黄仁勋谈计算机行业变革：AI与计算架构双重变，资金流向哪？

【金色港湾资讯网为您推荐阅读】

最初之时，黄仁勋表明，计算机领域每隔10至15年便会历经一回平台变革，先是大型机阶段，后是PC阶段，接着是互联网阶段，再到云计算与移动端阶段，每一次变革都会促使新的应用生态得以产生。然而嘛，此次情况有所差异，人工智能与计算架构正当中同时出现双重变革呢。

AI这项事物自身它不仅仅只是应用，同时它还是全新平台，开发者会于其之上构建出更多应用。要是只单提及这一点还不算完，更关键之处在于软件开发范式被彻彻底底地给颠覆掉啦：转变方向是从编写代码直接转向训练模型，又从预编译执行转变为实时生成。这所代表的意义就是整个计算机技术栈正在被重新构建，每一回交互都是在进行全新的动态生成过程。

他透露，在英伟达内部，AI编程应用已然将公司开展软件编程的方式给彻底改变了 。

黄仁勋表明，加速计算以及人工智能正全面且彻底地重塑着计算领域的各个层面领域。这表明过去十年总计约价值10万亿美元的计算基础设施正处于现代化改造进程之中，并且每年还有数额高达数千亿美元的风投资金向这一领域大量涌入。

更具关键性的是，全球规模达100万亿美元的产业，正在把研究开发预算由传统方式转变为人工智能。当人们对资金的来源感到疑惑之时，答案恰恰是源自人工智能的现代化改造，以及研究开发预算的战略性转移。

他还进行总结，去年的行业当中，最为关键又重要的改变之一，便是开源相关的模型真正实现了起飞。他专门做出提及，关于在中国的R1，声称此模型使得世界都为之感到惊讶，并且真正地激活了这场具有全球性显著特性的开源运动，而且它们对应生成的性能在程度上愈发靠近领先的前沿发展模型。

站在他身后侧的PPT之上，呈现出为数众多的开源模型，这些模型里包含着三个源自中国的开源模型，它们分别是Kimi K2、Qwen以及.2 ！

自动驾驶汽车拐点

黄仁勋持有这样的观点，即AI发展接下来要抵达的一站是进入物理世界，英伟达针对此已经开展工作长达8年了。

核心挑战在于，物体恒存性、因果性、摩擦力、重力、惯性等，这些对人类孩子而言显得自然的认知，对AI来说却是完全陌生的，那么，要怎样去让AI获得对物理世界的“常识”呢 ？

因而，英伟达构建了一个系统，该系统可使AI去学习物理世界的常识，达成这一目标需要三台计算机，其中一台用于训练AI，另有一台用于模拟，还有一台在机器之中运行，而合成数据的方式能够以物理定律作为基础，进而生成一些数据用以训练AI。

黄仁勋强调，仿佛是英伟达几乎所有物理人工智能工作的核心所在。这一具备多层次的技术栈，正在推动人工智能，从屏幕里面对话之人，转变成可以在现实世界当中执行任务的行动中的那个角色，。

一个最被看好的落地场景就是自动驾驶。

表示的是黄仁勋，其称在此时候，很有发生可能是的，从并非自动行驶汽车朝着自动行驶汽车前往进行转变这个关键的时间顶点。并且是未来时期为十年的期限之内，可以相当有把握去肯定，数目而言世界上占据很大比例部分的那些汽车将会是属于自动行驶或者可以高度自动实现行驶这一类型的 。

黄仁勋宣称，英伟达先前推出的世界基础模型，其下载的次数已然来到了数百万次。在这场行动当中了，英伟达推出了开源推理VLA那么一个模型，这个模型系列有着那般开源AI模型、仿真工具以及数据集这些构成部分，它们能起到加速基于推理的、安全的自动驾驶车辆开发起到的作为 要讲这里，这可是英伟达AV团队数千人工作而搞出来的成果 。

据悉，英伟达的DRIVE AV软件会被用在梅赛德斯奔驰的车辆上，相关AV自动驾驶汽车已刚刚投入生产，第一辆AV自动驾驶汽车将于今年第一季度在美国上路行驶， 并且会在第二季度进入欧洲，在第三或者第四季度进入亚洲，英伟达还会持续更新版本，合作构建L4的生态系统也仍在不断扩大。

物理AI的另外一个核心战场是工业制造，黄仁勋宣告了和西门子的进一步合作，会把英伟达的物理AI模型以及仿真平台整合到西门子的工业软件组合里，所覆盖的是从芯片设计开始，一直到工厂模拟，再到生产运营的整个生命周期 。

‘据称如今我们所处的境地乃是一场全新工业革命的起始阶段’，他这般声称道。物理人工智能能够为芯片设计赋予能量，让生产线达成自动化，甚至涵盖整个数字的孪生系统，达成‘于计算机里进行设计，接着在计算机之中实行制造’的状态 。

在 robot 领域，黄仁勋讲，robot 系统接下来的一段征途是机器人，这些机器人会存在不一样的大小尺码，一些和机器人有关联的开源模型于今日也被推出了，涵盖了2.5以及2.5世界模型、针对智能机器人的推理视觉语言模型也就是 Isaac GR00T N1.6等，另外还拥有多个用于机器人研发的全新开源框架。

Rubin芯片全面生产

英伟达有着每年更新一代的芯片平台，于此也披露了部分新消息，黄仁勋表示存在着这样的情况，即Rubin平台涵盖六款新芯片 ，其中一款是Vera CPU ，一款是Rubin GPU ，还有一款是编号为6的交换机芯片 ，一款是编号为-9 -X的超级网卡芯片 ，一款是编号为-4的DPU ，最后一款是编号为-6的以太网交换机芯片 。

该如何表述呢，其中，Rubin GPU的NVFP4（4位浮点数格式）推理运算是这样一回事的算力为，它是，它是的5倍；NVFP4训练算力又是这种情况，它是，它是的3.5倍；HBM4内存带宽达到22TB/s，它是，它是的2.8倍，晶体管数量有3360亿个，它是，它是的1.6倍。再来吧，和平台进行比较的时候，Rubin平台借着软硬件协同设计，把推理token成本降低了10倍，把训练所需具备专家模型性质的MoE模型的GPU数量减少了4倍 。

黄仁勋表示，倘若我们不开展协同设计，哪怕是在每年晶体管数量提升至1.6倍的最佳情形下，并且每个晶体管性能作些提升，诸如提升25%，也很难获取巨大的性能提升。这便是为何要做诸如推出NVFP4这样的额外之事，从而在可损失精度处达成更高吞吐量。这种协同设计，能让新的芯片平台有较为显著的性能提升 。

230亿个晶体管的-9 -X超级网卡芯片，存在于其他新芯片之中，它支持800 GB/s以太网；有1260个晶体管的-4 DPU可提升网络能力、计算能力和内存带宽，其中，该芯片的网络能力、计算能力和内存带宽分别是上一代-3芯片的2倍、6倍、3倍；共封装光学器件有3520亿个晶体管的-2 X以太网，能够支持102.4 Tb/s横向扩展交换基础设施，且该芯片也在其他新芯片之列。

黄仁勋称，-9 -X对以太网被 AI 运用的方式予以变革。英伟达曾推出 -X 平台能用以提升数据中心网络吞吐量，然而伴随人们与 AI 展开长时间对话，所需的记忆量迅速增长，出现大量 AI 同时运作的情况下，网络速率依旧显慢。同时，AI 实验室以及云服务提供商均受大量网络流量之困扰 。因而英伟达搞出了推理上下文内存存储平台，将其当作一种新型的AI存储基础设施，且由-4 DPU予以支持，-4 DPU能够给AI基础设施提供单一、可信的控制点，可用以设置、隔开以及运营大规模AI环境。

并非是新一代超节点DGX的性能数据在此次演讲中公布，而是新一代、新一代超节点DGX的性能数据在此次演讲中公布。并且，新一代超节点DGX是一种机架级扩展系统，它是通过整合多个CPU然后整合多个GPU等从而形成单一较高效率的加速单元。，。

据介绍，Rubin平台运用了全新的Vera Rubin NVL72，Vera Rubin NVL72的NVFP4推理算力为3. ，训练算力为2. ，它们分别是 的5倍以及3.5倍，HBM4内存带宽为1.6PB/s，这是 的2.8倍，晶体管数量达220万亿个，是 的1.7倍，黄仁勋称，相较于使用NVL72，在其他条件相同的状况下，使用Rubin去训练模型，所需GPU数量是前者的四分之一，而思考输出的token数量却是10倍。另外，DGX是那个一种由一个超节点去整合来自8个Rubin NVL72机架之内的576颗GPU所形成的产品，而这个产品将会在今年下半年的时候上市，。

英伟达有所透露，Rubin平台的产品已然全面进入到生产阶段。而基于Rubin的那些产品，将会在2026年下半年的时候，由合作伙伴予以推出。首批运用Rubin的云服务提供商当中，包含了AWS、谷歌云、微软等等。xAI等AI实验室，同样也会使用Rubin所提供的算力。