Loading...
Loading...
NVIDIA CEO Jensen Huang（黄仁勋）与 Dell CEO Michael Dell（迈克尔·戴尔）：AI 工厂、智能体与供应链的未来撰文：Techub News 整理
导语
2026 年 5 月，NVIDIA 创始人兼 CEO Jensen Huang（黄仁勋）与 Dell Technologies 董事长兼 CEO Michael Dell（迈克尔·戴尔）共同接受了 Bloomberg 的深度访谈。此次对话发生在 NVIDIA GTC 大会之后，正值 AI 从技术探索迈向大规模生产应用的关键节点。两位科技巨头领袖不仅分享了各自公司在 AI 基础设施、企业解决方案上的最新进展，更就 AI 智能体的未来、全球供应链挑战以及地缘政治下的市场准入等尖锐问题发表了看法。他们的对话，为我们勾勒出一幅从云端到边缘、从生成内容到执行任务的 AI 未来全景图。
摘要
AI 应用正从“测试评估”全面转向“生产部署”，企业级市场是下一波巨大增长点。
“智能体”将取代“生成式 AI”成为新焦点，其核心是在数据所在处（如本地、工厂）执行实际工作。
NVIDIA 与 Dell 正携手构建完整的“AI 工厂”解决方案栈，涵盖大脑（GPU）、运行时（CPU+软件框架）和长期记忆（数据平台）。
AI 驱动的需求增长远超全球供应链当前产能，尤其是先进存储和半导体，这被视为结构性而非周期性变化。
Jensen Huang（黄仁勋）对中国 AI 芯片市场持开放态度，认为尽管存在限制，但巨大的需求终将推动市场进一步开放。
从云到边缘：AI 部署的范式转移
访谈伊始，主持人便指出一个显著变化：过去几年，Jensen Huang（黄仁勋）谈论的重心是超大规模云服务商的加速计算，而现在，焦点转向了本地部署（on-prem）的“AI 工厂”。黄仁勋对此给出了清晰解释：智能必须在其上下文所在之处产生和执行。
早期 AI 应用多集中在云端，尤其是消费级服务。然而，对于像礼来（Eli Lilly）、三星这样的制造业巨头或任何拥有大量敏感、专有数据的企业而言，将 AI 智能体部署在本地至关重要。那里存放着公司所有的核心数据、技能和业务流程。黄仁勋强调，生成式 AI（如初代的 ChatGPT）擅长创造内容，但这只是开始。新一代的“生产性 AI”或“智能体 AI”的价值在于“完成工作”。它们更像是数字员工，能够利用工具，在真实的物理世界或企业系统中执行任务，带来十倍甚至百倍的效率提升。
Michael Dell（迈克尔·戴尔）补充道，当企业利用这项技术重新构想工作流程时，获得的不是百分之几十的渐进式改进，而是数量级式的飞跃。这种变革速度正是企业赢得竞争优势的关键。Dell 的角色是将 NVIDIA 的技术转化为客户可直接使用的完整解决方案，为全球企业提供类似云服务商为自身提供的“AI 工厂”能力。
构建 AI 智能体：大脑、缰绳与记忆
黄仁勋详细阐述了构建一个能够“工作”的 AI 智能体所需的技术栈，这远远超出了一个大型语言模型（LLM）本身。
首先，是“大脑”。即像 Grace Blackwell GB200 这样的超级芯片，用于运行庞大的语言模型。其次，是“缰绳”。这是指即将发布、专为生成式 AI 设计的 Vera CPU。CPU 的作用如同缰绳，控制着 LLM 这匹“骏马”，使其能够安全、有效地访问内存、网络、工具，并管理短期工作记忆和长期记忆。这个“缰绳”软件层将原始的大脑模型转变为可用的“智能体”或“数字机器人”。
第三，是“长期记忆”。NVIDIA 与 Dell 合作，创建了基于 NVIDIA 技术的 Dell AI 数据平台，专门服务于智能体的长期记忆需求。此外，扩展智能体规模所需的网络、以及名为 Nemo Crawl 的智能体运行时环境，都被集成在一个名为 Open Shell 的安全治理容器中。
Michael Dell（迈克尔·戴尔）指出，随着企业内部智能体框架的普及，CPU 的需求量将大幅增加。他描绘了一个未来图景：全球可能有数百亿个智能体，它们持续不断地使用工具，其速度和频率远高于人类。因此，我们需要海量的 CPU，而这些 CPU 都连接着 GPU“大脑”，以便知道如何思考、推理、计划和使用工具。
供应链：结构性挑战与长期愿景
当被问及当前最大的供应限制时，两位 CEO 不约而同地提到了高带宽内存（HBM）和先进制程半导体。黄仁勋承认，尽管半导体供应链正在扩张，但需求增长的速度更快。NVIDIA 通过多年的规划和与合作伙伴的深度协作，确保了从 HBM、Grace Blackwell 芯片到硅光技术等各个环节的供应对齐。然而，全球的总产能仍难以满足爆炸式的需求。
主持人提出了一个关键问题：内存行业历来具有周期性（繁荣与萧条交替），如何说服供应链伙伴这是结构性、永久性的需求增长？黄仁勋分享了他的方法论：NVIDIA 长期致力于与供应链上游（如美光、SK 海力士）沟通未来的产业愿景。例如，他在三年前就向美光 CEO 详细解释了今天正在发生的 AI 变革，以确保对方能据此规划产能。他强调，必须让上下游供应链（包括电力、土地、融资方）都为这个未来做好准备。
黄仁勋的逻辑很简单：我们正在进入一个拥有数十亿 AI 智能体的时代，它们如同数字工人，7x24 小时不间断工作。正如每个知识工作者需要一台笔记本电脑和一部分数据中心资源，每个智能体也需要相应的计算、存储和基础设施支持。Michael Dell（迈克尔·戴尔）也认同，尽管预测长期需求很难，但他们与供应链伙伴长达数十年的合作关系正在发挥作用。他判断，AI 基础设施的建设才刚刚开始，将持续至少十年，而紧随其后的将是物理 AI（机器人）的浪潮，那将是一个更大的市场，需要全新的基础设施能力。
地缘政治与市场前景：中国与供应链韧性
访谈不可避免地触及了地缘政治话题。主持人询问了黄仁勋2026 年 5 月随美国总统访问中国的行程，特别是关于 H200 芯片对华销售许可以及中国市场的态度。
黄仁勋首先表明，美国总统希望美国在 AI 革命中引领全球。关于 H200，他表示该产品已获得对华销售许可证，但最终取决于中国政府如何平衡保护本土产业与引入更多 AI 算力以扩大市场。他感受到中国对 AI 的需求同样惊人，生成式 AI 在中国也取得了巨大进展。他引用中国领导人的表态，认为中国将继续扩大开放，因此他预期市场将随着时间的推移而进一步开放。不过，他澄清此次行程主要是作为美国代表支持总统，并未直接与中国官员讨论 H200 的销售细节。
Michael Dell（迈克尔·戴尔）作为总统科技顾问委员会成员，也表达了希望看到中美之间更多经济合作的愿望，他认为这最终将为所有人带来更大的繁荣和更成功的国际关系。
关于台湾问题，黄仁勋指出台湾仍是全球科技制造与研发的核心，供应链高度集中于此。但同时，美国也在积极推进本土制造业回流，建设更多的晶圆厂、封装厂和 AI 工厂。由于需求极其旺盛，全球产能正在全方位扩张。他的结论是，实现供应链的多样性和韧性是可能且必要的，而台湾将继续作为全球科技中心之一发挥关键作用。
PC 的未来：个人 AI 的崛起
在访谈尾声，话题转向了看似传统的 PC。Michael Dell（迈克尔·戴尔）强调，PC 仍然是知识生产力的中心设备，并且正在进化。新款 XPS 笔记本已经能够本地运行小型 AI 模型，实现混合 AI 计算。用户对更强大 PC 的需求正在上升，这依然是一个充满活力且能带来供应链规模优势的业务。
黄仁勋则从更宏大的计算演进角度展望未来。他认为，我们正在见证“个人 AI”时代的开端，它将接续“个人电脑”时代。其核心理念依然是：AI 需要存在于上下文所在之处。如果一个人的所有信息和工作都在笔记本电脑上完成，那么 AI 助手就需要在本地运行。同理，工厂、医院、自动驾驶汽车中的 AI 都必须部署在相应场景中。这种分布式、无计量限制的智能，将是下一代计算的核心特征。当被问及 NVIDIA 与 Dell 在 PC GPU 上是否会合作时，两位 CEO 卖了个关子，暗示“很快会有消息”，留下了巨大的想象空间。
NVIDIA 创始人 Jensen Huang（黄仁勋）谈 AI 工厂、推理革命与机器人未来撰文：Techub News 整理
导语
北京时间 2025 年 3 月，NVIDIA 年度技术盛会 GTC 在美国圣何塞盛大开幕。在长达两个多小时的主题演讲中，公司创始人兼 CEO Jensen Huang（黄仁勋）再次以标志性的皮衣造型登台，向全球开发者、合作伙伴与行业观察者展示了 AI 浪潮下的最新进展与未来蓝图。本次演讲被外界誉为「AI 超级碗」，其重要性在于，它不仅宣告了 Blackwell 架构 GPU 的全面量产，更系统性地阐述了 AI 发展已进入以「推理」和「具身智能」为核心的新范式，并揭示了由此引发的百倍级计算需求增长。
黄仁勋在演讲中强调，AI 正在经历从生成式（Generative AI）到智能体（Agentic AI），再到物理 AI（Physical AI）与机器人的演进。当前，支持智能体「推理」能力的 AI 模型，其计算需求远超一年前的预期。为此，NVIDIA 提出了「AI 工厂」的概念，并发布了旨在管理这种新型计算范式的操作系统「Dynamo」。同时，在机器人领域，NVIDIA 宣布开源其通用机器人基础模型 Groot N1，并与 DeepMind、迪士尼研究部门联合推出了新一代物理引擎「Newton」，标志着具身智能的产业化进程全面加速。
摘要
推理计算需求爆发：由于智能体 AI 需要进行逐步推理、一致性检查等复杂思考，其生成的令牌（Token）数量可能是传统生成式 AI 的百倍以上，对计算基础设施提出了前所未有的要求。
「AI 工厂」与操作系统：未来数据中心将转变为专注于「生成令牌」的 AI 工厂。NVIDIA 推出开源操作系统「Dynamo」，用于在超大规模 GPU 集群上动态调度和管理复杂的推理工作负载。
Blackwell 平台全面就绪：Blackwell 架构 GPU 已投入全速生产，其 MVLink 72 机架级系统在同等功耗下，推理性能较上一代 Hopper 提升高达 40 倍，旨在应对推理计算的极端需求。
机器人时代开启：通过 Omniverse 数字孪生平台、生成式模型 Cosmos 以及新的物理引擎 Newton，NVIDIA 构建了完整的机器人开发与训练堆栈，并开源 Groot N1 模型，加速通用机器人产业发展。
全栈 AI 基础设施落地：从云端 AI 工厂、企业级 AI 工作站（DGX Spark/Station），到边缘通信网络（与 T-Mobile、思科合作），再到机器人计算平台，NVIDIA 正在构建覆盖所有场景的 AI 基础设施。
AI 的范式转移：从生成到推理，再到物理世界
黄仁勋开篇回顾了 AI 过去十年的发展历程：从感知 AI（计算机视觉、语音识别）到生成式 AI，再到如今的智能体 AI 和物理 AI。他指出，生成式 AI 从根本上改变了计算模式，从过去的「检索计算」转变为「生成计算」。而当前的关键突破在于智能体 AI，其核心是赋予了 AI「推理」能力。AI 可以感知上下文，规划步骤，使用工具，并通过「思维链」等技术逐步解决问题，而非一次性输出答案。
这种转变带来了计算需求的指数级增长。黄仁勋解释，当一个 AI 进行逐步推理时，它需要生成一系列代表思考步骤的令牌。例如，解决一个复杂的婚宴座位安排问题，传统模型可能快速生成 500 个令牌但答案错误，而推理模型则需要生成近 9000 个令牌来逐步推导出正确答案。这不仅仅是令牌数量的增加，为了保持交互的实时性，计算速度也需要同步提升。「两者叠加，我们需要的计算量很容易达到一年前预期的一百倍以上。」黄仁勋强调。
支撑智能体 AI 的训练方式也发生了变革。通过强化学习与可验证结果（如数学定理、物理定律）相结合，AI 可以在海量合成数据上进行自我训练，无需完全依赖有限的人类标注数据。这解决了数据和训练规模化的根本问题，但也将「极端计算」的挑战摆在了整个产业面前。
AI 工厂：计算基础设施的根本性重塑
面对百倍增长的计算需求，黄仁勋提出了「AI 工厂」的概念。未来的数据中心不再仅仅是运行传统软件的地方，而是一座座专门「生产」智能令牌的工厂。这些令牌被重组为文本、图像、视频、蛋白质结构或商业洞察，直接创造价值。因此，AI 工厂的运营效率直接关系到服务质量和经济收益。
AI 工厂的运营面临一个根本性矛盾：既要为单个用户提供快速（低延迟）的智能响应，又要让整个工厂能同时服务海量用户（高吞吐量）。黄仁勋用一张图表阐释了这一挑战，横轴是用户体验的令牌生成速度，纵轴是整个工厂的令牌产出吞吐量，理想状态是同时最大化两者。这要求基础设施必须具备极高的计算性能（FLOPS）和内存带宽。
为此，NVIDIA 推出了划时代的 Blackwell 平台。其顶级配置 MVLink 72 将一个机柜内的所有 GPU 通过高速互联整合成一个巨型计算设备，提供每秒 1 Exaflops（百亿亿次）的计算能力和 576 TB/s 的内存带宽。黄仁勋展示的数据显示，在同等功耗下，Blackwell MVLink 72 系统在推理工作负载上的性能可达上一代 Hopper 系统的25 倍，而在处理需要复杂推理的模型时，性能优势更可达40 倍。他直言：「当 Blackwell 开始大规模出货时，Hopper 可能会无人问津。」
然而，硬件只是基础。如何在如此庞大且异构的 GPU 集群上高效运行万亿参数模型，并动态分配资源以应对「上下文填充」和「令牌解码」等不同计算阶段的需求，需要极其复杂的软件调度。NVIDIA 2025 年 3 月发布的Dynamo，正是为解决这一问题而生。黄仁勋将其称为「AI 工厂的操作系统」。Dynamo 可以动态管理模型在数万张 GPU 上的张量并行、流水线并行、专家并行等复杂分布策略，并能将计算资源在「思考」和「输出」任务间灵活调配。NVIDIA 宣布将 Dynamo 开源，并与 Perplexity 等合作伙伴共同推进其生态。
攻克通信瓶颈：硅光子与下一代网络
为了将 AI 工厂扩展到数十万甚至数百万 GPU 的规模，传统的网络连接方式在功耗和成本上已难以为继。黄仁勋指出，在当前架构下，每个 GPU 可能需要 6 个光模块，每个功耗 30 瓦，成本约 1000 美元。对于一个百万 GPU 的数据中心，仅光模块的功耗就将高达 180 兆瓦，成本高达 60 亿美元。
NVIDIA 的解决方案是硅光子技术。黄仁勋展示了全球首款 1.6 Tb/s 的共封装光学（CPO）交换机芯片，其核心是采用微环谐振器调制器技术。该技术将光子集成电路、电子集成电路通过 3D 封装集成，实现了极高的密度和能效。相比传统方案，新技术能节省数据中心数十兆瓦的功耗，这些宝贵的电力可以转而用于增加更多的计算单元。搭载该技术的 Spectrum-X 以太网平台预计将于 2026 年下半年上市，为超大规模 AI 集群铺平道路。
机器人：物理 AI 的终极体现与产业爆发
演讲的后半段，焦点转向了物理 AI 和机器人。黄仁勋认为，机器人是解决全球劳动力短缺的关键，未来将成为一个巨大的产业。NVIDIA 为此提供了涵盖仿真、训练、部署的完整计算平台。
核心挑战依然是数据和训练。NVIDIA 通过 Omniverse 数字孪生平台生成高度逼真且多样化的合成训练数据，并通过物理引擎提供可验证的奖励信号来训练机器人 AI。黄仁勋宣布了两项重大进展：一是与 DeepMind、迪士尼研究部门联合推出的新一代 GPU 加速物理引擎Newton，专注于刚体、软体和触觉反馈的高保真、超实时仿真，为机器人精细技能训练提供基础。二是开源其通用人形机器人基础模型Groot N1。该模型采用「快思考」与「慢思考」双系统架构，能感知环境、进行推理规划，并控制机器人执行复杂任务序列。
「物理 AI 和机器人技术的发展速度如此之快，」黄仁勋提醒道，「这很可能成为未来最大的产业。」
从云到端：全栈 AI 基础设施的全面落地
黄仁勋强调，AI 将无处不在，而不仅限于云端。NVIDIA 正在构建覆盖所有场景的 AI 基础设施：
云端与 AI 工厂：Blackwell 平台及 Dynamo 操作系统，服务于超大规模 CSP 和 AI 公司。
企业级：推出全新的 AI 工作站产品线，包括便携式「DGX Spark」（与联发科合作）和桌面级「DGX Station」，将强大的 AI 计算能力带给每一位开发者和数据科学家。同时，与戴尔、慧与等 OEM 厂商合作，提供全栈企业 AI 解决方案，甚至重新定义了未来的「语义存储」系统。
边缘与通信：宣布与 T-Mobile、思科、CUS-ODC 合作，在美国构建融合 AI 的电信边缘计算全栈，旨在用 AI 革新无线通信网络。
自动驾驶：宣布通用汽车选择 NVIDIA 作为合作伙伴，共同构建其未来的自动驾驶车队。黄仁勋还特别介绍了 NVIDIA 在功能安全（DRIVE Halos）方面的深厚投入。
最后，黄仁勋公布了清晰的产品路线图，承诺每年更新一次架构，每两年推出新产品系列，并预告下一代平台将以著名物理学家「维拉·鲁宾」和「理查德·费曼」的名字命名。在结束演讲前，他再次感谢了全球开发者生态，并播放了一段由 AI 生成、致敬人类探索精神的震撼影片，将全场气氛推向高潮。
整场演讲表明，NVIDIA 已不再仅仅是一家芯片公司，而是作为 AI 革命的「总建筑师」，通过从硅、系统、软件到生态的全栈创新，正在定义和构建智能时代的核心基础设施。
NVIDIA 创始人兼 CEO Jensen Huang（黄仁勋）：AI 工厂、物理 AI 与机器人革命撰文：Techub News 整理
导语
2025年1月，NVIDIA 创始人兼 CEO Jensen Huang（黄仁勋）在 CES（国际消费电子展）发表了一场长达91分钟的主题演讲。这场演讲不仅是消费电子领域的风向标，更是 AI 与计算产业的一次重磅宣言。在生成式 AI 浪潮席卷全球一年后，黄仁勋系统性地阐述了 NVIDIA 从芯片、软件到生态的全栈战略，并揭示了 AI 从数字世界迈向物理世界的宏大蓝图。本次演讲的背景是 Blackwell 架构 GPU 全面投产，以及 AI 正在从云端渗透到边缘、PC 乃至每一个机器人的核心。
摘要
Blackwell 架构 GeForce RTX 50 系列 GPU 发布，性能大幅提升，AI 驱动的神经渲染成为未来计算机图形学核心。
AI 工厂（AI Factory）规模空前，Blackwell 系统正在全球45家工厂生产，以满足三大扩展定律驱动的海量算力需求。
发布世界首个物理 AI 基础模型平台 Cosmos，旨在理解物理世界，为机器人、自动驾驶等提供“世界模型”。
预言智能体 AI、自动驾驶汽车和人形机器人将构成未来多万亿美元规模的机器人产业，并公布了相应技术栈与合作伙伴进展。
推出 Project Digits，一种新型桌面 AI 超级计算机，旨在让每个开发者都能轻松获得强大的 AI 算力。
从 GeForce 到 Blackwell：AI 如何重塑图形与游戏
演讲开场，黄仁勋回顾了 NVIDIA 三十年的历程，从最初的游戏图形处理器（GPU）到如今驱动 AI 革命的引擎。他特别指出，正是 GeForce 平台将 AI 带给了大众，而现在，AI 正在“回馈”并彻底革新 GeForce 自身。
现场演示了一段实时渲染的、细节惊人的游戏画面。黄仁勋解释道，这背后是 AI 驱动的神经渲染技术——DLSS（深度学习超级采样）的最新飞跃。传统的光线追踪需要计算每一个像素，计算量巨大。而新一代 DLSS 结合了可编程着色器、光线追踪加速以及 AI 预测。系统仅渲染少量关键像素，然后由在超级计算机上训练好的神经网络，基于这些像素预测并生成其余所有像素，甚至能预测未来帧。黄仁勋用一组数字强调了其革命性：在 4K 分辨率下，每帧有约3300万像素，但系统实际只计算了其中的200万，其余均由 AI 高效生成。“这绝对是个奇迹，”他说，“AI 的计算量少得多，但经过海量训练后，生成效率极高。”这标志着计算机图形学的未来是神经渲染，即人工智能与计算机图形的融合。
在此基础上，黄仁勋正式发布了基于 Blackwell 架构的 GeForce RTX 50 系列 GPU。旗舰型号 RTX 5090 拥有920亿晶体管，提供4 PetaFLOPS的 AI 性能（是上一代 Ada 的三倍）、380 TeraFLOPS的光线追踪性能。它采用美光的 G7 内存，带宽达1.8 TB/s。黄仁勋特别提到，这一代 GPU 的着色器也能处理神经网络，从而实现了“神经纹理压缩”和“神经材质着色”，带来前所未有的图像质量。RTX 5090 定价为1599美元，他幽默地称之为“对你那价值1万美元的家庭娱乐指挥中心的绝佳投资”。
更令人印象深刻的是，如此强大的性能也被塞进了笔记本电脑。黄仁勋展示了 RTX 570 笔记本电脑，其性能堪比上一代桌面旗舰 RTX 4090，起售价仅为1299美元。这得益于 AI 神经渲染大幅提升了能效，使得高性能 GPU 能够放入轻薄本中。他总结道：“GeForce 将 AI 带给世界，使其民主化；现在，AI 回来彻底革新了 GeForce。”
AI 工厂与三大扩展定律：驱动算力需求的永动机
随后，黄仁勋将话题转向更宏观的 AI 产业。他指出，整个行业正在追逐并竞相扩展人工智能的规模，而这背后遵循着强大的“扩展定律”。
他详细阐述了目前观察到的三大扩展定律：
预训练扩展定律：模型能力随着训练数据量、模型规模和所用计算量的增加而提升。互联网产生的多模态数据（视频、图像、声音）仍在快速增长，为训练基础模型提供了燃料。
后训练扩展定律：通过强化学习、人类反馈等技术，AI 在“毕业”后继续精进技能，如解决数学问题、优化推理能力。这类似于请教练进行针对性辅导。
测试时扩展定律：AI 在被使用时，可以动态分配计算资源来解决问题。例如，通过“长思考”或“思维链”将复杂问题分解为多步推理，生成多个方案并评估最优解。这大幅提升了回答质量，但也显著增加了推理阶段的计算需求。
黄仁勋强调，这些定律共同驱动了对 NVIDIA 计算平台的“巨大需求”，尤其是对 Blackwell 芯片的需求。他宣布，Blackwell 现已全面投产。全球所有主要云服务提供商都已部署基于 Blackwell 的系统，约有15家计算机制造商正在生产超过200种不同配置的服务器（风冷、液冷、x86或 NVIDIA Grace CPU 版本）。
为了直观展示 AI 工厂的规模，黄仁勋请工作人员搬上了一台完整的 GB200 NVL72 系统。这台机器重达1.2吨，包含约60万个零件（相当于20辆汽车），功耗120千瓦，内部有长达2英里的铜缆和5000条线缆。它正在全球45家工厂制造、测试和组装。“制造过程令人惊叹，”他说，“但这一切的目标，是因为扩展定律正如此强劲地驱动着计算需求。”
Blackwell 相比上一代 Hopper，能效提升了4倍，性价比提升了3倍。这意味着训练模型的成本降低了三分之二，或者说，用同样的成本可以训练大三倍的模型。黄仁勋指出，每个数据中心都受限于电力，因此能效提升4倍，意味着数据中心可生成的 AI “令牌”（Token）和可支撑的业务收入也相应大幅增加。“这些 AI 工厂系统，2025 年 1 月就是真正的工厂。”
智能体 AI：下一代数字劳动力与企业软件革命
黄仁勋预测，智能体 AI 将是下一个机器人级别的产业，可能创造数万亿美元的价值。智能体 AI 不是单一模型，而是一个由多个模型组成的系统，它们能够感知、推理、计划并行动，代表人类执行任务。
为了帮助生态构建智能体 AI，NVIDIA 推出了三层技术栈：
NVIDIA NIM：AI 微服务。将复杂的 CUDA 软件、优化后的模型打包成容器，开发者可以轻松部署在任何云或本地。NIM 提供视觉、语言、语音、动画、数字生物学等多种模型。
NVIDIA Nemo：数字员工入职与培训框架。未来，AI 智能体将成为企业的“数字劳动力”，Nemo 提供工具来定制智能体（学习公司特定术语、业务流程）、评估其表现、设置行为护栏（Guardrails）并管理其生命周期。黄仁勋预言：“未来，每家公司的 IT 部门都将成为 AI 智能体的人力资源部。”
蓝图与开源模型：NVIDIA 提供各种智能体应用的参考蓝图，并宣布推出基于 Meta Llama 3.1 微调而成的 “Llama Neotron” 系列开源模型。这些模型针对企业用例进行了优化，在多项基准测试中领先，将成为构建企业级智能体的重要基石。
他列举了智能体 AI 的多个应用场景：为知识工作者提供 AI 研究助手，自动分析复杂文档并生成播客；帮助开发者持续扫描代码安全漏洞；协助研究人员快速筛选数十亿化合物以发现候选药物；通过城市摄像头网络分析海量视频，实现交通监控、事件预警和自动化报告。黄仁勋总结道：“智能体 AI 的时代已经到来，适用于每个组织。”
物理 AI 与 Cosmos：为机器人赋予“世界模型”
演讲中最具前瞻性的部分之一是关于“物理 AI”。黄仁勋指出，当前的大语言模型处理的是文本令牌，但如果输入是物理环境（如传感器数据），请求是物理动作（如“去拿起那个盒子”），输出是动作令牌，那么我们就进入了机器人领域。
机器人需要一个理解物理世界的“基础模型”。它需要理解重力、摩擦力、惯性、几何空间关系、因果关系、物体恒存性等。为此，NVIDIA 发布了世界首个物理 AI 基础模型平台——Cosmos。
Cosmos 使用2000万小时专注于物理动态（如自然现象、人类运动、物体操控）的视频进行训练，旨在教会 AI 理解物理世界。它包括自回归模型（用于实时应用）、扩散模型（用于高质量图像生成）、先进的令牌化器以及端到端 CUDA 和 AI 加速的数据处理流水线。
黄仁勋强调了 Cosmos 与 NVIDIA Omniverse（一个基于物理原理的数字孪生仿真平台）结合的重要性。Omniverse 提供物理“基础事实”，可以控制和约束 Cosmos 的生成，确保其输出符合物理规律，这类似于为大语言模型提供检索增强生成（RAG）来 grounding 在真实信息上。两者结合，形成了一个“物理基础的多元宇宙模拟器”，可用于合成数据生成、模型训练和测试。
他提出了未来机器人公司必备的“三台计算机”架构：
DGX：用于训练 AI 模型。
Omniverse + Cosmos：数字孪生仿真平台，用于测试、验证 AI，并生成海量合成训练数据。
AGX（如 Thor）：部署在机器人、汽车等边缘设备上的车载超级计算机。
机器人革命：自动驾驶、人形机器人与工业数字化
基于“物理 AI”和“三台计算机”框架，黄仁勋描绘了即将到来的机器人革命，并聚焦于三个关键领域：智能体 AI（信息工作者）、自动驾驶汽车和人形机器人。他预言，这三者将构成“世界上有史以来规模最大的科技产业”。
1. 自动驾驶汽车：黄仁勋宣布，NVIDIA 下一代车载计算机 Thor 已全面投产。Thor 的处理能力是上一代 Orin 的20倍，且其操作系统 Drive OS 已获得汽车功能安全最高等级认证（ASIL D）。他透露，NVIDIA 正在与几乎所有主流汽车公司合作，并特别宣布了与丰田在下一代自动驾驶领域的合作。
他展示了如何利用 Omniverse 和 Cosmos 构建“自动驾驶汽车数据工厂”：将真实路采数据在数字孪生中重建，然后利用 AI 生成近乎无限的、符合物理规律的合成驾驶场景（如不同天气、光照、交通状况），从而将数千英里的真实路测数据扩展为数十亿英里的有效训练数据。“我们将拥有海量的训练数据，”黄仁勋说，“自动驾驶行业已经到来。”
2. 工业数字化与仓储物流：NVIDIA 正与全球领先的仓储自动化解决方案提供商柯尔柏（Körber）以及埃森哲合作，利用 Omniverse 蓝图“Mega”为万亿美元规模的仓储物流市场带来物理 AI。通过构建仓库的数字孪生，企业可以在投入物理改造前，模拟和优化机器人车队调度、任务分配，并预测关键运营指标。
3. 人形机器人：黄仁勋认为，通用机器人的“ChatGPT 时刻”即将到来。他介绍了 NVIDIA Isaac Groot 机器人开发平台，它提供机器人基础模型、数据流水线、仿真框架和 Thor 机器人计算机。其中，通过“合成动作生成”工作流，开发者可以利用 Apple Vision Pro 等设备进行少量人工遥操作演示，然后在 Omniverse 和 Cosmos 中将这些演示扩展成海量的合成训练数据，从而高效训练机器人策略。“我们将拥有海量数据来训练机器人，”他总结道。
Project Digits：将 AI 超级计算机带到每个桌面
演讲尾声，黄仁勋回到了 NVIDIA 的起点：让强大的计算能力更易获得。他回忆了2016年将第一台 DGX-1 AI 超级计算机交付给 OpenAI 的场景，那台机器开启了 AI 研究的新时代。如今，AI 已成为主流，每个开发者、创作者都需要 AI 超级计算机。
于是，他揭晓了“Project Digits”——一款新型的桌面 AI 超级计算机。这款设备外观紧凑，内置了与联发科合作开发的秘密芯片“GB110”（一款小型化的 Grace Blackwell 芯片），通过芯片间 NVLink 连接 CPU 和 GPU。它运行完整的 NVIDIA AI 软件栈，既可以作为本地工作站，也可以像云超级计算机一样远程访问。黄仁勋表示，Project Digits 预计将在2025年5月左右上市。“想象一下，谁不想要一台这样的设备？”他笑着说。
最后，黄仁勋以一段回顾与展望的视频结束演讲，感谢了合作伙伴，并祝愿大家新年快乐。整场演讲不仅是一场产品发布会，更是对 AI 如何从数字计算迈向物理世界、重塑万亿美元产业的一次系统性宣言。
NVIDIA 创始人 Jensen Huang（黄仁勋）：AI 工厂、物理智能与机器人未来撰文：Techub News 整理
导语
在 COMPUTEX 2025 的舞台上，NVIDIA 创始人兼 CEO Jensen Huang（黄仁勋）发表了长达近两小时的主题演讲。这场演讲不仅是年度科技盛会的高光时刻，更是 NVIDIA 在 AI 计算时代的一次全面战略宣言。黄仁勋回顾了 NVIDIA 过去三十年的转型之路——从图形芯片公司到 CUDA 计算平台创造者，再到如今全球 AI 基础设施的核心构建者。本次演讲的重要性在于，它清晰地勾勒了 NVIDIA 对下一个计算时代的愿景：一个由“AI 工厂”、物理智能（Physical AI）和普及化机器人所定义的新产业。
摘要
NVIDIA 宣布全新产品线：GB300 超级芯片、面向开发者的 DGX Spark、企业级 RTX Pro 服务器，以及开放生态的 MVLink Fusion 平台。
提出“AI 工厂”概念，认为未来的数据中心是生产“智能令牌（Tokens）”的工厂，AI 基础设施将成为堪比电网和互联网的社会基础。
揭示 AI 演进路径：从感知、生成式 AI，迈向具备推理能力的“智能体 AI（Agentic AI）”，并最终实现理解物理世界的“物理 AI”。
宣布与富士康、台湾地区政府、台积电合作，在台湾建设首座巨型 AI 超级计算机，强化本地 AI 生态系统。
全面展示 NVIDIA 在机器人技术栈的布局，包括 Isaac Groot 开源平台、Jetson Thor 机器人处理器，以及利用 AI 生成合成数据训练机器人的“Groot Dreams”蓝图。
从芯片到 AI 基础设施：NVIDIA 的范式转移
黄仁勋开篇即指出，NVIDIA 的故事是计算机产业的重塑史，也是公司的自我再造史。他回顾了从 2006 年推出革命性 CUDA 平台，到 2016 年意识到需要重塑整个技术栈（处理器、软件、系统），从而诞生了 DGX1 系统，并将其捐赠给 OpenAI，由此点燃了 AI 革命的火种。
如今，NVIDIA 的自我定位已超越单纯的科技公司。“我们意识到 NVIDIA 不再仅仅是一家科技公司。事实上，我们是一家必不可少的基础设施公司。”黄仁勋强调。他将 AI 基础设施类比为历史上的电网和互联网，是即将融入社会肌理的新一代基础要素。这种基础设施的具体形态就是“AI 工厂”——它不再是传统的数据中心，而是输入能源、产出极具价值的“智能令牌（Tokens）”的生产设施。未来，企业财报可能会像报告产能一样报告“令牌产量”。黄仁勋预测，这个 AI 基础设施产业的规模将达到数万亿美元。
核心引擎：CUDA 与加速计算库的进化
黄仁勋重申，加速计算和 AI 的融合是 NVIDIA 的核心，而实现这一点的关键是庞大的软件库生态系统。他展示了涵盖各个领域的 CUDA-X 库，包括用于 5G/6G 无线信号处理的 Aerial，用于基因组学的 Parabrics，用于医疗影像的 Monai，用于气候预测的 Earth-2，以及用于计算光刻的 cuLitho（可将掩模制作计算加速 50-70 倍，台积电、ASML、Synopsys 等均为合作伙伴）。
他强调，正是这些领域专用的库，使得 NVIDIA 能够将一个又一个科学和产业领域迁移到加速计算平台上。例如，在电信领域，经过六年打磨，NVIDIA 已能提供完全加速的无线接入网（RAN）软件栈，在性能（每瓦特数据速率）上媲美最先进的专用芯片（ASIC），并为进一步叠加 AI（AI on 5G/6G）奠定了基础。
新一代 AI 超级计算机：Grace Blackwell GB300 与 MVLink 奇迹
演讲的重头戏之一是宣布 Grace Blackwell 平台的升级版 GB300。它采用相同架构和物理外形，但芯片升级，带来 1.5 倍的推理性能提升、1.5 倍的 HBM 内存容量和 2 倍的网络带宽。单个 GB300 节点即可提供 40 Petaflops 的性能，相当于 2018 年由 18,000 个 GPU 组成的 Sierra 超级计算机，实现了“六年性能提升四千倍”的极致摩尔定律。
实现这种“规模扩大（Scale-up）”能力的关键在于 NVIDIA 自研的 MVLink 互联技术。黄仁勋展示了由 9 个 MVLink 交换机（每个 7.2 TB/s）和重达约 70 磅、包含 2 英里长线缆的“MVLink 脊柱（Spine）”组成的系统。该脊柱可提供 130 TB/s 的全互联带宽，“超过了整个互联网的峰值流量”。这使得 72 个 GPU（144 个芯片）能够如同一个巨型 GPU 般协同工作。由于信号传输的物理极限，如此高性能的集成目前只能在一个机架内实现，这也导致了高达 120 千瓦的功率密度，必须采用全液冷散热。
更重要的生态战略是宣布 MVLink Fusion。这是一个开放平台，允许合作伙伴将自家的定制 ASIC、CPU 或加速器，通过 MVLink 小芯片（Chiplet）或 IP 集成到 NVIDIA 的 AI 超级计算机生态系统中。黄仁勋明确表示，“你的 AI 基础设施可以有一部分是 NVIDIA 的，很大一部分是你自己的”，这为包括联发科（MediaTek）、富士通、高通（Qualcomm）在内的合作伙伴提供了灵活的集成路径，旨在扩大整个 AI 基础设施的生态系统。
AI 的下一波浪潮：推理、智能体与物理 AI
黄仁勋梳理了 AI 能力的演进阶段：从早期的感知 AI（识别图像、语音），到过去五年的生成式 AI（内容生成），现在正进入 “推理 AI” 阶段。AI 不仅需要学习知识，更需要具备解决新问题、逐步推理、权衡选项的能力（如思维链、思维树等技术）。
结合多模态感知、工具使用和协作能力，推理 AI 将进化为 “智能体 AI（Agentic AI）”，即能够理解、思考并采取行动的数字实体。黄仁勋将其比作数字形式的机器人，并认为它们将作为“数字员工”弥补全球劳动力短缺（预计到 2030 年缺口达 3000-5000 万）。
超越数字智能体的下一阶段是 “物理 AI（Physical AI）”，即能够理解物理世界法则（如惯性、摩擦力、物体恒存性、因果关系）的 AI。这种能力对于机器人、自动驾驶等领域至关重要。NVIDIA 正在利用其仿真技术，通过提示词生成大量用于训练自动驾驶系统的合成视频场景。
产品民主化：从 DGX Spark 到企业级 RTX Pro
为了让 AI 计算能力更普及，NVIDIA 推出了多款新产品。其中，DGX Spark 是一款面向 AI 原生开发者、研究者和学生的桌面级设备，提供 1 Petaflops 性能和 128 GB 内存，其性能与 2016 年重达 300 磅的 DGX-1 相当，但体积和功耗大幅缩小，预计几周内上市。
针对企业市场，NVIDIA 发布了 RTX Pro 企业级服务器。这款服务器设计的关键在于既能无缝运行传统的 x86 企业 IT 环境（虚拟机、Kubernetes等），又能高效运行各类 AI 智能体工作负载（文本、图形、视频）。它搭载了新的 Blackwell RTX Pro 6000 GPU，并通过全新的 CX8 互联芯片（兼具交换和网络功能）实现高达 800 Gb/s 的 GPU 间东-西向流量带宽。黄仁勋引用性能曲线图显示，该服务器在 Llama 70B 模型上的性能是 H100 的 1.7 倍，而在优化程度更高的 DeepSeek R1 模型上，性能可达 H100 的 4 倍。
黄仁勋还概述了企业 AI 栈的另外两大支柱：AI 存储 与 AI 运维（AI Ops）。未来的企业存储将需要 GPU 前置来处理非结构化数据的语义搜索和索引，NVIDIA 的 NeMo Retriever 及相关蓝图正在与 VAST、戴尔、Hitachi、IBM、NetApp 等存储厂商合作。AI Ops 则涉及模型的微调、评估、护栏和安全，NVIDIA 正与 CrowdStrike、DataRobot、Elastic 等伙伴共建生态。
机器人未来：仿真、学习与数字孪生
机器人是黄仁勋演讲的另一核心。他宣布，用于机器人开发和运行的完整平台 Isaac Groot N1.5 现已开源，并已被下载超过 6000 次。该平台包括用于训练的 AI 超级计算机（GB200/300）、用于仿真的 Omniverse、以及用于部署的 Jetson Thor 机器人处理器和 Isaac OS。
针对机器人训练数据稀缺的挑战，NVIDIA 推出了 “Groot Dreams”蓝图。该方案利用 NVIDIA 的 Cosmos 物理 AI 基础模型，对少量人类示教（Teleoperation）数据进行扩增，生成大量高质量的合成轨迹数据，从而用一个小团队的工作量达到数千人示范的效果。
黄仁勋特别强调了人形机器人的重要性，认为它是唯一能无缝融入现有（为人类设计的）环境（即“棕地”）的机器人形态，并且因其潜在的海量规模，最有可能成为下一个万亿美元产业。
这一切都离不开 数字孪生。黄仁勋展示了台积电、富士康、和硕、广达、纬创等台湾合作伙伴利用 Omniverse 构建的工厂、数据中心乃至城市级别的数字孪生。这些高度逼真的仿真环境不仅是规划和优化的工具，更是训练机器人、模拟多智能体协作的“机器人健身房”。他透露，全球未来三年有约 5 万亿美元的新工厂投资计划，数字孪生技术将至关重要。
深耕台湾：宣布建设本地 AI 超算与新总部
作为对台湾生态系统的肯定和加码，黄仁勋宣布了一项重磅合作：NVIDIA 将与富士康、台湾地区政府及台积电合作，在台湾建设第一座巨型 AI 超级计算机，为本地研究人员、学生、初创企业及大型公司提供世界级的 AI 基础设施。
演讲最后，黄仁勋以一个“新产品”发布将气氛推向高潮——由于在台员工规模不断扩大，NVIDIA 计划在台北信义区贝托谢林（Beetho Sheiling）地块建设名为 “NVIDIA Constellation” 的台湾新总部大楼，这象征着 NVIDIA 与台湾科技产业更紧密、更长期的绑定。
黄仁勋总结道，当前是“一生一次”的机遇，NVIDIA 与合作伙伴不仅是在创造下一代信息技术，更是在开创一个全新的产业。他期待与生态伙伴共同构建 AI 工厂、企业智能体、机器人，并以统一的架构扩展生态系统。
NVIDIA 创始人 Jensen Huang（黄仁勋）：加速计算与 AI 工厂定义未来撰文：Techub News 整理
导语
2025年10月28日，NVIDIA 创始人兼 CEO Jensen Huang（黄仁勋）在美国华盛顿特区举行的 GTC（GPU Technology Conference）大会上发表了长达近100分钟的主题演讲。作为 AI 与加速计算领域的年度风向标，本届 GTC 移师美国政治中心，其意义远超一场技术发布会。黄仁勋在演讲中不仅回顾了 NVIDIA 推动计算范式转移的30年历程，更发布了一系列涉及通信、量子计算、国家科研、下一代 AI 基础设施及机器人技术的重磅合作与产品，勾勒出一幅以“加速计算”和“AI 工厂”为核心、驱动美国乃至全球产业变革的宏伟蓝图。
摘要
宣布与诺基亚（Nokia）达成战略合作，推出 NVIDIA Arc 6G 无线网络计算平台，旨在将 AI 融入无线通信核心，并让美国技术重返全球电信基础设施领导地位。
发布 NV-Q Link 量子互连架构及 CUDA-Q 平台，连接量子处理器与 GPU 超级计算机，实现量子纠错与混合计算，并宣布获得美国能源部下属七大国家实验室及17家量子公司的支持。
揭示下一代 AI 超级计算机架构 Vera Rubin 细节，强调通过“极端协同设计”实现性能的指数级提升与 token 生成成本的大幅下降，并宣布已获得价值5000亿美元的 Blackwell 及早期 Rubin 订单。
提出“AI 工厂”概念，认为 AI 不是工具而是“工作者”，正驱动从通用计算到加速计算、从手写软件到 AI 的“双重平台转移”，并将触及百万亿美元规模的经济体。
展示物理 AI（Physical AI）与机器人技术的融合，通过 Omniverse 数字孪生平台训练和部署机器人，并宣布与 Foxconn、Figure、迪士尼等合作伙伴在智能工厂、人形机器人及自动驾驶（Hyperion 平台）等领域的进展。
从 GPU 到 CUDA：三十年的范式转移
演讲伊始，Jensen Huang（黄仁勋）回顾了 NVIDIA 创立三十年来所推动的根本性变革：加速计算。他指出，随着晶体管性能提升因物理定律而放缓（“丹纳德缩放”已停止），通用计算（CPU）的局限性日益凸显。NVIDIA 的洞察是，通过引入专为并行处理设计的 GPU 及与之配套的编程模型 CUDA，可以极大地扩展计算能力。然而，这并非简单的硬件替换，而是一场从算法、库到应用程序的全面重构，耗时近三十年才迎来拐点。
黄仁勋强调，NVIDIA 的核心财富不仅是 GPU 硬件，更是 CUDA 及其上层超过350个加速库构成的完整生态。从计算光刻（CUDA Litho）、科学计算到 AI 训练框架（Megatron Core）、医疗影像（Monai），每一个库都代表了一个被加速计算重塑的领域。他通过一段全模拟生成的视频展示了 CUDA-X 生态如何覆盖从医疗、制造、机器人到自动驾驶、计算机图形等几乎所有行业，并指出这背后的驱动力是“数学之美”与深厚的计算机科学。
重塑通信、量子与国家级 AI 基础设施
在宣布具体产品前，黄仁勋首先指出了当前全球通信基础设施的一个关键问题：大量基于外国技术。为此，NVIDIA 宣布与全球第二大电信设备制造商诺基亚达成合作，推出全新产品线 NVIDIA Arc（Aerial Radio Network Computer）。Arc 平台基于 Grace CPU、Blackwell GPU 和 ConnectX 网络技术，运行名为 Aerial 的 CUDA-X 库，旨在打造首个软件定义、可编程的无线通信计算机，同时处理 AI 任务。黄仁勋表示，这不仅是将 AI 用于无线接入网（AI for RAN）以提升频谱效率，更是要在无线网络上构建边缘工业机器人云（AI on RAN），类似于互联网催生了 AWS 等云计算巨头。
在量子计算领域，NVIDIA 发布了 NV-Q Link 互连架构和 CUDA-Q 开放平台。NV-Q Link 能以每秒数千次的速度在量子硬件与 GPU 之间传输太字节数据，这对于实现量子纠错、设备校准和混合模拟至关重要。黄仁勋宣布，已有17家量子计算公司及包括伯克利、洛斯阿拉莫斯、橡树岭在内的美国能源部（DOE）七大国家实验室支持该架构。紧接着，他宣布了另一项重磅消息：美国能源部将与 NVIDIA 合作，建造七台新的 AI 超级计算机，以推动国家科学发展。他赞扬了能源部长 Chris Wright 的远见，并强调计算是科学的基础工具，而加速计算、AI、量子计算和机器人技术正同时汇聚，重塑科研范式。
AI 不是工具，是“工作者”：定义 AI 工厂时代
黄仁勋花了相当篇幅阐述他对 AI 本质的理解。他认为，公众将 AI 等同于聊天机器人是片面的。AI 更根本的意义在于彻底重构了计算栈：从手写代码（CPU）转向数据驱动的机器学习（GPU）。他将 AI 的产出称为“token”（令牌），即 AI 的语言单元。任何有结构的信息——文本、图像、视频、3D 结构、化学分子、蛋白质——都可以被 token 化，并由 AI 学习、理解和生成。
他进一步提出了一个关键区分：过去的软件（如 Excel、Word）是“工具”，而 AI 是“工作者”。工具的市场规模有限（约万亿美元），但 AI 作为能使用工具的“工作者”，将直接参与并提升全球百万亿美元规模的经济活动，解决劳动力短缺问题。这种根本性转变催生了对新型计算基础设施的需求：AI 工厂。
“AI 工厂”不同于过去通用数据中心，它专为高效生产“有价值的 token”而设计，需要极致的响应速度、吞吐量和成本效益。黄仁勋指出，驱动 AI 工厂需求的是两个“指数”：一是 AI 模型从预训练、后训练到“思考”（推理）三个阶段对算力的指数级需求；二是模型越智能，使用越多，进而需要更多算力的正向循环。然而，摩尔定律的终结对满足这些指数需求构成了挑战。NVIDIA 的答案是：极端协同设计。
极端协同设计：从 Blackwell 到 Vera Rubin 的指数飞跃
黄仁勋强调，NVIDIA 是当今唯一能从空白页开始，同时思考新计算架构、芯片、系统、软件、模型架构和应用的的公司。这种“极端协同设计”的成果，就是像 GB200 NVL72 这样的机架级超级计算机。他将整个机架比作一个“巨型 GPU”，通过 NVLink 72 技术将72个 GPU（144个裸片）连为一体，实现了远超传统互联架构的性能。
他引用第三方基准测试称，Grace Blackwell 平台相比前代 H200，在相同工作负载下实现了每 GPU 10倍的性能提升和10倍的 token 生成成本下降。这正是维持 AI 增长“飞轮”的关键——在算力需求指数增长时，通过架构创新而非仅仅依靠晶体管数量增加，来持续降低单位成本。
随后，他展示了下一代 AI 超级计算机平台 Vera Rubin。这是第三代 NVLink 72 机架级系统，采用完全无缆线、100%液冷设计，并引入了新的“上下文处理器”以处理日益增长的模型上下文长度。黄仁勋透露，Blackwell 平台已发货600万颗 GPU（按封装计），而未来五个季度的订单可见度已达到惊人的5000亿美元，这是前代 Hopper 架构整个生命周期收入的五倍。他特别提到，这些制造正在回归美国，亚利桑那州等地的工厂已开始全速生产 Blackwell，呼应了“美国再工业化”的主题。
为了规模化部署这些 AI 工厂，NVIDIA 推出了 Omniverse DSX 数字孪生蓝图。通过与 Jacobs、西门子、施耐德电气等合作伙伴集成，DSX 允许在物理建造之前，就完成从设计、热力模拟到运营优化的全流程数字化，从而极大缩短建设时间并优化能效。
开源模型、企业赋能与物理 AI 的崛起
黄仁勋重申了开源 AI 模型的重要性，称其为初创公司和研究人员的“生命线”。NVIDIA 自身在开源领域投入巨大，在多个领域（语言、物理 AI、生物等）拥有领先的模型。他同时宣布了与两大企业软件巨头的深度合作：与 CrowdStrike 合作打造基于 AI 代理的下一代网络安全防御系统；与 Palantir 合作，加速其数据平台，为政府和企业的海量数据提供实时洞察。
演讲的高潮部分转向了“物理 AI”。黄仁勋指出，物理 AI（如机器人）需要三台计算机协同工作：用于训练模型的 GB200 NVL72、用于在 Omniverse 数字孪生中模拟的“Omniverse 计算机”、以及最终部署在机器人本体上的“机器人计算机”（如 Jetson Thor）。他通过视频展示了与 Foxconn 合作建设的德克萨斯州智能工厂数字孪生，其中机器人通过 Isaac Sim 在虚拟环境中学习协作。他还提到了与人形机器人公司 Figure（估值近400亿美元）、Agility Robotics、强生手术机器人以及迪士尼研究部门的合作。迪士尼的机器人“Blue”在 Omniverse 中通过 Newton 物理模拟器学习与真实世界互动，预示着一个庞大的消费级机器人市场。
在自动驾驶领域，NVIDIA 宣布了其 Drive Hyperion 参考架构已成为 Lucid、梅赛德斯-奔驰、Stellantis 等车企的“机器人出租车就绪”平台。更重要的合作是与 Uber 达成全球网络整合，未来用户将能通过 Uber 呼叫基于 Hyperion 平台的自动驾驶汽车。
结语：双重平台转移与美国的再工业化
在演讲总结中，黄仁勋将当前时代定义为两个平台转移的交汇点：从通用计算到加速计算，以及从手写软件到人工智能。CUDA 及其生态是第一个转移的引擎，现已形成自我强化的“飞轮”。AI 则是第二个转移，其“飞轮”也已经开始旋转。
他最后强调，通过 ARC（6G）、Hyperion（自动驾驶）、DSX（AI 工厂）和 MEGA（AI 化工厂）等新平台，NVIDIA 正与合作伙伴一道，将 AI 能力注入从通信、交通到制造的每一个角落。这场在华盛顿举行的 GTC，不仅是一次技术展示，更是一份关于美国如何通过 AI 驱动再工业化、重夺科技经济领导权的宣言。黄仁勋以“让美国再次伟大”作为结尾，赢得了全场长时间的掌声。
NVIDIA 创始人 Jensen Huang（黄仁勋）谈 AI 工厂、量子计算与 6G：美国的下一个阿波罗时刻撰文：Techub News 整理
在2025 年 10 月于华盛顿特区举行的 GTC 大会上，NVIDIA 创始人兼 CEO Jensen Huang（黄仁勋）进行了一场长达近两小时、信息量巨大的主题演讲。这场演讲不仅是对 NVIDIA 技术蓝图的集中展示，更是一次对美国科技创新领导力与未来工业革命的前瞻性宣言。在人工智能竞争白热化、全球技术格局重塑的关键节点，黄仁勋的演讲揭示了计算范式如何发生根本性转变，以及 NVIDIA 如何试图在这场变革中扮演核心基础设施提供者的角色。
加速计算与 AI 工厂：新计算范式的崛起
黄仁勋开篇即指出，计算行业正经历 60 年一遇的范式转移。随着摩尔定律的放缓乃至终结，传统的通用计算已无法满足指数级增长的计算需求，尤其是人工智能所催生的需求。NVIDIA 在过去 30 年里深耕的加速计算，其“时刻”已经到来。
然而，加速计算并非简单的硬件替换。黄仁勋强调，其核心在于一套完整的软件栈和生态系统——CUDA 及其上构建的超过 350 个 CUDA-X 库。从计算光刻库 cuLitho（被台积电、三星、ASML 采用）到 AI 训练框架 Megatron Core，再到医疗影像框架 Monai，这些库重新设计了算法，使开发者能够充分利用加速硬件。他将其称为公司的“宝藏”，正是这些软件层使得 NVIDIA 的 GPU 从图形处理器演变为通用并行计算引擎，并最终成为 AI 时代的核心。
演讲中最核心的概念之一是“AI 工厂”。黄仁勋阐述，过去的计算中心是通用型的，可以运行各种应用；而未来的 AI 基础设施将更像是专注于单一产品的“工厂”。这座工厂的“产品”就是“Token”（令牌）—— AI 处理信息后生成的数字单元。无论是文本、图像、视频、3D 结构，还是蛋白质、化学分子，都可以被“令牌化”，并由 AI 学习其“语言”和含义。
“AI 不是工具，AI 是工作者，”黄仁勋提出了一个深刻洞见。过去的软件（如 Excel、浏览器）是工具，由人类使用。而 AI 是能够使用这些工具的“工人”。例如，Cursor AI 使用 VS Code 编写代码，Perplexity AI 使用浏览器规划旅行。这种转变意味着 AI 将直接参与价值创造，触及过去工具软件未曾覆盖的、规模达数万亿美元的经济领域。
AI 工厂的驱动力来自两个“指数”：首先是 AI 模型本身变得更智能所需计算量的指数增长（预训练、后训练、推理/“思考”三个阶段）；其次是模型越智能，使用的人越多，产生的计算需求也呈指数增长。这两个指数在摩尔定律失效的背景下，对全球计算资源构成了巨大压力。黄仁勋给出的答案是“极端协同设计”——从芯片、系统、网络、软件到模型架构和应用的全栈重新设计，而不仅仅是设计更快的芯片。
Blackwell 与 Rubin：驱动指数增长的硬件引擎
黄仁勋详细介绍了 NVIDIA 极端协同设计的成果：Grace Blackwell 平台，特别是其 NVLink 72 架构。他将 NVLink 72 比作“美国队长之盾”，将 72 个 GPU 连接成一个巨型虚拟 GPU。这种设计使得每个 GPU 只需为少数“专家”模型子集服务，而非负载整个庞大模型，从而大幅提升了计算效率和令牌生成速度。
根据第三方基准测试，Grace Blackwell 每 GPU 的性能达到了上一代 H200 的10倍。更关键的是，尽管 GB200 系统本身造价高昂，但其生成的每个令牌的成本却是全球最低。这确保了 AI 发展的“良性循环”得以持续：更低的成本驱动更广泛的使用，产生更多利润以投入更强大的计算，进而催生更智能的模型。
黄仁勋透露，NVIDIA 对 Blackwell 以及下一代 Rubin 平台早期需求的可见性已达到“5000亿美元”（不包括中国市场）。相比之下，前代 Hopper 整个生命周期出货了 400 万颗 GPU，而 Blackwell 仅在最初几个季度就已出货 600 万颗（每颗包含两个 GPU），预计后续五个季度将交付相当于 2000 万颗 GPU 的 Blackwell 产品，增长速率是 Hopper 的五倍。这直观地反映了市场对 AI 算力的狂热需求。
演讲中播放了一段展示 Blackwell 芯片在美国制造过程的视频，从亚利桑那州的硅片开始，到印第安纳州的 HBM 堆叠，再到得克萨斯州的最终组装。黄仁勋特别提到，将制造带回美国是“必要的”，关乎国家安全和经济就业。他透露，在相关倡议提出后仅九个月，Blackwell 已在亚利桑那州进入全面生产。
黄仁勋还预览了下一代 Rubin 平台，展示了其第三代 NVLink 72 机架规模计算机，并强调其将实现“完全无缆化”和 100% 液冷。他宣布 NVIDIA 正在构建一个名为“Omniverse DSX”的 AI 工厂数字孪生蓝图，允许合作伙伴在物理工厂建成之前，就在数字世界中协同设计、模拟和优化从建筑、电力、冷却到 AI 基础设施的整个系统，从而大幅缩短建设时间。
量子计算、6G 与国家级合作：布局下一代基础设施
除了 AI，黄仁勋还宣布了在量子计算和通信基础设施领域的重大进展。
在量子计算方面，NVIDIA 发布了“NVQ Link”互联架构，旨在将量子处理器（QPU）与 GPU 超级计算机直接连接。量子比特极其脆弱，需要复杂的纠错机制，而纠错本身需要强大的经典计算能力。NVQ Link 和 CUDA-Q 开放平台使得研究人员能够进行量子纠错、设备校准以及量子-经典混合模拟。黄仁勋宣布，已有 17 家量子计算公司和 8 个美国能源部（DOE）国家实验室支持这一新架构。
紧接着，他宣布了另一个重磅消息：美国能源部正与 NVIDIA 合作，建造七台新的 AI 超级计算机，以推进国家科学事业。黄仁勋盛赞了能源部长 Chris Wright 推动美国保持科学领先地位的决心。
在通信领域，NVIDIA 宣布与全球第二大电信设备制造商诺基亚建立重要合作伙伴关系，共同推动 6G 革命。NVIDIA 推出了全新的“NVIDIA Arc”产品线，这是一个基于 Grace CPU、Blackwell GPU 和 ConnectX 网络技术的软件定义、可编程的无线通信与 AI 处理融合平台。诺基亚计划将 Arc 技术集成到其未来基站中，并用于升级全球数百万现有基站。
黄仁勋指出，当前全球无线技术很大程度上依赖于外国技术，而 6G 与 AI 的融合（AI for RAN 和 AI on RAN）是一个平台转换的“一生一次的机会”，让美国技术重返通信领域核心。AI for RAN 能利用强化学习实时调整波束成形，提升频谱效率（这消耗全球约 1.5-2% 的电力）；AI on RAN 则能在无线电信网络上构建边缘工业机器人云，将计算能力推向网络边缘。
开源模型、企业赋能与物理 AI 的生态系统
黄仁勋强调开源 AI 模型对于开发者、初创公司和国家竞争力的重要性。他宣布 NVIDIA 已成为开源贡献的领导者，拥有 23 个在各类排行榜上领先的模型，涵盖语言、物理 AI、生物学等多个领域。他重申，美国需要在拥有强大专有模型的同时，也引领开源模型的发展。
在企业应用层面，NVIDIA 正将其 CUDA-X 库和 AI 模型深度集成到各大云服务提供商（AWS、Google Cloud、Microsoft Azure、Oracle）以及企业软件巨头的生态中。他特别宣布了两项新的企业合作：
与网络安全公司 CrowdStrike 合作，打造“光速”网络安全系统，部署云端和本地的 AI 安全代理。
与数据分析公司 Palantir 合作，加速其数据处理和商业洞察平台，以应对政府和企业的海量数据挑战。
演讲后半部分聚焦于“物理 AI”——让 AI 理解并作用于物理世界。黄仁勋指出，物理 AI 需要三台计算机协同工作：用于训练模型的 Grace Blackwell（GB200）、用于在数字孪生中模拟和训练机器人的 Omniverse 计算机，以及最终部署在机器人或自动驾驶汽车中的 Jetson Thor 机器人计算机。
他展示了与富士康合作在得克萨斯州休斯顿建设 NVIDIA AI 基础设施系统机器人制造工厂的数字孪生模拟。该工厂在 Omniverse 中完成设计、验证和机器人 AI 训练，然后才进行物理建设。他还提到了与 Figure、Agility、Johnson & Johnson 以及 Disney 在机器人领域的合作，预告人形机器人可能成为“最大的消费电子新市场”之一。
在自动驾驶领域，NVIDIA 宣布了其 DRIVE Hyperion 平台，该平台为汽车制造商提供了一个“机器人出租车就绪”的标准传感器和计算底盘。奔驰、Lucid、Stellantis 等公司已基于此平台设计车辆。更重要的宣布是，NVIDIA 将与 Uber 合作，将基于 Hyperion 的自动驾驶汽车接入全球叫车网络。
总结：双重平台转型与美国的“阿波罗时刻”
在演讲结尾，黄仁勋回顾了美国历史上的创新里程碑，从晶体管、ARPANET 到个人电脑和互联网。他将当前由加速计算和人工智能驱动的时代称为“美国的下一个阿波罗时刻”。
他总结道，世界正同时经历两大平台转型：从通用计算到加速计算，以及从手工编写软件到人工智能。NVIDIA 的 CUDA 和 CUDA-X 生态系统使得其能够触及几乎每个行业，并且现在已经到达了“拐点”，开始像良性循环一样增长。量子计算、6G、开源模型、企业 AI 和物理机器人等领域的进展，共同勾勒出一个由 AI 重新定义工业、科学和社会的未来图景。
整场演讲不仅是对 NVIDIA 技术产品的展示，更是一份关于如何构建国家科技竞争力、重塑制造业、并引领下一次工业革命的雄心勃勃的路线图。黄仁勋传递的核心信息是：通过极端的全栈协同设计、构建开放的生态系统、以及将数字孪生与物理世界深度融合，我们正站在一个新时代的开端，其规模与影响力或将堪比登月计划。
NVIDIA 创始人 Jensen Huang（黄仁勋）谈 AI 工厂、6G 与机器人：加速计算已至拐点撰文：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。联想，公开大规模AI推理服务器SR675i…搭载英伟达Blackwell随着AI产业重心从训练转向实际应用，联想针对这一趋势推出了新型服务器系列。联想近日发布了多款服务器新品，包括专为大规模AI推理任务设计的"ThinkSystem SR675i"，正式迈出直接支持企业AI盈利战略的步伐。这些新产品均属于联想"混合AI优势(Hybrid AI Advantage)"产品组合。
AI模型基于现场数据得出答案的推理(Inference)工作，是企业从既有AI训练投资中实现商业价值的阶段，其计算处理需求远超早期模型开发时期。联想推出专为将此类AI推理扩展至全安全环境和行业领域而设计的服务器，旨在降低AI应用门槛。
核心产品ThinkSystem SR675i搭载英伟达最新Blackwell GPU，提供可大规模运行大型语言模型的性能。该产品特别支持医疗、制造、金融等各行业的复杂AI模拟，为需要高性能计算基础设施的企业提供新选择。此外，该产品线还可扩展至考虑边缘环境应用的紧凑型SR455i模型与高密度GPU配置的SR650i模型。
联想为此次新品配备了自有专利技术Neptune空气及液体冷却系统，并通过耐受-5°C至55°C范围的坚固设计，使其不仅能用于数据中心环境，也可在小型门店、通信设备、工业现场等边缘环境中部署。
同时联想还随服务器硬件推出"混合AI工厂服务"，提供包含AI推理定制化咨询与部署管理支持的咨询模块。通过基于订阅的"TruScale"方式缓解服务器采购带来的初期成本压力，形成中小企业也能轻松接入的架构。
联想基础设施方案集团总裁Ashley Gorakhpurwalla表示："数据从生成瞬间就应转化为宝贵洞察。联想提供即时推理性能的全新基础设施，将为客户带来实时信息优势。"
此次新品发布既为关注AI投资实效的企业提供了实质性替代方案，也彰显了联想作为服务器制造商引领AI产业转型的决心。DeepSeek，通过“幽灵数据中心”获取英伟达Blackwell芯片……使美国出口管制失效中国人工智能(AI)初创公司深度求索(DeepSeek)被曝正绕过美国的出口禁令，利用英伟达(NVIDIA)的最新型芯片开发下一代AI模型。在美国严格限制本国高性能半导体对华出口的背景下，此举对技术管控的实际效果提出了质疑。
美国信息技术专业媒体The Information于12月10日(当地时间)援引多位消息人士的话报道称，深度求索已经获取了数千个基于英伟达最新架构"Blackwell"的图形处理器(GPU)，并已着手开发AI模型。Blackwell芯片是英伟达今年公布的下一代GPU，是显著提升AI学习和推理性能的最新产品。
据悉，深度求索在过去两年间，以位于东南亚的非中国系数据中心为据点，通过迂回方式获取英伟达芯片。据相关人士透露，深度求索通过在销售被允许的国家内的正式流通渠道采购芯片和服务器，然后在当地进行设备安装和检验。之后，将这些设备拆解成零部件运入中国，再重新组装安装到当地的数据中心。这种方式被称为"幽灵数据中心(Ghost Data Center)"，被认为是一种规避出口管制的变通渠道。
美国为遏制中国军力增强和技术崛起，限制高性能半导体的出口，特别是对英伟达的最新型AI芯片实施严格管控。唐纳德·特朗普总统在12月8日通过声明表示，将部分允许上一代芯片'H200'(基于Hopper架构)对华出口，但明确表示Blackwell及未来将发布的'Rubin'等最新版本仍属于出口禁令对象。
英伟达方面就此类走私嫌疑回应称，"官方未曾听闻有关建设幽灵数据中心或零部件走私的情况"，否认了相关嫌疑。不过，该公司表示近期开发了能够追踪其芯片位置的软件功能，借此可以更严密地监控未来的芯片流出路径。实际上，一旦该功能启用，目前这种走私路径被阻断的可能性将增大。
另一方面，深度求索推进的下一代模型开发应用了提高推理效率的"稀疏注意力(Sparse Attention)"技术。这是一种针对文本或语音等输入数据，AI仅利用部分信息而非全部信息来生成响应的方式，具有降低处理成本的优点。但据悉，随着模型规模变大，应用该技术变得复杂，导致开发进度出现延误。深度求索创始人梁文锋重视性能而未设定具体发布日期，员工们则期待能在明年春节假期前完成。
这种情况表明，围绕美国未来推行的对华技术封锁能取得多大实效的争论可能会持续。同时也有分析指出，如果中国企业能够持续规避限制获取高性能AI芯片，全球AI产业中美国与中国之间的竞争可能进入新阶段。
英伟达 AI 盛会 GTC 揭幕，最强 AI 芯片 Blackwell 来了撰文：李丹
来源：华尔街见闻
号称今年全球头号人工智能（AI）领域开发者大会的英伟达 2024 GTC AI 大会于美东时间 3 月 18 日周一拉开帷幕。
今年是英伟达时隔五年首次让年度 GTC 重回线下，也是此前分析认为英伟达要「拿出点真家伙」的 AI 盛会。
当地时间周一下午，英伟达创始人兼 CEO 黄仁勋在美国加州圣何塞 SAP 中心进行主题为「面向开发者的 1#AI 峰会」（1# AI Conference for Developers）演讲。
Blackwell 成本和能耗较前代改善 25 倍 全球最强大芯片 台积电 4 nm 制程
黄仁勋介绍了运行 AI 模型的新一代芯片和软件。英伟达正式推出名为 Blackwell 的新一代 AI 图形处理器（GPU），预计将在今年晚些时候发货。
Blackwell 平台能够在万亿参数级的大型语言模型（LLM）上构建和运行实时生成式 AI，而成本和能耗比前代改善 25 倍。
英伟达称，Blackwell 拥有六项革命性的技术，可以支持多达 10 万亿参数的模型进行 AI 训练和实时 LLM 推理：
全球最强大的芯片：Blackwell 架构 GPU 由 2080 亿个晶体管组成，采用量身定制的台积电 4 纳米（nm）工艺制造，两个 reticle 极限 GPU 裸片将 10 TB/ 秒的芯片到芯片链路连接成单个统一的 GPU 。
第二代 Transformer 引擎：结合了 Blackwell Tensor Core 技术和 TensorRT-LLM 和 NeMo Megatron 框架中的 英伟达先进动态范围管理算法，Blackwell 将通过新的 4 位浮点 AI 支持双倍的计算和模型大小推理能力。
第五代 NVLink：为提高数万亿参数和混合专家 AI 模型的性能，最新一代英伟达 NVLink 为每个 GPU 提供了突破性的 1.8TB/s 双向吞吐量，确保最复杂 LLM 之间多达 576 个 GPU 之间的无缝高速通信。
RAS 引擎 ：Blackwell 支持的 GPU 包含一个专用引擎，实现可靠性、可用性和服务性。 此外，Blackwell 架构还增加了芯片级功能，利用基于 AI 的预防性维护进行诊断和预测可靠性问题。这可以最大限度地延长系统正常运行时间，并提高大部署规模 AI 的弹性，使其能连续运行数周甚至数月，并降低运营成本。
安全人工智能：先进的机密计算功能可在不影响性能的情况下保护 AI 模型和客户数据，并支持新的本机接口加密协议，这对于医疗保健和金融服务等隐私敏感行业至关重要。
解压缩引擎：专用解压缩引擎支持最新格式，加快数据库查询，提供数据分析和数据科学的最高性能。 未来几年，在企业每年花费数百亿美元的数据处理方面，将越来越多地由 GPU 加速。
GB200 NVL72 推理性能较 H100 提升高达 30 倍
英伟达同时介绍超级芯片 GB200 Grace Blackwell Superchip，它通过 900GB/s 的超低功耗 NVLink，将两个 B200 Tensor Core GPU 连接到 NVIDIA Grace CPU。
为了获得最高的 AI 性能，GB200 驱动的系统可以与周一同时宣布的英伟达 Quantum-X800 InfiniBand 和 Spectrum-X800 以太网平台连接，这些平台可提供速度高达 800Gb/s 的高级网络。
GB200 是英伟达 GB200 NVL72 的关键组件，GB200 NVL72 是一种多节点、液冷、机架规模系统，适用于计算最密集的工作负载。 它结合了 36 个 Grace Blackwell 超级芯片，其中包括通过第五代 NVLink 互连的 72 个 Blackwell GPU 和 36 个 Grace CPU。GB200 NVL72 还包括 NVIDIA BlueField®-3 数据处理单元，可在超大规模 AI 云中实现云网络加速、可组合存储、零信任安全性和 GPU 计算弹性。
相比数量的 H100 Tensor Core GPU 相比，GB200 NVL72 对于 LLM 推理工作负载的性能提升高达 30 倍，并将成本和能耗降低高达 25 倍。
GB200 NVL72 平台充当单个 GPU 具有 1.4 exaflops 的 AI 性能和 30TB 的快速内存，是最新 DGX SuperPOD 的构建块。
英伟达推出服务器主板 HGX B200，它通过 NVLink 连接八个 B200 GPU，以支持基于 x86 的生成式 AI 平台。 HGX B200 通过英伟达 Quantum-2 InfiniBand 和 Spectrum-X 以太网网络平台支持高达 400Gb/s 的网络速度。
亚马逊、微软、谷歌和甲骨文在首批提供 Blackwell 支持的云服务商之列
Blackwell 芯片将成为亚马逊、微软、谷歌这类全球最大数据中心运营商部署新电脑和其他产品的基础。基于 Blackwell 的产品将在今年晚些时候问世。
英伟达称，亚马逊云 AWS、谷歌云、微软云 Azure 和甲骨文云基础设施 Oracle Cloud Infrastructure 将成为首批提供 Blackwell 支持实例的云服务提供商，英伟达云合作伙伴计划的成员公司 Applied Digital、CoreWeave、Crusoe、IBM Cloud 和 Lambda 也将成为首批提供 Blackwell 实例的云服务提供商。
面向主权的 Sovereign AI 云还将提供基于 Blackwell 的云服务和基础设施，包括 Indosat Ooredoo Hutchinson、Nebius、Nexgen Cloud、Oracle 欧盟主权云、Oracle 美国、英国和澳大利亚政府云、Scaleway、Singtel、Northern Data Group 的 Taiga Cloud、 Yotta Data Services 的 Shakti Cloud 和 YTL Power International。
黄仁勋说，「三十年来，我们一直在追求加速计算，目标是实现深度学习和 AI 这类方面的变革性突破。生成式 AI 是我们这个时代的决定性技术。 Blackwell 是推动这场新工业革命的引擎。 通过与世界上最具活力的公司合作，我们将实现 AI 在各行各业的承诺。」
英伟达在公告通稿中列举了料将采用 Blackwell 的一些组织，比如微软、亚马逊、谷歌、Meta、戴尔、OpenAI、甲骨文、马斯克领导的特斯拉和 xAI。黄仁勋介绍了包括这些公司在内的更多合作伙伴。
AI 项目 Project GR00T 助力人形机器人
黄仁勋在演讲中披露，英伟达推出了助力未来人形机器人的多模态 AI 项目 Project GR00T。该项目采用通用基础模型，让人形机器人能够将文本、语音、视频甚至现场演示作为输入那日，并对其进行处理，采取特定的通用操作。
Project GR00T 由英伟达 Isaac 机器人平台工具的帮助下开发的，其中包括用于强化学习的新 Isaac 实验室。
黄仁勋称，由 Project GR00T 平台提供支持的机器人将被设计为，通过观察人类行为来理解自然语言并模仿动作，使它们能快速学习协调性、灵活性和其他技能，从而适应现实世界并在与之互动，绝对不会产生机器人起义。
黄仁勋说：
「为通用人形机器人构建基本模型是当今 AI 领域能解决的最令人兴奋的一个问题。将它能实现的技术融合在一起，世界各地领先的机器人专家就可以在人工通用机器人领域取得巨大飞跃。」
台积电和 Synopsys 采用英伟达光刻技术
黄仁勋还提到，台积电和 Synopsys 将采用英伟达计算光刻技术，起用英伟达的计算光刻平台 CuLitho。
台积电和 Synopsys 已经整合英伟达的 Culitho W 软件。他们将用英伟达的下一代 Blackwell GPU 来实现 AI 和 HPC 应用。
新软件 NIM 让用户更容易利用已有英伟达 GPU 进行 AI 推理
英伟达同时宣布推出名为英伟达 NIM 的推理微服务，它是优化的云原生微服务，旨在缩短生成式 AI 模型的上市时间并简化它们在云、数据中心和 GPU 加速工作站上的部署。
英伟达 NIM 通过使用行业标准 API 抽象化 AI 模型开发和生产包装的复杂性来扩展开发人员库。它是英伟达 AI Enterprise 的一部分，为开发 AI 驱动的企业应用程序和在生产中部署 AI 模型提供了简化的路径。
NIM 让用户使用旧版英伟达 GPU 进行推理或运行 AI 软件的过程变得更容易，并允许企业客户继续用他们已有的英伟达 GPU。推理所需的算力比最初训练新的 AI 模型的少。 NIM 让企业能运行自己的 AI 模型，而不是从 OpenAI 等公司购买 AI 的成果。
基于英伟达服务器的客户只要订阅英伟达 AI Enterprise 就可使用 NIM，每个 GPU 每年的许可费用为 4500 美元。
英伟达将与微软和 Hugging Face 等 AI 公司合作，确保他们的 AI 模型能够在所有兼容的英伟达芯片上运行。使用 NIM 的开发者可以在自己的服务器或基于云的 英伟达服务器上高效地运行模型，而无需冗长的配置过程。
评论称，NIM 这种软件让部署 AI 变得更容易，不但为英伟达创收，而且给客户提供了又一个坚持使用英伟达芯片的理由。美银维持英伟达买入评级，目标股价350美元Techub News 消息，美银分析师 Vivek Arya 维持对英伟达的买入评级，目标股价为 350 美元。Arya 表示，市场对 AI 资本支出风险的惩罚过度。英伟达最新季度营收达 962 亿美元，同比增长 106%，其中数据中心业务贡献约 890 亿美元，随着 Blackwell 架构加速交付。 （CoinPedia）NVIDIA Vera Rubin NVL72 系统为 AI 代理提供高达 30 倍能效提升Techub News 消息，NVIDIA 发布 Vera Rubin NVL72 系统的早期性能数据。数据显示，在运行 AI 代理工作负载时，该系统每兆瓦的吞吐量比 NVIDIA GB300 NVL72 系统高出高达 30 倍，同时每百万个令牌的成本降低高达 35 倍。
性能测试基于 SemiAnalysis AgentX 工作负载进行，该负载模拟了现实世界的代理编码会话，保留了实际上下文增长、工具调用和子代理生成。对于受电力限制的 AI 工厂而言，这意味着在相同能耗下可完成多达 30 倍的代理工作。
NVIDIA 表示，其 DSX MaxLPS 技术可在 GPU、机架和工作负载级别管理功耗，从而在相同的兆瓦预算内调配多达 40% 的 GPU，进一步提升了 AI 工厂规模的每兆瓦吞吐量。 （NVIDIA Blog）英伟达最新财报显示净利润同比飙升 70%，季度营收指引达 910 亿美元Techub News 消息，英伟达最新数据显示，其净利润同比增长 70%，估值持续提升。公司对下一季度营收指引为 910 亿美元，主要增长动力来自 Blackwell 和 Vera Rubin 平台需求的上升。此外，英伟达超过 64% 的营业利润率在硬件公司中占据主导地位。
英伟达的商业模式正与下一代 AI 技术构建紧密结合，其收入来源不仅依赖于微软、亚马逊等科技巨头，还通过财务支持 AI 中心和基础设施项目获得额外收入流。分析认为，鉴于其盈利能力和业务多元化，当前股价水平仍具吸引力。
（Watcher Guru）HIVE 子公司签署 3.5 亿美元 GPU 云服务合同Techub News 消息，HIVE Digital Technologies 子公司 BUZZ High Performance Computing 签署五年期 GPU 云服务合同，总价值约 3.5 亿美元，每年可增加约 7000 万美元经常性收入。
该合同涉及部署 2016 个 NVIDIA Blackwell Ultra GPU。这是该公司继 6 月签署 2.2 亿美元合同后的第二笔重大 HPC 业务，两笔合同总价值近 5.7 亿美元，标志着其从加密挖矿业务转型的重大进展。（CryptoBriefing）黄仁勋：Vera Rubin 平台按计划推进并已启动客户测试Techub News 消息，Nvidia CEO 黄仁勋确认 Vera Rubin AI 平台正按计划推进，已启动规模化生产与客户测试。该平台预计 2026 年 5 月全面量产，下半年出货，可将推理成本较 Blackwell 降低 10 倍。
该平台集成 Vera CPU 与 Rubin GPU，采用七颗专用芯片与液冷系统设计。AWS、Google Cloud、Microsoft 及 OpenAI、Anthropic 均已参与合作测试。分析指出，成本降低可能削弱去中心化 GPU 网络竞争力，但将加速 AI 代理在加密货币领域的应用部署。（CryptoBriefing）苹果 M7 Ultra 芯片或配 1.5TB 内存，预计 2028 年发布Techub News 消息，彭博社记者 Mark Gurman 透露，苹果公司正开发 M7 Ultra 芯片，该芯片统一内存容量或达 1.5TB，预计 2028 年发布，性能目标接近英伟达 Blackwell 级加速器。
该芯片采用统一内存架构，可消除 CPU 与 GPU 之间的数据传输瓶颈，适用于大语言模型本地推理。若苹果芯片在 AI 性能上与英伟达形成竞争，可能为去中心化计算网络提供替代硬件方案，进而影响加密挖矿和链上推理市场的硬件选型。（CryptoBriefing）Aethir 集成 NVIDIA Vera Rubin 架构提供去中心化 GPU 云服务Techub News 消息，该去中心化 GPU 云项目已集成 NVIDIA Vera Rubin 架构，通过 2,304 块 GPU 集群提供企业级算力，可将 AI 推理成本降低至 Blackwell 架构的十分之一，并支持长上下文代理管道和机密计算工作负载。
Vera Rubin 于 2026 年 1 月发布，单 rack 提供 3.6 exaFLOPS 算力。Aethir 此前已为 Axe Compute 部署大规模 GPU 集群，现通过 Aethir Claw 提供模型即服务，使开发者无需等待超大规模云服务商即可使用前沿算力。（Aethir）前以太坊矿企 CoreWeave 在斯德哥尔摩新增 AI 基础设施Techub News 消息，前以太坊挖矿企业 CoreWeave 与瑞典数据中心运营商 Conapto 达成合作，在斯德哥尔摩新增两个数据中心园区。目前首批工作负载已投入运行，全部设施采用 100% 可再生能源供电。
截至 2026 年 3 月 31 日，该公司全球活跃电力容量超 1 GW，签约容量达 3.5 GW。此次扩张使其欧洲站点增至 8 个、全球数据中心达 49 个，旨在支持 AI 训练与推理工作负载，采用 NVIDIA Blackwell 等架构。（CryptoBriefing）Palantir 与 Nvidia 扩大合作为美国政府构建 AI 操作系统Techub News 消息，Palantir 与 Nvidia 宣布扩大合作，推出面向美国政府的「主权 AI 操作系统参考架构」（AIOS-RA），允许政府机构在本地硬件和设施内部署 AI，无需依赖商业云服务，确保数据主权和零信任安全。
该架构整合 Nvidia Blackwell Ultra GPU 系统与 Palantir 的 AIP、Foundry 及 Apollo 平台，支持从大型数据中心到边缘部署的多种场景。两家公司此前已在 2025 年 10 月和 12 月展示相关技术栈并启动「连锁反应」计划，旨在加强美国 AI 基础设施和国防供应链安全。（CryptoBriefing）Nvidia AI 推理芯片市场份额升至 74%Techub News 消息，据 CryptoBriefing 报道，Nvidia 在 AI 推理芯片市场的份额已从 66% 升至 74%，主导这一预计 2025-2026 年规模达 760 亿至 1000 亿美元的市场。其 Blackwell 架构提供比上一代低 35 倍的 token 成本和 50 倍的每瓦 token 数，成为市占率提升的关键驱动力。
去中心化 AI 计算网络（如 Bittensor 和 Render）普遍基于 Nvidia GPU 构建。芯片推理效率的提升可降低节点运营商的电力成本并改善收益，但硬件迭代也可能使现有 GPU 库存面临过时风险，令这些网络的代币经济与其硬件路线图深度绑定。撰文：Techub News 整理 导语 2026 年 5 月，NVIDIA 创始人兼 CEO Jensen Huang（黄仁勋）与 Dell Technologies 董事长兼 CEO Michael Dell（迈克尔·戴尔）共同接受了 Bloomberg 的深度访谈。此次对话发生在 NVIDIA GTC 大会之后，正值 AI 从技术探索迈向大规模生产应用的关键节点。两位科技巨头领袖不仅分享了各自公司在 AI 基础设施、企业解决方案上的最新进展，更就 AI 智能体的未来、全球供应链挑战以及地缘政治下的市场准入等尖锐问题发表了看法。他们的对话，为我们勾勒出一幅从云端到边缘、从生成内容到执行任务的 AI 未来全景图。 摘要 AI 应用正从“测试评估”全面转向“生产部署”，企业级市场是下一波巨大增长点。 “智能体”将取代“生成式 AI”成为新焦点，其核心是在数据所在处（如本地、工厂）执行实际工作。 NVIDIA 与 Dell 正携手构建完整的“AI 工厂”解决方案栈，涵盖大脑（GPU）、运行时（CPU+软件框架）和长期记忆（数据平台）。 AI 驱动的需求增长远超全球供应链当前产能，尤其是先进存储和半导体，这被视为结构性而非周期性变化。 Jensen Huang（黄仁勋）对中国 AI 芯片市场持开放态度，认为尽管存在限制，但巨大的需求终将推动市场进一步开放。 从云到边缘：AI 部署的范式转移 访谈伊始，主持人便指出一个显著变化：过去几年，Jensen Huang（黄仁勋）谈论的重心是超大规模云服务商的加速计算，而现在，焦点转向了本地部署（on-prem）的“AI 工厂”。黄仁勋对此给出了清晰解释：智能必须在其上下文所在之处产生和执行。 早期 AI 应用多集中在云端，尤其是消费级服务。然而，对于像礼来（Eli Lilly）、三星这样的制造业巨头或任何拥有大量敏感、专有数据的企业而言，将 AI 智能体部署在本地至关重要。那里存放着公司所有的核心数据、技能和业务流程。黄仁勋强调，生成式 AI（如初代的 ChatGPT）擅长创造内容，但这只是开始。新一代的“生产性 AI”或“智能体 AI”的价值在于“完成工作”。它们更像是数字员工，能够利用工具，在真实的物理世界或企业系统中执行任务，带来十倍甚至百倍的效率提升。 Michael Dell（迈克尔·戴尔）补充道，当企业利用这项技术重新构想工作流程时，获得的不是百分之几十的渐进式改进，而是数量级式的飞跃。这种变革速度正是企业赢得竞争优势的关键。Dell 的角色是将 NVIDIA 的技术转化为客户可直接使用的完整解决方案，为全球企业提供类似云服务商为自身提供的“AI 工厂”能力。 构建 AI 智能体：大脑、缰绳与记忆 黄仁勋详细阐述了构建一个能够“工作”的 AI 智能体所需的技术栈，这远远超出了一个大型语言模型（LLM）本身。 首先，是“大脑”。即像 Grace Blackwell GB200 这样的超级芯片，用于运行庞大的语言模型。其次，是“缰绳”。这是指即将发布、专为生成式 AI 设计的 Vera CPU。CPU 的作用如同缰绳，控制着 LLM 这匹“骏马”，使其能够安全、有效地访问内存、网络、工具，并管理短期工作记忆和长期记忆。这个“缰绳”软件层将原始的大脑模型转变为可用的“智能体”或“数字机器人”。 第三，是“长期记忆”。NVIDIA 与 Dell 合作，创建了基于 NVIDIA 技术的 Dell AI 数据平台，专门服务于智能体的长期记忆需求。此外，扩展智能体规模所需的网络、以及名为 Nemo Crawl 的智能体运行时环境，都被集成在一个名为 Open Shell 的安全治理容器中。 Michael Dell（迈克尔·戴尔）指出，随着企业内部智能体框架的普及，CPU 的需求量将大幅增加。他描绘了一个未来图景：全球可能有数百亿个智能体，它们持续不断地使用工具，其速度和频率远高于人类。因此，我们需要海量的 CPU，而这些 CPU 都连接着 GPU“大脑”，以便知道如何思考、推理、计划和使用工具。 供应链：结构性挑战与长期愿景 当被问及当前最大的供应限制时，两位 CEO 不约而同地提到了高带宽内存（HBM）和先进制程半导体。黄仁勋承认，尽管半导体供应链正在扩张，但需求增长的速度更快。NVIDIA 通过多年的规划和与合作伙伴的深度协作，确保了从 HBM、Grace Blackwell 芯片到硅光技术等各个环节的供应对齐。然而，全球的总产能仍难以满足爆炸式的需求。 主持人提出了一个关键问题：内存行业历来具有周期性（繁荣与萧条交替），如何说服供应链伙伴这是结构性、永久性的需求增长？黄仁勋分享了他的方法论：NVIDIA 长期致力于与供应链上游（如美光、SK 海力士）沟通未来的产业愿景。例如，他在三年前就向美光 CEO 详细解释了今天正在发生的 AI 变革，以确保对方能据此规划产能。他强调，必须让上下游供应链（包括电力、土地、融资方）都为这个未来做好准备。 黄仁勋的逻辑很简单：我们正在进入一个拥有数十亿 AI 智能体的时代，它们如同数字工人，7x24 小时不间断工作。正如每个知识工作者需要一台笔记本电脑和一部分数据中心资源，每个智能体也需要相应的计算、存储和基础设施支持。Michael Dell（迈克尔·戴尔）也认同，尽管预测长期需求很难，但他们与供应链伙伴长达数十年的合作关系正在发挥作用。他判断，AI 基础设施的建设才刚刚开始，将持续至少十年，而紧随其后的将是物理 AI（机器人）的浪潮，那将是一个更大的市场，需要全新的基础设施能力。 地缘政治与市场前景：中国与供应链韧性 访谈不可避免地触及了地缘政治话题。主持人询问了黄仁勋2026 年 5 月随美国总统访问中国的行程，特别是关于 H200 芯片对华销售许可以及中国市场的态度。 黄仁勋首先表明，美国总统希望美国在 AI 革命中引领全球。关于 H200，他表示该产品已获得对华销售许可证，但最终取决于中国政府如何平衡保护本土产业与引入更多 AI 算力以扩大市场。他感受到中国对 AI 的需求同样惊人，生成式 AI 在中国也取得了巨大进展。他引用中国领导人的表态，认为中国将继续扩大开放，因此他预期市场将随着时间的推移而进一步开放。不过，他澄清此次行程主要是作为美国代表支持总统，并未直接与中国官员讨论 H200 的销售细节。 Michael Dell（迈克尔·戴尔）作为总统科技顾问委员会成员，也表达了希望看到中美之间更多经济合作的愿望，他认为这最终将为所有人带来更大的繁荣和更成功的国际关系。 关于台湾问题，黄仁勋指出台湾仍是全球科技制造与研发的核心，供应链高度集中于此。但同时，美国也在积极推进本土制造业回流，建设更多的晶圆厂、封装厂和 AI 工厂。由于需求极其旺盛，全球产能正在全方位扩张。他的结论是，实现供应链的多样性和韧性是可能且必要的，而台湾将继续作为全球科技中心之一发挥关键作用。 PC 的未来：个人 AI 的崛起 在访谈尾声，话题转向了看似传统的 PC。Michael Dell（迈克尔·戴尔）强调，PC 仍然是知识生产力的中心设备，并且正在进化。新款 XPS 笔记本已经能够本地运行小型 AI 模型，实现混合 AI 计算。用户对更强大 PC 的需求正在上升，这依然是一个充满活力且能带来供应链规模优势的业务。 黄仁勋则从更宏大的计算演进角度展望未来。他认为，我们正在见证“个人 AI”时代的开端，它将接续“个人电脑”时代。其核心理念依然是：AI 需要存在于上下文所在之处。如果一个人的所有信息和工作都在笔记本电脑上完成，那么 AI 助手就需要在本地运行。同理，工厂、医院、自动驾驶汽车中的 AI 都必须部署在相应场景中。这种分布式、无计量限制的智能，将是下一代计算的核心特征。当被问及 NVIDIA 与 Dell 在 PC GPU 上是否会合作时，两位 CEO 卖了个关子，暗示“很快会有消息”，留下了巨大的想象空间。
