作者林易

編輯重點君

10月29日，英偉達在華盛頓舉行GTC大會，黃仁勛在演講中再次強調(diào)摩爾定律（Moore's Law）已正式終結。當前是一個AI算力需求呈雙重指數(shù)級增長的時代，這一終結不僅是技術的瓶頸，更是一場新的計算競賽的起點。

英偉達在此次GTC上交付了一套完整的AI工業(yè)革命基礎設施。從Grace BlackwellGB200到到NVLink-72全互聯(lián)機架，再到Omniverse DSX數(shù)字孿生工廠，英偉達的戰(zhàn)略核心是：通過“極致協(xié)同設計”（Extreme Co-Design）來打破物理定律的限制，將AI推理（Inference）這個新的計算核心成本降至最低，從而持續(xù)驅動AI工業(yè)發(fā)展的良性循環(huán)。

黃仁勛的演講主要包含以下幾個方面：

1、算力新經(jīng)濟：推理成本的極致壓縮

英偉達的新架構，建立在一個新的算力洞察之上：AI模型從“預訓練”邁向“后訓練”和更高階的思考階段，對算力的需求呈爆炸式增長。特別是“思考”過程，需要AI在每次互動中處理上下文、分解問題、規(guī)劃和執(zhí)行，這使得推理任務變得空前復雜和耗費資源。

在摩爾定律失效的背景下，解決雙重指數(shù)級增長的算力需求，只能依靠“極致協(xié)同設計”。Blackwell架構不再將GPU視為獨立單元，而是通過NVLink72互聯(lián)結構，將72顆GPU整合為一個虛擬的超級GPU。相比上一代，GB200在推理性能上實現(xiàn)了驚人的10倍提升。

極致性能帶來的是最低的Token生成成本。盡管GB200是最昂貴的架構之一，但其每秒Token產(chǎn)出率帶來的總擁有成本（TCO）最低。這是驅動AI良性循環(huán)的關鍵經(jīng)濟杠桿。英偉達已經(jīng)規(guī)劃了下一代架構Rubin，以確保算力性能的指數(shù)級增長和成本的指數(shù)級下降。

2、從芯片到工廠：基礎設施的生態(tài)圈化

英偉達正在將“數(shù)據(jù)中心”轉變?yōu)椤癆I工廠”。這種工廠只生產(chǎn)一種產(chǎn)品：有價值的Token。英偉達推出了Omniverse DSX，這是一個用于設計、規(guī)劃和運營吉瓦級AI工廠的藍圖與數(shù)字孿生平臺。

DSX讓西門子、施耐德電氣等合作伙伴，能在虛擬的Omniverse中協(xié)同設計計算密度、布局、電力和冷卻系統(tǒng)。這種設計優(yōu)化，對于一個1吉瓦的AI工廠而言，每年可帶來數(shù)十億美元的額外收入，極大地縮短了建設時間和上市周期。

在系統(tǒng)層面，英偉達的ConnectX和BlueField DPU（數(shù)據(jù)處理器）也進行了深度協(xié)同設計。全新的ConnectX9 Super NIC和Spectrum-X以太網(wǎng)交換機，專為AI高性能設計，確保了大規(guī)模GPU間的通信不會成為網(wǎng)絡瓶頸。

新一代BlueField-4 DPU被定位為“上下文處理器”，專門用于處理AI所需的巨大上下文，例如讀取大量PDF、論文或視頻后回答問題，并加速KV緩存，解決當前AI模型在處理長對話歷史時越來越慢的問題。

3、跨越邊界：進軍物理AI與核心工業(yè)

英偉達的意圖將其核心技術擴展到“物理AI”（Physical AI）的實體經(jīng)濟維度。

在電信領域，英偉達與諾基亞（Nokia）建立了深度合作，共同發(fā)布了NVIDIA ARC平臺。ARC將NVIDIA的Grace CPU、Blackwell GPU和ConnectX網(wǎng)卡結合，運行Aerial CUDA-X庫，旨在打造軟件定義的可編程無線通信系統(tǒng)。ARC還能實現(xiàn)AI on RAN，將AI云計算推向最靠近用戶的無線電邊緣，為工業(yè)機器人和邊緣應用提供基礎設施。

人形機器人被視為未來最大的消費電子和工業(yè)設備市場之一。英偉達是Figure等頂級機器人公司的核心合作伙伴，提供訓練、模擬和運行的全部平臺。此外，與迪士尼合作開發(fā)的機器人，展示了在物理感知環(huán)境中進行訓練的潛力。

在自動駕駛領域，NVIDIA DRIVE Hyperion平臺將環(huán)繞攝像頭、雷達和激光雷達標準化，使其成為一個“輪式計算平臺”。英偉達宣布與優(yōu)步（Uber）合作，將這些Drive Hyperion就緒的車輛接入全球網(wǎng)絡，為Robo-Taxi的全球化部署奠定基礎。

在基礎科學領域，英偉達發(fā)布了CUDA-Q平臺和NVQLink互聯(lián)架構，目標是將GPU超級計算與量子處理器（QPU）直接連接。這種混合架構用于量子錯誤校正和協(xié)同模擬，被美國能源部（DOE）的各大國家實驗室廣泛采用。

4、企業(yè)AI與生態(tài)系統(tǒng)的戰(zhàn)略性覆蓋

黃仁勛認為，AI的本質(zhì)是“工作者”（Workers），而不是“工具”（Tools）。AI能夠使用工具，這使其能夠參與到此前IT工具無法觸及的100萬億美元的全球經(jīng)濟中。

為了將AI工作者部署到企業(yè)核心業(yè)務中，英偉達宣布了兩項重量級合作：

第一，攜手網(wǎng)絡安全巨頭CrowdStrike，共同打造基于云端和邊緣的AI網(wǎng)絡安全代理，以應對AI帶來的新安全威脅，要求速度必須達到“光速”。

第二，與Palantir合作，加速其Ontology平臺的數(shù)據(jù)處理能力，為政府和企業(yè)提供更大規(guī)模、更快速的商業(yè)洞察。

英偉達還將CUDA-X庫集成到SAP、ServiceNow、Synopsys等關鍵企業(yè)SaaS平臺中，將這些工作流程轉化為“代理式SaaS”（Agentic SaaS）。

此次GTC，英偉達完成了從芯片公司到AI工業(yè)平臺領導者的徹底重塑，通過一套完整的架構、網(wǎng)絡、工廠和行業(yè)延伸，試圖定義新一輪工業(yè)革命的底層標準。

以下為黃仁勛演講實錄：

1、開場：擁抱計算新紀元

華盛頓特區(qū)！歡迎來到GTC。很難不對美國感到感性和自豪，我得告訴你這件事。那段視頻太棒了！謝謝。英偉達的創(chuàng)意團隊表現(xiàn)出色。

歡迎來到GTC，今天我們將與您深入探討諸多議題。GTC是我們討論行業(yè)、科學、計算、當下與未來的地方。所以今天我有很多事情要和你討論，但在開始之前，我想感謝所有贊助這場精彩活動的合作伙伴。你會在展會現(xiàn)場看到所有這些產(chǎn)品，他們來這里是為了見你，真的很棒。沒有我們生態(tài)系統(tǒng)中所有合作伙伴的支持，我們無法完成我們的工作。

這可是AI界的超級碗，人們說。因此，每屆超級碗都應該有一場精彩的賽前表演。大家覺得賽前節(jié)目怎么樣？還有我們所有明星運動員和明星陣容。瞧瞧這幫家伙。不知怎的，我竟成了最壯實的那一個。你們覺得呢？我不知道我是否與此有關。

英偉達開創(chuàng)了六十年來首個全新計算模型，正如你在視頻中所見。新的計算模型很少出現(xiàn)。這需要大量的時間和一系列條件。我們觀察到，我們發(fā)明了這種計算模型，因為我們想要解決通用計算機無法處理的問題。普通計算機無法做到。我們還注意到，總有一天晶體管將繼續(xù)發(fā)展。晶體管的數(shù)量將會增加，但晶體管的性能和功率提升速度將放緩。摩爾定律不會無限延續(xù)，它終將受到物理定律的限制。而此刻，終于來臨了。丹納德縮放效應已停止，它被稱為丹納德縮放效應。丹納德縮放定律已于近十年前停止，事實上，晶體管性能及其相關功率的提升已大幅放緩。然而，晶體管的數(shù)量仍在持續(xù)增加。我們觀察到這一點已經(jīng)很久了。

應用并行計算，將其與順序處理的CPU結合，我們就能將計算能力擴展到遠超以往的水平。遠遠超出。而那一刻真的到來了。我們現(xiàn)在已經(jīng)看到了那個拐點。加速計算的時代已然來臨。然而，加速計算是一種根本不同的編程模型。你不能直接拿CPU軟件，那些是手工編寫的軟件，順序執(zhí)行，并將其部署到GPU上確保正常運行。事實上，如果你只是那樣做了，它實際上運行得更慢。因此你必須重新設計新的算法。你必須創(chuàng)建新的庫。事實上，你必須重寫該應用程序。這就是為什么花了這么長時間的原因。我們花了近三十年才走到今天這一步。但我們是一步一個腳印地完成的。

這是我們公司的瑰寶。大多數(shù)人都在談論GPU。GPU固然重要，但若沒有在其之上構建的編程模型，若不致力于該編程模型，就無法確保其在不同版本間保持兼容性。我們現(xiàn)在正推出CUDA 13，并即將推出CUDA 14。數(shù)以億計的GPU在每臺計算機中運行，完全兼容。如果我們不這樣做，那么開發(fā)者就不會選擇這個計算平臺。如果我們不創(chuàng)建這些庫，那么開發(fā)者就不知道如何使用該算法，也無法充分發(fā)揮該架構的潛力。一個接一個的申請。這確實是我們公司的瑰寶。

CuLitho，計算光刻技術。我們花了近七年時間才與cuLitho走到今天這一步，現(xiàn)在臺積電也用它，三星也用它，ASML使用它。這是一座令人驚嘆的計算庫。光刻，芯片制造的第一步。CAE應用中的稀疏求解器。cuOpt，一款幾乎打破所有紀錄的數(shù)值優(yōu)化工具。旅行推銷員問題，如何在供應鏈中將數(shù)百萬種產(chǎn)品與數(shù)百萬客戶連接起來。Warp，用于CUDA的Python求解器，用于仿真。cuDF，一種基于數(shù)據(jù)框的方法，本質(zhì)上是加速SQL，數(shù)據(jù)框專業(yè)版-數(shù)據(jù)框數(shù)據(jù)庫。這個庫，正是開啟AI的起點，cuDNN，位于頂部的名為Megatron Core的庫使我們能夠模擬和訓練超大規(guī)模語言模型。這樣的例子不勝枚舉。

MONAI，非常重要，是全球排名第一的醫(yī)學影像AI框架。順便說一句，今天我們不會過多討論醫(yī)療保健問題。但一定要去聽金伯利的主題演講。她會詳細介紹我們在醫(yī)療保健領域開展的工作。這樣的例子不勝枚舉?；蚪M學處理，Aerial，注意聽，今天我們要做一件非常重要的事。量子計算。這只是我們公司350個不同庫的代表之一。這些庫中的每一個都重新設計了加速計算所需的算法。這些庫的出現(xiàn)，使得整個生態(tài)系統(tǒng)的所有合作伙伴都能利用加速計算的優(yōu)勢。這些庫中的每一家都為我們開拓了新的市場。

讓我們來看看CUDAx能做什么。

（視頻內(nèi)容）

這很棒嗎？你所見的一切都是仿真。沒有藝術，沒有動畫。這就是數(shù)學的魅力所在。這是深奧的計算機科學，深奧的數(shù)學，它美得簡直令人難以置信。涵蓋了所有行業(yè)，從醫(yī)療保健到生命科學，制造業(yè)、機器人技術、自動駕駛汽車、計算機圖形學，甚至電子游戲。你所見到的第一張截圖，正是NVIDIA首次運行的應用程序。而這正是我們1993年起步的地方。而我們始終堅信著自己所追求的目標，它生效了。很難想象你竟能親眼見證那個最初的虛擬格斗場景躍然眼前，而那家公司也相信我們今天會在這里。這真是一段無比精彩的旅程。我要感謝所有英偉達員工所做的一切。這真是太不可思議了。

今天我們要涵蓋的行業(yè)很多。我將涵蓋AI、6G、量子技術、模型、企業(yè)計算、機器人技術和工廠。讓我們開始吧。我們有很多內(nèi)容要討論，還有許多重大消息要宣布。許多新伙伴會讓你大吃一驚。

2、加速計算崛起

電信是經(jīng)濟的脊梁，是經(jīng)濟的命脈。我們的產(chǎn)業(yè)，我們的國家安全。然而，自無線技術誕生之初，我們便定義了這項技術，我們制定了全球標準，我們將美國技術輸出到世界各地，使世界能夠基于美國技術和標準進行發(fā)展。那件事已經(jīng)過去很久了。當今全球無線技術主要依賴于國外技術。我們的基礎通信架構建立在外國技術之上。這種情況必須停止，而我們正有機會做到這一點。尤其是在這個根本性的平臺轉型期間。眾所周知，計算機技術是支撐所有行業(yè)的基石。這是科學最重要的工具。這是工業(yè)領域最重要的單一工具。我剛才說我們正在經(jīng)歷平臺轉型。這次平臺轉型，應當是我們重返賽場千載難逢的機會。讓我們開始運用美國技術進行創(chuàng)新。

今天，我們宣布我們將采取行動。我們與諾基亞建立了重要的合作伙伴關系。諾基亞是全球第二大電信設備制造商。這是一個價值3萬億美元的產(chǎn)業(yè)?；A設施投資高達數(shù)千億美元。全球有數(shù)百萬個基站。如果我們能夠建立合作伙伴關系，就能基于這項以加速計算和AI為核心的非凡新技術進行創(chuàng)新發(fā)展。而對于美國而言，要讓美國成為下一輪6G革命的核心。

因此，今天我們宣布英偉達推出了一條全新產(chǎn)品線。它被稱為NVIDIA ARC，即空中無線電網(wǎng)絡計算機?？罩蠷AN計算機，ARC。ARC由三項基礎性新技術構建而成：Grace CPU、Blackwell GPU以及我們的Mellanox ConnectX網(wǎng)絡解決方案專為該應用設計。所有這些使我們能夠運營這座庫，我之前提到的這個名為Aerial的CUDA X庫。Aerial本質(zhì)上是在CUDAX之上運行的無線通信系統(tǒng)。我們將要首次創(chuàng)造一種軟件定義的可編程計算機，能夠同時進行無線通信和AI處理。這完全是革命性的。我們稱之為NVIDIA ARC。

諾基亞將與我們合作，整合我們的技術。重寫他們的棧。這是一家擁有7,000項5G核心基礎專利的公司。很難想象還有比他更杰出的電信業(yè)領袖了。因此我們將與諾基亞建立合作伙伴關系。他們將把NVIDIA ARC作為未來的基站。NVIDIA ARC還兼容AirScale，即當前諾基亞的基站系統(tǒng)。這意味著我們將采用這項新技術，能夠在全球范圍內(nèi)升級數(shù)百萬個基站，實現(xiàn)6G和AI的升級。如今6G和AI確實具有根本性意義，因為它們首次實現(xiàn)了我們將能夠使用AI技術，即面向無線接入網(wǎng)的AI技術。提高無線電通信的頻譜效率。利用AI，采用強化學習，實時調(diào)整波束成形，在具體情境中，取決于周邊環(huán)境、交通狀況以及移動出行方式、天氣。所有這些因素都可納入考量，從而提升頻譜效率。頻譜效率消耗約全球1.5%至2%的電力。因此，提高頻譜效率不僅能提升無線網(wǎng)絡傳輸數(shù)據(jù)的能力，同時無需增加所需的能量消耗。

我們還能做另一件事，即為無線接入網(wǎng)提供AI支持。是AI-on-RAN。這是一個全新的機遇。請記住，互聯(lián)網(wǎng)實現(xiàn)了通信，但真正了不起的是那些聰明的公司。亞馬遜云科技在互聯(lián)網(wǎng)基礎上構建了云計算系統(tǒng)。我們現(xiàn)在要在無線通信網(wǎng)絡上實現(xiàn)同樣的功能。這片新云將成為邊緣工業(yè)機器人云。此處指的是AI-on-RAN。首項是AI-for-RAN，提升無線電性能、提高無線電頻譜效率，第二是基于AI的無線接入網(wǎng)，本質(zhì)上是無線通信領域的云計算。云計算將能夠直接延伸至邊緣區(qū)域，即沒有數(shù)據(jù)中心的地方。并非如此，因為我們在全球各地都設有基站。這個消息真是令人興奮。

讓我們來談談量子計算。1981年，粒子物理學家、量子物理學家理查德·費曼構想了一種新型計算機，能夠直接模擬自然。因為自然本身就是量子化的。他稱之為量子計算機。40年后，該行業(yè)實現(xiàn)了根本性突破。40年后，就在去年，實現(xiàn)了根本性突破?，F(xiàn)在可以制造一個邏輯量子比特，一個保持相干性的邏輯量子位，穩(wěn)定，且錯誤已修正。過去，一個邏輯量子比特由有時可能是10個，有時可能是數(shù)百個物理量子比特協(xié)同工作。眾所周知，量子比特這些粒子極其脆弱。它們很容易變得不穩(wěn)定。任何觀察、任何采樣行為、任何環(huán)境條件都會導致其失相干。因此需要極其嚴格控制的環(huán)境。

如今，還有許多不同類型的物理量子比特，它們協(xié)同工作，讓我們能夠對這些量子比特進行糾錯。所謂的輔助量子位或綜合量子位，供我們進行錯誤糾正并推斷其邏輯量子位狀態(tài)。存在各種不同類型的量子計算機，超導、光子學、囚禁離子、穩(wěn)定原子，各種不同的方法來制造量子計算機?，F(xiàn)在我們意識到，必須將量子計算機直接連接到GPU超級計算機，這樣才能進行錯誤糾正。以便我們能夠對量子計算機進行AI校準與控制，以便我們能夠共同進行模擬，協(xié)同工作，在GPU上運行的正確算法，在QPU上運行的正確算法，以及這兩種處理器，兩臺計算機并排工作。這就是量子計算的未來。

（視頻內(nèi)容：讓我們來看看。構建量子計算機的方法有很多。每種都采用量子比特作為其核心構建單元。但無論采用何種方法，所有量子比特，無論是超導量子比特、囚禁離子還是中性原子或光子，面臨相同的挑戰(zhàn)。它們非常脆弱，對噪音極其敏感。當前的量子比特僅能穩(wěn)定運行數(shù)百次操作。但解決有意義的問題需要數(shù)萬億次運算。答案是量子糾錯。測量會擾動量子比特，從而破壞其內(nèi)部的信息。訣竅在于添加額外的量子比特，并使它們處于糾纏態(tài)。這樣，測量它們就能為我們提供足夠的信息來計算錯誤發(fā)生的位置，同時不會損壞我們關心的量子比特。它非常出色，但需要超越最先進的常規(guī)計算能力。

正因如此，我們打造了NVQLink，一種全新的互連架構，可將量子處理器與英偉達GPU直接連接。量子糾錯需要從量子比特中讀取信息，計算錯誤發(fā)生的位置，并將數(shù)據(jù)發(fā)送回去進行修正。NVQLink能夠以每秒數(shù)千次的頻率，在量子硬件與外部設備之間傳輸數(shù)千兆字節(jié)的數(shù)據(jù)，以滿足量子糾錯所需的高速數(shù)據(jù)傳輸需求。其核心是CUDA-Q，我們面向量子GPU計算的開放平臺。借助NVQ-Link和CUDA-Q，研究人員將能夠實現(xiàn)超越錯誤糾正的功能。他們還將能夠協(xié)調(diào)量子設備和AI超級計算機來運行量子GPU應用程序。量子計算不會取代經(jīng)典系統(tǒng)。它們將協(xié)同工作，融合為一個加速的量子超級計算平臺。）

要知道，CEO們可不是整天坐在辦公桌前打字的。這是體力活，純粹的體力活。因此，今天我們宣布推出NVQLink。其實現(xiàn)得益于兩點：當然，這個用于量子計算機控制和校準的互連系統(tǒng)，量子糾錯，以及連接兩臺計算機，利用QPU和我們的GPU超級計算機進行混合仿真。它還具有完全的可擴展性。它不僅能為當前數(shù)量有限的量子比特執(zhí)行糾錯操作，它為明日的錯誤糾正做準備，屆時我們將把量子計算機從如今的數(shù)百量子比特擴展到數(shù)萬量子比特。未來將擁有數(shù)十萬個量子比特。因此，我們現(xiàn)在擁有了一套能夠實現(xiàn)控制的架構，協(xié)同激發(fā)、量子糾錯與未來擴展。

業(yè)界的支持令人難以置信。在CUDA-Q發(fā)明之前，請記住，CUDA原本是為GPU、CPU和加速計算設計的，基本上是同時使用兩個處理器來完成一一用對工具做對事。如今，CUDA-Q已擴展至CUDA之外，從而能夠支持QPU，使兩種處理器協(xié)同工作。QPU與GPU協(xié)同工作，計算任務在兩者之間往返傳遞，耗時僅數(shù)微秒，實現(xiàn)與量子計算機協(xié)同運作所需的基本延遲。如今，CUDA-Q已成為一項了不起的突破性技術，被眾多不同領域的開發(fā)者所采用。我們今日宣布，共有17家量子計算機行業(yè)公司支持NVQLink。而且我對此感到非常興奮。

八個不同的美國能源部實驗室：伯克利實驗室、布魯克海文實驗室、費米實驗室、林肯實驗室、洛斯阿拉莫斯、橡樹嶺、太平洋西北、桑迪亞國家實驗室。幾乎所有美國能源部的實驗室都與我們展開合作，攜手量子計算機公司生態(tài)系統(tǒng)及量子控制器供應商，將量子計算逐步融入科學發(fā)展的未來藍圖。

我們正在經(jīng)歷幾次平臺轉型。一方面，我們正經(jīng)歷著加速計算的發(fā)展，這就是為什么未來的超級計算機都將基于GPU。我們將轉向AI，使AI與基于原理的求解器、基于原理的模擬協(xié)同工作?；谠淼奈锢砟M不會消失，但它可以被增強、強化、擴展，使用代理模型、AI模型。

我們還知道，通過基于原理的求解器，經(jīng)典計算能夠借助量子計算來增強對自然狀態(tài)的理解。我們也知道，未來我們擁有如此多的信號，必須從世界中采樣如此多的數(shù)據(jù)，遙感技術的重要性已達到前所未有的高度。除非這些實驗室成為自動化工廠，否則它們根本無法以我們所需的規(guī)模和速度進行實驗，成為機器人實驗室。因此，所有這些不同的技術正同時涌入科學領域。

3、極致協(xié)同設計，重塑AI算力經(jīng)濟

我們來聊聊AI吧。什么是AI？大多數(shù)人會說AI就是聊天機器人，嗯，這完全是理所當然的。毫無疑問，ChatGPT正處于人們所認為的AI的前沿。然而，正如你此刻所見，這些科學超級計算機不會運行聊天機器人，他們將從事基礎科學研究。

科學AI的世界遠比想象中更廣闊，遠不止是一個聊天機器人。當然，聊天機器人極其重要，而通用AI則具有根本性的關鍵意義。深層計算機科學、非凡的計算能力以及重大突破，仍是實現(xiàn)AGI的關鍵要素。但除此之外，AI還有更多可能。

實際上，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的認知，是它徹底重構了計算棧。我們過去做軟件的方式是手工編碼，在CPU上運行手工編碼軟件。如今，AI就是機器學習、訓練，或者說數(shù)據(jù)密集型編程，由在GPU上運行的AI訓練和學習而成。為實現(xiàn)這一目標，整個計算棧已發(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。

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設施中。在這項基礎設施之上——它由巨型數(shù)據(jù)中心構成，其規(guī)模輕松達到這個房間的數(shù)倍之多。巨大的能量隨后通過名為GPU超級計算機的新設備轉化，從而生成數(shù)據(jù)。這些數(shù)字被稱為tokens。

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

一旦能夠將其tokens化，AI就能學習該語言及其含義。一旦它學會了那種語言的含義，它就能翻譯，它能回應，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？如果它是一種化學物質(zhì)呢？如果它是一個3D結構，比如工廠呢？如果它是一個機器人，而tokens是理解行為并將其轉化為動作和行為的標記呢？所有這些概念基本上是一樣的。這正是AI取得如此非凡進展的原因。

在這些模型之上還有應用程序。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)絡模型），有狀態(tài)空間模型，也有圖神經(jīng)網(wǎng)絡模型，多模態(tài)模型，當然，還包括我剛才描述的所有不同的分詞方式和分詞方法。

你可以構建在理解層面具有空間特性、針對空間感知能力進行了優(yōu)化的模型。你可以擁有針對長序列進行優(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，還有構建在這些模型架構之上的架構——這些就是應用程序。

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，是因為你使用它們。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)頁瀏覽器預訂假期或購物，本質(zhì)上就是一個使用工具的AI。Cursor是一款AI系統(tǒng)，是我們在英偉達使用的具有自主決策能力的AI系統(tǒng)。英偉達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)，無論是聊天機器人、數(shù)字生物學、AI助手研究員，還有在自動駕駛出租車內(nèi)，當然，AI司機是無形的。但顯然有一個AI司機在工作，而他完成這項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。技術如今首次能夠承擔工作，并幫助我們提高生產(chǎn)力。機遇清單源源不斷，這正是AI能夠觸及IT從未涉足的經(jīng)濟領域的原因。

IT是支撐著100萬億美元全球經(jīng)濟的工具之下，蘊藏著數(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。我們面臨嚴重的勞動力短缺問題，擁有能夠增強勞動力的AI將助力我們實現(xiàn)增長。

從科技產(chǎn)業(yè)的角度來看，這點同樣耐人尋味：除了AI作為新興技術正在開拓經(jīng)濟新領域之外，AI本身也是一種新興產(chǎn)業(yè)。正如我先前所解釋的，這個tokens，這些數(shù)字，在你將所有不同模態(tài)的信息進行分詞處理之后，有一家工廠需要生產(chǎn)這些數(shù)字。

與過去的計算機行業(yè)和芯片行業(yè)不同，如果你回顧過去的芯片行業(yè)，芯片行業(yè)約占數(shù)萬億美元IT產(chǎn)業(yè)的5%至10%，可能更少。原因在于，使用Excel、使用瀏覽器、使用Word并不需要太多的計算量。我們進行計算，但在這個新世界里，需要一臺始終理解上下文的計算機。它無法預先計算出結果，因為每次你用電腦進行AI操作時，每次你讓AI做某事時，上下文都不同，因此它必須處理所有這些信息。

例如自動駕駛汽車的情況，它必須處理車輛的上下文信息，進行上下文處理。你要求AI執(zhí)行什么指令？然后它必須一步一步地分解問題，思考此事，制定計劃并付諸實施。該步驟中的每個操作都需要生成大量tokens。這就是為什么我們需要一種新型系統(tǒng)的原因，我稱之為AI工廠。這絕對是個AI工廠。

它與過去的數(shù)據(jù)中心截然不同。這是一座AI工廠，因為這座工廠只生產(chǎn)一種東西。不同于過去包攬一切的數(shù)據(jù)中心——為我們所有人存儲文件，運行各種不同的應用程序，你可以像使用電腦一樣使用該數(shù)據(jù)中心，運行各種應用程序，你某天可以用它來玩游戲，可以用它來瀏覽網(wǎng)頁，可以用它來做賬。因此，那是一臺屬于過去的計算機，一臺通用計算機。

我在此所說的計算機是一座工廠，它基本上只運行一件事。它運行AI，其目的在于生成價值最大化的tokens。這意味著他們必須聰明。而你希望以驚人的速度生成這些tokens，因為當你向AI提出請求時，你希望它做出回應。請注意，在高峰時段，這些AI的響應速度正變得越來越慢，因為它要為很多人做很多工作。因此你希望它能以驚人的速度生成有價值的tokens，而你希望它能以經(jīng)濟高效的方式實現(xiàn)。我使用的每個詞都符合AI工廠的特征，與汽車廠或任何工廠一樣。這絕對是工廠，而且這些工廠以前從未存在過。而這些工廠里堆積著成山的芯片。

這便引出了今天。過去幾年發(fā)生了什么？事實上，去年發(fā)生了什么？其實今年確實發(fā)生了一件相當深刻的事情。若你回顧年初，每個人對AI都有自己的看法。這種態(tài)度通常是：這會是個大事件，那將是未來。而幾個月前，不知怎么的，它啟動了渦輪增壓。

原因有以下幾點。第一點是，在過去的幾年里，我們已經(jīng)摸清了如何讓AI變得聰明得多。與其說只是預訓練，不如說預訓練本質(zhì)上表明：讓我們把人類創(chuàng)造過的所有信息都拿出來，讓我們把它交給AI來學習吧，本質(zhì)上就是記憶和概括。這就像我們小時候上學一樣，學習的第一階段。預訓練從來就不是終點，正如學前教育也從來不是教育的終點。

學前教育，本質(zhì)上就是培養(yǎng)你掌握智力發(fā)展的基礎技能，讓你懂得如何學習其他一切知識。沒有詞匯量，不理解語言及其表達方式，如何思考，這是無法學到其他一切的。接下來是培訓后階段。培訓之后，在培訓之前，是傳授你解決問題的技能，分解問題，思考它，如何解決數(shù)學問題，如何編寫代碼，如何逐步思考這些問題，運用第一性原理推理。而之后才是計算真正發(fā)揮作用的階段。

眾所周知，對我們許多人來說，我們?nèi)ド蠈W了，就我而言，那是幾十年前的事了。但自那以后，我學到了更多，思考得也更深了。而原因在于我們始終在不斷汲取新知識來充實自己。我們不斷進行研究，也持續(xù)思考。思考才是智力的真正本質(zhì)。

因此，我們現(xiàn)在擁有三項基礎技術能力。我們擁有這三項技術：預訓練，仍需投入巨大資源，海量的計算量。我們現(xiàn)在有后訓練，它使用了更多的計算資源。而如今，思考給基礎設施帶來了難以置信的計算負荷，因為它在為我們每個人代勞思考。因此，AI進行思考所需的計算量，這種推論，實在相當非凡。

以前我常聽人說推理很容易，英偉達應該進行培訓。NVIDIA要搞的，你知道的，他們在這方面真的很厲害，所以他們要進行培訓，這個推論很簡單。但思考怎么可能容易？背誦記憶的內(nèi)容很容易，背誦乘法表很容易。思考是艱難的，這正是這三把尺子的緣由。這三條新的標度律，即全部內(nèi)容都在其中全速運轉，給計算量帶來了巨大壓力。

現(xiàn)在又發(fā)生了另一件事。從這三條標度律中，我們獲得了更智能的模型。而這些更智能的模型需要更強的計算能力。但當你獲得更智能的模型時，你便獲得了更高的智能水平，人們使用它。你的模型越聰明，使用的人越多?，F(xiàn)在它更接地氣了，它能夠進行推理。它能夠解決以前從未學過如何解決的問題，因為它能做研究，去了解它，回來拆解它，思考如何解決你的問題，如何回答你的問題，然后去解決它。思考的深度正使模型變得更智能。它越智能，使用的人就越多。它越智能，就需要進行越多的計算。

但事情是這樣的。過去一年，AI行業(yè)迎來了轉折點。這意味著AI模型如今已足夠智能，他們正在創(chuàng)造價值，他們值得為此付費。NVIDIA為每份Cursor許可證付費，我們樂意如此。我們樂意為之，因為Cursor正助力身價數(shù)十萬美元的軟件工程師或AI研究員實現(xiàn)多重價值，效率高出許多倍。當然，我們非常樂意為您效勞。這些AI模型已經(jīng)足夠優(yōu)秀，值得為此付費。Cursor、ElevenLabs、Synthesia、Abridge、OpenEvidence，名單還在繼續(xù)。當然，OpenAI，當然，Claude。這些模型如今如此出色，人們?yōu)榇烁顿M。

而且因為人們正在為此付費并使用得更多，每次他們使用更多時，你需要更多計算能力。我們現(xiàn)在有兩個指數(shù)函數(shù)。這兩個指數(shù)，其中一個是三階縮放定律中的指數(shù)計算需求。第二個指數(shù)函數(shù)是，模型越聰明，使用的人越多，使用的人越多，它需要的計算量就越大。

兩個指數(shù)級增長的趨勢正對全球計算資源施加壓力，而就在不久前我才告訴過你們，摩爾定律已基本終結。那么問題來了，我們該怎么辦？如果我們有這兩項指數(shù)級增長的需求，如果我們找不到降低成本的方法，那么這個正反饋系統(tǒng)，這個本質(zhì)上稱為良性循環(huán)的循環(huán)反饋系統(tǒng)——對幾乎所有行業(yè)都至關重要，對任何平臺型行業(yè)都至關重要——就可能無法持續(xù)。

這對英偉達至關重要。我們現(xiàn)已進入CUDA的虛擬周期。應用程序越多，人們創(chuàng)建的應用程序越多，CUDA就越有價值。CUDA越有價值，購買的CUDA計算機就越多。購買的CUDA并行計算機越多，越來越多的開發(fā)者希望為其創(chuàng)建應用程序。經(jīng)過三十年的發(fā)展，英偉達終于實現(xiàn)了這一虛擬循環(huán)。十五年后，我們終于在AI領域實現(xiàn)了這一目標。AI現(xiàn)已進入虛擬循環(huán)階段。

因此你用得越多，因為AI很聰明，而我們?yōu)榇烁顿M，產(chǎn)生的利潤就越多。產(chǎn)生的利潤越多，投入的計算資源就越多。在電網(wǎng)中，投入到AI工廠的計算資源越多，計算能力越強，AI變得越來越聰明。越聰明，使用它的人越多，使用它的應用程序就越多，我們能解決的問題就越多。

這個虛擬循環(huán)正在運轉。我們需要做的是大幅降低成本。因此，其一，用戶體驗得以提升，當你向AI發(fā)出指令時，它會更快地作出響應。其二，通過降低其成本來維持這個虛擬循環(huán)的運轉，以便它能變得更智能，以便更多人會使用它，諸如此類。那個虛擬循環(huán)正在運轉。

但當摩爾定律真的達到極限時，我們該如何突破呢？答案就是極致協(xié)同設計。你不能僅僅設計芯片，就指望在芯片上運行的東西會變得更快。在芯片設計中，你所能做的最好就是添加——我不知道，每隔幾年晶體管數(shù)量就會增加50%。如果你再增加更多晶體管的話……你知道嗎，我們可以擁有更多的晶體管，臺積電是一家了不起的公司，我們只會繼續(xù)增加更多晶體管。

然而，這些都是百分比，而非指數(shù)增長。我們需要復合指數(shù)增長來維持這個虛擬循環(huán)的運轉。我們稱之為極致協(xié)同設計。

4、從數(shù)據(jù)中心到“AI工廠”的進化

英偉達是當今世界上唯一一家能夠真正從一張白紙開始，構思全新基礎架構的公司，包括計算機架構、新型芯片、新型系統(tǒng)、新型軟件、新型架構、新型應用程序，同時兼顧。在座的許多人之所以在此，是因為你們都是那層結構的不同組成部分，在與NVIDIA合作時，是該堆棧的不同部分。我們從根本上重新構建了所有架構。

然后，由于AI是一個如此龐大的問題，我們擴大規(guī)模。我們打造了一臺完整的計算機，這是首臺能夠擴展至整機架規(guī)模的計算機。這臺計算機配備單張GPU，隨后我們通過發(fā)明名為Spectrum-X的新型AI以太網(wǎng)技術實現(xiàn)橫向擴展。

人人都說以太網(wǎng)就是以太網(wǎng)。但以太網(wǎng)根本算不上以太網(wǎng)。Spectrum-X以太網(wǎng)專為AI性能而設計，這正是它如此成功的原因。即便如此，那也不夠大。我們將用AI超級計算機和GPU填滿整個房間。這仍然不夠大，因為AI的應用數(shù)量和用戶數(shù)量正在持續(xù)呈指數(shù)級增長。

我們將多個這樣的數(shù)據(jù)中心相互連接起來，我們稱之為Spectrum-XGS的規(guī)?！狦iga Scale X-Spectrum。通過這樣做，我們在如此巨大的層面上進行協(xié)同設計，達到如此極致的程度，其性能提升令人震驚，并非每代提升50%或25%，但遠不止于此。

這是我們迄今為止打造的最極致的協(xié)同設計計算機，坦率地說，是現(xiàn)代制造的。自IBM System/360以來，我認為還沒有哪臺計算機像這樣被徹底重新設計過。這個系統(tǒng)的創(chuàng)建過程極其艱難。

我馬上讓你見識它的妙處。但本質(zhì)上我們所做的，好吧，這有點像美國隊長的盾牌。所以NVLink72，如果我們要制造一枚巨型芯片，一塊巨型GPU，它看起來會是這樣。這就是我們必須進行的晶圓級加工的程度，太不可思議了。

所有這些芯片現(xiàn)在都被裝入一個巨大的機架中。是我干的還是別人干的？放入那個巨大的架子…… 你知道嗎，有時候我覺得自己并不孤單。僅憑這組巨型支架，便使所有芯片協(xié)同運作，渾然一體。這簡直令人難以置信，我這就向你展示其中的好處。情況是這樣的。所以…… 謝謝，珍妮。我——我喜歡這個。嗯。好的。女士們、先生們，賈妮娜·保羅。哇！明白了。在未來……

接下來，我就像雷神那樣去干。就像你在家里，卻夠不到遙控器，你只要這樣做，就會有人把它送給你。就是這樣。嗯。如果你看一下列表。這種事從不會發(fā)生在我身上，我只是在做夢罷了。

看起來你實際能基準測試的GPU列表大約有90%是NVIDIA。好吧，所以不管怎樣，我們基本上…… 但是。這是NVLink 8。如今，這些模型如此龐大，我們的解決方式是將模型將這個龐然大物拆解成眾多專家。這有點像一個團隊。因此，這些專家擅長處理特定類型的問題。我們召集了一大批專家。

因此，這個價值數(shù)萬億美元的巨型AI模型匯聚了眾多不同領域的專家。我們將所有這些不同領域的專家都集中到一個GPU上?，F(xiàn)在，這是NVLink 72。我們可以把所有芯片都集成到一塊巨型晶圓上，每位專家都能相互交流。因此，這位首席專家能夠與所有在崗的專家進行交流，以及所有必要的上下文、提示和我們必須處理的大量數(shù)據(jù)，一堆tokens，我們必須發(fā)送給所有專家。專家們會…… 無論哪位專家被選中解答問題，都會隨即嘗試作出回應。

然后它就會開始逐層逐層地執(zhí)行這個操作，有時八人，有時十六人，有時這些專家有時是64，有時是256。但關鍵在于，專家的數(shù)量正越來越多。嗯，這里，NVLink 72，我們擁有72個GPU。正因如此，我們才能將四位專家整合到單個GPU中。

你需要為每塊GPU做的最重要的事就是生成tokens，即您在HBM內(nèi)存中擁有的帶寬數(shù)量。我們擁有一臺H系列GPU，為四位專家提供計算支持。與這里不同，因為每臺計算機最多只能安裝八個GPU，我們必須將32位專家整合到單個GPU中。因此這塊GPU需要為32位專家進行思考，相比之下，該系統(tǒng)中每塊GPU只需處理四項任務。正因如此，速度差異才如此驚人。

這剛發(fā)布。這是由SemiAnalysis完成的基準測試。他們干得非常、非常徹底。他們對所有可進行基準測試的GPU進行了基準測試。全球各地的供應鏈都在制造它，因此我們現(xiàn)在可以向所有這些地區(qū)交付這種新架構，從而使資本支出投資于這些設備，這些計算機能夠提供最佳的總體擁有成本。

現(xiàn)在在這之下，有兩件事正在發(fā)生。所以當你看這個時，實際上是相當非同尋常的。無論如何，這相當非同尋?！，F(xiàn)在同時發(fā)生著兩次平臺轉變。

記住，如我之前跟你提到的，加速計算用于數(shù)據(jù)處理、圖像處理、計算機圖形學。它確實執(zhí)行各種計算。它運行SQL，運行Spark，它運行…… 你知道，你讓它，你告訴我們你需要運行什么，這可是件大事。它說我們現(xiàn)在可以更快地做出回應，但這才是更重大的事。

因此在下面層面，不管是否有AI，世界正從通用計算轉向加速計算。不管是否有AI。事實上，許多CSP早已提供在AI出現(xiàn)之前就存在的服務。記住，它們是在機器學習時代被發(fā)明的，像XGBoost這樣的經(jīng)典機器學習算法，像用于推薦系統(tǒng)的數(shù)據(jù)框，協(xié)同過濾，內(nèi)容過濾。所有這些技術都誕生于通用計算的早期時代。

即便是那些算法，即便是那些架構，如今在加速計算的加持下也變得更加強大。因此，即使沒有AI，全球云服務提供商也將投資于加速技術。NVIDIA的GPU是唯一能同時實現(xiàn)上述所有功能并支持AI的GPU。專用集成電路或許能夠實現(xiàn)AI，但它無法完成其他任何任務。

NVIDIA完全能夠做到這一切，這也解釋了為什么完全采用NVIDIA架構是如此穩(wěn)妥的選擇。我們現(xiàn)已進入良性循環(huán)，抵達了轉折點，這實在非同尋常。

我在這間會議室里有許多合作伙伴，而你們所有人都是我們供應鏈的重要組成部分。我知道你們大家工作多么努力。我想感謝你們所有人，你們工作多么努力。非常感謝。

現(xiàn)在我將向你展示原因。這就是我們公司業(yè)務的現(xiàn)狀。正如我剛才提到的所有原因，我們看到Grace Blackwell正呈現(xiàn)出非凡的增長態(tài)勢。它由兩個指數(shù)函數(shù)驅動。我們現(xiàn)在已掌握情況。

我認為，在Blackwell以及Rubin早期增長態(tài)勢上，2026年我們很可能是歷史上首家能夠看到5000億美元業(yè)務規(guī)模的公司。正如你所知，2025年尚未結束，2026年也尚未開始。這就是賬面上的業(yè)務量，迄今為止已達半萬億美元。

在這些產(chǎn)品中，我們已在前幾個季度售出了六百萬臺Blackwell設備。我猜生產(chǎn)的前四個季度，四分之三的產(chǎn)量。2025年還有一個季度要走。然后我們有四個季度。因此未來五個季度，將有5000億美元。這相當于Hopper增長率的五倍，這多少說明了些什么。

這就是Hopper的全部人生。這不包括中國和亞洲。所以這只是西方市場。Hopper，在其全部生命周期中，四百萬塊GPU。Blackwell，每個Blackwell在一個大封裝中包含兩塊GPU。在Rubin的早期階段有2000萬塊Blackwell GPU。令人難以置信的增長。

因此，我要感謝我們所有的供應鏈合作伙伴。大家。我知道你們工作多么辛苦。我制作了一段視頻來慶祝你的工作。我們來玩吧。

（視頻內(nèi)容）

極致版Blackwell GB200Nv與Grace Blackwell NVLink 72的協(xié)同設計，使我們實現(xiàn)了十倍代際性能提升。簡直難以置信?，F(xiàn)在，真正令人難以置信的部分是這個。這是我們制造的第一臺AI超級計算機。這是2016年，我將其交付給舊金山的一家初創(chuàng)公司，結果發(fā)現(xiàn)是OpenAI。這就是那臺電腦。

為了制造那臺計算機，我們設計了一枚芯片。我們設計了一款新芯片。為了我們現(xiàn)在能夠進行協(xié)同設計，看看我們得處理的這么多芯片。這就是需要的。你不可能拿一塊芯片就讓計算機速度提升十倍，那不可能發(fā)生。

使計算機速度提升十倍的方法在于我們能夠持續(xù)實現(xiàn)性能的指數(shù)級增長。我們能夠以指數(shù)級持續(xù)壓低成本的方法，是極端協(xié)同設計以及同時在所有這些不同芯片上并行工作。我們現(xiàn)在把Rubin接回家了。這是Rubin。

這是我們的第三代NVLink 72機架級計算機。第三代。GB200是第一代。遍布全球的所有合作伙伴們，我知道你們付出了多么艱辛的努力。這真的是極其艱難。第二代，順滑得多。而這一代，看這個，完全無線纜。完全無線纜。而這一切現(xiàn)在又回到了實驗室。

這是下一代，Rubin。在我們發(fā)貨GB300的同時，我們正在準備讓Rubin進入量產(chǎn)。你知道的，就在明年的這個時候，也許會稍微早一點。因此，每一年，我們都會提出最激進的協(xié)同設計系統(tǒng)，以便不斷提高性能并持續(xù)降低tokens生成成本。

看看這個。這是一臺令人難以置信的漂亮計算機。這是100 PetaFLOPS。我知道這沒有任何意義。100 PetaFLOPS。但與我十年前交付給OpenAI的DGX-1相比，性能提升了100倍。就在這里。與那臺超級計算機相比是100倍。一百臺那種的，來算算看，一百臺那種大概相當于25個這樣的機架，都被這一樣東西替代了。一個維拉·魯賓。

所以，這是計算托盤。所以這是Vera Rubin超級芯片?？梢詥幔窟@是計算托盤。就在這里，上方。安裝起來非常容易。只需把這些東西掀開，塞進去。就連我也能做到。這是Vera Rubin計算托盤。

如果你決定要添加一個特殊處理器，我們添加了另一個處理器，稱為上下文處理器，因為我們提供給AI的上下文量越來越大。我們希望它在回答問題之前先讀取大量PDF，希望它能讀取大量歸檔論文，觀看大量視頻，在回答我的問題之前先去學習所有這些內(nèi)容。所有這些上下文處理都可以被添加進去。

因此您可以看到底部有八個ConnectX-9新型SuperNIC網(wǎng)卡。你有八個。您擁有BlueField-4，這款新型數(shù)據(jù)處理器，兩個Vera處理器，以及四個Rubin軟件包，或八個Rubin GPU。這一切都集中在這個節(jié)點上。完全無線，100%液冷。

至于這款新處理器，今天我就不多說了。我時間不夠，但這完全是革命性的。而原因在于，你們的AI需要越來越多的內(nèi)存。你與它的互動更頻繁了，你希望它能記住我們上次的對話。你為我所學的一切，等我下次回來時，請千萬別忘記。

因此，所有這些記憶將共同構筑出名為KV緩存的東西。而KV緩存，檢索它時，你可能已經(jīng)注意到，每次你進入你的會話，你們現(xiàn)在的AI刷新和檢索所有歷史對話的時間越來越長了。而且原因在于我們需要一款革命性的新處理器。這被稱為BlueField-4。

接下來是NVLink交換機。這正是使我們能夠將所有計算機連接在一起的關鍵所在。而這個交換機的帶寬現(xiàn)已達到全球互聯(lián)網(wǎng)峰值流量的數(shù)倍。因此，該主干將同時向所有GPU傳遞并傳輸所有數(shù)據(jù)。

除此之外，這是Spectrum-X開關。這款以太網(wǎng)交換機的設計使得所有處理器能夠同時相互通信，而不會造成網(wǎng)絡擁塞。堵塞網(wǎng)絡，這很技術性?？梢詥?？所以這三者結合起來。然后這就是量子開關。這是InfiniBand，這是以太網(wǎng)。我們不在乎你想用什么語言，無論您采用何種標準，我們都為您準備了卓越的橫向擴展架構。

無論是InfiniBand、Quantum還是Spectrum以太網(wǎng)，這款采用硅光子技術，并提供完全共封裝的選項。基本上，激光會直接接觸硅片，并將它與我們的芯片連接起來?？梢詥?？這就是Spectrum-X以太網(wǎng)。哦，這就是它的樣子。這是一個機架。這是兩噸。150萬個部件和這根脊柱，這根脊柱在一秒鐘內(nèi)承載著整個互聯(lián)網(wǎng)的流量。相同的速度，能在所有這些不同的處理器之間遷移。100%液冷。所有這一切，都是為了世界上最快的tokens生成速度?？梢詥?？所以那就是機架的樣子。

現(xiàn)在，那是一個機架。一個千兆瓦級的數(shù)據(jù)中心會有，來算算，16個機架大約是姑且叫它9,000，8,000個這樣的將是一個一千兆瓦的數(shù)據(jù)中心。所以那將是未來的AI工廠。

如你所見，NVIDIA起初是設計芯片，隨后我們開始設計系統(tǒng)，并且我們設計AI超級計算機。現(xiàn)在我們正在設計完整的AI工廠。每次我們將更多問題整合進來進行解決時，我們都會想出更好的解決方案。我們現(xiàn)在構建完整的AI工廠。

這個AI工廠將會是…… 我們?yōu)閂era Rubin構建的東西。我們創(chuàng)造了一項技術，使我們所有的合作伙伴都能夠以數(shù)字化方式集成到這個工廠中。讓我向你展示。

（視頻內(nèi)容）

完全、完全是數(shù)字化的。在Vera Rubin作為真實計算機出現(xiàn)之前很久很久，我們已經(jīng)把它作為數(shù)字孿生計算機來使用。很久在這些AI工廠出現(xiàn)之前，我們就會使用它，我們會設計它，我們會規(guī)劃它、優(yōu)化它，并以數(shù)字孿生的方式來運行它。

因此，所有與我們合作的合作伙伴，我非常高興你們所有支持我們的人。Gio在這里，G Ver... Vernova在這里，Schneider。我想，Olivier在這里，Olivier Blum在這里。西門子，令人難以置信的合作伙伴。好的。羅蘭·布什，我想他在看。嗨，羅蘭。總之，真的，非常非常棒的合作伙伴與我們一起工作。

起初，我們有CUDA，以及各種不同的軟件合作伙伴生態(tài)系統(tǒng)。現(xiàn)在，我們有Omniverse DSX，并且正在構建AI工廠。同樣地，我們也有這些與我們合作的令人驚嘆的合作伙伴生態(tài)系統(tǒng)。

讓我們來談談模型，特別是開源模型。在過去幾年里，發(fā)生了幾件事。一是開源模型因為具備推理能力而變得非常強大；它們之所以非常強大，是因為它們是多模態(tài)的，并且由于蒸餾技術，它們的效率非常高。因此，所有這些不同的功能已經(jīng)使開源模型首次對開發(fā)人員極其有用。它們現(xiàn)在是初創(chuàng)公司的命脈。顯然，這些初創(chuàng)公司的生存命脈在不同的行業(yè)中各不相同，正如我之前提到的，每個行業(yè)都有其自身的用例、其自身的數(shù)據(jù)、自己的已用數(shù)據(jù)，自己的飛輪。所有這些能力，那些領域專長需要能夠嵌入到模型中，開源使這成為可能。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。

美國也必須在開源方面處于領先地位。我們擁有極其出色的專有模型，我們擁有令人驚艷的專有模型，我們同樣需要令人驚艷的開源模型。我們的國家依賴它，我們的初創(chuàng)公司依賴它，因此NVIDIA致力于去實現(xiàn)這一目標。我們現(xiàn)在是最大的，我們在開源貢獻方面處于領先地位。我們在排行榜上有23個模型。我們擁有來自不同領域的這些語言模型，我將要討論的物理AI模型、機器人模型到生物學模型。每一個這些模型都有龐大的團隊，這也是我們?yōu)樽约簶嫿ǔ売嬎銠C以支持所有這些模型創(chuàng)建的原因之一。我們擁有第一的語音模型、第一的推理模型、第一的物理AI模型，下載量非常非?？捎^。我們致力于此，原因在于科學需要它，研究人員需要它，初創(chuàng)公司需要它，企業(yè)也需要它。

我很高興AI初創(chuàng)公司以NVIDIA為基礎構建。他們這樣做有好幾種原因。首先，當然我們的生態(tài)系統(tǒng)很豐富，我們的工具運行得非常好。我們所有的工具都能在我們所有的GPU上運行，我們的GPU無處不在。它實際上存在于每一個云中，它可以在本地部署，你可以自己構建。你可以自己搭建一個發(fā)燒友級別的游戲電腦，里面裝多塊GPU，然后你可以下載我們的軟件棧，它就是能用。我們有大量開發(fā)者在不斷豐富生態(tài)系統(tǒng)，使其越來越強大。所以我對我們合作的所有初創(chuàng)公司感到非常滿意，我對此心存感激。

同樣，許多這些初創(chuàng)公司現(xiàn)在也開始創(chuàng)造更多方式來利用我們的GPU，例如CoreWeave、Nscale、Nebius、Lambda、Crusoe等。這些公司正在建立這些新的GPU云來為初創(chuàng)公司服務，我非常感激這一點。這一切之所以成為可能，是因為NVIDIA無處不在。

我們將我們的庫整合在一起，所有我剛才跟你提到的CUDA X庫、我提到的所有開源AI模型、我提到的所有模型，例如，我們已經(jīng)集成到AWS中。真的很喜歡和Matt共事。例如，我們已與Google Cloud集成。真的很喜歡和Thomas共事。每一個云都集成了NVIDIA GPUs和我們的計算、我們的庫，以及我們的模型。很喜歡與微軟Azure的Satya一起合作，很喜歡與Oracle的Clay一起合作。每一個這些云都集成了NVIDIA堆棧。因此，不論你去哪里，無論你使用哪個云端，它的工作效果令人難以置信。

我們還將NVIDIA的庫集成到全球的SaaS中，以便這些SaaS最終都能成為具代理能力的SaaS。我喜歡Bill McDermott對ServiceNow的愿景。那里有人，對，就這樣。我想那可能是Bill。嗨，Bill。那么ServiceNow是什么？全球85%的企業(yè)級工作負載、工作流。SAP，全球80%的商業(yè)交易。Christian Klein和我正在合作將NVIDIA庫集成起來，將CUDA X、NeMo和NeMotron，以及我們所有的AI系統(tǒng)集成到SAP中。

與Synopsys的Sassine合作，加速全球的CAE，使CAD、EDA工具更快且可擴展，幫助他們創(chuàng)建AI代理。有朝一日，我很想雇傭一個AI代理ASIC設計師來與我們的ASIC設計師合作，從本質(zhì)上來說，就是Synopsys的AI代理。我們正在與Anirudh一起合作，Anirudh，是的，我今天早些時候見過他，他參與了賽前節(jié)目。Cadence做著令人難以置信的工作，加速他們的技術棧，創(chuàng)建AI代理，使得Cadence的AI ASIC設計師和系統(tǒng)設計師能夠與我們協(xié)同工作。

今天，我們宣布一個新的項目。AI將大幅提升生產(chǎn)力，AI將徹底改變每一個行業(yè)。但AI也會極大地增強網(wǎng)絡安全挑戰(zhàn)，那些惡意的AI。因此我們需要一個強大的防御者，我無法想象有比CrowdStrike更好的防御者。我們與CrowdStrike合作，將網(wǎng)絡安全的速度提升到光速，以創(chuàng)建一個在云端擁有網(wǎng)絡安全AI代理的系統(tǒng)，同時在本地或邊緣也擁有表現(xiàn)極為出色的AI代理。這樣一來，每當出現(xiàn)威脅時，你就能在瞬間檢測到它。我們需要速度，我們需要一個快速的自主智能、超智能的AI。

我有第二個聲明。這是世界上發(fā)展最快的企業(yè)公司，可能是當今世界上最重要的企業(yè)級堆棧，Palantir Ontology。這里有來自Palantir的人嗎？我剛才還在和Alex聊天。這是Palantir Ontology，他們獲取信息、獲取數(shù)據(jù)、獲取人為判斷，并將其轉化為商業(yè)洞察。我們與Palantir合作，加速Palantir的所有工作，以便我們能夠進行數(shù)據(jù)處理，以更大規(guī)模和更高速度進行數(shù)據(jù)處理，更大規(guī)模、更多速度。無論是過去的結構化數(shù)據(jù)，當然也包括我們將擁有結構化數(shù)據(jù)、人為記錄的數(shù)據(jù)、非結構化數(shù)據(jù)，并為我們的政府處理這些數(shù)據(jù)，用于國家安全，以及為全球的企業(yè)服務，以光速處理這些數(shù)據(jù)并從中發(fā)現(xiàn)洞見。這就是未來的樣子。Palantir將與NVIDIA集成，以便我們能夠以光速和極大規(guī)模進行處理。

5、進軍物理AI、機器人技術與自動駕駛

讓我們來談談物理AI。物理AI需要三臺計算機。正如訓練一個語言模型需要兩臺計算機一樣，一臺用于訓練它、評估它，然后用于推理它。所以你看到的是大型的GB200。為了用于物理AI，你需要三臺計算機。你需要這臺計算機來訓練它，這是GB，即Grace Blackwell NVLink-72。我們需要一臺能夠運行我之前用Omniverse DSX展示的所有模擬的計算機。它基本上是一個數(shù)字孿生，讓機器人學習如何成為一個優(yōu)秀的機器人，并使工廠實質(zhì)上成為一個數(shù)字孿生。那臺計算機是第二臺計算機，即Omniverse計算機。這臺計算機必須在生成式AI方面表現(xiàn)卓越，并且必須在計算機圖形學方面表現(xiàn)出色，傳感器模擬、光線追蹤、信號處理。這臺計算機被稱為Omniverse計算機。一旦我們訓練好模型，就在數(shù)字孿生中模擬該AI，而該數(shù)字孿生可以是一個工廠的數(shù)字孿生，以及大量機器人的數(shù)字孿生體。然后，你需要操作那臺機器人，這就是機器人計算機。這個可以裝進一輛自動駕駛汽車里，其中一半可以裝進一臺機器人里?？梢詥?？或者你實際上可以擁有，比如說，機器人在操作中非常靈活且非常快速，可能需要兩臺這樣的計算機。這就是Thor，Jetson Thor機器人計算機。這三臺計算機都運行CUDA，這使我們能夠推進物理AI，能夠理解物理世界、理解物理定律的AI，因果關系、持久性，物理AI。

我們有令人難以置信的合作伙伴與我們一起打造工廠的物理AI。我們自己也在使用它來打造我們在德克薩斯的工廠。現(xiàn)在，一旦我們建成了機器人工廠，我們里面有一堆機器人，這些機器人也需要物理AI，將物理AI應用于數(shù)字孿生內(nèi)部，并在其中運行。讓我們看看它。

（視頻內(nèi)容）

這就是制造業(yè)的未來，未來的工廠。我要感謝我們的合作伙伴富士康。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)造未來的機器人工廠。這個工廠本質(zhì)上是一個機器人，它正在協(xié)調(diào)機器人去制造出具有機器人性質(zhì)的東西。要做到這一點所需的軟件量非常龐大，除非你能夠在數(shù)字孿生中去規(guī)劃它、去設計它、在數(shù)字孿生中去運營它，否則讓這個方案奏效的希望幾乎不可能。

我也很高興看到Caterpillar，我的朋友Joe Creed，以及他那家有著百年歷史的公司也在將數(shù)字孿生技術融入他們的制造方式。這些工廠將配備未來的機器人系統(tǒng)，其中最先進的之一是Figure。Brett Adcock今天在這里。他三年半前創(chuàng)辦了一家公司，他們現(xiàn)在市值接近400億美元。我們正在共同訓練這個AI，訓練機器人、模擬機器人，當然還有裝入Figure的機器人電腦。真的非常驚人。我有幸見證了這一點，這真的相當非凡。很可能類人機器人會出現(xiàn)，而且，我的朋友Elon也在做這方面的工作，這很可能會成為最大的消費類產(chǎn)品之一，新的消費電子市場，當然還有最大的一類工業(yè)設備市場之一。

Peggy Johnson和Agility的團隊正在與我們合作開發(fā)用于倉庫自動化的機器人。Johnson & Johnson的團隊再次與我們合作，訓練機器人，在數(shù)字孿生中進行仿真，并且還要操作機器人。這些Johnson & Johnson外科手術機器人甚至將進行完全非侵入性的手術，達到世界前所未有的精確度。

當然，史上最可愛的機器人，迪士尼的機器人。這是與我們息息相關的某件事。我們正在與Disney Research合作開發(fā)一個全新的框架和仿真平臺，基于一種名為Newton的革命性技術。而那款Newton模擬器使得機器人在具備物理感知的環(huán)境中學習如何成為一名優(yōu)秀的機器人。讓我們看看它。

（視頻內(nèi)容）

現(xiàn)在，人形機器人仍在開發(fā)中，但與此同時，有一款機器人明顯處于拐點上，它基本上就在這里，那是一個帶輪子的機器人。這是一個無人駕駛出租車。無人駕駛出租車本質(zhì)上就是一個AI司機?，F(xiàn)在，我們今天正在做的事情之一，我們宣布推出NVIDIA DRIVE Hyperion。這是一件大事。我們創(chuàng)建了這個架構，以便世界上每一家汽車公司都能制造車輛，可以是商用的，也可以是乘用的，可以是專用于無人出租車，制造出具備無人出租車準備能力的車輛。配備環(huán)視攝像頭、雷達和激光雷達的傳感套件使我們能夠實現(xiàn)最高級別的全方位感知套件與冗余，這是實現(xiàn)最高安全級別所必需的。Hyperion DRIVE，DRIVE Hyperion現(xiàn)在已被設計進Lucid、梅賽德斯-奔馳、我的朋友Ola K?llenius，Stellantis的團隊，還有許多其他車型即將到來。

一旦你有了一個基本的標準平臺，那么自動駕駛系統(tǒng)的開發(fā)者們，他們中有很多非常有才華的團隊，例如Wayve、Waabi、Aurora、Momenta、Nuro、WeRide等，有這么多公司可以把他們的AV系統(tǒng)移植到標準底盤上運行?；旧?，標準底盤現(xiàn)在已經(jīng)變成了一個移動的計算平臺。并且因為它是標準化的，且傳感器套件非常全面，他們都可以將他們的AI部署到上面。我們來快速看一下。好的。

（視頻內(nèi)容）

那就是美麗的舊金山，正如你所見，自動駕駛出租車的拐點即將到來。未來，每年將有萬億英里被駕駛，每年制造1億輛汽車，全球大約有5000萬輛出租車將會被大量無人駕駛出租車所增強。所以這將是一個非常龐大的市場。為了將其連接并在全球部署，今天我們宣布與Uber建立合作伙伴關系。Uber的Dara，Dara要走了。我們正在合作，將這些NVIDIA DRIVE Hyperion汽車連接成一個全球網(wǎng)絡。而在未來，你將能夠召喚到這些汽車中的一輛，生態(tài)系統(tǒng)將非常豐富，我們會在全世界看到Hyperion或無人駕駛出租車出現(xiàn)。這將成為我們的一個新的計算平臺，我預計它會非常成功。好的。

這就是我們今天所討論的內(nèi)容。我們討論了很多很多事情。請記住，其核心是兩點，是從通用計算向加速計算的兩次平臺轉變。NVIDIA CUDA及其名為CUDA-X的一系列庫使我們能夠應對幾乎所有行業(yè)，我們正處于拐點，現(xiàn)在它正如虛擬循環(huán)所示地增長。第二個拐點現(xiàn)在已經(jīng)到來，從傳統(tǒng)手寫軟件到AI的轉變。兩個平臺同時發(fā)生轉變，這就是我們感受到如此驚人增長的原因。

量子計算，我們已經(jīng)提到過。我們談到了開源模型。我們談到了與CrowdStrike的企業(yè)應用，以及Palantir，加速他們的平臺。我們談到了機器人技術，一個新的可能成為最大規(guī)模的消費電子和工業(yè)制造行業(yè)之一。當然，我們還談到了6G，NVIDIA有了用于6G的新平臺，我們稱之為Aria。我們有一個用于機器人汽車的新平臺，我們把它稱為Hyperion。我們有新的平臺，即便是面向工廠，也是兩類工廠，我們把那個AI工廠稱為DSX，然后把工廠與AI結合，我們稱之為MEGA。

女士們、先生們，感謝你們今天的到來，并且感謝你們讓我——謝謝——感謝你們讓我們能夠把GTC帶到華盛頓特區(qū)。我們希望每年都舉辦一次。感謝你們！