撰文：Techub News 整理
在2025 年 10 月于华盛顿特区举行的 GTC 2025 大会上，NVIDIA 创始人兼 CEO Jensen Huang（黄仁勋）进行了长达近两小时的主题演讲。这场演讲不仅是年度最重要的 AI 与计算技术风向标，更因密集发布了涉及 AI 基础设施、6G 通信、量子计算、机器人等多个领域的重磅产品与合作而备受关注。黄仁勋系统性地阐述了 NVIDIA 如何通过“极端协同设计”应对后摩尔定律时代的算力挑战，并勾勒出以 AI 为核心驱动力的下一代工业蓝图。
加速计算的时代：从 CUDA 到 AI 工厂
演讲伊始，黄仁勋回顾了美国科技创新史，并指出我们正处在一个由革命性新计算模型开启的新时代。他强调，加速计算（Accelerated Computing）的拐点已经到来。这并非简单的硬件升级，而是一场持续了三十年的范式转移。NVIDIA 发明 GPU 和 CUDA 编程模型，正是为了解决通用 CPU 无法处理的问题。然而，加速计算需要全新的算法、库乃至重写应用程序，这是一个漫长而艰巨的过程。
黄仁勋将 CUDA-X 生态视为公司的“宝藏”。这超过 350 个库——从用于计算光刻的 cuLitho，到医疗影像 AI 框架 MONAI，再到驱动大语言模型的 Megatron Core——每一个都针对特定领域重新设计了算法，开启了新的市场。他展示了一段完全由模拟生成、毫无人工动画的视频，涵盖了从医疗到制造业、机器人、自动驾驶等各行各业，以此彰显数学与计算机科学的威力，以及加速计算已渗透至所有行业。
然而，AI 的崛起彻底重塑了计算堆栈。黄仁勋指出，过去的软件业是关于创造“工具”（如 Excel、浏览器），而AI 的本质是“工作者”，是能够使用这些工具完成工作的智能体。例如，NVIDIA 内部工程师广泛使用的 Cursor，就是一个能使用 VS Code 工具编写代码的 AI 伙伴。这种转变意味着，AI 将直接参与价值数万亿美元的全球经济生产，而不仅仅是服务于万亿规模的 IT 工具市场。
这催生了对新型计算系统的需求。黄仁勋提出了“AI 工厂”的概念。与传统数据中心运行多种应用、存储文件不同，AI 工厂是高度专业化的设施，其核心任务是高效、低成本地生产“智能令牌”（Tokens）。这些令牌可以是文本、图像、蛋白质结构或机器人动作指令。AI 工厂需要实时处理上下文、分解问题、推理并执行计划，每一步都需要生成海量令牌，这对算力提出了指数级增长的需求。
“人们过去常说推理很简单，训练才是难点，”黄仁勋说，“但思考怎么会是简单的？ regurgitating 记忆内容是简单的，思考是困难的。”他阐述了 AI 发展的三个技术阶段：预训练（学习基础能力）、后训练（学习技能）以及“思考”（基于新知识的持续推理与交互）。后两者，尤其是“思考”，给计算基础设施带来了前所未有的压力。
更关键的是，AI 行业在去年迎来了转折点：模型已经足够智能，值得人们为之付费。从 Cursor、11 Labs 到 OpenAI、Claude，付费使用成为常态。这形成了一个双重指数增长的飞轮：模型越智能，使用越多；使用越多，所需算力越大；更多算力投入使得模型更智能。然而，在摩尔定律已近终结的背景下，如何满足这种指数需求？
黄仁勋的答案是：极端协同设计（Extreme Co-design）。NVIDIA 是当今唯一能从空白纸张开始，同步思考新计算机架构、芯片、系统、软件、模型架构和应用的公司。最新的 Grace Blackwell NVLink 72 系统正是这一理念的体现。它并非单个芯片的升级，而是将 72 个 GPU 通过 NVLink 互联成一个巨型虚拟 GPU，并针对未来 AI 模型（如混合专家模型 MoE）的特点进行优化。结果是，尽管晶体管数量仅翻倍，但其每 GPU 性能达到了上一代 H200 的 10 倍，同时实现了全球最低的令牌生成成本。
黄仁勋透露，NVIDIA 已经获得了价值5000 亿美元的 Blackwell 及早期 Rubin 订单可见性（不包括中国及亚洲部分地区），这相当于 Hopper 整个生命周期收入的五倍。他播放了一段视频，展示了从亚利桑那州的硅片到德克萨斯州组装完成的 Blackwell 超大规模系统的美国本土制造过程，并强调“我们正在美国再次制造”。
展望下一代，黄仁勋展示了代号为“Vera Rubin”的第三代 NVLink 72 机架级计算机。它采用全液冷、无电缆设计，并引入了新的“上下文处理器”（Context Processor），以应对 AI 需要处理越来越长上下文（如阅读大量 PDF、观看视频）的趋势。连接所有这些处理器的 NVLink 交换机的带宽，相当于全球互联网的峰值流量。
重塑通信、量子与产业生态
除了核心的 AI 计算，黄仁勋宣布了多个进军新领域的重磅计划。
6G 与通信：NVIDIA 推出了全新的产品线——NVIDIA ARC（Aerial Radio network Computer，空中无线网络计算机）。ARC 基于 Grace CPU、Blackwell GPU 和专为应用设计的 ConnectX 网络技术构建，运行名为 Aerial 的 CUDA-X 库。其核心是创造一个软件定义、可编程的计算机，能够同时进行无线通信和 AI 处理。NVIDIA 已与全球第二大电信设备商诺基亚达成合作，诺基亚将把 ARC 作为其未来基站的核心，并与现有 AirScale 基站兼容，这意味着全球数百万基站可通过软件升级获得 6G 和 AI 能力。黄仁勋指出，AI 将用于 RAN（无线接入网）以提高频谱效率，同时也能在 RAN 之上构建边缘工业机器人云，这类似于 AWS 在互联网之上构建云计算。
量子计算：NVIDIA 发布了 NVQ Link，一种直接将量子处理器（QPU）与 NVIDIA GPU 连接的新互联架构。量子纠错需要极高的数据吞吐量和极低的延迟，NVQ Link 正为此而生。同时，其开放平台 CUDA-Q 已扩展至支持 QPU，使 QPU 与 GPU 能够在微秒级延迟内协同工作。黄仁勋宣布，已有 17 家量子计算公司和 8 个美国能源部（DOE）下属国家实验室支持 NVQ Link。此外，DOE 正与 NVIDIA 合作建造7 台新的 AI 超级计算机，以推进美国科学前沿。
企业应用与网络安全：NVIDIA 正将其库和模型深度集成到企业软件生态中。黄仁勋宣布了与 CrowdStrike 的合作，旨在利用 AI 打造“光速”网络安全防御系统。同时，NVIDIA 也将与 Palantir 合作，加速其 Ontology 平台的数据处理能力，为政府和企业的海量结构化和非结构化数据提供实时洞察。
开源模型：黄仁勋强调开源模型对于研究人员、初创公司和各行各业至关重要，美国必须在开源领域保持领先。NVIDIA 目前是开源贡献的领导者，在多个排行榜上有 23 个领先模型，涵盖语言、物理 AI、机器人、生物学等领域。
物理 AI 与机器人：数字孪生驱动未来制造
黄仁勋将物理 AI（理解物理世界规律、因果关系的 AI）的实现归结为需要三台计算机：用于训练模型的 Grace Blackwell 超算；用于在数字孪生中模拟和训练机器人或工厂的 Omniverse 计算机（需具备强大的生成式 AI 和计算机图形能力）；以及部署在机器人或自动驾驶汽车内部的机器人计算机 Jetson Thor。
他展示了与富士康合作，在 Omniverse 数字孪生中设计、模拟并优化其位于德克萨斯州的 AI 基础设施制造工厂。工厂内的机器人（如 FANUC 机械臂）在 Isaac Sim 中接受训练，AI 视觉代理监控整个流程。这体现了“工厂本身就是一个协调机器人来制造机器人产品的机器人”。
黄仁勋认为，人形机器人很可能成为未来最大的消费电子和工业设备市场之一。他提到了与 Figure、特斯拉（Elon Musk）、Agility Robotics 等公司的合作。特别引人注目的是与迪士尼研究院合作的“Blue”机器人项目，它在一个名为“Newton”的革命性物理仿真平台中学习。黄仁勋强调，观众所见的 Blue 的所有动作都是实时模拟，而非动画。
在更接近商业化的轮式机器人方面，NVIDIA 推出了 Nvidia Drive Hyperion 架构。这是一个“机器人出租车就绪”的标准平台，包含全套传感器（环视摄像头、雷达、激光雷达），旨在为 Lucid、梅赛德斯-奔驰、Stellantis 等汽车制造商以及 Aurora、Momenta、Nuro 等自动驾驶系统开发商提供基础。同时，NVIDIA 宣布与 Uber 合作，未来将把 Hyperion 车辆接入全球网络。
演讲最后，黄仁勋总结道，当前正同时经历两大平台转型：从通用计算到加速计算，以及从传统手工编码软件到人工智能。NVIDIA 通过 CUDA 和 CUDA-X 生态触及几乎所有行业，并已到达增长的拐点。量子计算、开源模型、企业应用、机器人、6G 通信和本土制造共同构成了 NVIDIA 引领下一波工业革命的蓝图。
