，臺積電有很多晶體管，令人難以置信的公司，我們只是不斷增加更多晶體管，然而那都是百分比，不是指數(shù)。我們需要復(fù)合指數(shù)來保持這個良性循環(huán)運(yùn)轉(zhuǎn)。

極致協(xié)同設(shè)計(jì)是當(dāng)今世界上唯一一家公司，它真正從一張白紙開始，可以思考新的基本架構(gòu)、計(jì)算機(jī)架構(gòu)、新芯片、新系統(tǒng)、新軟件、新模型架構(gòu)和新應(yīng)用程序，全部同時進(jìn)行。所以這個房間里的很多人都在這里，因?yàn)槟銈兪悄莻€堆棧不同部分的不同部分，與英偉達(dá)合作。我們從頭開始徹底重新設(shè)計(jì)一切，然后因?yàn)锳I是如此大的問題，我們把它放大。

我們創(chuàng)造了一臺完整的計(jì)算機(jī)，有史以來第一次擴(kuò)展到整個機(jī)架的計(jì)算機(jī)。那是一臺計(jì)算機(jī)，一個GPU。然后我們通過發(fā)明一種新的AI以太網(wǎng)技術(shù)來擴(kuò)展它，我們稱之為Spectrum以太網(wǎng)。每個人都會說以太網(wǎng)就是以太網(wǎng)。以太網(wǎng)幾乎不是以太網(wǎng)。以太網(wǎng)Spectrum-X以太網(wǎng)是為AI性能設(shè)計(jì)的，這就是它如此成功的原因。

即使那還不夠大。我們將用AI超級計(jì)算機(jī)和GPU填滿整個房間。那還不夠大，因?yàn)锳I的應(yīng)用程序數(shù)量和用戶數(shù)量繼續(xù)呈指數(shù)增長。我們將多個這樣的數(shù)據(jù)中心連接在一起，我們稱之為跨越Spectrum-XGS千兆規(guī)模X Spectrum-X千兆規(guī)模XGS。

通過這樣做，我們在如此巨大的水平上進(jìn)行協(xié)同設(shè)計(jì)，如此極端的水平，性能優(yōu)勢是令人震驚的。不是每一代提高50%，不是每一代提高25%，而是要多得多。這是我們制造過的最極端的協(xié)同設(shè)計(jì)計(jì)算機(jī)，坦率地說，是現(xiàn)代制造的。自IBM system 360以來，我認(rèn)為計(jì)算機(jī)從未像這樣從頭開始重新發(fā)明過。這個系統(tǒng)創(chuàng)建起來非常困難。我馬上會向你展示好處。

Grace Blackwell NVL72

但基本上我們所做的，基本上我們所做的，我們創(chuàng)造了……嘿，Janine，你可以出來了。你必須跟我走到一半。好吧。所以，這有點(diǎn)像美國隊(duì)長的盾牌。

所以，NVL72，如果我們要創(chuàng)建一個巨大的芯片，一個巨大的GPU，它會是這樣的。這就是我們必須進(jìn)行的晶圓級處理的水平。這太不可思議了。所有這些，所有這些芯片現(xiàn)在都被放入一個巨大的機(jī)架中。

是我做的還是其他人做的？進(jìn)入那一個巨大的機(jī)架。你知道，有時候我覺得我不是一個人在這里。只是這一個巨大的機(jī)架讓所有這些芯片作為一個整體工作。這實(shí)際上是完全不可思議的。我會向你展示好處。它看起來像這樣。所以，謝謝，Janine。

我喜歡這個。好吧，女士們先生們，Janine Paul。我明白了。將來下一次，我就要像雷神那樣。就像當(dāng)你在家里夠不到遙控器時，你就這樣做，有人把它拿給你。那是的。同樣的想法。我從來沒有遇到過。我只是在做夢。我只是說。好的。所以，無論如何，無論如何，我們基本上，這是我們過去創(chuàng)造的。這是NVLink 8。

現(xiàn)在，這些模型是如此巨大。我們解決它的方法是將這個模型，這個巨大的模型，變成一大堆專家。這有點(diǎn)像一個團(tuán)隊(duì)。所以，這些專家擅長某些類型的問題。我們將一大堆專家集合在一起。所以，這個巨大的數(shù)萬億參數(shù)AI模型有所有這些不同的專家，我們將所有這些不同的專家放在一個GPU上。

現(xiàn)在，這是NVL72。我們可以將所有芯片放入一個巨大的結(jié)構(gòu)中，每一個專家都可以相互交談。所以主專家，主要專家可以與所有真正的工作以及所有必要的上下文和提示以及我們必須發(fā)送給所有專家的大量數(shù)據(jù)，我們必須發(fā)送給所有專家的大量tokens交談。被選中解決答案的專家中的任何一個，然后會去嘗試回應(yīng)，然后它會去做那一層又一層。有時八層，有時16層，有時這些專家，有時64個，有時256個。但關(guān)鍵是有越來越多的專家。好吧，這里NVL72，我們有72個GPU。因此，我們可以在一個GPU中放入四個專家。

你需要為每個GPU做的最重要的事情是生成tokens，這就是你在HBM內(nèi)存中擁有的帶寬量。我們有一個H一個GPU為四個專家生成思考，而這里因?yàn)檫@些計(jì)算機(jī)每個只能放8個GPU。我們必須將32個專家放入一個GPU。所以這一個GPU必須為32個專家思考，而這個系統(tǒng)每個GPU只需要為四個專家思考。因此，速度差異是令人難以置信的。

這個剛剛出來。這是Semi Analysis做的基準(zhǔn)測試。他們做得非常非常徹底，他們對所有可以基準(zhǔn)測試的GPU進(jìn)行了基準(zhǔn)測試，事實(shí)證明并不多。如果你看可以實(shí)際基準(zhǔn)測試的GPU列表，大約90%是英偉達(dá)。好的。但所以我們在與自己比較，但世界上第二好的GPU是H200，它運(yùn)行所有工作負(fù)載。

Grace Blackwell每個GPU是10倍的性能?，F(xiàn)在，當(dāng)它只有兩倍的晶體管數(shù)量時，你如何獲得10倍的性能？答案是極致協(xié)同設(shè)計(jì)。通過理解未來AI模型的本質(zhì)，我們在整個堆棧中思考，我們可以為未來創(chuàng)建架構(gòu)。這是一件大事。它說我們現(xiàn)在可以更快地響應(yīng)。但這是更大的事情。這下一個，看看這個。這說的是世界上成本最低的tokens是由Grace Blackwell NVLink 72生成的。最昂貴的計(jì)算機(jī)。

一方面，GB200是最昂貴的計(jì)算機(jī)。另一方面，它的token生成能力非常強(qiáng)大，以至于它以最低的成本生產(chǎn)，因?yàn)槊棵雝okens除以Grace Blackwell的總擁有成本非常好。這是生成tokens的成本最低的方式。通過這樣做，提供令人難以置信的性能，10倍的性能，提供10倍更低的成本，那個良性循環(huán)可以繼續(xù)。

CSP資本支出與市場需求

這就引出了這個。我昨天才看到這個。這是CSP資本支出。這些天人們問我關(guān)于資本支出的問題，這是看待它的好方法。事實(shí)上，前六大CSP的資本支出，這一個是亞馬遜、Coreweave、谷歌、Meta、微軟和Oracle。好的，這些CSP一起將在資本支出上投資這么多，我會告訴你時機(jī)再好不過了，原因是現(xiàn)在我們有了Grace Blackwell NVLink 72，在全球所有地方都在大規(guī)模生產(chǎn)供應(yīng)鏈制造它。所以我們現(xiàn)在可以向所有人交付這種新架構(gòu)，這樣資本支出投資于提供最佳TCO的儀器計(jì)算機(jī)。

現(xiàn)在在這下面發(fā)生了兩件事。所以當(dāng)你看這個時，它實(shí)際上相當(dāng)非凡，無論如何它相當(dāng)非凡。但下面正在發(fā)生的是，有兩個平臺轉(zhuǎn)變同時發(fā)生。一個平臺轉(zhuǎn)變是從通用計(jì)算到加速計(jì)算。

記住加速計(jì)算，正如我之前提到的，它做數(shù)據(jù)處理，它做圖像處理，計(jì)算機(jī)圖形，它做各種計(jì)算。它運(yùn)行SQL，運(yùn)行Spark，它運(yùn)行，你知道，你問它，你告訴我們你需要運(yùn)行什么，我相當(dāng)確定我們有一個很棒的庫給你。你可以是，你知道，一個試圖制造掩模來制造半導(dǎo)體的數(shù)據(jù)中心。我們有一個很棒的庫給你。

所以無論AI如何，世界正在從通用計(jì)算轉(zhuǎn)向加速計(jì)算，無論AI如何。事實(shí)上，許多CSP已經(jīng)有了很久以前在AI之前就有的服務(wù)。記住，它們是在機(jī)器學(xué)習(xí)時代發(fā)明的。經(jīng)典機(jī)器學(xué)習(xí)算法，如XGBoost，算法如數(shù)據(jù)框，用于推薦系統(tǒng)，協(xié)同過濾，內(nèi)容過濾，所有這些技術(shù)都是在通用計(jì)算的舊時代創(chuàng)建的。即使是那些算法，即使是那些架構(gòu)，現(xiàn)在用加速計(jì)算會更好。所以即使沒有AI，世界的CSP也將投資于加速。英偉達(dá)的GPU是唯一可以做所有這些加上AI的GPU。ASIC可能能夠做AI，但它不能做任何其他的。英偉達(dá)可以做所有這些，這解釋了為什么傾向于英偉達(dá)的架構(gòu)是如此安全。

我們現(xiàn)在已經(jīng)達(dá)到了我們的良性循環(huán)，我們的拐點(diǎn)。這是非常非凡的。我有很多合作伙伴在房間里，你們所有人都是我們供應(yīng)鏈的一部分，我知道你們有多努力工作。我想感謝你們所有人有多努力工作，非常感謝。

現(xiàn)在我要向你展示為什么這就是我們公司業(yè)務(wù)中正在發(fā)生的事情。我們看到Grace Blackwell的非凡增長，原因就是我剛才提到的所有原因。它由兩個指數(shù)驅(qū)動。我們現(xiàn)在有可見性。我認(rèn)為我們可能是歷史上第一家在2026年之前擁有累計(jì)5000億美元Blackwell和Rubin早期增長的可見性的科技公司。如你所知，2025年還沒有結(jié)束，2026年還沒有開始。這是賬面上的業(yè)務(wù)量。到目前為止價值5000億美元。

現(xiàn)在，這是其中的一部分。我們已經(jīng)在最初幾個季度出貨了600萬個Blackwell。我猜是生產(chǎn)的前四個季度，三個半季度的生產(chǎn)。我們還有一個季度要完成2025年。然后我們有四個季度。所以接下來的五個季度有5000億美元，5000億美元，5000億美元。那是Hopper增長率的5倍。這告訴你一些事情。

這是Hopper的整個生命周期。這不包括中國和亞洲。所以Hopper在其整個生命周期中有400萬個GPU。Blackwell。每個Blackwell在一個大封裝中有兩個GPU。Blackwell和Rubin早期有2000萬個GPU。令人難以置信的增長。

所以，我想感謝我們所有的供應(yīng)鏈合作伙伴。每個人，我知道你們有多努力工作。我制作了一個視頻來慶祝你們的工作。讓我們播放它。

Blackwell制造：美國制造

我們再次在美國制造。這太不可思議了。特朗普總統(tǒng)要求我的第一件事就是把制造業(yè)帶回來。把制造業(yè)帶回來，因?yàn)檫@對國家安全是必要的。把制造業(yè)帶回來，因?yàn)槲覀兿胍ぷ?，我們想要?jīng)濟(jì)的那部分。九個月后，九個月后，我們現(xiàn)在在亞利桑那州全面生產(chǎn)Blackwell。

下一代：Vera Rubin

極致Blackwell GB 200 NV Grace Blackwell NVL 72極致協(xié)同設(shè)計(jì)給了我們每代10倍。這完全不可思議?，F(xiàn)在，真正不可思議的部分是這個。這是我們制造的第一臺AI超級計(jì)算機(jī)。這是2016年我將它交付給舊金山的一家初創(chuàng)公司，后來被證明是OpenAI。這就是那臺計(jì)算機(jī)。為了創(chuàng)建那臺計(jì)算機(jī)，我們設(shè)計(jì)了一個芯片。我們設(shè)計(jì)了一個新芯片，以便我們進(jìn)行協(xié)同設(shè)計(jì)。

現(xiàn)在，看看我們必須做的所有芯片。這就是它所需要的。你不會用一個芯片讓計(jì)算機(jī)快10倍。那不會發(fā)生。讓計(jì)算機(jī)快10倍的方法，我們可以繼續(xù)指數(shù)級提高性能，我們可以繼續(xù)指數(shù)級降低成本，是極致協(xié)同設(shè)計(jì)并同時處理所有這些不同的芯片。

我們現(xiàn)在在家里有Rubin。這是Rubin。這是Vera Rubin和Rubin。女士們先生們，Rubin。

這是我們的第三代NVLink 72機(jī)架規(guī)模計(jì)算機(jī)。第三代GB200是第一代。我們在世界各地的所有合作伙伴，我知道你們有多努力工作。這太瘋狂了。這太瘋狂了。第二代，順利得多。這一代，看看這個。完全無線纜。完全無線纜。

這，這現(xiàn)在都回到實(shí)驗(yàn)室了。這是下一代Rubin。當(dāng)我們正在運(yùn)送GB300時，我們正在準(zhǔn)備Rubin投入生產(chǎn)。你知道，明年這個時候，也許稍早一點(diǎn)。所以，每一年，我們都將提出最極端的協(xié)同設(shè)計(jì)系統(tǒng)，這樣我們就可以繼續(xù)提高性能，繼續(xù)降低token生成成本?？纯催@個。這只是一臺令人難以置信的美麗計(jì)算機(jī)。

現(xiàn)在，所以這太神奇了。這是100 petaflops。我知道這沒有任何意義。100 petaflops，但與我10年前，9年前交付給OpenAI的DGX-1相比，它是這里100倍的性能，而不是那臺超級計(jì)算機(jī)的100倍。其中100個會像這些機(jī)架中的25個全部被這一件東西取代。100倍100個那些，讓我們看看，100個那些將像25個這樣的機(jī)架全部被這一件東西取代。

一個Vera Rubin。好的。所以這是計(jì)算托盤，這是所以Vera Rubin超級芯片。好的。這是計(jì)算托盤。這個，哦，就在這里。安裝起來非常容易。只需打開這些東西，推進(jìn)去。即使我也能做到。好的。這是Ver Vera Rubin計(jì)算托盤。如果你決定想要添加一個特殊的處理器，我們添加了另一個處理器。它被稱為上下文處理器，因?yàn)槲覀兘oAI的上下文量越來越大。我們想在它回答問題之前閱讀一大堆PDF。想閱讀一大堆檔案論文，觀看一大堆視頻，在你為我回答問題之前去學(xué)習(xí)所有這些。所有那些上下文處理可以添加。

所以你在底部看到8個ConnectX 9新的超級網(wǎng)卡。你有CX，你有CPX，8個。你有BlueField 4這個新的數(shù)據(jù)處理器，兩個Vera CPU和四個Rubin封裝或八個Rubin GPU。所有這些都在這一個節(jié)點(diǎn)中，完全無線纜，100%液冷。

然后這個新處理器，我今天不會談?wù)撎唷Ｎ覜]有足夠的時間，但這是完全革命性的。原因是你的AI需要有越來越多的內(nèi)存。你與它互動越來越多。你希望它記住我們上次的對話。我代表我學(xué)到的一切，下次我回來時請不要忘記它。所以所有那些內(nèi)存將創(chuàng)建這個叫做KV緩存的東西。那個KV緩存檢索它，你可能已經(jīng)注意到每次你進(jìn)入你的AI這些天，刷新和檢索所有以前的對話需要越來越長的時間，原因是我們需要一個革命性的新處理器，那就是BlueField 4。

接下來是ConnectX交換機(jī)，對不起，NVLink交換機(jī)，就在這里。好的，這是NVLink交換機(jī)。這就是使我們能夠?qū)⑺杏?jì)算機(jī)連接在一起的原因。這個交換機(jī)現(xiàn)在是整個世界峰值互聯(lián)網(wǎng)流量的幾倍帶寬。所以那個骨干網(wǎng)將通信并將所有數(shù)據(jù)同時傳送到所有GPU。

除此之外，除此之外，這是Spectrum-X交換機(jī)。這個以太網(wǎng)交換機(jī)設(shè)計(jì)成所有處理器可以同時相互交談而不會堵塞網(wǎng)絡(luò)。堵塞網(wǎng)絡(luò)。這非常技術(shù)性。好的。所以，這三個結(jié)合在一起。然后這是Quantum交換機(jī)。這是用于Infiniband的。這是以太網(wǎng)。我們不在乎你想使用什么語言，無論你喜歡使用什么標(biāo)準(zhǔn)。我們?yōu)槟闾峁┝撕芎玫臄U(kuò)展結(jié)構(gòu)。無論是Infiniband還是Quantum還是Spectrum以太網(wǎng)，這個使用硅光子學(xué)，完全是共封裝光學(xué)器件?；旧?，激光直接到硅并連接到我們的芯片。好的。所以，這是Spectrum-X以太網(wǎng)。

所以，現(xiàn)在讓我們談?wù)劇Ｖx謝。哦，這就是它的樣子。這是一個機(jī)架。這是兩個半。這是2000。這是兩噸。150萬個部件。骨干網(wǎng)，這個骨干網(wǎng)就在這里，在一秒鐘內(nèi)承載整個互聯(lián)網(wǎng)流量。同樣的速度在所有這些不同的處理器之間移動。100%液冷。全部為了，你知道，世界上最快的token生成率。好的，所以這就是一個機(jī)架的樣子。

現(xiàn)在那是一個機(jī)架。一個千兆瓦數(shù)據(jù)中心將有，你知道，叫它16個機(jī)架將是一千，然后500個那些。所以無論500乘以16，所以叫它9000個這樣的，8000個這樣的將是一個千兆瓦數(shù)據(jù)中心。好的。那就是未來的AI工廠。

AI工廠的設(shè)計(jì)：Omniverse DSX

現(xiàn)在我們使用，正如你注意到的，英偉達(dá)從設(shè)計(jì)芯片開始，然后我們開始設(shè)計(jì)系統(tǒng)，我們設(shè)計(jì)AI超級計(jì)算機(jī)?，F(xiàn)在我們正在設(shè)計(jì)整個AI工廠。每次我們向外移動并整合更多的問題來解決時，我們都會提出更好的解決方案。我們現(xiàn)在建造整個AI工廠。這個，這個AI工廠就是我們?yōu)閂era Rubin建造的，我們創(chuàng)造了一項(xiàng)技術(shù)，使我們所有的合作伙伴能夠數(shù)字化地集成到這個工廠中。讓我給你看。

完全完全數(shù)字化，在Vera Rubin作為真實(shí)計(jì)算機(jī)存在之前很久，我們就一直在使用它作為數(shù)字孿生計(jì)算機(jī)?，F(xiàn)在，在這些AI工廠存在之前很久，我們將使用它，我們將設(shè)計(jì)它，我們將規(guī)劃它，我們將優(yōu)化它，我們將作為數(shù)字孿生來操作它，所以所有與我們合作的合作伙伴，我非常高興你們所有人支持我們。Gio在這里，GE Vernova在這里。Schneider，我想Olivia在這里。Olivia Blum在這里。Siemens，令人難以置信的合作伙伴。好的。Roland Busch，我想他在看。嗨Roland。所以無論如何，真的非常棒的合作伙伴與我們合作。

一開始我們有CUDA，我們有所有這些不同的軟件合作伙伴生態(tài)系統(tǒng)?，F(xiàn)在我們有Omniverse DSX，我們正在建造AI工廠，我們再次擁有這些令人難以置信的合作伙伴生態(tài)系統(tǒng)與我們合作。

開放模型

讓我們談?wù)勀Ｐ?。開源模型，特別是在過去幾年中。發(fā)生了幾件事。一，開源模型由于推理能力而變得相當(dāng)有能力。由于它們的多模態(tài)性而變得相當(dāng)有能力，由于蒸餾而它們非常高效。所以所有這些不同的能力使開源模型有史以來第一次對開發(fā)者來說非常有用。它們現(xiàn)在是初創(chuàng)公司的命脈。不同行業(yè)的初創(chuàng)公司的命脈，因?yàn)轱@然正如我之前提到的，每個行業(yè)都有自己的用例，自己的數(shù)據(jù)，自己擁有的數(shù)據(jù)，自己的飛輪。所有那些能力，那些領(lǐng)域?qū)I(yè)知識需要有能力嵌入到模型中。開源使之成為可能。研究人員需要開源。開發(fā)者需要開源。世界各地的公司，我們需要開源。開源模型真的非常非常重要。

美國必須在開源方面保持領(lǐng)先。我們有令人驚嘆的專有模型。我們有令人驚嘆的專有模型。我們還需要令人驚嘆的開源模型。我們的國家依賴它。我們的初創(chuàng)公司依賴它。所以英偉達(dá)正在致力于去做這件事。我們現(xiàn)在是最大的，我們在開源貢獻(xiàn)方面處于領(lǐng)先地位。我們在排行榜上有23個模型。我們有所有這些不同的領(lǐng)域，從語言模型到物理AI模型。我將談?wù)摍C(jī)器人模型到生物學(xué)模型。這些模型中的每一個都有巨大的團(tuán)隊(duì)，這就是為什么我們?yōu)樽约航ㄔ斐売?jì)算機(jī)以使所有這些模型能夠被創(chuàng)建的原因之一。我們有第一的語音模型，第一的推理模型，第一的物理AI模型。下載次數(shù)真的非常非常好。我們致力于此，原因是科學(xué)需要它，研究人員需要它，初創(chuàng)公司需要它，公司需要它。

企業(yè)AI與生態(tài)系統(tǒng)

我很高興AI初創(chuàng)公司建立在英偉達(dá)之上。他們這樣做有幾個原因。一，當(dāng)然，我們的生態(tài)系統(tǒng)很豐富。我們的工具工作得很好。我們所有的工具在我們所有的GPU上都能工作。我們的GPU無處不在。它實(shí)際上在每一個云中。它可以在本地使用。你可以自己構(gòu)建它。你可以構(gòu)建一個帶有多個GPU的發(fā)燒友游戲PC，你可以下載我們的軟件棧，它就能工作。我們受益于豐富的開發(fā)者，他們正在使這個生態(tài)系統(tǒng)越來越豐富。所以我對我們正在合作的所有初創(chuàng)公司真的很滿意。我對此表示感謝。

同樣的情況是，這些初創(chuàng)公司中的許多現(xiàn)在正在創(chuàng)造更多享受我們GPU的方式。Coreweave、Nscale、Nebius、Lambda，所有這些公司，Crusoe公司正在建立這些新的GPU云來服務(wù)初創(chuàng)公司，我真的很感激這一切都是可能的，因?yàn)橛ミ_(dá)無處不在。

我們整合我們的庫。我談到的所有CUDA-X庫。我談到的所有開源AI模型。我談到的所有模型，我們整合到AWS，例如，真的很喜歡與Matt合作。我們整合到Google Cloud，例如，真的很喜歡與Thomas合作。這些云中的每一個都整合英偉達(dá)GPU和我們的計(jì)算，我們的庫以及我們的模型。

喜歡與Microsoft Azure的Satya合作。喜歡與Oracle的Clay合作。這些云中的每一個都整合英偉達(dá)堆棧。因此，無論你去哪里，無論你使用哪個云，它都工作得令人難以置信。我們還將英偉達(dá)庫整合到世界SaaS中，這樣這些SaaS中的每一個最終都將成為代理式SaaS。

我喜歡Bill McDermott對ServiceNow的愿景。在那里。是的，就在那里。我想那可能是Bill。嗨，Bill。所以，ServiceNow，它是什么？85%的世界企業(yè)工作負(fù)載，工作流程。SAP，80%的世界商務(wù)。Christian Klein和我正在合作整合英偉達(dá)庫，CUDA-X和Nemo和Neotron，我們所有的AI系統(tǒng)到SAP，與Synopsys的Sassine合作，加速世界CAE、CAD、EDA工具，使它們可以更快并可以擴(kuò)展，幫助他們創(chuàng)建AI代理?？傆幸惶?，我想雇用一個AI代理，ASIC設(shè)計(jì)師與我們的ASIC設(shè)計(jì)師一起工作。本質(zhì)上是Synopsys的Cursor。

我們正在與Anirudh合作。Anirudh在這里，我今天早些時候見到他。他是賽前表演的一部分。Cadence做令人難以置信的工作，加速他們的堆棧，創(chuàng)建AI代理，這樣我們就可以有Cadence AI作為設(shè)計(jì)師和系統(tǒng)設(shè)計(jì)師與我們合作。

與CrowdStrike和Palantir的合作

今天我們宣布一個新的。AI將增強(qiáng)生產(chǎn)力。AI將改變幾乎每個行業(yè)。但AI也將增強(qiáng)網(wǎng)絡(luò)安全挑戰(zhàn)，壞的AI。所以我們需要一個令人難以置信的防御者。我無法想象比CrowdStrike更好的防御者。George，George在這里。他在那里，是的，我之前見到他。

我們與CrowdStrike合作，使網(wǎng)絡(luò)安全光速，創(chuàng)建一個在云中有網(wǎng)絡(luò)安全AI代理的系統(tǒng)，但在本地或邊緣也有令人難以置信的好AI代理。這樣，每當(dāng)有威脅時，你就能在瞬間檢測到它。我們需要速度，我們需要快速的代理式AI，超級智能的AI。

我有第二個公告。這是世界上最快的企業(yè)公司?？赡苁钱?dāng)今世界上最重要的企業(yè)堆棧。Palantir Ontology。Palantir的人在這里嗎？我剛才和Alex談過。

這是Palantir Ontology。他們獲取信息，他們獲取數(shù)據(jù)，他們獲取人類判斷，他們將其轉(zhuǎn)化為商業(yè)洞察。我們與Palantir合作加速Palantir所做的一切，這樣我們就可以進(jìn)行數(shù)據(jù)處理，以更大的規(guī)模和更快的速度進(jìn)行數(shù)據(jù)處理，無論是過去的結(jié)構(gòu)化數(shù)據(jù)，當(dāng)然我們將有結(jié)構(gòu)化數(shù)據(jù)，人類記錄的數(shù)據(jù)，非結(jié)構(gòu)化數(shù)據(jù)，并為我們的政府，為國家安全和世界各地的企業(yè)處理那些數(shù)據(jù)。以光速處理那些數(shù)據(jù)并從中找到洞察。這就是未來的樣子。Palantir將整合英偉達(dá)，這樣我們就可以以光速和非凡的規(guī)模進(jìn)行處理。好的，英偉達(dá)和Palantir。

物理AI：連接數(shù)字與現(xiàn)實(shí)

讓我們談?wù)勎锢鞟I。物理AI需要三臺計(jì)算機(jī)，就像訓(xùn)練語言模型需要兩臺計(jì)算機(jī)一樣。一臺用于訓(xùn)練它，評估它，然后推理它。好的，所以那就是你看到的大GB 200。為了為物理AI做這件事，你需要三臺計(jì)算機(jī)。你需要計(jì)算機(jī)來訓(xùn)練它。這是GB，Grace Blackwell NVLink 72。

我們需要一臺計(jì)算機(jī)進(jìn)行我之前用Omniverse DSX展示的所有模擬。它基本上是機(jī)器人學(xué)習(xí)如何成為好機(jī)器人的數(shù)字孿生，工廠本質(zhì)上成為數(shù)字孿生。那臺計(jì)算機(jī)是第二臺計(jì)算機(jī)，Omniverse計(jì)算機(jī)。這臺計(jì)算機(jī)必須在生成式AI方面非常出色，它必須擅長計(jì)算機(jī)圖形、傳感器模擬、光線追蹤、信號處理，這臺計(jì)算機(jī)被稱為Omniverse計(jì)算機(jī)。

一旦我們訓(xùn)練模型，在數(shù)字孿生中模擬那個AI，那個數(shù)字孿生可以是工廠的數(shù)字孿生，以及一大堆機(jī)器人的數(shù)字孿生。然后你需要操作那個機(jī)器人。這是機(jī)器人計(jì)算機(jī)。這個進(jìn)入自動駕駛汽車。一半可以進(jìn)入機(jī)器人。好的？或者你實(shí)際上可以有，你知道，相當(dāng)敏捷和相當(dāng)快速操作的機(jī)器人。它可能需要兩臺這樣的計(jì)算機(jī)。所以這是Thor Jetson Thor機(jī)器人計(jì)算機(jī)。這三臺計(jì)算機(jī)都運(yùn)行CUDA。它使我們能夠推進(jìn)物理AI。理解物理世界，理解物理定律，因果關(guān)系，永久性，你知道，物理AI。

美國再工業(yè)化

我們有令人難以置信的合作伙伴與我們合作創(chuàng)建工廠的物理AI。我們正在使用它自己在德克薩斯州創(chuàng)建我們的工廠?，F(xiàn)在，一旦我們創(chuàng)建了機(jī)器人工廠，我們就有一堆機(jī)器人在里面。這些機(jī)器人也需要物理AI應(yīng)用物理AI并在數(shù)字孿生中工作。讓我們看一看。

那就是制造業(yè)的未來，工廠的未來。我想感謝我們的合作伙伴Foxconn，CEO Younglu在這里，但所有這些生態(tài)系統(tǒng)合作伙伴使我們能夠創(chuàng)造機(jī)器人工廠的未來。

工廠本質(zhì)上是一個機(jī)器人，正在協(xié)調(diào)機(jī)器人來構(gòu)建機(jī)器人的東西。你知道，這所需的軟件量是如此密集，除非你能在數(shù)字孿生中做到，規(guī)劃它，設(shè)計(jì)它，在數(shù)字孿生中操作，否則讓這個工作的希望幾乎是不可能的。我也很高興看到Caterpillar，我的朋友Joe，Joe Creed和他的百年老公司也在他們制造的方式中整合數(shù)字孿生。

這些工廠將有未來的機(jī)器人系統(tǒng)，最先進(jìn)的之一是Figure。Brett Adcock今天在這里。他在三年半前創(chuàng)立了一家公司。他們價值近400億美元。今天我們正在合作訓(xùn)練AI，訓(xùn)練機(jī)器人，模擬機(jī)器人，當(dāng)然還有進(jìn)入Figure的機(jī)器人計(jì)算機(jī)，真的很棒。我有幸看到它。真的非常非常不凡。

人形機(jī)器人很可能，我的朋友Elon也在研究這個，這很可能成為最大的新消費(fèi)電子市場之一，當(dāng)然也是最大的工業(yè)設(shè)備市場之一。Peggy Johnson和Agility的人正在與我們合作研究倉庫自動化機(jī)器人。Johnson & Johnson的人再次與我們合作訓(xùn)練機(jī)器人，在數(shù)字孿生中模擬它，還操作機(jī)器人。這些John Johnson & Johnson外科機(jī)器人甚至將進(jìn)行完全非侵入性手術(shù)，以世界從未見過的精度。

當(dāng)然，有史以來最可愛的機(jī)器人，有史以來最可愛的機(jī)器人，迪士尼機(jī)器人。這真的非常接近我們的心。我們正在與迪士尼研究合作開發(fā)一個全新的框架和模擬平臺，基于稱為Newton的革命性技術(shù)。那個Newton模擬器使機(jī)器人能夠在物理感知的基于物理的環(huán)境中學(xué)習(xí)如何成為好機(jī)器人。讓我們看一看。

女士們先生們，迪士尼Blue。告訴我那不可愛。那不可愛。我們都想要一個。我們都想要一個。

現(xiàn)在，記住你剛才看到的一切，那不是動畫。不是電影。這是模擬。那個模擬是在Omniverse中。Omniverse，數(shù)字孿生。所以這些工廠的數(shù)字孿生，倉庫的數(shù)字孿生，手術(shù)室的數(shù)字孿生，Blue可以學(xué)習(xí)如何操縱和導(dǎo)航并與世界互動的數(shù)字孿生。完全實(shí)時完成。這將成為世界上最大的消費(fèi)電子產(chǎn)品線。其中一些現(xiàn)在工作得非常好。這是人形機(jī)器人的未來，當(dāng)然還有Blue。好的。

自動駕駛：輪式機(jī)器人的崛起

現(xiàn)在，人形機(jī)器人仍在開發(fā)中。但與此同時，有一個機(jī)器人顯然處于拐點(diǎn)，它基本上就在這里，那就是輪式機(jī)器人。這是robo taxi。robo taxi本質(zhì)上是一個AI司機(jī)。

現(xiàn)在，我們今天正在做的一件事，我們宣布NVIDIA Drive Hyperion。這是一件大事。我們創(chuàng)建了這個架構(gòu)，以便世界上的每家汽車公司都可以創(chuàng)建汽車，車輛可以是商用的，可以是客運(yùn)的，可以專用于robo taxi。創(chuàng)建robo taxi就緒的車輛。帶有環(huán)繞攝像頭和雷達(dá)以及激光雷達(dá)的傳感器套件使我們能夠?qū)崿F(xiàn)最高級別的環(huán)繞繭式傳感器感知和安全所需的冗余最高級別。

Hyperion Drive，Drive Hyperion現(xiàn)在設(shè)計(jì)到Lucid、Mercedes-Benz，我的朋友Ola，K?llenius，Stellantis的人，還有許多其他汽車即將推出，一旦你有了基本的標(biāo)準(zhǔn)平臺，那么AV系統(tǒng)的開發(fā)者，有這么多才華橫溢的人，Waymo、Aurora、Momenta、Pony.ai，有這么多，WeRide，有這么多可以然后采用他們的AV系統(tǒng)并在標(biāo)準(zhǔn)底盤上運(yùn)行它?；旧希瑯?biāo)準(zhǔn)底盤現(xiàn)在已經(jīng)成為輪式計(jì)算平臺。因?yàn)樗菢?biāo)準(zhǔn)的，傳感器套件是全面的，他們都可以將他們的AI部署到它。讓我們快速看一下。

好的，那是美麗的舊金山。正如你所看到的，正如你所看到的，robo taxi拐點(diǎn)即將到來。在未來，每年行駛數(shù)萬億英里，每年制造1億輛汽車。全世界有大約5000萬輛出租車。它將被大量robo taxi增強(qiáng)。所以，這將是一個非常大的市場，將其連接并部署到世界各地。

與Uber的合作

今天，我們宣布與Uber建立合作伙伴關(guān)系。Uber，Derek，Dara，Dara將要，我們正在合作將這些NVIDIA Drive Hyperion汽車連接到全球網(wǎng)絡(luò)，現(xiàn)在在未來你會能夠召喚這些汽車中的一輛，生態(tài)系統(tǒng)將非常豐富，我們將在世界各地?fù)碛蠬yperion或Robo taxi汽車。這將成為我們的新計(jì)算平臺，我期待它會相當(dāng)成功。好的。

閉幕總結(jié)

所以這就是我們今天談到的。我們談到了大量的事情。我們談到了，記住這的核心是兩個或兩個平臺轉(zhuǎn)型，從通用計(jì)算到加速計(jì)算。英偉達(dá)CUDA和那套被稱為CUDA-X的庫使我們能夠觸及幾乎每個行業(yè)，我們處于拐點(diǎn)。它現(xiàn)在正在增長，正如良性循環(huán)所暗示的那樣。

第二個拐點(diǎn)現(xiàn)在降臨到我們身上。第二個平臺轉(zhuǎn)型，AI，從經(jīng)典的手工編寫軟件到人工智能。兩個平臺轉(zhuǎn)型同時發(fā)生，這就是為什么我們感受到如此難以置信的增長。

量子，量子計(jì)算。我們談到了開放模型。我們談到了，我們談到了與CrowdStrike和Palantir的企業(yè)加速他們的平臺。我們談到了機(jī)器人技術(shù)，潛在的最大消費(fèi)電子和工業(yè)制造部門之一。當(dāng)然我們談到了6G。英偉達(dá)有6G的新平臺。我們稱之為ARC。我們有機(jī)器人汽車的新平臺。我們稱之為Hyperion。我們甚至有工廠的新平臺。兩種類型的工廠。AI工廠，我們稱之為DSX。然后帶有AI的工廠，我們稱之為Mega。

所以現(xiàn)在我們也在美國制造。女士們先生們，感謝你們今天加入我們，感謝你們讓我?guī)怼?/p>

感謝你們讓我們將GTC帶到華盛頓特區(qū)。我們希望每年都能舉辦。感謝你們所有人的服務(wù)，讓美國再次偉大。謝謝。

【演講結(jié)束】

本文根據(jù)英偉達(dá)GTC 2025華盛頓特區(qū)大會官方直播內(nèi)容完整編譯整理