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。