在今天上午开幕的 CES 2025 上，英伟达创始人兼 CEO 黄仁勋带来了一场里程碑式的主题演讲，揭示 AI 与计算的未来。从生成 AI 的核心 Token 概念，到全新 Blackwell 架构 GPU 的发布，再到 AI 驱动的数字化未来，这场演讲将以跨领域的视角深刻影响整个行业。
· Token 的诞生：作为生成 AI 的核心驱动力，token 将文字转化为知识，为图像注入生命，开启了全新的数字表达方式。
· AI 进化路径：从感知 AI、生成 AI 到能够推理、规划、行动的 Agentic AI，AI 技术不断跨越新高度。
· Transformer 的革命：自 2018 年推出以来，这一技术重新定义了计算方式，彻底颠覆了传统技术栈。
· 新一代 GeForce RTX 50 系列：基于 Blackwell 架构，拥有 920 亿晶体管、4000 TOPS AI 性能和 4 PetaFLOPS 算力，是前代性能的三倍。
· AI 与图形的融合：首次实现可编程着色器与神经网络的结合，推出神经纹理压缩和材质着色技术，带来惊艳的渲染效果。
· 普惠高性能：RTX 5070 笔记本以 $1299 的价格实现 RTX 4090 性能，推动高性能计算的普及。
· 企业级 AI Agent：NVIDIA 提供工具如 Nemo 和 Llama Nemotron，帮助企业构建自主推理的数字员工，实现智能化管理与服务。
· Physic AI：通过 Omniverse 和 Cosmos 平台，AI 融入工业、自动驾驶和机器人领域，重新定义全球制造和物流。
· 未来计算场景：NVIDIA 正将 AI 从云端带到个人设备和企业内部，覆盖从开发者到普通用户的所有计算需求。
以下为黄仁勋本次演讲的主要内容：
这是智慧的诞生之地，一种全新的工厂——生成 token 的发电机。它是 AI 的构建模块，开启了一个新领域，也迈出了进入非凡世界的第一步。token 将文字转化为知识，为图像注入生命；它们将创意变成视频，帮助我们安全地导航任何环境；教会机器人像大师一样移动，并激发我们用全新方式庆祝胜利。在我们最需要的时候，token 还能带来内心的平静。它们赋予数字意义，帮助我们更好地理解世界，预测潜在的危险，并寻找治疗内在威胁的办法。它可以让我们的愿景成真，修复我们失去的一切。
AI 的这一切开始于 1993 年，英伟达推出了第一款产品——NV1。我们想要创造出能够实现普通计算机无法完成之事的电脑，这让在 PC 中拥有游戏机成为可能。随后，1999 年，英伟达发明了可编程 GPU，开启了超过 20 年的技术进步，现代计算机图形学由此成为可能。六年后，我们推出 CUDA，通过丰富的算法表达 GPU 的可编程性。这项技术最初难以解释，但到 2012 年，AlexNet 的成功验证了 CUDA 的潜力，推动了 AI 的突破性发展。
自那时起，AI 以惊人的速度发展。从感知 AI 到生成式 AI，再到能够感知、推理、规划和行动的 Agentic AI，AI 的能力不断提升。2018 年，谷歌推出 Transformer，AI 的世界真正起飞。Transformer 不仅彻底改变了 AI 的格局，也重新定义了整个计算领域。我们意识到，机器学习不仅仅是一个新的应用或商业机会，而是对计算方式的根本性革新。从手动编写指令到用机器学习优化神经网络，技术栈的每一层都发生了巨大的变化。
如今，AI 的应用已无处不在。无论是理解文字、图像、声音，还是翻译氨基酸和物理学，它都能完成。几乎所有的 AI 应用都可以归结为三个问题：它学习了什么模态的信息？翻译成了什么模态的信息？生成了什么模态的信息？这种基本概念推动了 AI 驱动的每一个应用。
所有这些成就离不开 GeForce 的支持。GeForce 让 AI 走向大众，而现在，AI 正回归 GeForce。借助实时光线追踪技术，我们能够以令人惊叹的效果渲染图形。通过 DLSS，AI 甚至可以超越帧的生成，预测未来的画面。3300 万像素中仅有 200 万像素是计算得出的，其余的由 AI 预测生成。这种奇迹般的技术，展现了 AI 的强大能力，让计算更加高效，也让我们看到了未来的无限可能。
这是为什么现在发生了如此多令人惊叹的事情。我们利用 GeForce 推动了 AI 的发展，而现在，AI 正在彻底革新 GeForce。今天，我们宣布下一代产品——RTX Blackwell 家族。让我们一起来看看。
这是全新的 GeForce RTX 50 系列，基于 Blackwell 架构。这款 GPU 是一台性能怪兽，拥有 920 亿晶体管、4000 TOPS 的 AI 性能和 4 PetaFLOPS 的 AI 算力，比上一代 Ada 架构高出三倍。这一切都为了生成我刚才展示的那些令人惊叹的像素。它还具备 380 光线追踪 Teraflops，为需要计算的像素提供尽可能美丽的画质，同时还有 125 着色 Teraflops。这款显卡采用了 Micron 的 G7 显存，速度达到 每秒 1.8TB，是上一代的两倍性能。
我们现在可以将 AI 工作负载与计算机图形工作负载结合起来，这一代产品的一个非凡特性是可编程着色器也可以处理神经网络。这使得我们发明了 神经纹理压缩 和 神经材质着色。这些技术通过 AI 学习纹理和压缩算法，最终生成了只有 AI 才能实现的惊艳图像效果。
即使在机械设计方面，这款显卡也是一个奇迹。它采用了双风扇设计，整个显卡就像一个巨大的风扇，内部的电压调节模块是最先进的。如此卓越的设计完全归功于工程团队的努力。
接下来是性能对比。大家熟悉的 RTX 4090，售价 $1599，是家用 PC 娱乐中心的核心投资。而现在，RTX 50 系列提供更高性能的同时，起价仅为 $549，从 RTX 5070 到 RTX 5090，性能是 RTX 4090 的两倍。
更令人惊叹的是，我们将这种高性能 GPU 放进了笔记本中。RTX 5070 笔记本售价 $1299，却具备 RTX 4090 的性能。这种设计结合了 AI 和计算机图形技术，让高能效和高性能得以实现。
未来的计算机图形学将是 神经渲染——AI 与计算机图形的融合。Blackwell 系列甚至可以在厚度仅 14.9 毫米的笔记本中实现，从 RTX 5070 到 RTX 5090 的全系列产品都可以适配超薄笔记本。
GeForce 推动了 AI 的普及，而现在 AI 反过来彻底变革了 GeForce。这是技术与智能的相互促进，我们正在迈向更高的境界。
接下来，让我们谈谈 AI 的发展方向。
AI 行业正在加速扩展，推动这一进程的是一种被称为「Scalling Law」的强大模型。这一经验法则由研究人员和产业界反复验证，表明训练数据的规模越大、模型的规模越大、计算能力投入越多，模型的能力也会越强。
数据的增长速度正在以指数级加快。据估计，在未来几年，人类每年生产的数据量将超过此前人类历史上生产的总和。这些数据正变得多模态化，包括视频、图像和声音等形式。这些海量数据可以用来训练 AI 的基础知识体系，为 AI 奠定坚实的知识基础。
除此之外，还有另外两种 Scalling Law 正在兴起。
第二种 Scalling Law 是「后训练 Scalling Law」，它涉及技术如强化学习和人类反馈。通过这种方式，AI 根据人类的查询生成答案，并从人类的反馈中不断改进。这种强化学习系统通过高质量的提示，帮助 AI 精进特定领域的技能，例如更擅长解决数学问题或进行复杂推理。
AI 的未来，不仅仅是感知与生成，而是一个不断自我完善、突破边界的过程。它就像拥有一位导师或教练，在你完成任务后提供反馈。通过测试、反馈和自我改进，AI 也可以通过类似的强化学习和反馈机制进步。这种后训练阶段的强化学习与合成数据生成技术相结合，类似于自我练习的过程。AI 可以面对复杂且具有验证性的难题，例如证明定理或解决几何问题，通过强化学习不断优化自己的答案。这种后训练虽然需要庞大的计算能力，但最终能够创造出非凡的模型。
测试时间 Scalling Law 也逐渐浮现。这一法则在 AI 实际被使用时展现出独特的潜力。AI 可以在推理时动态分配资源，不再局限于参数优化，而是专注于计算分配，以产生所需的高质量答案。
这个过程类似于推理思考，而非直接推断或一次性回答。AI 可以将问题拆解为多个步骤，生成多个解决方案并进行评估，最终选择最优方案。这种长时间推理在提升模型能力方面效果显著。
我们已经看到这种技术的演变，从 ChatGPT 到 GPT-4，再到如今的 Gemini Pro，所有这些系统都在经历预训练、后训练和测试时间扩展的逐步发展。实现这些突破需要巨大的计算能力，而这正是 英伟达 Blackwell 架构的核心价值。
Blackwell 系统正在全面生产中，其性能令人惊叹。如今，每家云服务提供商都在部署这些系统，它们由全球 45 家工厂生产制造，支持多达 200 种配置，包括液冷、风冷、x86 架构以及 英伟达 Grace CPU 版本等。
其核心组件 NVLink 系统本身重量高达 1.5 吨，拥有 60 万个零件，相当于 20 辆汽车的复杂程度，背后连接了 2 英里的铜线与 5000 根电缆。整个制造过程极其复杂，但目标是为了满足对计算需求不断扩大的需求。
相比上一代架构，Blackwell 在每瓦性能上提高了 4 倍，在 每美元性能 上提高了 3 倍。这意味着，在相同成本下，训练模型的规模可以增加 3 倍，而这些改进背后的关键是生成 AI token。这些 token 被广泛应用于 ChatGPT、Gemini 和各种 AI 服务中，是未来计算的基础。
在此基础上，英伟达推动了全新的计算模式：神经渲染，将 AI 与计算机图形学完美融合。Blackwell 架构下的 72 块 GPU 组成了全球最大的单芯片系统，提供了高达 1.4 ExaFLOPS 的 AI 浮点性能，其内存带宽达到惊人的 1.2 PB/s，相当于全球所有互联网流量的总和。这种超级计算能力，使得 AI 能够处理更复杂的推理任务，同时显著降低成本，为更高效的计算奠定了基础。
展望未来，AI 的推理过程不再是简单的单步响应，而是更接近于「内部对话」。未来的 AI 不仅会生成答案，还会进行反思、推理并不断优化。随着 AI token 生成速率的提高和成本的降低，AI 的服务质量将显著提升，满足更广泛的应用需求。
为帮助企业构建具有自主推理能力的 AI 系统，英伟达提供了三个关键工具：英伟达 NeMo、AI 微服务 和 加速库。通过将复杂的 CUDA 软件和深度学习模型打包成容器化服务，企业可以在任意云平台部署这些 AI 模型，快速开发面向特定领域的 AI Agent，例如支持企业管理的服务工具或用户交互的数字员工。
这些模型为企业开辟了新的可能性，不仅降低了 AI 应用的开发门槛，还推动了整个行业在 Agentic AI（自主 AI）的方向上迈出坚实的一步。未来的 AI 将成为数字员工，可以轻松集成到 SAP、ServiceNow 等企业工具中，在不同环境中为客户提供智能服务。这是 AI 扩展的下一个里程碑，也是 英伟达技术生态系统的核心愿景。
训练评估系统。未来，这些 AI Agent 人本质上是与员工并肩工作、为您完成任务的数字化劳动力。因此，引入这些专业化的 Agent 人到您的公司，就像为新员工办理入职一样。我们提供不同的工具库，帮助这些 AI Agent 人学习公司独特的语言、词汇、业务流程以及工作方式。您需要向他们提供工作成果的示例，他们会尝试生成，然后您可以提供反馈、进行评估等等。同时，您也会设置限制，比如明确他们不能执行哪些操作、不能说什么，并控制他们可以访问的信息。这整个数字员工流程被称为 Nemo。某种程度上，每个公司的 IT 部门将成为 AI Agent 人的 HR 部门。
如今，IT 部门管理并维护大量软件；未来，他们将管理、培养、入职并改进大量数字 Agent 人，为公司提供服务。因此，IT 部门将逐渐演变为 AI Agent 人的 HR 部门。
此外，我们提供许多开源的蓝图供生态系统使用。用户可以自由修改这些蓝图。我们为各种不同类型的 Agent 人提供了蓝图。今天，我们也宣布了一件非常酷且聪明的事情：我们推出了一个基于 Llama 的全新模型家族，即 英伟达 Llama Nemo Tron 语言基础模型系列。
Llama 3.1 是一个现象级的模型。Meta 的 Llama 3.1 下载量达到约 350,650,000 次，并衍生出了大约 60,000 种其他模型。这是推动几乎所有企业和行业开始研究 AI 的核心原因之一。我们意识到 Llama 模型可以为企业用例进行更好的微调。利用我们的专业知识和能力，我们将其微调为 Llama Nemotron 开放模型套件。
这些模型分为不同大小：小型模型响应快速；主流的超级模型 Super Llama Nemotron 是常规用途模型；而超大型模型 Ultra Model 则可作为教师模型，用于评估其他模型、生成答案并决定其质量，或用作知识蒸馏模型。所有这些模型现已上线。
这些模型表现卓越，在对话、指令和信息检索等领域的排行榜上名列前茅，非常适合全球范围内的 AI Agent 功能。
我们与生态系统的合作也十分紧密，例如与 ServiceNow、SAP、Siemens 在工业 AI 方面的合作。Cadence 和 Perplexity 等公司也在开展出色的项目。Perplexity 颠覆了搜索领域，Codium 则服务于全球 3,000 万软件工程师。AI 助手将极大提高软件开发人员的生产力，这是 AI 服务的下一个巨大应用领域。全球有 10 亿知识工作者，AI Agent 可能是下一个机器人行业，潜力达到数万亿美元。
接下来展示一些与合作伙伴共同完成的 AI Agent 蓝图。
AI Agent 是新的数字劳动力，能够协助或代替人类完成任务。英伟达的 Agentic AI 构建模块、NEM 预训练模型和 Nemo 框架，帮助组织轻松开发并部署 AI Agent。这些 Agent 可被训练为领域特定的任务专家。
以下是四个示例：
· 研究助理 Agent ：能够阅读复杂文件，如讲座、期刊、财务报告等，并生成交互式播客，便于学习；
· 软件安全 AI Agent ：帮助开发者持续扫描软件漏洞，并提示采取相应措施；
· 虚拟实验室 AI Agent ：加速化合物设计与筛选，快速找到潜在药物候选者；
· 视频分析 AI Agent ：基于 英伟达 Metropolis 蓝图，分析来自数十亿摄像头的数据，生成交互式搜索、摘要和报告。例如，监控交通流量、设施流程，提供改进建议等；
我们希望将 AI 从云端带到每个角落，包括公司内部和个人 PC。英伟达正努力将 Windows WSL 2（Windows 子系统）转变为支持 AI 的首选平台。这将使开发者和工程师更便捷地利用 英伟达的 AI 技术栈，包括语言模型、图像模型、动画模型等。
此外，英伟达推出了 Cosmos，首个物理世界基础模型开发平台，专注于理解物理世界的动态特性，例如重力、摩擦、惯性、空间关系、因果关系等。它可以生成符合物理规律的视频、场景，广泛应用于机器人、工业 AI 和多模态语言模型的训练与验证。
Cosmos 通过连接 英伟达 Omniverse 提供物理仿真，生成真实可信的模拟结果。这种结合是机器人和工业应用开发的核心技术。
英伟达的工业战略基于三个计算系统：
· 用于训练 AI 的 DGX 系统；
· 部署 AI 的 AGX 系统；
· 数字孪生系统，用于强化学习和 AI 优化；
通过这三个系统的协同工作，英伟达推动了机器人和工业 AI 的发展，构建了未来的数字化世界与其说这是一个三体问题，我们有一个「三计算机」解决方案。
英伟达的机器人愿景让我给您展示三个例子。
目前，全球有数百万工厂和数十万个仓库，它们构成了价值 50 万亿美元制造业的骨干。未来，这一切都需要实现软件定义和自动化，并融入机器人技术。我们与全球领先的仓库自动化解决方案提供商 Keon，以及全球最大的专业服务提供商 Accenture 合作，专注于数字化制造，共同创造一些非常特别的解决方案。我们的市场推广方式与其他软件和技术平台类似，通过开发者和生态系统合作伙伴进行，并且越来越多的生态伙伴接入了 Omniverse 平台。这是因为每个人都希望可视化工业的未来。在这 50 万亿美元的全球 GDP 中，有如此多的浪费，也有如此多的自动化机会。
来看 Keon 和 Accenture 与我们合作的这个示例：
Keon（供应链解决方案公司）、Accenture（全球专业服务领军者）和 英伟达正将物理 AI 引入价值万亿美元的仓库和配送中心市场。管理高效的仓库物流需要应对复杂的决策网络，这些决策受到不断变化的变量影响，例如每日及季节性需求变化、空间限制、劳动力供应，以及多样化机器人和自动化系统的整合。今天，要预测物理仓库的运营关键绩效指标（KPIs）几乎是不可能的。
为了解决这些问题，Keon 正在采用 Mega（一个 英伟达 Omniverse 蓝图）来构建工业数字孪生，以测试和优化机器人车队。首先，Keon 的仓库管理解决方案将任务分配给数字孪生中的工业 AI 大脑，例如将货物从缓冲区位置移动到穿梭存储解决方案。机器人车队在 Omniverse 中的物理仓库模拟环境中，通过感知和推理执行任务，规划下一步动作并采取行动。数字孪生环境使用传感器模拟，让机器人大脑可以看到任务执行后的状态，并决定接下来的动作。在 Mega 的精确追踪下，整个循环持续进行，同时测量操作 KPI，如吞吐量、效率和利用率，所有这些都在对物理仓库进行改动之前完成。
借助 英伟达的合作，Keon 和 Accenture 正在重新定义工业自治的未来。
未来，每个工厂都将拥有一个数字孪生，这个数字孪生与实际工厂完全同步。您可以利用 Omniverse 和 Cosmos 生成大量未来场景，AI 将决定最优的 KPI 场景，并将其作为实际工厂部署的约束条件和 AI 编程逻辑。
自动驾驶革命已经到来。经过多年的发展，无论是 Waymo 还是 Tesla 的成功，都证明了自动驾驶技术的成熟。我们的解决方案为这一行业提供了三种计算机系统：用于训练 AI 的系统（如 DGX 系统）、用于模拟测试和生成合成数据的系统（如 Omniverse 和 Cosmos），以及车内的计算机系统（如 AGX 系统）。全球几乎所有主要汽车公司都在与我们合作，包括 Waymo、Zoox、Tesla，以及世界最大的电动车公司 BYD。还有即将推出创新车型的 Mercedes、Lucid、Rivian、小米和沃尔沃等公司。Aurora 则正在使用 英伟达技术开发自动驾驶卡车。
每年有 1 亿辆汽车制造，全球道路上有 10 亿辆汽车行驶，每年行驶总里程高达万亿英里。这些将逐渐实现高度自动化或完全自动化。这一行业预计将成为首个价值数万亿美元的机器人行业。
今天，我们宣布推出下一代车载计算机 Thor。它是一个通用机器人计算机，能够处理摄像头、高分辨率雷达、激光雷达等传感器的大量数据。Thor 是目前行业标准 Orin 的升级版，计算能力是其 20 倍，现已全面量产。同时，英伟达的 Drive OS 是首个被认证达到功能安全最高标准（ISO 26262 ASIL D）的 AI 计算机操作系统。
英伟达利用 Omniverse AI 模型和 Cosmos 平台创建自动驾驶数据工厂，通过合成驾驶场景大幅扩展训练数据。这包括：
· OmniMap：融合地图和地理空间数据，构建可驾驶的 3D 环境；
· 神经重建引擎：利用传感器日志生成高保真的 4D 仿真环境，并为训练数据生成场景变体；
· Edify 3DS：从资产库搜索或生成新的资产，创建用于仿真的场景。
通过这些技术，我们将几千次的驾驶场景扩展为数十亿英里的数据，用于更安全、更先进的自动驾驶系统的开发。
通用机器人的时代即将到来。推动这一领域突破的关键在于训练。对于人形机器人来说，模仿数据的获取相对困难，但 英伟达的 Isaac Groot 提供了解决方案。它通过模拟生成海量数据集，并结合 Omniverse 和 Cosmos 的多宇宙仿真引擎，进行政策训练、验证和部署。
例如，开发者可以通过 Apple Vision Pro 远程操作机器人，捕捉数据而无需实体机器人，并在无风险环境中教学任务动作。通过 Omniverse 的领域随机化和 3D 到真实场景扩展功能，生成指数级增长的数据集，为机器人学习提供海量资源。
总之，无论是工业可视化、自动驾驶，还是通用机器人，英伟达的技术正引领物理 AI 和机器人领域的未来变革。
最后，我还有一个重要的内容想展示，所有这些都离不开我们十年前在公司内部启动的一个名为 Project Digits 的项目，完整名称为 Deep Learning GPU Intelligence Training System（深度学习 GPU 智能训练系统），简称 Digits。
在正式发布之前，我们对 DGX 进行了调整，使其与公司内部的 RTX、AGX、OVX 以及其他系列产品和谐一致。DGX1 的问世真正改变了 AI 的发展方向，而这也是 英伟达对 AI 发展的一个里程碑。
DGX1 的初衷是为研究人员和初创企业提供开箱即用的 AI 超级计算机。想象一下，以往的超级计算机需要用户建造专属设施，设计和打造复杂的基础设施，才能实现其存在。而 DGX1 则是一台专门为 AI 开发设计的超级计算机，无需复杂操作，开箱即可使用。
我还记得，2016 年我将第一台 DGX1 交付给一家初创公司——OpenAI。当时，埃隆·马斯克（Elon Musk）、伊利亚·苏茨科维尔（Ilya Sutskever）以及 英伟达的许多工程师都在场，我们共同庆祝 DGX1 的到来。这台设备显著推动了 AI 计算的发展。
如今，AI 已经无处不在。不仅限于研究机构和初创企业实验室，正如我一开始提到的，AI 已经成为一种全新的计算方式和软件开发方式。每一位软件工程师、创意艺术家，甚至是使用电脑工具的普通用户，都需要一个 AI 超级计算机。但我一直希望 DGX1 能够更小一些。
以下是 英伟达最新的 AI 超级计算机。它仍然属于 Project Digits，目前我们还在寻找更好的命名，欢迎大家提供建议。这是一台真正令人惊叹的设备。
这款超级计算机可以运行 英伟达的完整 AI 软件栈，包括 DGX Cloud。它既可以用作云端超级计算机，也可以作为一台高性能的工作站，甚至是放在桌面上的分析工作站。最重要的是，它基于我们秘密开发的一款新芯片，代号 GB110，这是我们制造的最小型 Grace Blackwell。
我手里有一块芯片，给大家展示一下它的内部设计。这款芯片是与全球领先的 SoC 公司 联发科（MediaTek）合作开发的。该 CPU SoC 专为 英伟达定制，使用 NVLink 芯片对芯片互连技术连接到 Blackwell GPU。这个小型芯片现在已经全面投产。我们预计这款超级计算机将在 5 月 左右正式上市
我们甚至提供了「双倍算力」的配置，可以将这些设备通过 ConnectX 连接在一起，支持 GPU 直通（GPUDirect）技术。它是一套完整的超级计算解决方案，能够满足 AI 开发、分析工作和工业应用的各种需求。
此外，还宣布了三款全新 Blackwell 系统的芯片量产、世界首个物理 AI 基础模型以及三大机器人领域的突破—— 自主 AI Agent 机器人、人形机器人和自动驾驶汽车。
原文链接
| 正加财富网内容推荐 | ||
| OK交易所下载 | USDT钱包下载 | 比特币平台下载 |
| 新手交易教程 | 平台提币指南 | 挖矿方法讲解 |
