文 | 字母AI

黃仁勛又站上了圣何塞SAP中心的舞臺。這一次的GTC keynote，他用了將近兩個小時，把英偉達的野心從芯片一路鋪到外太空。

表面上看，這是一場產(chǎn)品發(fā)布會。

Vera Rubin平臺正式亮相，七顆芯片全部投產(chǎn)；

收購Groq，其產(chǎn)品首次以“Groq 3 LPX”的身份嵌入英偉達的推理體系；

自研CPU Vera問世，專為agent而設計；

發(fā)布DLSS 5，把神經(jīng)渲染帶進游戲畫面；

基于爆火的OpenClaw，推出了英偉達自家的NemoClaw；

拉來Mistral、Perplexity、Cursor等一眾AI公司，組建Nemotron開源模型聯(lián)盟；

自動駕駛方面，比亞迪、吉利、日產(chǎn)、五十鈴接入英偉達的DRIVE Hyperion平臺，Uber宣布2028年前在28個城市部署英偉達全棧自動駕駛車隊；

機器人基礎模型GR00T N2亮相；

甚至還有太空計劃，英偉達也要把算力送上軌道。

但黃仁勛真正想傳達的信息，比任何一款產(chǎn)品都大。

他給出了一個數(shù)字：從2025年到2027年，AI芯片的營收將要超過1萬億美元。

黃仁勛說，在AI時代，token是新的貨幣，AI工廠是生產(chǎn)它們的基礎設施。

接下來，黃仁勛先講訓練，再講推理，然后是智能體、物理 AI、機器人、自動駕駛，層層遞進。

每一層都對應更大的基礎設施需求，而如今的英偉達，每一層都有產(chǎn)品可以賣。

這場keynote看下來不像是一份產(chǎn)品報告，更像一張帝國版圖。

Vera Rubin：七顆芯片，一臺超級計算機

Vera Rubin是這場發(fā)布會的核心硬件。它由七顆芯片組成：Vera CPU、Rubin GPU、NVLink 6交換芯片、ConnectX-9 SuperNIC、BlueField-4 DPU、Spectrum-6以太網(wǎng)交換芯片，以及新整合的Groq 3 LPU。

這七顆芯片全部投產(chǎn)，設計目標是組成一臺協(xié)同工作的超級計算機，從大規(guī)模預訓練、后訓練、測試時推理擴展，到實時的agent推理，這一臺機器就可以覆蓋AI的所有流程。

核心產(chǎn)品是Vera Rubin NVL72機架，集成72顆Rubin GPU和36顆Vera CPU，通過NVLink 6互聯(lián)。

黃仁勛稱，相比上一代Blackwell平臺，NVL72訓練大型混合專家模型所需的GPU數(shù)量減少到四分之一，推理吞吐量每瓦提升10倍，每token成本降至十分之一。

黃仁勛說，agent的拐點已經(jīng)到來，Vera Rubin正在開啟歷史上最大規(guī)模的基礎設施建設。

同時黃仁勛還預告了Vera Rubin之后的下一代架構(gòu)Kyber，采用垂直插入的計算托盤設計以提升密度和降低延遲，將搭載在2027年出貨的Vera Rubin Ultra上。

Groq LPU 登場

訓練是英偉達發(fā)家之本，但推理才是接下來真正的戰(zhàn)場。

因為訓練只是一次性的重活，推理才是永不停歇的日常。

每一次你向AI提問、每一次你讓AI幫你寫代碼，背后都是推理在運轉(zhuǎn)。

黃仁勛提出的方案是把推理拆成兩個階段，分別用不同的芯片來處理。

大語言模型的推理分為兩步：prefill（預填充）和decode（解碼）。prefill階段處理你輸入的提示詞，屬于計算密集型任務，GPU擅長這個；decode階段則是逐個生成回答的token，屬于帶寬密集型任務，需要極高的內(nèi)存讀取速度。

或者我們換一種方式來理解黃仁勛的話，prefill是“讀題”，decode是“寫答案”。讀題可以一目十行并行處理，寫答案只能一個字一個字往外蹦。

Groq 3 LPU就是為decode階段而生的。

LPU全稱Language Processing Unit（語言處理單元），由Groq公司開發(fā)。

這家公司由前谷歌TPU團隊成員創(chuàng)立，英偉達在2025年底以200億美元收購了其核心資產(chǎn)。

每顆Groq 3 LPU內(nèi)置了500MB的SRAM（靜態(tài)隨機存取存儲器），帶寬達到150TB/s，是Rubin GPU中HBM帶寬（22TB/s）的近7倍。

SRAM可以理解為芯片內(nèi)部的“超高速緩存”，容量小但速度極快，特別適合decode階段對帶寬的極端需求。

英偉達將256顆Groq 3 LPU裝進一個LPX機架，與Vera Rubin NVL72機架并排部署。Rubin GPU負責prefill的重計算，Groq LPU負責decode的高帶寬輸出。

黃仁勛說，這種組合在萬億參數(shù)模型上能實現(xiàn)每兆瓦推理吞吐量提升35倍。

NemoClaw

黃仁勛在臺上直接點名了Claude Code和OpenClaw，他說Claude Code和OpenClaw引起了agent的拐點。

黃仁勛夸贊OpenClaw，稱OpenClaw向所有人打開了AI的下一個前沿，成為歷史上增長最快的開源項目。Mac和Windows是個人電腦的操作系統(tǒng)，OpenClaw是個人AI的操作系統(tǒng)。這是整個行業(yè)一直在等待的時刻。

英偉達為OpenClaw推出了NemoClaw。

NemoClaw是通過NVIDIA Agent Toolkit優(yōu)化過后的OpenClaw，一條命令即可完成安裝。它的核心組件是OpenShell，這是一個提供開源模型和隔離沙箱的環(huán)境，為agent加上基于策略的安全、網(wǎng)絡和隱私護欄。

黃仁勛說，OpenShell為OpenClaw提供了下面缺失的基礎設施層，讓agent在獲得執(zhí)行權(quán)限的同時受到安全約束。

NemoClaw的模型調(diào)度采用混合架構(gòu)：本地運行Nemotron等開源模型處理隱私敏感任務，通過隱私路由器（privacy router）調(diào)用云端前沿模型處理更復雜的請求。

NemoClaw可以運行在GeForce RTX的電腦和筆記本、RTX PRO工作站，以及DGX Station和DGX Spark AI超級計算機上，提供7×24小時本地計算支持。

Nemotron聯(lián)盟

英偉達也要在開源模型層上搞點動作。

Nemotron聯(lián)盟是一個全新的合作機制，首批成員包括Black Forest Labs、Cursor、LangChain、Mistral AI、Perplexity、Reflection AI、Sarvam和Thinking Machines Lab（由前 OpenAI CTO Mira Murati 創(chuàng)立）。

聯(lián)盟的第一個項目是由Mistral AI和英偉達聯(lián)合訓練一個基礎模型，其他成員貢獻數(shù)據(jù)、評估框架和領(lǐng)域?qū)I(yè)知識。模型將在英偉達DGX Cloud上訓練，開源發(fā)布，并成為即將推出的Nemotron 4模型家族的基礎。

黃仁勛的潛臺詞就是，英偉達希望開源模型生態(tài)繁榮，因為開源模型的用戶最終需要英偉達的硬件來訓練和部署。

一個由多家AI公司共同參與的開源模型聯(lián)盟，既能對抗閉源巨頭的壟斷趨勢，也能確保英偉達的基礎設施在開源生態(tài)中保持核心地位。

自動駕駛

自動駕駛是英偉達近幾年的重點之一。

比亞迪、吉利、日產(chǎn)、五十鈴宣布采用英偉達DRIVE Hyperion平臺開發(fā)L4級自動駕駛車輛。

Uber宣布與英偉達擴大合作，計劃到2028年在28個城市、四個大陸部署全棧英偉達自動駕駛軟件驅(qū)動的自動駕駛車隊，首批城市是洛杉磯和舊金山灣區(qū)，2027年上半年啟動。

Bolt、Grab、Lyft 也在接入 DRIVE Hyperion。

L4級自動駕駛意味著車輛在特定條件下可以完全自主駕駛，不需要人類隨時準備接管。

目前大多數(shù)量產(chǎn)車上的L2級輔助駕駛?cè)匀灰篑{駛員時刻保持注意力，AI只是“輔助”；L4則是AI真正在開車，人類可以不管。

黃仁勛還借此機會發(fā)布了Alpamayo 1.5，這是一個可交互、可引導的自動駕駛推理模型，能接受視頻、自車運動歷史、導航指引和自然語言提示作為輸入，輸出帶有推理鏈的駕駛軌跡。

開發(fā)者可以通過文本提示直接調(diào)整車輛行為。

AI 工廠的數(shù)字孿生

英偉達推出了DSX Air，一個用于在軟件中模擬AI工廠的SaaS平臺。

黃仁勛前幾年提出過一個叫“數(shù)字孿生”（Digital Twin）的概念，是指在虛擬環(huán)境中創(chuàng)建一個與真實物理系統(tǒng)完全對應的數(shù)字副本。

工程師可以在這個虛擬副本上進行測試、優(yōu)化和故障排查，而不需要碰真實的硬件。

就像你搬新家之前，先在3D軟件里把家具擺一遍，看看哪里不合適。

只不過這里“搬”的是一整座超大規(guī)模AI數(shù)據(jù)中心。

DSX Air允許客戶在硬件到貨之前，就在模擬環(huán)境中搭建完整的 AI 工廠。

計算、網(wǎng)絡、存儲、編排、安全，全部按照實際部署方案配置。

CoreWeave已經(jīng)在使用DSX Air來模擬和驗證其AI工廠環(huán)境。

黃仁勛稱，這種方式可以將“從部署到產(chǎn)出第一個token”的時間從數(shù)周甚至數(shù)月縮短到幾天甚至幾小時。

配合DSX Air的是Vera Rubin DSX AI工廠參考設計和Omniverse DSX藍圖。

前者是一份關(guān)于如何設計、建造和運營 AI 工廠基礎設施的完整指南，后者則提供物理精確的數(shù)字孿生能力，用于大規(guī)模 AI 工廠的設計和仿真。

Cadence、達索系統(tǒng)、西門子、施耐德電氣等工業(yè)軟件巨頭都在接入這套體系。

黃仁勛還發(fā)布了DSX Max-Q動態(tài)功率分配技術(shù)，稱可在固定電力的數(shù)據(jù)中心內(nèi)多部署30%的AI基礎設施。

DSX Flex軟件則讓AI工廠成為電網(wǎng)靈活資產(chǎn)，黃仁勛說可以釋放100吉瓦的閑置電網(wǎng)容量。

存儲也要重新發(fā)明

BlueField-4 STX是英偉達為agent設計的新存儲架構(gòu)。

傳統(tǒng)數(shù)據(jù)中心的存儲系統(tǒng)提供大容量通用存儲，但缺乏agent所需的實時響應能力。

agent在實際工作中，需要跨多個步驟、工具和會話保持上下文記憶，傳統(tǒng)存儲的延遲會拖慢推理速度、降低GPU利用率。

STX架構(gòu)的首個落地產(chǎn)品是CMX上下文記憶存儲平臺，它在GPU內(nèi)存之外擴展了一個高性能上下文層，用于可擴展的推理和智能體系統(tǒng)。

黃仁勛稱，與傳統(tǒng)存儲相比，CMX可提供5倍的每秒token吞吐量、4倍的能效提升和2倍的數(shù)據(jù)攝取速度。

CoreWeave、Crusoe、Lambda、Mistral AI、Nebius、Oracle等計劃采用STX用于上下文記憶存儲。Dell、HPE、IBM、NetApp、VAST Data等存儲廠商正在基于STX參考設計構(gòu)建下一代AI存儲基礎設施。

DLSS 5：游戲畫面的“GPT 時刻”

游戲才是英偉達的老本行。

黃仁勛在演講中提到，DLSS 5是自2018年推出實時光線追蹤以來最重大的圖形突破。

DLSS全稱Deep Learning Super Sampling（深度學習超級采樣），是英偉達用AI提升游戲畫面質(zhì)量和性能的技術(shù)。

此前的版本主要通過AI放大分辨率和生成中間幀來提升幀率。DLSS 5引入了一個實時神經(jīng)渲染模型，能夠為游戲畫面注入照片級真實的光照和材質(zhì)效果。

簡單來說，以前的DLSS是“讓畫面更流暢”，DLSS 5是“讓畫面更真實”。

它接收游戲每一幀的顏色和運動向量作為輸入，用AI模型理解場景中的角色、頭發(fā)、布料、半透明皮膚等復雜元素，以及正面光、逆光、陰天等環(huán)境光照條件，然后生成視覺上精確的增強圖像。

Bethesda的《星空》《上古卷軸》、CAPCOM的《生化危機》、育碧的《刺客信條：影）、騰訊、網(wǎng)易等廠商已確認支持。

DLSS 5將于今年秋季推出。

太空計算：最后的邊疆

最后，英偉達也宣布進軍太空計算。

黃仁勛說，太空計算是最后的邊疆，現(xiàn)如今已經(jīng)到來。

“隨著英偉達部署衛(wèi)星星座、向更深的太空探索，智能必須存在于數(shù)據(jù)產(chǎn)生的任何地方。太空與地面系統(tǒng)之間的AI處理實現(xiàn)了實時感知、決策和自主運行，將軌道數(shù)據(jù)中心變成發(fā)現(xiàn)的工具，將航天器變成自主導航的系統(tǒng)。與我們的合作伙伴一起，我們正在將英偉達延伸到地球之外——大膽地將智能帶到它從未到達的地方。”

于是黃仁勛拿出了Space-1 Vera Rubin Module，這是一個面向軌道數(shù)據(jù)中心的計算模塊。

采用緊密集成的CPU-GPU架構(gòu)和高帶寬互聯(lián)，專為尺寸、重量和功耗（SWaP）受限的太空環(huán)境設計。

黃仁勛稱，相比H100，Space-1在太空推理場景下提供25倍的AI算力提升，能夠在軌道上直接運行大語言模型和高級基礎模型，處理來自太空儀器的海量實時數(shù)據(jù)流。

配合Space-1的還有兩款已經(jīng)可用的平臺：IGX Thor和Jetson Orin。

IGX Thor提供工業(yè)級耐久性和功能安全，適合任務關(guān)鍵型邊緣環(huán)境。

Jetson Orin則是超緊湊、高能效的AI推理模塊，已經(jīng)部署在衛(wèi)星上用于視覺、導航和傳感器數(shù)據(jù)的實時處理。

在地面端，RTX PRO 6000 Blackwell Server Edition GPU用于地理空間情報的大規(guī)模處理，英偉達稱其分析海量衛(wèi)星圖像檔案的速度是傳統(tǒng)CPU系統(tǒng)的100倍。