英伟达公布未来三年芯片路线图，AI工厂有了操作系统；黄仁勋：算力会继续增长，机器人时代已来

这一切的驱动力在于人工智能。黄仁勋表示，过去十年间，AI的进步堪称惊人，最初是感知式AI（如计算机视觉和语音识别），随后是生成式AI、代理AI和物理AI。

“这彻底改变了计算模式，从传统的检索式计算转向生成式计算，计算领域的每一层都在过去几年经历了根本性变革。”黄仁勋表示。

黄仁勋认为，未来AI的发展需要解决三个基本问题。一是如何解决数据问题，因为AI是数据驱动。二是如何训练模型，让AI能够以超越人类的速度去学习扩展。三是如何实现算法等资源投入与智能提升的正向循环。

“去年，几乎整个世界都对此做出了错误的判断。AI计算的扩展更具弹性，实际上，由于代理AI和推理的原因，我们对计算的需求比去年这个时候我们以为需要的多100倍。”

黄仁勋解释称，代理AI的基础是推理，而推理使用的是思维链技术，因此产生的Token数量会显著增加。为了保持模型的响应性和交互性，计算需要更快。

此外，在训练过程中，数据有限，人类的参与也有限，但现在有了强化学习，有能力生成大量的Token，从而使用合成数据，这基本上是一种机器人式的方法。

“AI这两种方法的结合给整个行业带来了巨大的计算挑战。”黄仁勋表示，每次访问ChatGPT时需要等待越来越长的时间，这是一件好事，说明很多人在有效地使用它，而且训练和推理这些模型所需的计算量已经大幅增加。

换句话说，英伟达的芯片还有需求。一个有力的例证是，2024年全球前四云服务提供商共采购130万片Hopper架构芯片，而2025年它们又购买了360万Blackwell芯片。

黄仁勋提到，Blackwell刚开始出货，基础设施在惊人增长。“我预计到2028年数据中心的建设支出将达到1万亿美元，我相当确定会达到。”

这得益于两个判断。一是计算方式的转变，通用计算已经走到了尽头，世界正从由运行在通用计算机上的手工编写软件到运行在加速器和GPU上的机器学习软件的平台转变。二是行业都意识到软件的未来需要资本投资。

黄仁勋提到，这需要构建新的基础设施。“我称它们为AI工厂。世界正在经历的转变，不仅仅是将要建造的数据中心数量，还有它们的建造方式，数据中心的一切都将被加速。”

英伟达的CUDA生态则是这一切的基石。“我们加速了AI框架，我们称它们为CUDA-X库。”黄仁勋还宣布开源更多库（如稀疏求解器cuDSS），并介绍了面向光刻、量子、物理仿真等领域的库。

目前，全球600万开发者通过CUDA加速了900多个库，覆盖科学计算、医疗、通信、量子计算等领域。“如果没有CUDA，以及庞大的安装基础，这些库对于开发者来说将毫无用处。现在，我们已经达到了加速计算的临界点，CUDA使之成为可能。”黄仁勋说。

他还认为，AI正从云端走向边缘端，这将推动AI更广泛的应用。他宣布，英伟达与德国电信运营商T-Mobile、思科合作5G边缘AI栈，将AI注入通信网络，通过自适应信号优化和强化学习提升频谱效率，这可以彻底改变通信。

在自动驾驶领域，黄仁勋宣布，通用汽车（GM）选择英伟达为其打造全栈自动驾驶系统，涵盖训练、仿真和车载计算，同时帮助通用改变制造方式，“自动驾驶的时代已经到来”。

芯片路线图曝光，新架构Rubin和Feynman将在三年内发布

谈完AI，时间已过去大半，黄仁勋终于聊起市场最为关心的芯片进展。去年发布的Blackwell已经全面投产，黄仁勋称这实现了计算机架构的根本转变。

他花了不少篇幅介绍计算规模扩展的所要解决的挑战，比如如何将多个PGU进行连接从而扩展规模，以及如何解决宽带和通信问题，电力能源消耗和散热问题。

去年GTC大会推出的基于Blackwell架构的GB200系统，通过NVLink 72互联技术，实现单机架1 Exaflop（百亿亿次）算力，内存带宽达570 TB/s，较前代Hopper提升25倍能效。

这款超级计算机使用5000根电缆，长度累计接近2英里。“我们的目标是进行规模扩展。通过NVLink，我们已经完成了这种极端规模的扩展，前所未有。”黄仁勋说。

这种对规模的追求是由于巨大的需求。黄仁勋认为，AI推理系统中，存在两个关键指标（如下图所示）：X轴代表吞吐量，是整个工厂每秒生成的Token总量；Y轴代表响应速度，是每个用户体验的Token生成速度。

黄仁勋认为，AI的智能程度与生成的Token数量直接相关，更多的Token意味着更深入的推理能力，但用户无法忍受过长的等待时间，这要求AI工厂在吞吐量与响应速度间找到最优平衡。“生成的Token越多，AI就越聪明。但回答问题的时间过长，用户就不会再回来。”

如何解决这两个挑战？“完美的答案在右上角。理想情况下，这条曲线应该是正方形，即每人每秒的Token生成速度尽可能快，直到达到工厂的极限。但没有工厂能做到这一点，因此这是一条曲线，目标是最大化曲线下的面积，即X和Y的乘积。”

黄仁勋表示，这两个维度分别意味着需要大量的计算能力（flops），以及大量的带宽和内存，并且要尽可能高，以及有最好的架构和尽可能高的能效，还必须拥有一个能够运行所有这些软件的编程模型。

黄仁勋宣布推出开源的英伟达Dynamo软件系统，号称是“AI工厂的操作系统”，可以解决计算系统当中并行处理、预批处理、负载管理、KV缓存等方面的问题。“Dynamo可以在模型进行规模化部署，从而为AI工厂实现降本增效。”

许家骏也认为，推理的重要程度毋庸置疑，Dynamo像OpenAI的Agent 一样，吃下了MLSys 开源科研很多成果，包括KV缓存以及各种并行、张量、数据等技术。

“能源工业革命是水进来，变成蒸汽，最后产生出了电，Dynamo将是新的AI革命一切的起点。”黄仁勋说。目前，英伟达已和Meta、微软、Perplexity等公司达成合作。

黄仁勋还展示了Dynamo能带来的对计算系统的提升，Blackwell相较Hopper能提升25倍，而在推理模型中的性能提升则高达40倍。他还打趣到，销售人员不要担心Hopper不好卖，并再次放话称“你买得越多，省得越多”。

“全世界的计算机公司都在大规模地加速购买这些了不起的机器，我非常高兴和感激，所有人都在向这个新架构转型。”黄仁勋宣布，今年下半年，英伟达将过渡到Blackwell Ultra NVL72，算力和内存再提升1.5倍，支持更大规模注意力机制。

他还展示了未来三年的技术路线图。下一代芯片命名为Vera Rubin，其主要是向暗物质研究先驱天文学家Vera Rubin致敬。2026年下半年，这款芯片将接替Blackwell Ultra，同时2027年下半年将推出Rubin Ultra版本，实现从NVLink 144互联到高达576的极端扩展。

Vera Rubin和Grace Blackwell类似，集成了CPU和GPU，其中Vera是CPU，Rubin是GPU。黄仁勋宣称，Rubin系统的性能可达Hopper的900倍，而Blackwell是Hopper的68倍。

Rubin之后的下一代芯片命名为Feynman，取自著名物理学家理查德・费曼（Richard Feynman）。根据英伟达路线图，Feynman架构芯片将于2028年登场，并会采用新一代互联技术。

当AI工厂不断拓展，传统网络架构将面临严峻挑战。黄仁勋还宣布，新的以太网芯片将在2025年下半年推出，2026年下半年推出集成硅子光学芯片，推出Photonics交换机系统和Spectrum-X网络架构，并在GPU存储加速方面和戴尔、惠普、IBM等达成合作。

未来将面临1500万工人的短缺，机器人有了牛顿物理引擎

最后，黄仁勋照例公布了企业级AI和物理AI方面的进展。

英伟达推出一系列开放推理人工智能模型，供开发者和企业构建代理式AI平台，Blackwell RTX专业版登陆工作站与服务器，赋能设计师、开发者、数据科学家及创意工作者构建并协同智能代理式AI。

黄仁勋还发布了DGX Spark和DGX Station两款个人AI计算机，其由Grace Blackwell支持，支持本地化运行万亿参数模型，面向科研与工业设计，将与惠普、联想、戴尔合作，并在今年量产。

“下一波浪潮也已经到来，机器人技术，它由物理AI驱动，用AI去理解物理世界。”黄仁勋说，机器人时代已经到来，能够与物理世界互动，这是机器人的优势。

他表示，世界正面临严重的人力短缺，到2023年世界将至少面临1500万工人的短缺，可能每年要付机器人5万美元让它们来上班，这将是一个非常大的产业，英伟达现在则在研发通用的机器人。

不过，这一次并没有声势浩大的机器人团队前来给黄仁勋“站台”。黄仁勋宣布，英伟达、谷歌、Disney Research将合作开发Newton Physics Engine（牛顿物理引擎），预计将于2025年稍晚完成开发。

他认为，这一物理引擎可以训练触觉反馈、精细动作技能和执行器控制，且是GPU加速驱动，以便可以以超线性、超实时的方式训练人工智能模型。这在Omniverse和Cosmos可以更好解决物理AI模型训练的问题。

采取这一引擎的机器人还走上舞台与黄仁勋互动，不过它现在还不会说话，但能听懂黄仁勋的指令。当黄仁勋对它说往旁边站站的时候，它乖乖执行了指令，摇头晃脑看起来很呆萌。

英伟达还宣布推出Isaac GR00T N1，这是一个通用型人形机器人的基础模型，建立在合成数据生成、学习和模拟的基础上，具有双系统架构，可以快速和慢速思考，该模型将会开源。