“我只想讓大家知道，此刻站在這里，全憑臨場發(fā)揮?！北本r間3月19日凌晨1點，英偉達(dá)CEO黃仁勛迎著臺下上萬名觀眾的歡呼聲，開啟了2025年度GTC大會的主題演講。

沒有預(yù)備發(fā)言稿，也沒有提詞器，但黃仁勛在兩個多小時的演講可謂“信息量爆炸”：Blackwell進(jìn)展、AI市場判斷、機(jī)器人、光電共封裝CPO新品……這些備受業(yè)界關(guān)注的焦點，英偉達(dá)一件不落地給出了最新官方回應(yīng)。

顯然，臨場發(fā)揮的黃仁勛必須“有備而來”，抓住這一令全球目光聚焦的時刻，不僅亟需證明英偉達(dá)本身，更要證明英偉達(dá)對AI押下的賭注是正確的。

GTC現(xiàn)場，黃仁勛與小機(jī)器人同臺互動

信號一：Agentic AI時代，計算需求或?qū)⒈┰?/p>

撥開GTC演講的大幕，黃仁勛最先也最想釋放出的信號與AI市場直接相關(guān)。

人工智能真正進(jìn)入全球公眾視野，大約是在十年前。在這十年光景里，人工智能經(jīng)歷了不同階段的變化。一開始是感知人工智能，包括計算機(jī)視覺、語音識別；接著是過去五年逐漸受到關(guān)注的生成式人工智能：在一個模態(tài)與另一個模態(tài)之間進(jìn)行轉(zhuǎn)換，例如文生圖、圖生文、文生視頻。

“生成式人工智能從根本上改變了計算的方式，從檢索式計算模型轉(zhuǎn)變?yōu)樯墒接嬎隳Ｐ??！秉S仁勛表示。

此次GTC大會，“Agentic AI”（代理式AI）成為英偉達(dá)頻頻提及的關(guān)鍵詞。黃仁勛對其進(jìn)行了解釋：“Agentic AI”從根本上說，是指具備“自主性”（agency）的AI，它能夠感知和理解環(huán)境的上下文，很重要的一點是它能進(jìn)行推理，思考如何回答或解決問題，制定并執(zhí)行計劃，還能使用工具。黃仁勛認(rèn)為，Agentic AI 的基礎(chǔ)是推理。

英偉達(dá)Dynamo 開源庫加速并擴(kuò)展 AI 推理模型

“今年的GTC被稱為AI界的‘超級碗’。唯一的區(qū)別在于，在這場‘超級碗’里，每個人都是贏家?！秉S仁勛做出如此比喻，透露出其對AI前景的樂觀態(tài)度。

以DeepSeek為代表的開源推理大模型的問世，曾一度令英偉達(dá)遭受資本市場的質(zhì)疑。今年2月，黃仁勛首次正面表達(dá)了對于DeepSeek問世將利好英偉達(dá)未來的信心。在本次GTC大會上，黃仁勛再次對AI需求問題作出回應(yīng)：

“過去這一年，幾乎整個世界在這方面都看走眼了。AI的計算需求及其擴(kuò)展定律其實更具韌性，甚至可以說是超加速。由于Agentic AI、推理的出現(xiàn)，如今我們所需的計算量比一年前的預(yù)期至少高出100倍?！?/p>

上述判斷如何得出？答案藏在被英偉達(dá)視為人工智能基本構(gòu)成單元的“token”身上。

黃仁勛表示，現(xiàn)在我們有了能逐步推理的AI，它利用“Chain of Thought”（思維鏈）、取多種解法里最優(yōu)和一致性檢查等多種技術(shù)，一步一步地分解問題，進(jìn)行推理。由此可以想見，AI所生成的token數(shù)量會急劇增多。

那么，前文的“100倍”具體意味著什么？黃仁勛用數(shù)字給出解釋：這也許是生成了100倍的token數(shù)量；又或者，模型本身更復(fù)雜，只生成10倍的token，但若想讓模型具備交互性、實時性，就要把計算速度再提高10倍。這樣一來，10倍的token、10倍的速度，就相當(dāng)于需要100倍的計算量。因此，推理所需的計算量遠(yuǎn)超以往。

信號二：芯片路線圖按節(jié)奏推進(jìn)

如果AI計算需求持續(xù)呈倍數(shù)級增長，英偉達(dá)如何應(yīng)對？

“英偉達(dá)未來幾年的路線圖，大約保持一年一次的迭代節(jié)奏，就像時鐘滴答一樣穩(wěn)定?！秉S仁勛表示。

借助今年GTC大會，黃仁勛提前透露了一張涉及未來幾年的芯片架構(gòu)路線圖，將每年升級全棧AI系統(tǒng)、發(fā)布一條新產(chǎn)品線：2025年下半年推出Blackwell Ultra，2026年下半年推出Rubin，2027年下半年推出Rubin Ultra，預(yù)計2028年推出采用下一代HBM的Feynman平臺。

Blackwell 系列工作站和服務(wù)器GPU

具體來看，英偉達(dá)于去年3月發(fā)布了AI芯片與超級計算平臺Blackwell架構(gòu)，并推出GB200芯片。此次黃仁勛表示，目前Blackwell已經(jīng)全面投產(chǎn)。今年，Blackwell新一代芯片的正式名字為Blakwell Ultra。據(jù)悉，Blackwell Ultra由臺積電N4P工藝的Blackwell GPU+Grace CPU+更大容量的HBM封裝而來。英偉達(dá)表示，Blackwell Ultra也適用于AI智能體，以及用于訓(xùn)練機(jī)器人和汽車自動駕駛的“物理AI”。

此外，英偉達(dá)公布了繼Hopper、Blackwell之后的下一代GPU架構(gòu)Rubin——以在暗物質(zhì)研究領(lǐng)域取得突破性進(jìn)展的天文學(xué)家Vera Rubin命名，以及Rubin Ultra的計劃配置。據(jù)悉，Rubin平臺擁有全新的CPU和網(wǎng)絡(luò)架構(gòu)，性能將是Hopper的兩倍，且內(nèi)存更大，將為AI應(yīng)用提供更強(qiáng)大的支持。Rubin Ultra系統(tǒng)由Rubin Ultra GPU和Vera CPU組成。Rubin Ultra由4塊掩模尺寸的GPU組成，擁有1TB HBM4e內(nèi)存，F(xiàn)P4峰值推理能力可達(dá)100PFLOPS。

值得一提的是，此次黃仁勛還宣布了Rubin之后的下一代AI芯片架構(gòu)“Feynman”。該名稱源自對量子計算領(lǐng)域有著重要貢獻(xiàn)的科學(xué)家Richard Phillips Feynman。

提前公布未來三年路線圖的原因何在？黃仁勛給出的解釋是，現(xiàn)在要建的是AI工廠，這需要多年規(guī)劃。

“這可不是買臺筆記本電腦那么簡單，也不是一筆隨心所欲的支出，而是必須經(jīng)過對土地、電力、資金、工程團(tuán)隊等各方面的長遠(yuǎn)計劃?！秉S仁勛在演講中說道， “所以我們必須給出一個2—3年的預(yù)告，而不是等到某個月份突然說‘嘿，下個月又有一個超棒的新系統(tǒng)’”。

信號三：關(guān)于未來還有更多“宏大敘事”

AI行業(yè)并非一個單點，而是從技術(shù)到設(shè)施再到應(yīng)用的一個立體面。因此，作為AI行業(yè)走在前面的那一批，英偉達(dá)的故事只講“芯片”還遠(yuǎn)遠(yuǎn)不夠。此次，黃仁勛從一些側(cè)面?zhèn)鬟_(dá)出英偉達(dá)在整個AI產(chǎn)業(yè)鏈的布局。

英偉達(dá)正式發(fā)布硅光網(wǎng)絡(luò)交換機(jī)

從上游技術(shù)層面來看，AI光通信時代背景下，數(shù)據(jù)中心規(guī)模持續(xù)擴(kuò)大，帶寬容量與高速數(shù)據(jù)傳輸速率的需求明顯增加。光電共封裝（Co-Packaged Optics，CPO）作為一種新型的光電子集成技術(shù)，受到產(chǎn)業(yè)界眾多頭部企業(yè)關(guān)注。此次，英偉達(dá)正式發(fā)布硅光子網(wǎng)絡(luò)交換機(jī)Spectrum-X和Quantum-X，目的是推動AI工廠擴(kuò)展到數(shù)百萬GPU級別。值得關(guān)注的是，英偉達(dá)的硅光生態(tài)系統(tǒng)伙伴包括了臺積電、康寧、Browave、Coherent等知名公司。

“AI工廠是一種超大規(guī)模的新型數(shù)據(jù)中心，必須采用全新的網(wǎng)絡(luò)基礎(chǔ)設(shè)施才能跟上它的發(fā)展步伐。”黃仁勛表示，英偉達(dá)將硅光直接集成到交換機(jī)中，打破了超大規(guī)模和企業(yè)網(wǎng)絡(luò)的舊有限制，為百萬GPU AI工廠打開大門?！睋?jù)悉，英偉達(dá)的硅光交換機(jī)創(chuàng)新地集成了光器件，減少了4倍的激光器數(shù)量，與傳統(tǒng)方法相比，能源效率提高到3.5倍，信號完整性提高到63倍，大規(guī)模組網(wǎng)可靠性提高到10倍，部署速度提高到1.3倍。

在下游應(yīng)用層面，機(jī)器人賽道是當(dāng)前人工智能應(yīng)用中最受關(guān)注的領(lǐng)域之一。此次的GTC大會，英偉達(dá)發(fā)布了全球首個開源且完全可定制的人形機(jī)器人基礎(chǔ)模型Isaac GR00T N1，并推出加速機(jī)器人開發(fā)的仿真框架。其中，英偉達(dá)、谷歌DeepMind和迪士尼合作開發(fā)新一代開源物理引擎Newton，旨在加速人形機(jī)器人學(xué)習(xí)與開發(fā)。

“物理AI和機(jī)器人正在飛速發(fā)展，可能會成為規(guī)模最大的產(chǎn)業(yè)。”黃仁勛表示，一切的核心挑戰(zhàn)跟之前類似：數(shù)據(jù)從哪來、模型架構(gòu)是什么、以及如何做擴(kuò)展（scaling）。在機(jī)器人領(lǐng)域，同樣需要能大量生成或獲取數(shù)據(jù)，需要強(qiáng)大的算力來訓(xùn)練模型，以及讓AI越訓(xùn)越強(qiáng)的擴(kuò)展性。