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

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

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

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

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

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

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

　　通过硬件和软件的结合★★ღ★，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★★ღ★，相当于每个token的成本改善了约32倍★★ღ★。

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

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

　　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★★ღ★，摇头晃脑向黄仁勋撒娇卖萌★★ღ★，还听从黄仁勋的指令★★ღ★，乖乖站到了他的旁边★★ღ★。

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

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

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

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

　　他公布了英伟达继Hopper★★ღ★、Blackwell之后的下一代GPU架构——Rubin★★ღ★。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）★★ღ★。

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

　　Blackwell Ultra为AI推理时代而设计★★ღ★，是全球首个288GB HBM3e GPU★★ღ★，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★★ღ★，可实现多达1.5倍的FP4推理性能★★ღ★，最高15PFLOPS★★ღ★。

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

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

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

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

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

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

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

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

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

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

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

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

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

　　它能够跨数千个GPU编排和加速推理通信★★ღ★，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★★ღ★，使每个阶段可根据特定需求独立优化★★ღ★，并确保GPU资源的最大利用率★★ღ★。

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

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

　　在GPU数量相同的情况下★★ღ★，Dynamo可将Hopper平台上运行Llama模型的AI工厂性能和收益翻倍★★ღ★。在由GB200 NVL72机架组成的大型集群上运行DeepSeek-R1模型时★★ღ★，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★★ღ★。

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

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

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

　　为了提升推理性能★★ღ★，NVIDIA Dynamo加入了一些功能★★ღ★，使其能够提高吞吐量的同时降低成本7790cnm必发集团★★ღ★，★★ღ★。

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

　　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★★ღ★，并在需要时快速检索这些数据★★ღ★，最大程度地降低推理成本★★ღ★。

　　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）★★ღ★，映射到潜在的数千块GPU中★★ღ★。然后★★ღ★，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★★ღ★，从而避免昂贵的重新计算★★ღ★，并释放GPU来响应新的请求★★ღ★。

　　该软件完全开源并支持PyTorch★★ღ★、SGLang★★ღ★、NVIDIA TensorRT-LLM和vLLM★★ღ★，使企业★★ღ★、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★★ღ★。

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

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

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

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

　　DGX Spark可以被用来微调或推理最新的AI推理模型★★ღ★，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★★ღ★。该AI超算的预订今日起开放★★ღ★。

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

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

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

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

　　2025年★★ღ★，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必发888官网★★ღ★，相比去年销售Hopper的数量高出3倍★★ღ★，去年Hopper销售量为130万块★★ღ★。

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

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

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

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

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

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

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

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

　　英伟达今天还发布了RTX Pro Blackwell系列工作站和服务器GPU★★ღ★，提供加速计算★★ღ★、AI推理★★ღ★、光线追踪和神经网络渲染技术★★ღ★，使其数据中心GPU从桌面到移动工作站提供动力必发唯一中国官方网站★★ღ★。

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

　　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★★ღ★，5000系列桌面GPU可将单GPU安全分区成两个实例★★ღ★。

　　1★★ღ★、数据中心GPU★★ღ★：RTX PRO 6000 Blackwell服务器版★★ღ★，采用被动冷却热设计★★ღ★，每台服务器最多可配置8块GPU★★ღ★，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★★ღ★，预计将在今年下半年推出★★ღ★。

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

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

　　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★★ღ★，可将AI工厂扩展到数百万个GPU★★ღ★。

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

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

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

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

　　该系统搭载Quantum-X800 ASIC芯片必发888唯一登录网站★★ღ★，★★ღ★，并配备6个光学子组件和18个硅光芯片引擎★★ღ★。

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

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

　　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★★ღ★，帮助英伟达释放AI国产扩展到百万GPU甚至更多★★ღ★。

　　黄仁勋做了一个换算★★ღ★，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★★ღ★，而60Megawatts就相当于10台Rubin Ultra机架的能耗★★ღ★。

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

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

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

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

　　二是★★ღ★，机器人的可验证回报是物理定律★★ღ★，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★★ღ★。这一物理引擎需要被设计用于训练触觉反馈★★ღ★、精细运动技能和执行器控制★★ღ★。也就是上面迪士尼机器人Blue已经搭载的物理引擎★★ღ★。

　　在机器人开发中★★ღ★，英伟达Omniverse可以生成大量不同的合成数据★★ღ★，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★★ღ★，将原始捕获的数据乘以大量照片级的多样化数据必发官方★★ღ★，然后使用Isaac Lab增强数据集对机器人策略进行后训练★★ღ★，让其通过模型放行为学习新技能★★ღ★。

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

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

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

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

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

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

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

　　对此★★ღ★，英伟达发布综合全栈自动驾驶安全系统NVIDIA Halos★★ღ★。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★★ღ★，确保这些技术能充分反映现实世界的多元性必发官方★★ღ★。

　　英伟达的自动驾驶模型采用蒸馏技术开发★★ღ★、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★★ღ★、但速度较快的模型★★ღ★。此外★★ღ★，有大量数据被转换成了3D场景★★ღ★，可用于虚拟环境中的模拟皮皮网络电视★★ღ★。

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

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

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

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

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

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

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

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

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

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

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

　　人类历史上已经明确了二次方程的解法★★ღ★、数独★★ღ★、勾股定理等诸多知识皮皮网络电视★★ღ★，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★★ღ★，然后使用强化学习来奖励★★ღ★。这个过程中★★ღ★，AI需要处理数百万个不同问题★★ღ★、进行数百次尝试★★ღ★，而每一次尝试都会生成数万个token★★ღ★，这些都加到一起★★ღ★，就会达到数万亿个token★★ღ★。

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

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

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

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

　　现场参会者还能体验各种精心策划的活动★★ღ★，包括数十场覆盖各个行业的演示★★ღ★、实战培训★★ღ★、自动驾驶汽车展览和试驾★★ღ★，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★★ღ★，盲猜一波酷爱逛夜市的黄仁勋会惊喜现身★★ღ★。