马云开这次GTC标题肯定是“让天下没有难做的AI和机器人”-英伟达GTC2025主题演讲核心内容总结

原创 Vehicle 2025-03-25 08:56

超低功耗CW32L083系列 边缘AI开发的奥秘，一场直播就能搞懂！

一年一度的GTC（GPU Technology Conference）又召开了，这个会算是英伟达的AI传教会了，不过又有点类似于武林盟主召开的武林大会，毕竟科技界的各路都来了，不但Meta，Open AI等科技企业，还有UC Berkeley等学术机构，最重要的是非常多的例如理想、小米、商汤、Rivian、Wayve国内外汽车智能企业参加。

本次GTC, 黄仁勋的两小时演讲强调了 Nvidia 系统支持的 AI 应用的广度。黄仁勋详细阐述了 Nvidia 在自动驾驶汽车、更好的无线网络和先进机器人技术发展方面的贡献。他还列出了公司未来两年的产品路线图。

本文将结合英伟达黄仁勋在 GTC 2025主题演讲的核心内容总结，帮助大家了解英伟达的 AI帝国，启发和畅想下在英伟达生态下的AI应用和发展。

万物皆可“Token” - AI is everything

在互联网数字时代，我们的信息都可以转成01的数字代码。而现在我们身处生成'token*'的前沿时代（*AI的基本构建单元），它们开启了一个可能性无边的新世界。这些token正在将：

科学洞察转化为图像——描绘外星大气层数据，指引未来探索者
原始数据转化为前瞻预判——让人类为下一次挑战做好准备
物理定律解码重构——推动我们走得更快、更远，例如我们的Physical AI 自动驾驶，机器人。
生命密码破译应用——在疾病显现前发现隐患

从数字的Agentic AI 数字信息生成到与物理世界的人交户的Physical AI 万物皆可“Token”，AI 成为数字时代的引擎，把数字时代带入AI 时代。

AI工厂：计算范式的革命

而面对万物皆可“Token”的背景下，AI 工厂将引导硬件的革命，我们需要怎样的AI 计算单元？

从检索到生成：AI工厂不再是存储数据的仓库，而是通过生成式AI实时生产“token”（信息单元）的智能引擎。
规模化挑战：未来数据中心需处理指数级增长的推理需求（如Agentic AI生成数千个中间token），需要AI算力芯片的架构和冷却技术来支撑超大规模部署。
经济模型变革：AI工厂的收益与“token生成速度×吞吐量”直接相关，能源效率（每瓦特token数）成为核心竞争力。

AI 应用潜力巨大的市场外加新型计算范式的革命，英伟达给出的解药是什么呢？怎么帮助大家更好的应用呢？

新一代GPU Blackwell登场

老套路了，每一次GTC Jenson 都要发布或者透露下他的看家本领GPU新架构。

Blackwell架构：采用革命性设计，集成2080亿晶体管，支持高达20 petaflops的AI计算性能，比前代Hopper提升25倍能效。

其中有三大关键突破：

推理性能飞跃：通过MVLink高速互联技术，实现72个GPU的无缝协同，解决大模型推理时的内存与带宽瓶颈。
动态资源分配：结合Dynamo操作系统，灵活分配算力用于“预填充”（上下文理解）和“解码”（生成答案），优化AI工厂效率。
4-bit浮点量化：显著降低能耗，支持更复杂模型的实时推理。

最重要的是，这次Blackwell真正要加速量产了。

英伟达AI芯片未来路线图

2025 下半年：Blackwell Ultra上市，性能再提升50%。

2026：Vera Rubin架构（CPU+GPU协同设计）Vera 为 Nvidia 设计的CPU，HBM4内存与硅光子网络（1.6T CPO）登场。包含 144 个独立的 Nvidia GPU。

2027: Rubin Ultra架构，包含 576 个GPU，实现单机柜15 exaflops算力，支撑百万GPU集群。

2028 年某个时候 Feynman 推出。

有了这个强大AI算力芯片的加持，英伟达表示继续推动AI计算范式的革命.

软件生态：CUDA-X与Dynamo

本次会议，英伟达推出了两个软件生态，帮助大家容易部署算力硬件的软件。

CUDA-X加速库：大家都熟悉英伟达的CUDA，大家一般把他理解为算子，CUDA 是基础层：提供 GPU 编程模型（线程层次、内存管理），开发者这利用CUDA去开发AI应用。

这次，英伟达推出的CUDA-X， CUDA-X可以理解成上层建筑：基于 CUDA 封装领域专用优化，类似“工具箱”。可以帮助开发者将 GPU 的暴力算力转化为行业生产力。它让开发者无需成为硬件专家，即可在 AI、科学、工业等领域实现“性能自由”，是加速计算时代的核心基础设施。

CUDA-X加速库覆盖科学计算、5G、量子化学等领域，如cuQuantum加速量子模拟，cuLitho革新半导体光刻。

Dynamo操作系统：专为AI工厂设计，动态调度GPU集群资源，支持万亿参数模型的分布式训练与推理，实现“一个GPU巨脑”。而起这还是一款开源软件，英伟达表示该软件可以提高人工智能推理的效率并降低成本。

机器人技术：物理AI的突破

Nvidia 首席执行官黄仁勋在 GTC 主题演讲中宣布了一种基于 Llama 的新型企业推理模型，该模型名为 Nvidia Llama Nemotron Reasoning。，称其为“任何人都可以运行的令人难以置信的新模型”，超越了 DeepSeek。它是 Nvidia Nemotron 系列模型的一部分，旨在增强Agentic AI的开发。

按照Jenson的路径图，除了Agentic AI，Physical AI 还有巨大开启空间，具体Physical AI 方面怎么让大家快速上手？

Nvidia 发布所谓的人形机器人 AI 基础模型，名为 Groot N1，是一款“通用”模型，基于生成式AI和强化学习，具备多任务泛化能力，通过Omniverse数字孪生生成海量训练数据，可以很快部署机器人。

让天下没有难做的智能人形机器人的 Groot

Nvidia 声称，Groot N1 具有“双系统架构”，可实现“快速和慢速思考”，灵感来自人类的认知过程。

Groot N1 现已开源。

也就是说，英伟达通过 Groot开源生态：开发者可基于GROOT快速定制机器人技能，那么做个机器人跟大家现在做一款手机那么容易了。

行业合作与未来愿景

对于汽车行业的自动驾驶，英伟达提供从云端算法训练，验证虚拟仿真，车端新品NVIDIA全套方案，本次GTC Jenson 黄并没有提太多，大家可以看我们之前文章《AI 巨头 Nvidia 英伟达在汽车领域做什么？》了解。

但这次会议，英伟达推出了 NVIDIA Halos，一款适用于自动驾驶汽车的全栈综合安全系统，NVIDIA 将其安全 AV 开发技术套件从云端到汽车统一起来——涵盖车辆架构到 AI 模型——包括芯片、软件、工具和服务。

这样可以简化自动驾驶开发流程和时间，但坏处就是以后需要买英伟达的全家桶。

此外，Jenson 发布了一个重磅消息，那就是通用汽车（GM）投奔到英伟达怀抱了，要知道之前通用智能驾驶一直采用Mobileye 和高通系列芯片。通用汽车（GM）将采用NVIDIA全套方案（训练、仿真、车载芯片），推动自动驾驶落地。

边缘计算：与思科、T-Mobile合作构建AI边缘网络，优化5G基站智能调度。

数字孪生：Omniverse平台助力设计AI工厂，模拟能耗、散热与网络拓扑，降低万亿美元级数据中心建设风险。

量子计算：推出CUDA-Q量子-经典混合计算框架，加速算法研究。

核心洞察

按照英伟达的发展和眼光：

AI工业化：计算从“通用”转向“专用”，AI工厂成为新基建核心。
能源为王：未来数据中心收益由能源效率决定，液冷与硅光子技术是关键。
机器人爆发：物理AI+生成式训练开启人形机器人商用元年，弥补全球劳动力缺口。

NVIDIA正通过“芯片+软件+生态”三位一体，推动从云到边缘、从数据到物理世界的全栈AI革命。

总结起来，英伟达让天下没有难做的AI和机器人。

未经准许严禁转载和摘录-参考资料：

英伟达 GTC 2025 keynote 演讲PPT以及视频

加入我们的知识星球可以下载包含以上参考资料的汽车行业海量的一手资料。

>>>>

马云开这次GTC标题肯定是“让天下没有难做的AI和机器人”-英伟达GTC2025主题演讲核心内容总结

最近文章

热门文章

推荐

最新资讯