作者｜周雅

NVIDIA創(chuàng)始人黃仁勛在CES 2025的全程高能演講，淺看是一場新品發(fā)布會，實則是英偉達(dá)下了一步巨大的棋，這步棋關(guān)乎從云端到終端、從數(shù)據(jù)中心到普通用戶、從虛擬世界到物理世界的“全方位”AI發(fā)展路線，不過這個“全”帶了引號，因為英偉達(dá)試圖在每一個方向都去突破既有玩法的極限。

就像黃仁勛在會后接受包括至頂科技在內(nèi)的媒體采訪時所說：“英偉達(dá)只做兩類事情：要么是別人沒在做的，要么是我們能做得獨特且更好的。”

所以從這個角度，再回看那場發(fā)布會，似乎是另外的基調(diào)，所以這篇文章特此梳理黃仁勛這次演講背后的8個核心要點。

圖：出現(xiàn)在CES 2025舞臺上的黃仁勛，這次穿了件閃亮亮的皮衣，他開玩笑地對觀眾說道：“畢竟我在拉斯維加斯”。

要點一：“AI改變了游戲規(guī)則，更改變了計算的本質(zhì)”，所以用BlackWell重新定義AI計算的邊界。

黃仁勛開篇回顧了英偉達(dá)的發(fā)展歷程。

從1993年NV1開始，英偉達(dá)就立志，構(gòu)建能完成普通計算機無法完成任務(wù)的計算機，當(dāng)時英偉達(dá)的編程架構(gòu)被稱為UDA（Unified Device Architecture，統(tǒng)一設(shè)備架構(gòu)），跑在UDA的第一個應(yīng)用程序，是世嘉的《虛擬戰(zhàn)士》。

六年后的1999年，NVIDIA發(fā)明了可編程GPU；又過了六年后的2006年，英偉達(dá)發(fā)明了通用并行計算架構(gòu)CUDA（Compute Unified Device Architecture）；再過了六年后的2012年，隨著“師生三人組”Alex Krzyzewski、Ilya Suskevor和Jeffery Hinton利用GPU訓(xùn)練AlexNet，并贏得2012年ImageNet挑戰(zhàn)賽，震驚了計算機視覺界，AI由此進(jìn)入新階段。（這幾個6年歷程，老鐵見了都得直呼666）

黃仁勛認(rèn)為，AI發(fā)展有四個階段：

1、感知AI（Perception AI），理解圖像、文字和聲音，場景包括語音識別、推薦系統(tǒng)、醫(yī)學(xué)成像；

2、生成式AI（Generative AI），生成圖像、文本和聲音，場景包括數(shù)字營銷、內(nèi)容生成；

3、現(xiàn)階段的Agenic AI，能夠感知、推理、規(guī)劃和行動，場景包括代碼助理、客戶服務(wù)、患者護(hù)理；

4、未來的物理AI（Physical AI），場景包括自動駕駛汽車、通用機器人。

2018年是一個關(guān)鍵的節(jié)點，谷歌發(fā)布Transformer模型BERT，徹底改變了AI的格局。這里溫馨插入一段解釋，之所以說Transformer具有變革性，是因為它引入的注意力機制，解決了長序列數(shù)據(jù)處理的難題，且允許并行計算，打破了傳統(tǒng)RNN和LSTM的串行限制，它讓機器第一次真正學(xué)會了“看全局”。

如果說以前的AI是只能一個個字往下讀，但會看了后邊忘了前邊的兒童，而Transformer就是一目十行，心有全篇的專家。這個突破不僅讓AI更聰明，處理信息的速度也賊快。而且它厲害的地方是，不光能處理文字，連圖片、聲音這些都能應(yīng)對。所以說，Transformer就像是AI世界的“基本法”，徹底改變了AI的發(fā)展方向。

黃仁勛現(xiàn)場說：“Transformer驅(qū)動的機器學(xué)習(xí)將從根本上改變每一個應(yīng)用程序的構(gòu)建方式、計算方式、以及超越這些的可能性。”

順著這句話，黃仁勛舉了個“AI革新傳統(tǒng)圖形渲染”的例子。傳統(tǒng)光線追蹤，要對每個像素進(jìn)行復(fù)雜計算，計算量巨大，但AI變革了這個過程——英偉達(dá)在游戲圖形領(lǐng)域完成了兩次根本性的革新：

第一次革新是引入可編程著色器和光線追蹤技術(shù)，這讓顯卡能夠通過定制化的程序來處理像素，并模擬真實世界中的光線行為，從而生成極具真實感的畫面；第二次革新是DLSS(AI超分辨率技術(shù)，Deep Learning Super Sampling)，它的核心理念是讓AI來輔助甚至部分取代傳統(tǒng)的像素渲染，通過在英偉達(dá)超級計算機上進(jìn)行大規(guī)模訓(xùn)練，AI系統(tǒng)學(xué)會了理解和預(yù)測像素的顏色值，使得GPU上的神經(jīng)網(wǎng)絡(luò)能夠“腦補”出未經(jīng)實際渲染的像素內(nèi)容。

最新一代DLSS 4的突破，被黃仁勛稱之為“奇跡”，它不僅能在空間維度上補全像素，還能在時間維度上工作——通過預(yù)測未來畫面，為每一幀額外生成三幀畫面，就好比有3300萬像素，而實際只需計算200萬像素，并讓AI預(yù)測其余的3100萬像素，既保證了渲染質(zhì)量，又提升了渲染效率。在現(xiàn)場演示中，DLSS 4 以每秒247幀的速度渲染場景，比不使用AI快8倍以上，同時將延遲保持在僅34毫秒。

順著上述知識點，黃仁勛發(fā)布了這次的第一款GPU新品——RTX Blackwell系列。

RTX Blackwell 系列擁有920億個晶體管，AI算力最高達(dá)4000 TOPS（比上一代高出三倍），美光G7內(nèi)存，帶寬可達(dá)每秒 1.8 TB（是上一代性能的2倍）?，F(xiàn)有的 RTX GPU 也將支持 DLSS 4。

該系列包括四種型號：

• RTX 5070——售價549 美元，提供 RTX 4090 的性能。

• RTX 5070 Ti——售價749 美元，提供與 4090 相當(dāng)?shù)男阅?，配?1406 AI TOPS 和 16GB G7 內(nèi)存。

• RTX 5080——售價999 美元，配備 1800 AI TOPS 和 16GB G7 內(nèi)存。

• RTX 5090——售價1999 美元，配備 3404 AI TOPS 和 32GB G7 內(nèi)存。

搭載 RTX Blackwell GPU 的筆記本電腦，電池壽命延長 40%，性能提高一倍，功耗降低一半，價格從1299 美元到 2899 美元不等。其中，搭載RTX 5090、RTX 5080、RTX 5070 Ti的筆電將于3月上市，搭載RTX 5070筆電將于4月由OEM發(fā)售。

要點二：“Scaling Law依然奏效，正推動AI計算需求的指數(shù)級增長”，所以用NVLink滿足全球數(shù)據(jù)中心需求。

接著講到AI發(fā)展，黃仁勛認(rèn)為Scaling Law（規(guī)模定律）還沒結(jié)束——即數(shù)據(jù)越多、模型越大、計算能力越強、模型就越有效。之所以還沒結(jié)束，是因為互聯(lián)網(wǎng)每年產(chǎn)生的數(shù)據(jù)量都在翻倍，未來幾年人類產(chǎn)生的數(shù)據(jù)量將超過之前的總和，而且這些數(shù)據(jù)正變得多模態(tài)。

黃仁勛認(rèn)為，規(guī)模定律非但沒結(jié)束，而且還發(fā)展出三種狀態(tài)：預(yù)訓(xùn)練規(guī)模定律（Pre-Training Scaling）、后訓(xùn)練規(guī)模定律（Post-Training Scaling）、測試時間規(guī)模定律（Test-Time Scaling）。

其中：

• 「預(yù)訓(xùn)練規(guī)模定律」利用強化學(xué)習(xí)和人工反饋等技術(shù)，AI借助人類反饋進(jìn)行學(xué)習(xí)提升，它可以針對特定領(lǐng)域微調(diào)，類似學(xué)生根據(jù)老師指導(dǎo)改進(jìn)作業(yè)，適合解決數(shù)學(xué)、推理問題。

• 「后訓(xùn)練規(guī)模定律」則類似于自我練習(xí)，AI通過持續(xù)自主練習(xí)提升能力，過程中雖耗費大量算力，但能產(chǎn)生突破性模型。

• 「測試時間規(guī)模定律」是指AI運行時，不再僅僅改進(jìn)參數(shù)，而是能動態(tài)掉配計算資源，通過“分步推理”和“深入思考”找出最優(yōu)解決方案。該定律已被證明極其有效。

黃仁勛說，“規(guī)模定律推動了對英偉達(dá)的計算，特別是Blackwell芯片的巨大需求。”

圖：Blackwell全系產(chǎn)品圖

話音落下，黃仁勛搬出了一個由72塊Blackwell GPU組成的NVLink72巨型“盾牌”模型，還擺了個pose，被網(wǎng)友調(diào)侃“美國隊長”。

不過黃仁勛手里的“盾牌”，只是NVLink72的縮小模型，真正的NVLink72重達(dá)1.5噸，擁有60萬個零件，相當(dāng)于20輛汽車的復(fù)雜程度，系統(tǒng)內(nèi)部有個類似“脊椎”的結(jié)構(gòu)，通過2英里的銅線與5000根電纜把所有的Blackwell連接在一起。

黃仁勛介紹了性能參數(shù)。一個NVLink72芯片的AI浮點運算性能是1.4 ExaFLOPS，比世界上最大、最快的超級計算機還要大。其內(nèi)存帶寬達(dá)到 1.2 PB/s，相當(dāng)于全球所有互聯(lián)網(wǎng)流量的總和。這種超級計算能力，使得 AI 能夠處理更復(fù)雜的推理任務(wù)，同時顯著降低成本，為更高效的計算奠定了基礎(chǔ)。

NVLink72的生產(chǎn)和部署過程十分復(fù)雜。它在全球45個工廠進(jìn)行生產(chǎn)，采用液冷技術(shù)散熱，經(jīng)過嚴(yán)格測試后會被拆解成小部件，運送到全球的數(shù)據(jù)中心，之后再重新組裝起來——這種特殊的運輸方式是因為整機太重太大。

黃仁勛解釋了“為什么要建造這塊龐然大物”，是因為Scaling Law要求越來越強大的計算能力。新一代Blackwell芯片與上一代相比，每瓦性能提升了4倍，每美元性能提高了3倍。這個提升帶來兩個重要影響：

第一，從成本角度看，訓(xùn)練同樣規(guī)模的AI模型，成本可以降低到原來的1/3；或者用相同成本，可以訓(xùn)練規(guī)模大3倍的模型。

第二，從數(shù)據(jù)中心運營角度看，由于數(shù)據(jù)中心受限于供電能力，新芯片的能效提升意味著，在相同供電條件下，數(shù)據(jù)中心可以進(jìn)行4倍于之前的AI運算，這直接轉(zhuǎn)化為更高的營收能力。

黃仁勛強調(diào)，這種提升非常重要，因為未來幾乎所有應(yīng)用都會使用AI進(jìn)行文本處理（tokens）。目前大模型的token生成速度為每秒20-30個，與人類閱讀速度相當(dāng)。但在未來，GPT-o1/o2/o3、Gemini Pro等新模型能夠進(jìn)行自我對話、思考、反思，因此token的生成速度將大幅提高，而這些處理都需要在數(shù)據(jù)中心進(jìn)行，他將這些數(shù)據(jù)中心比喻為“AI工廠”，而新一代芯片的能效提升，本質(zhì)上就是在提高這些“AI工廠”的生產(chǎn)效率。

要點三：“Agenic AI是企業(yè)最重要的變革之一”，所以英偉達(dá)軟硬兼施。

黃仁勛描繪了一個令人振奮的AI未來圖景——“Agenic AI將成為企業(yè)最重要的變革之一。”這種變革不僅是技術(shù)的進(jìn)步，更是工作方式的根本轉(zhuǎn)變。

在他的描述中，AI代理不再是簡單的問答系統(tǒng)，而是一個復(fù)雜的智能網(wǎng)絡(luò)，它能夠理解用戶需求，搜索信息、調(diào)用各種工具、并通過多個模型的協(xié)同工作，來幫助用戶解決問題。

為了幫助企業(yè)和合作伙伴實現(xiàn)Agenic AI的未來圖景，英偉達(dá)推出了三個重要產(chǎn)品：

• 第一個是NVIDIA NIMS，這是一套打包好的AI微服務(wù)，包含CUDA DNN、Cutlass、Tensor RTLM、Triton等CUDA軟件，以及一系列模型（涵蓋語義理解、數(shù)字人、虛擬內(nèi)容生成、數(shù)字生物等領(lǐng)域，并即將上線“物理AI”模型），方便開發(fā)者集成到自身軟件中，可以在大部分云平臺上運行。

• 第二個是NVIDIA NEMO，這是一個“數(shù)字員工”管理系統(tǒng)，負(fù)責(zé)訓(xùn)練AI智能體適應(yīng)企業(yè)特定需求、設(shè)置行為準(zhǔn)則和權(quán)限、并且通過反饋不斷改進(jìn)，就像是給AI代理做“入職培訓(xùn)”。

• 第三是一整套AI Blueprints（AI藍(lán)圖），以便生態(tài)系統(tǒng)伙伴和開發(fā)者自主構(gòu)建AI智能體，而且它完全開源。黃仁勛介紹了其中的一套模型——Llama Nemotron開源模型套件，這是一個企業(yè)級語言模型的“全家桶”，是英偉達(dá)針對Meta的Llama進(jìn)行微調(diào)而成（黃仁勛解釋說，是因為英偉達(dá)發(fā)現(xiàn)Llama 3.1已經(jīng)成為一個現(xiàn)象級產(chǎn)品，它被下載65萬次，衍生出了6萬個不同版本，是大部分企業(yè)研發(fā)AI的開始，而且可以它能被很好地微調(diào)）。

英偉達(dá)的Llama Nemotron包括三種規(guī)格：

• Nano：極其小巧、響應(yīng)快、最具成本效益的模型，針對PC和邊緣設(shè)備所需的低時延模型進(jìn)行了優(yōu)化；

• Super：在單個GPU上提供卓越吞吐量的高精度模型；

• Ultra：精度最高的模型，專為要求最高性能的數(shù)據(jù)中心規(guī)模應(yīng)用而設(shè)計。

黃仁勛預(yù)測，未來企業(yè)的IT部門將轉(zhuǎn)變成AI智能體的HR部門，它們不再僅僅是維護(hù)軟件系統(tǒng)，而是要管理一支數(shù)字勞動力隊伍。全球有3000萬程序員和10億知識工作者將受益于這場變革，AI智能體將成為他們的得力助手。

這種AI智能體帶來的變革，正在影響各行各業(yè)，黃仁勛在現(xiàn)場通過一支視頻展示了5種AI代理的應(yīng)用場景：

• AI研究助手：在研究領(lǐng)域，AI智能體可以快速處理講座、期刊、財報等復(fù)雜資料，生成易于理解的內(nèi)容；

• 天氣預(yù)報系統(tǒng)：在氣象預(yù)報中，AI智能體將預(yù)報精度從25公里提升到2公里；

• 軟件安全AI：在軟件開發(fā)過程中，AI智能體可以自動掃描代碼漏洞并提出修復(fù)建議；

• 虛擬實驗室：在制藥研究中，AI智能體可以幫助研究人員快速篩選藥物候選物，加速新藥研發(fā)過程。

英偉達(dá)選擇了一條獨特的市場路徑。他們不直接面向企業(yè)用戶，而是與生態(tài)系統(tǒng)的合作伙伴一起工作，就像當(dāng)年推廣CUDA一樣。生態(tài)系統(tǒng)中的合作伙伴有CrewAI、Daily、LangChain、LlamaIndex、Weights & Biases的工具，也有ServiceNow、SAP、西門子的工業(yè)平臺，也有甲骨文、dataloop的數(shù)據(jù)平臺等。英偉達(dá)正在將AI代理滲透到各個行業(yè)。

這個戰(zhàn)略顯示了英偉達(dá)對未來AI的深刻理解：AI代理不僅是一個技術(shù)產(chǎn)品，而是企業(yè)的“數(shù)字員工”，它們需要培訓(xùn)、管理和持續(xù)改進(jìn)，就像管理人類員工一樣，這些AI代理可被訓(xùn)練為領(lǐng)域特定的任務(wù)專家。

通過這番演講，黃仁勛展現(xiàn)了一個AI代理與人類協(xié)同工作的未來。在這個未來中，企業(yè)將擁有一支由人類+AI代理組成的勞動力隊伍，該隊伍是推動生產(chǎn)力提升的重要力量，而英偉達(dá)正在通過完整的技術(shù)方案和生態(tài)系統(tǒng)建設(shè)，來幫助企業(yè)實現(xiàn)這個未來。

要點四：“將Windows PC轉(zhuǎn)變?yōu)锳I超級計算機”，所以英偉達(dá)發(fā)布了WSL2。

說完了Agenic AI的愿景之后，如何才能真正落地呢？黃仁勛的答案是——本地算力：

“雖然云端計算對AI 來說是完美的選擇，但AI的未來不應(yīng)該僅限于云端，而是應(yīng)該無處不在，特別是要進(jìn)入我們的個人電腦。就像Windows 95革新了個人計算時代一樣，未來的PC將開創(chuàng)新的計算范式，讓每個用戶都能夠充分利用AI的力量來提升工作效率和創(chuàng)造力。”

從這個角度來看，黃仁勛介紹了未來PC的概念：不再只是簡單地?fù)碛?D、聲音和視頻API，而是要具備各種生成式API的能力（包括3D生成、語言生成、聲音生成等），這意味著每臺電腦都將成為一個強大的AI助手。

英偉達(dá)提供了一個解決方案：Windows WSL2（Windows Subsystem for Linux 2），這是一個Window系統(tǒng)內(nèi)的雙操作系統(tǒng)，為開發(fā)者提供直接訪問硬件的能力，并且已經(jīng)針對云原生應(yīng)用和CUDA進(jìn)行了優(yōu)化，這使得包括NVIDIA NIMS、NVIDIA NEMO在內(nèi)的所有AI工具都能在Windows PC上運行。

通過WSL2，英偉達(dá)可以將其所有AI工具和服務(wù)帶到個人電腦上，包括各種模型。換句話說，這是一種計算范式的轉(zhuǎn)變——每臺個人電腦都將成為一個強大的AI工作站。

要點五：“我們要創(chuàng)造一個物理世界的AI模型”，所以英偉達(dá)發(fā)布Cosmos。

黃仁勛接下來的演講內(nèi)容，我認(rèn)為是本場最重要也是英偉達(dá)接下來最重要的戰(zhàn)略布局，我覺得可以理解為“讓AI化形”。

什么意思？如果說GPT等大語言模型讓AI掌握了“說”的能力，那么英偉達(dá)希望創(chuàng)造一個能理解物理世界的AI系統(tǒng)，賦予AI“做”的能力，這預(yù)示著AI即將從虛擬世界走向現(xiàn)實世界的重要一步。

接下來我們就逐步來講講。

黃仁勛首先說，當(dāng)我們使用ChatGPT這樣的語言模型時，我們輸入一段提示詞，模型會分析這段文字中的每個詞語（token）之間的關(guān)系，然后一個接一個地生成回答的詞語。這個過程看似簡單，實際上模型內(nèi)部有數(shù)十億個參數(shù)在運作，每個詞語都要和上下文中的其他詞語建立聯(lián)系，計算它們之間的相關(guān)性。

但是，我們生活的現(xiàn)實世界比文本復(fù)雜得多，AI需要理解重力、摩擦力、慣性等物理規(guī)律，還要明白空間關(guān)系和因果關(guān)系。比如，當(dāng)你把球推出去時，它會如何運動；當(dāng)你推倒一個物體時，會發(fā)生什么；物體從桌子上掉下去后，并不會消失——這些在人類看來很簡單的常識，對AI來說都是巨大的挑戰(zhàn)。

為了達(dá)成這個極具挑戰(zhàn)性的“讓AI理解物理世界”目標(biāo)，于是英偉達(dá)正式推出Cosmos——一個強大的、能理解物理世界的、全球基礎(chǔ)模型。

Cosmos是如何工作的？就像嬰兒通過觀察、觸摸、實驗來認(rèn)識這個物理世界，Cosmos通過看大量視頻來學(xué)習(xí)物理世界的規(guī)律，就像是一個加速學(xué)習(xí)的嬰兒。黃仁勛說，Cosmos已經(jīng)學(xué)習(xí)了2000萬小時的視頻，內(nèi)容包括：自然現(xiàn)象（水會怎么流動）、物理規(guī)律（物體會如何碰撞）、人類動作（人是如何走路和抓取物品的）等。這些都成為它理解物理世界的“經(jīng)驗”。

但是，Cosmos的作用遠(yuǎn)不止于此。黃仁勛說，因為有Cosmos，我們可以因此創(chuàng)造一個物理世界的基礎(chǔ)模型，基于Autoregressive Model（自回歸模型）、Diffusion Model（擴散模型）、Video Tokenizer（將視頻內(nèi)容編碼為緊湊的潛在token）、Video Processing and Curation Pipeline（視頻處理管道）。

比如，它可以用來生成訓(xùn)練數(shù)據(jù)，幫助開發(fā)更智能的機器人，被黃仁勛比喻成“機器人的種子”；它能生成多種未來的物理場景，幫助AI做出更好的決策，“就像是一個奇異博士”；它甚至可以為視頻生成準(zhǔn)確的描述，這些描述又可以用來訓(xùn)練語言模型。

最重要的是，英偉達(dá)選擇將Cosmos開源，就像Meta開源Llama一樣。黃仁勛表示，希望Cosmos能為機器人和工業(yè)AI領(lǐng)域帶來類似Llama 3.1對企業(yè)AI的革命性影響。

現(xiàn)在關(guān)鍵來了：當(dāng)Cosmos與英偉達(dá)的虛擬現(xiàn)實仿真平臺Omniverse結(jié)合時，這就像是給AI創(chuàng)造了一個“物理世界的實驗場”，讓它能在這里學(xué)習(xí)、實驗和成長，它就能創(chuàng)造出基于真實物理規(guī)律的虛擬世界。

這里梳理一下黃仁勛的解釋：Omniverse是一個基于物理規(guī)律運行的模擬器，而Cosmos則可以理解為一個物理世界的AI生成系統(tǒng)。當(dāng)這兩個系統(tǒng)結(jié)合時，這就像是我們在用大語言模型時，通過RAG（檢索增強生成）系統(tǒng)來確保AI生成的內(nèi)容是基于真實信息一樣。在這里，Omniverse的物理模擬確保了Cosmos生成的內(nèi)容符合現(xiàn)實世界的物理規(guī)律。

黃仁勛用了一個很好的類比：就像我們需要讓語言模型的輸出建立在真實信息的基礎(chǔ)上一樣，我們也需要讓機器人的行為建立在真實物理規(guī)律的基礎(chǔ)上，這樣的結(jié)合創(chuàng)造出了一個“基于物理規(guī)律的多元宇宙生成器”。

在實際應(yīng)用中，這種結(jié)合特別適合機器人和工業(yè)應(yīng)用場景。正因為如此，黃仁勛提出了一個“三個計算機系統(tǒng)”概念：

• 第一個計算機系統(tǒng)（DGX）是用來訓(xùn)練AI的。這就像是機器人的“學(xué)校”，在這里進(jìn)行基礎(chǔ)的AI訓(xùn)練。

• 第二個計算機系統(tǒng)（AGX）是部署在實際場景中的，比如安裝在自動駕駛汽車?yán)?、機器人身上或者體育場館中的計算機。這些是在“前線”工作的計算機，負(fù)責(zé)實際的自主操作。

• 第二個計算機系統(tǒng)正是Omniverse+Cosmos系統(tǒng)，它是一個數(shù)字孿生平臺。這就像是機器人的“虛擬訓(xùn)練場”。在這里，已經(jīng)訓(xùn)練好的AI可以進(jìn)行練習(xí)、完善，通過合成數(shù)據(jù)生成和強化學(xué)習(xí)，來提升性能。這個系統(tǒng)將前兩個系統(tǒng)連接起來，使它們能夠協(xié)同工作。

為什么需要Cosmos+Omniverse？因為假設(shè)你在教一個孩子學(xué)物理，不可能讓孩子去做所有危險的實驗，比如從高處跳下來感受重力，或者去碰滾燙的物體了解溫度。而Omniverse就提供了一個“虛擬實驗場”：比如可以無限嘗試各種動作，而不用擔(dān)心損壞真實設(shè)備；或者，快速模擬數(shù)千種不同的場景，而不用擔(dān)心時間不夠；或者測試各種極端情況，而不用承擔(dān)實際風(fēng)險。

這種組合的強大之處還在于：一方面，就算AI出錯，也不會造成實際損失，可以立即重來。另一方面，Cosmos通過觀察視頻學(xué)習(xí)到的“經(jīng)驗”，可以在Omniverse中得到驗證和完善。

黃仁勛特別強調(diào)了Omniverse+Cosmos系統(tǒng)在工業(yè)領(lǐng)域的重要性：“全球制造業(yè)大約有50萬億美元的規(guī)模，包括數(shù)以百萬計的工廠和數(shù)十萬個倉庫，這些設(shè)施都需要向軟件定義和自動化方向發(fā)展。無論是工廠的自動化系統(tǒng)，還是自動駕駛汽車，都需要這樣的系統(tǒng)，來保證其行為既符合AI的智能決策，又符合現(xiàn)實世界的物理規(guī)律。”

圖：英偉達(dá)Omniverse的合作伙伴生態(tài)系統(tǒng)

也因此，黃仁勛預(yù)測：工業(yè)生產(chǎn)正在向數(shù)字化、智能化方向發(fā)展，數(shù)字孿生將成為未來每一個工廠的標(biāo)配，它就像工廠的“虛擬分身”，能夠完全模擬真實工廠的運作，通過Omniverse+Cosmos系統(tǒng)，可以模擬出多種未來可能的運營方案，然后讓AI選擇最優(yōu)方案，這些方案會成為真實工廠的運營指導(dǎo)。

要點六：“三個計算機系統(tǒng)”理論構(gòu)筑自動駕駛未來，所以英偉達(dá)帶來了Thor。

接著，黃仁勛談到了自動駕駛革命，又秀出一張生態(tài)合作圖，展示了英偉達(dá)在自動駕駛領(lǐng)域的廣泛合作，覆蓋Waymo、特斯拉、捷豹路虎、奔馳、豐田，還有比亞迪、理想、小鵬等眾多中國車企。

黃仁勛提供了一組數(shù)據(jù)：全球每年生產(chǎn)1億輛汽車，道路上有10億輛車，每年行駛里程達(dá)到1萬億英里。他預(yù)測，“這些車輛未來都將實現(xiàn)高度自動化或完全自動化駕駛，這代表自動駕駛很可能成為第一個萬億美元級別的機器人產(chǎn)業(yè)。”目前，僅僅是少量開始量產(chǎn)的自動駕駛汽車，就已經(jīng)為英偉達(dá)帶來了40億美元收入規(guī)模，預(yù)計今年將達(dá)到50億美元。

針對于此，英偉達(dá)這次發(fā)布了新一代車載處理器Thor。

圖：英偉達(dá)Thor

這款芯片的處理能力是上一代Orin的20倍。在安全方面，DRIVE OS獲得了ASIL-D認(rèn)證，這是汽車功能安全的最高標(biāo)準(zhǔn)，這背后凝聚了約15000個工程年的努力，使CUDA發(fā)展成為一個功能完備、安全可靠的自動駕駛計算平臺。

要點七：“通用機器人的ChatGPT時刻來臨”，所以英偉達(dá)用ISAAC Groot重新定義機器人開發(fā)。

談到機器人變革，黃仁勛說了一句金句：“通用機器人的ChatGPT時刻來臨”，并指出了三種最有前景的機器人類型，這三種機器人的獨特之處在于，它們不需要特殊的環(huán)境改造，可以直接在我們現(xiàn)有的世界中使用：

1、通用型AI或AI代理：因為它們是信息工作者，只要能適應(yīng)我們現(xiàn)有的辦公環(huán)境和電腦系統(tǒng)，就可以工作。

2、自動駕駛汽車：因為人類已經(jīng)花了一百多年建設(shè)道路和城市，這些基礎(chǔ)設(shè)施已經(jīng)完備。

3、人形機器人：可以直接適應(yīng)為人類設(shè)計的所有環(huán)境和工具。

黃仁勛認(rèn)為，如果這三種機器人技術(shù)獲得突破，將創(chuàng)造人類歷史上最大的科技產(chǎn)業(yè)。

但他也指出了當(dāng)前面臨的關(guān)鍵挑戰(zhàn)，特別是在人形機器人的訓(xùn)練方面，與自動駕駛汽車不同（我們每天都在產(chǎn)生大量的駕駛數(shù)據(jù)），收集人類動作示范數(shù)據(jù)是非常耗時費力的。

為了解決這個問題，英偉達(dá)提出了一個創(chuàng)新方案——ISAAC Groot平臺，這是一個面向人形機器人開發(fā)的完整解決方案。

該平臺的創(chuàng)新之處在于其獨特的數(shù)據(jù)獲取和訓(xùn)練方法：開發(fā)者可以使用Apple Vision Pro進(jìn)行遠(yuǎn)程操作來捕獲數(shù)據(jù)，通過少量人類示范就能生成大規(guī)模訓(xùn)練數(shù)據(jù)，并利用Omniverse+Cosmos進(jìn)行領(lǐng)域隨機化和3D真實感放大，這是一種AI訓(xùn)練方法的創(chuàng)新。

這個環(huán)節(jié)其實也揭示了機器人領(lǐng)域的重大變革：我們正在從專用機器人向通用機器人過渡，而這個轉(zhuǎn)變的關(guān)鍵在于如何高效地訓(xùn)練這些機器人，通過AI和虛擬仿真技術(shù)的結(jié)合，我們可以大大加速這個過程。

要點八：“每個用計算機的人，都需要AI超級計算機”，所以英偉達(dá)用“DIGITS”開啟個人AI超算的新紀(jì)元。

作為壓軸的重磅產(chǎn)品，黃仁勛介紹了公司內(nèi)部的一個項目“Project DIGITS”，展現(xiàn)了將企業(yè)級AI計算能力帶入個人桌面的雄心。

首先，黃仁勛解釋了項目名字的由來。最初項目叫“DIGITS”（Deep Learning GPU Intelligence Training System，深度學(xué)習(xí)GPU智能訓(xùn)練系統(tǒng)），后來為了與公司其他產(chǎn)品線（如RTX、AGX等）保持一致，簡化為DGX。

DGX-1的推出是一個革命性的轉(zhuǎn)折點。在此之前，如果想要使用超級計算機，你需要建設(shè)專門的設(shè)施和基礎(chǔ)設(shè)施，這對大多數(shù)機構(gòu)來說都是難以實現(xiàn)的。而DGX-1改變了這一切，它是一臺“開箱即用”的AI超級計算機。黃仁勛還特別提到，2016年他們將第一臺DGX-1交付給了OpenAI，當(dāng)時包括馬斯克、Ilya Sutskever在內(nèi)的團隊都在場。

圖：英偉達(dá)DGX-1

但現(xiàn)在情況不一樣了，AI的應(yīng)用已經(jīng)不再局限于研究機構(gòu)或創(chuàng)業(yè)公司。正如黃仁勛在演講開始時提到的，AI計算正成為新的計算方式、新的軟件開發(fā)方式，每個軟件工程師、工程師、創(chuàng)意藝術(shù)家，實際上是每個用計算機的人，都需要AI超級計算機。

因此，英偉達(dá)希望能做出比DGX-1更小的設(shè)備，于是正式發(fā)布“Project DIGITS”：一個小型化的AI超級計算機。

圖：英偉達(dá)“Project DIGITS”

該產(chǎn)品基于英偉達(dá)的GB110芯片（最小的Grace Blackwell芯片），通過與MediaTek合作開發(fā)CPU，并采用NVLink連接到Blackwell GPU，實現(xiàn)了前所未有的性能突破。

圖：英偉達(dá)“Project DIGITS”的內(nèi)部結(jié)構(gòu)

它的設(shè)計理念，是成為一個放在桌面上的云計算平臺，無論你的PC是什么系統(tǒng)都能連接使用，也可以作為Linux工作站使用，支持ConnectX和GPU Direct等技術(shù)，是一臺袖珍版的超級計算機。預(yù)計將在2025年5月上市。

換句話說，英偉達(dá)正在將高性能計算從專業(yè)數(shù)據(jù)中心，帶入普通用戶的辦公桌面，這種小型化、便攜化的AI超級計算機，可能會像個人電腦革命一樣，讓更多人使用AI技術(shù)進(jìn)行創(chuàng)新和開發(fā)。