黄仁勋CES讲演实录：除了显卡，英伟达还想引领超算和国际模型的未来

liukang20244个月前 (04-28)吃瓜热门863

图片来历：视觉我国

蓝鲸新闻1月7日讯（记者朱俊熹）当地时刻1月7日，为期4天的“科技春晚”CES 2025拉开帷幕。在一众讲演嘉宾中，打头阵的是芯片巨子英伟达的创始人兼CEO黄仁勋。他身着原料亮眼、虚浮的皮衣登台，笑称这究竟是在拉斯维加斯，还问询观众是否喜爱他的皮夹克，现场气氛火热。

美股开盘后，英伟达股价再立异高，报153.05美元/股。公司市值达3.74万亿美元，逾越苹果登顶全球市值最高的公司。而这仅仅英伟达曩昔几年光辉成绩的一个切面，凭仗其高功能GPU芯片，英伟达已成为AI浪潮的最大受益者。其添加趋势在新的一年未见放缓，微软等巨子新财年估计将继续投入800亿美元在AI数据中心的建造上。

在CES主题讲演中，黄仁勋带来了备受等待的GeForce RTX 50系列GPU。该系列消费级GPU首要面向游戏玩家、创作者和开发者，采用了与其数据中心AI处理器相同的Blackwell架构。英伟达称，Blackwell交融了AI驱动的神经烘托和光线追寻，在游戏中带来电影级的原料与灯火。

RTX 50系列价格从549美元到1999美元不等。其间高装备版5090、5080 GPU将于1月30日上市，低装备版5070 Ti、5070 GPU将于2月开端出售。

黄仁勋还将另一项重磅产品留到了讲演的终究——全球最小的AI超级核算机。据官方现场演示，该款Project DIGITS核算机仅手掌巨细，在运用时可放置在桌面上。它面向全球AI研讨人员、数据科学家和学生，由标准电源插座供电，但可供给千万亿次的AI核算功能，用于原型规划、微谐和运转大型AI模型。

“它依据咱们一直在开发的一款隐秘芯片，叫做GB 10，这是咱们出产的最小的Grace Blackwell芯片。”黄仁勋介绍称。Project DIGITS超级核算机将于5月上市，起价格为3000美元。

图片来历：英伟达截图

此外，黄仁勋还发布了一系列新的产品与开展，包含AI工业上下流。例如依据Llama的Llama Nemotron系列AI模型，首要用于协助开发者创立和布置AI署理（智能体）。以及包含国际根底模型在内的Cosmos渠道，可以生成海量传神的、依据物理的组成数据，用来操练和评价机器人、主动驾驶轿车等物理AI体系。

黄仁勋每一次露脸都会大谈AI崇奉、对未来演化的预见，此次CES也不破例。他说到“AI PC正在来到你家中”、“主动驾驶将或许成为榜首个价值数万亿美元的机器人工业”、“机器人的ChatGPT时刻行将到来”。而这其间绕不开对英伟达芯片等产品的需求，其基建正在深化轿车、机器人、工业等多个范畴。

以下是黄仁勋讲演内容节选，在保证原意下经蓝鲸新闻删减调整。

黄仁勋：

欢迎来到CES！你们来到拉斯维加斯振奋吗？

你们喜爱我的夹克吗？我想和Gary Shapiro（顾客技能协会首席执行官兼副主席）的风格相反。究竟，我在拉斯维加斯。假如这行不通，假如你们都对立，那就习气吧。我诚心觉得你们得承受这个实践。再过一个小时左右，你们就会喜爱上它了。

回忆特殊的AI旅程

这是一段特殊的旅程，跨过了不一般的一年，始于1993年。经过NV1，咱们的方针是发明一种能做一般核算机做不到的作业的机器。NV1让在个人电脑中具有游戏主机成为了或许。咱们的编程架构叫UDA，后来才加上了字母C，但UDA代表的是共同设备架构。榜首个运用UDA的开发者，以及首个在UDA渠道上运转的运用程序，便是世嘉的《VR兵士》。

六年后的1999年，咱们发明晰可编程GPU，敞开了20多年的惊人前进。这款革命性的处理器，被称为GPU，成果了现代核算机图形学的根底。现在30年后，世嘉的《VR兵士》现已达到了电影级的水准。而行将发布的新虚拟项目，更是让人等待不已，简直令人难以置信。

1999年之后的六年，咱们发明晰CUDA，它使咱们可以以一组丰厚的算法来解说和运用GPU的可编程性，然后完结其潜力。CUDA开端很难解说，而且花了适当长的时刻去开展，实践上，咱们花费了大约六年的时刻。直到2012年，Alex Krizhevsky、Ilya Sutskever和Geoffrey Hinton发现了CUDA，并运用它进行AlexNet的操练。从那时起，AI的前史就已产生了根本性的改变。

自那时以来，人工智能的开展速度飞快。凭仗感知AI，咱们可以了解图画、文字和声响；跟着生成式AI的开展，咱们可以生成图画、文字和声响。而现在，署理AI不只能感知、推理、规划，还能举动。接下来，咱们将进入下一个阶段，其间一些咱们今晚将评论的内容，便是物理AI。

接着在2018年，产生了一些难以想象的作业。谷歌发布了Transformer，这一技能让AI范畴实在迎来了腾跃。正如咱们所知，Transformer完全改变了人工智能的格式，乃至改变了核算的格式。咱们意识到，AI不只仅是一个新的运用范畴和商业时机，更重要的是，Transformer推进的机器学习将完全重塑核算的办法。

现在，核算在各个层面都产生了革命性改变，从手动编写的CPU指令，到现在人类运用的软件东西。咱们现在具有可以创立和优化神经网络的机器学习，这些网络运转在GPU上，并推进人工智能的前进。技能栈中的每一层都阅历了天翻地覆的改变，短短12年内，咱们见证了难以想象的转型。

现在，咱们简直可以了解任何办法的信息。你必定见过文本、图画和声响等内容，但不只仅限于这些，咱们还可以了解氨基酸和物理现象。咱们可以解读这些信息，翻译它们并生成新的内容。运用的或许性简直是无限的。

实践上，简直一切AI运用都可以经过这三个基本问题来估测：它学习时输入的模态是什么？它将信息转化成了什么模态？它正在生成什么模态的信息？只需你问这三个基本问题，简直每一个运用的中心都能被提醒。

因而，每逢你看到一个又一个以AI为驱动和中心的运用时，一直不变的概念便是：机器学习改变了每个运用的构建办法，改变了核算的办法，乃至逾越了GPU本身的或许性。在许多方面，一切这些与AI相关的技能，都由GeForce构建而成。GeForce让AI走向群众，而今日，AI正回归GeForce。

图片来历：英伟达截图

算力需求仍然火急，Blackwell全面投产

整个职业都在追逐并竞相扩展AI的规划。Scaling Law是一个经过几代研讨人员与业界验证的阅历规律。它标明，跟着操练数据量的添加、模型规划的扩展，以及核算才能的提高，AI模型的有用性与才能也将不断增强。因而，规划规律的有用性是继续存在的。

更为惊人的是，互联网每年生成的数据量大约是上一年数据的两倍。我猜测，在未来几年，全球人类所生成的数据总量将会超越人类前史上一切数据的总和。咱们依旧在生成海量数据，且这些数据变得更加多模态，包含视频、图画和声响等。这些数据无疑为AI供给了丰厚的操练根底和中心资料。

但是，除了Scaling Law之外，还呈现了两条新的规划规律，它们各自有着直观的含义。

第二条Scaling Law被称为后操练Scaling Law。这条规律依托于强化学习和人工反应等技能手段。基本上，AI会依据人类的查询生成答案，而人类则给予反应，然后促进AI在特定范畴的才能提高。它们可以在特定范畴进行微调，使其更拿手解数学题、推理等方面。这个进程就像是学生在校园学习后，导师或教练给你反应，协助你改善自己。

此外，还具有强化学习的AI反应，以及组成数据生成。这些相似于自我操练时，你知道某个问题的答案，会继续测验直到答对。AI或许需求处理一个杂乱且可验证的难题，比方证明某个定理或处理几许问题。经过强化学习，它将学会怎么更好地改善自己。虽然这一进程核算量巨大，但终究可以产生极为超卓的模型。

第三条Scaling Law则与所谓的“测验时刻scaling”相关。测验时刻scaling指的是在AI运用时，它可以智能地分配资源，而不只仅是改善其参数。AI可以决议运用多少核算量来生成它想要的答案。

推理便是这种思想办法的一部分。与直接推理或一次性答复不同，AI或许会进行长时刻考虑，将问题分解为多个进程，生成不同的思路并加以评价。当时，测验时刻scaling已被证明是极端有用的。

跟着这些技能的逐渐开展，咱们可以看到从ChatGPT o1，再到o3以及Gemini Pro等一系列AI体系的进化。这些体系正在阅历从预操练到后操练，再到测验时刻scaling的不断开展。

因而，所需的核算才能显然是巨大的。咱们不只期望社会具有扩展核算才能的才能，更等待可以经过这一扩展，发明出更多立异且更强壮的智能体系。究竟，智能是咱们最名贵的财物，它可以协助咱们处理许多杂乱而具有应战性的问题。

正因如此，Scaling的不断添加催生了对英伟达核算技能的巨大需求。这股需求推进了Blackwell这款革命性芯片的广泛运用。Blackwell现已全面投入出产，其体现令人赞赏。

首要，简直一切云服务供给商都现已在布置相关体系。咱们现在已有约15家核算机制造商供给体系，这些体系包含了大约200种不同的SKU和装备，包含液冷、风冷、x86架构、Nvidia Grace CPU、NVL36、NVL72等多种类型。这样的多样性使咱们可以满意全球简直一切数据中心的需求。现在，这些体系正在全球45个工厂中进行出产，充分体现了AI的遍及程度，以及整个职业在这一全新核算模型下的快速前进。推进这一进程的中心动力便是：咱们火急需求更多的核算才能。

图片来历：英伟达截图

当时这一代Blackwell芯片，在核算才能方面比上一代提高了四倍每瓦的功能和三倍每美元的功能。这意味着在相同的核算本钱下，咱们能操练更大的模型，或许以更低的本钱操练相同规划的模型。

而最为要害的是，这些体系正在生成的tokens，正是咱们在运用ChatGPT、Gemini，乃至未来运用智能手机时所依靠的。这些运用简直都在耗费这些AI tokens，而这些tokens的生成正是由Blackwell等体系供给的。每个数据中心都有电力的约束。因而，假如Blackwell每瓦的功能比上一代提高四倍，那么这些体系可以带来的商业收入和数据中心的处理才能也将成倍添加。这使得现在的AI核算设备，不仅仅数据中心的一部分，实践上现已成为了全新的“工厂”。

因而，咱们需求很多的核算资源，以操练更大、更杂乱的模型。未来的推理办法将不再局限于简略的“一次性推理”，AI将开端与本身进行对话、考虑、反思和内涵处理。这样的改变将大大提高AI的推理才能和智能水平。

正如你可以预见的那样，AI可以处理的tokens数量将成指数添加。因而，咱们亟需大幅提高tokens的生成速度，一起明显下降核算本钱，保证服务质量一直处于高水平，客户本钱得以控制，AI体系也可以继续扩展。这正是咱们开发NVLink体系的中心原因之一。

AI署理鼓起，发明数百万美元的商场时机

在企业范畴中，正在产生的最重要的作业之一便是AI署理的鼓起。AI署理由多个模型组成，分工清晰。

例如，一部分模型担任与客户或用户进行互动，另一部分则担任信息检索，从存储中提取数据。像RAG这样的语义AI体系或许会拜访互联网、研讨PDF文件、运用核算器，乃至运用生成性AI生成图表等内容。AI署理经过逐渐迭代的办法处理问题，将杂乱的问题分解成更小的使命，并由不同的模型别离进行处理。

为了协助职业构建AI署理，咱们的商场策略并不直接面向企业客户，而是与IT生态体系中的软件开发者协作，经过整合咱们的技能来发明新的才能。就像咱们从前与CUDA库协作相同，咱们现在期望在AI库范畴完结相同的方针。曩昔，核算模型中有API来处理核算机图形学、线性代数、流体动力学等使命，而未来，依据这些加快库，或许会呈现专门的AI加快库。

为协助生态体系构建具有自主才能的AI，咱们创立了几项要害技能：

NVIDIA NIM：这是一个AI微服务，现已打包并准备就绪，能处理一切杂乱的软件使命。它将模型打包、优化，并放入容器中，用户可以将其带到任何当地。咱们现在已有适用于视觉、言语了解、语音、动画、数字生物学的模型，而且行将发布一些关于物理AI的新式模型。

NVIDIA NeMo：本质上是一个数字职工的入职和练习体系，旨在让AI署理成为数字劳动力，与职工一起作业并代为处理使命。就像职工入职练习相同，咱们为这些AI署理供给了不同的库，协助它们依据公司特定的言语、流程和作业办法进行练习。您可以向AI署理供给作业样本，它们会企图生成相似的成果，您再进行反应并继续优化。一起，您还可以设置一些约束和权限，保证署理的行为契合标准。

整个流程——即数字职工的办理和开展进程——被称为NeMo。从某种含义上讲，未来每个公司的IT部分将改变为AI署理的“HR部分”，担任办理、练习、入职以及提高这些数字职工。

现在，IT部分首要担任办理和保护各种来自IT职业的软件体系。但未来，跟着AI技能的遍及，IT部分将承当更多的责任，包含办理、培育、入职以及提高大批数字署理，并将这些署理布置到公司各个部分运用。

未来，每一位软件工程师都有或许装备一个AI帮手。全球有3000万软件工程师，未来每个工程师都将凭借AI帮手进行编程。假如没有AI的辅佐，出产力和代码质量将大幅下降。而在全球的10亿常识作业者中，AI署理很或许成为下一个迸发的职业，而且或许会发明出数百万美元的商场时机。

创立国际模型，未来工厂将具有数字孪生体

当你为大型言语模型供给上下文和提示时，模型则一次生成一个token以产生输出。这是其作业原理。假定不是一个问题提示，而是一个举动恳求呢？比方“曩昔把那个箱子拿过来。”在这种情况下，生成的就不是文本的token，而是举动的token。

我刚刚描绘的，是未来机器人技能的一个十分合理的方向，而这项技能现已火烧眉毛。但咱们需求做的是，创立一个有用的国际模型，而不是像GPT那样仅仅是言语模型。这个国际模型有必要了解国际的言语，还有必要了解物理动态，比方重力、摩擦力和惯性。它有必要了解几许和空间联系，有必要了解因果联系。

假如你把物体掉到地上，或许推进物体让它倾倒时，模型应该可以了解物体的恒常性。假如你把一个球从厨房台面上滚过，它掉到另一边，并没有进入另一个量子国际，而是仍然处于那个空间里。

这些类型的直觉了解是当今大多数模型所无法做到的。因而，咱们期望发明一个全新的国际。咱们需求一个国际根底模型。今日，咱们宣告一项重要的开展——Nvidia Cosmos，一个专心于了解物理国际的国际根底模型。

Nvidia Cosmos是全球首个国际根底模型，经过2000万小时视频的操练。这些视频专心于物理动态内容，例如自然现象、行走的人、移动的手、控制物体，以及快速的摄像机运动。它的实在方针是让AI了解物理国际，而不只仅是生成构思内容。经过这个物理AI，咱们可以进行许多下流运用。

咱们可以生成组成数据来操练其他模型，也能为机器人模型奠定根底。它可以生成多个物理上可行的未来场景，基本上就像《奇特博士》中的场景相同，由于这个模型了解物理国际，生成的图画也是物理共同的。这个模型还可以主动生成字幕，将视频内容转化为字幕，然后为大言语模型和多模态言语模型的操练供给数据。运用这个技能，咱们可以用根底模型来操练机器人及大型言语模型。

这便是Nvidia Cosmos。该渠道包含一个自回归模型，支撑实时运用；一个分散模型，生成高质量图画；一个强壮的分词器，学习实践国际的词汇；以及一个数据管道，便于你将这些技能运用到你自己的数据中。咱们现已加快了整个进程。因而，这也是全球首个加快的数据处理管道，也是AI加快的管道，一切这些都包含在Cosmos渠道中。今日，咱们宣告Cosmos现已开源，并可以经过GitHub获取。

咱们期望，Cosmos的敞开可以像Llama 3对企业AI的奉献相同，为机器人技能和工业AI范畴做出重大奉献。

实在的法力呈现在你将Cosmos与Omniverse衔接时。根本原因在于，Omniverse是一个依据物理的仿照体系，它并不只仅仿照物理实践，而是依据算法物理和原理物理的体系。它是一个仿照器。当你将其与Cosmos结合时，Omniverse为Cosmos供给了一个坚实、实在的根底，这使得Cosmos可以输出依据真理的内容。这正是将大型言语模型与检索增强生成体系结合的思路。你期望将AI生成的内容与实在国际的根底衔接起来。因而，这两者的结合供给了一个物理仿照的、多维度的生成器，运用场景令人激动。

清楚明了，关于机器人技能和工业运用而言，Cosmos加Omniverse代表了构建机器人体系所需的第三台核算机。每个机器人公司终究都有必要构建三维核算机——一种用于操练AI的核算机，咱们称之为DGX核算机；一种用于布置AI的核算机，咱们称之为AGX，它可以安装在轿车、机器人或AMR（主动移动机器人）中，或许布置在体育场等当地，这些核算机在边际运转并具有自主性。但为了衔接这两者，你需求一个数字孪生体。一切这些便是你所看到的仿照。数字孪生体是已操练的AI模型进行实践、精粹的当地，用于生成组成数据、强化学习反应等。

这三台核算机将协同作业，这正是英伟达针对工业界的战略。未来，一切的一切都将在仿照中完结。每个工厂都会有一个数字孪生体，与实践工厂完全共同。实践上，你可以运用Omniverse与Cosmos生成很多的未来场景，然后由AI决议哪些场景最适合各种KPI。这将成为程序的约束条件，并可以布置到实践工厂中。

机器人的“ChatGPT时刻”行将到来

通用机器人技能的“ChatGPT时刻”行将到来。实践上，一切我方才说到的使能技能将在未来几年内推进通用机器人范畴产生敏捷且令人震惊的打破。

图片来历：英伟达截图

通用机器人技能之所以如此要害，是由于，虽然许多机器人依靠履带或轮子而且需求特定的环境来习惯，但有三类机器人咱们可以制造出来，它们不需求在绿色郊野环境中运转，也不需求特别为现有环境做适配。

这三类机器人别离是：榜首，署理机器人和署理AI，它们作为信息作业者，只需求可以习惯咱们办公室中的核算机即可；第二，自驾车，由于咱们现已花费了超越100年的时刻来建造路途和城市；第三，人形机器人。假如咱们可以处理这三项技能，它们将成为全球最巨大的技能工业。因而，咱们深信机器人年代离咱们现已不远。

要害的应战在于怎么操练这些机器人。尤其在人形机器人范畴，仿照信息的搜集进程适当杂乱。以轿车为例，操练相对简略，由于咱们每天都在开车。但是关于人形机器人来说，搜集人类行为的演示信息就变得十分繁琐。

因而，咱们需求找到一种奇妙的办法，运用人工智能和Omniverse，将数百个演示、不计其数的人类演示转化为数百万个组成动作。经过这些组成动作，AI可以学习怎么执行使命。Nvidia Isaac Group，是咱们为机器人职业供给的技能渠道根底设备，旨在加快通用机器人技能的开展。

让我再说一遍，咱们正在出产三款新的Blackwell。令人振奋的是，全球首个物理AI根底模型，一个强壮的AI根底性模型现已面世，可以激活全球各行各业，尤其是机器人工业。与此一起，还在三款机器人正在开发，别离是智能署理AI、人形机器人和主动驾驶轿车。曩昔的一年真是难以想象，我要感谢咱们的协作，感谢你们的到来。

祝咱们CES愉快，新年快乐，谢谢！

告发/反应