Vinsa8
10-22
开个演唱会又把大A坑了，还把你们自己带下去
黄仁勋柏林 GTC 演讲：英伟达 AI 工厂路线图，对 NVDA 意味着什么？
华尔街见闻
紧盯全球金融市场，覆盖股市、外汇、债券、大宗商品等。
免责声明：上述内容仅代表发帖人个人观点，不构成本平台的任何投资建议。
分享至
微信
复制链接
精彩评论
我们需要你的真知灼见来填补这片空白
打开APP，发表看法
APP内打开
发表看法
{"i18n":{"language":"zh_CN"},"detailType":1,"isChannel":false,"data":{"magic":2,"id":621080540271432,"tweetId":"621080540271432","gmtCreate":1792658142316,"gmtModify":1792659266298,"author":{"id":3486352703133754,"idStr":"3486352703133754","authorId":3486352703133754,"authorIdStr":"3486352703133754","name":"Vinsa8","avatar":"https://static.tigerbbs.com/4aa0eb0aaff159d9b2509af8452bc77f","vip":1,"userType":1,"introduction":"","boolIsFan":false,"boolIsHead":false,"crmLevel":1,"crmLevelSwitch":0,"individualDisplayBadges":[],"wearingBadges":[],"fanSize":39,"starInvestorFlag":false},"themes":[{"themeId":"5025dc3c20f14808adebf26909c9e535","categoryId":"2929bb7468f5415f853fd96fb35d7c3b","name":"华尔街见闻","type":2,"rnLink":"https://laohu8.com/RN?name=RNTheme&page=/theme/special/finance&rndata={\"themeId\":5025dc3c20f14808adebf26909c9e535}&rnconfig={\"headerBarHidden\": true}","description":"紧盯全球金融市场，覆盖股市、外汇、债券、大宗商品等。","image":"https://static.tigerbbs.com/38b2d7b10c53afe188a3eead61d9c3e4"}],"images":[],"coverImages":[],"title":"","html":"<html><head></head><body><p>开个演唱会又把大A坑了，还把你们自己带下去</p></body></html>","htmlText":"<html><head></head><body><p>开个演唱会又把大A坑了，还把你们自己带下去</p></body></html>","text":"开个演唱会又把大A坑了，还把你们自己带下去","highlighted":1,"essential":1,"paper":1,"likeSize":0,"commentSize":0,"repostSize":0,"favoriteSize":0,"link":"https://laohu8.com/post/621080540271432","repostId":1101212720,"repostType":2,"repost":{"id":"1101212720","kind":"video","weMediaInfo":{"introduction":"追踪全球财经热点，精选影响您财富的资讯，投资理财必备神器！","home_visible":1,"media_name":"华尔街见闻","id":"1084101182","head_image":"https://static.tigerbbs.com/66809d1f5c2e43e2bdf15820c6d6897e"},"pubTimestamp":1792586249,"share":"https://www.laohunote.com/m/news/1101212720?lang=zh_CN&edition=full","pubTime":"2026-10-21 20:37","market":"us","language":"zh","title":"黄仁勋柏林 GTC 演讲：英伟达 AI 工厂路线图，对 NVDA 意味着什么？","url":"https://stock-news.laohu8.com/highlight/detail?id=1101212720","media":"华尔街见闻","summary":"10月21日，英伟达首席执行官黄仁勋在GTC大会上表示，未来所有电信运营商都将提供AI算力，电信基站有望演变为分布式AI网络。DSX POD：将部署周期从六个月压至14天英伟达发布的DSX POD是基于Vera Rubin架构的完整AI工厂参考设计。英伟达称，Vera Rubin NVL72系统在智能体工作负载下的每兆瓦吞吐量可达此前的30倍，NVIDIA Sentry则可将智能体承载能力提升最多20%。","content":"<p style=\"text-align: left;\">英伟达首席执行官黄仁勋在柏林GTC大会上密集发布新品，覆盖AI基础设施、智能体安全、机器人与自动驾驶等多个领域，并向欧洲政商界发出强烈呼吁——所有行业都必须成为AI公司。</p><p style=\"text-align: justify;\">10月21日，英伟达首席执行官黄仁勋在GTC大会上表示，<strong>未来所有电信运营商都将提供AI算力，电信基站有望演变为分布式AI网络。</strong>他将AI经济描述为由能源、算力、AI工厂、模型与应用构成的五层结构，并在展示中突出指出，算力层仅出现英伟达一家公司的标志。</p><p style=\"text-align: justify;\"><strong>此次发布涵盖模块化AI数据中心产品DSX Pod、智能体安全架构OpenShell、人形机器人参考平台，以及涉及自动驾驶、癌症治疗和蛋白质设计等多个垂直领域的新品与合作。</strong>英伟达在活动中还宣布，过去一年已在欧洲投资近100亿美元，建立超过12000项合作关系。演讲期间一度被绿色和平组织抗议人士打断，黄仁勋称将事后与其沟通，随即继续演讲。</p><p style=\"text-align: justify;\">在当前部分投资者对AI基础设施投入规模日益质疑的背景下，黄仁勋发出明确看多信号。\"欧洲要想从AI中受益，并真正建立起AI生态和AI经济，就需要所有终端市场、终端行业都采用AI，\"他在演讲中表示，并点名汽车、金融服务和医疗保健行业。英伟达美股盘前一度涨逾2%。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/266a9d883b057892bd12d7c85fa471da\" data-align=\"center\" tg-width=\"640\" tg-height=\"369\"><span></span></p><h2 style=\"text-align: left; padding-left: 10px;\"><strong>DSX POD：将部署周期从六个月压至14天</strong></h2><p style=\"text-align: justify;\">英伟达发布的DSX POD是基于Vera Rubin架构的完整AI工厂参考设计。其核心逻辑在于，将计算、网络、布线、机架级供电及液冷系统的集成安装工作，从现场施工转移至制造工厂。合作伙伴在发货前完成机架间线缆连接、电气布线、管道安装和功能验证，集装箱运抵现场后只需接入预先准备好的电力、冷却与网络设施，即可投入使用。</p><p style=\"text-align: justify;\">黄仁勋表示：</p><blockquote><p style=\"text-align: justify;\">\"AI工厂在开始生产token时创造价值，而不是在建设完工时。借助DSX POD，我们将工厂级精度和速度带入AI基础设施建设，把部署时间从数月缩短至数周，使客户能够更快扩展容量并让可创收的生产上线。\"</p></blockquote><p style=\"text-align: justify;\">需要指出的是，14天指的是场地已完成准备情况下的现场部署时间，不包含从选址到建成的完整周期。客户仍需提前完成电力、冷却、网络等支持设施的准备工作。英伟达计划与戴尔科技、HPE、联想、Bull、施耐德电气、维谛技术等合作伙伴，于2027年初在全球交付基于DSX POD设计的模块化AI工厂。</p><p style=\"text-align: justify;\">在能效层面，DSX AI工厂平台采用闭环液冷和干式冷却器，将冷却用水量降至接近零，在2吉瓦规模下每天可节省高达5400万升水；DSX MaxLPS软件则可帮助运营商在相同token输出下减少最多30%的功耗。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/efab739e357dab367031780361af6f47\" data-align=\"center\" tg-width=\"640\" tg-height=\"356\"><span></span></p><h2 style=\"text-align: left; padding-left: 10px;\"><strong>OpenShell：以硬件级隔离管控AI智能体行为</strong></h2><p style=\"text-align: justify;\">随着智能体部署规模扩大，英伟达推出OpenShell参考架构，专门应对智能体安全问题。该架构整合Vera Rubin基础设施、Vera CPU、BlueField-4数据处理器，以及OpenShell安全运行时软件，通过在系统调用、文件访问和网络连接粒度上执行策略，限制智能体可访问的资源范围。</p><p style=\"text-align: justify;\">核心机制是运行在BlueField-4上的NVIDIA Sentry安全框架，该框架在硬件隔离的可信域中持续监控智能体行为，一旦检测到异常操作，可在毫秒级将其隔离并切断其与模型的连接。英伟达称，Vera Rubin NVL72系统在智能体工作负载下的每兆瓦吞吐量可达此前的30倍，NVIDIA Sentry则可将智能体承载能力提升最多20%。</p><p style=\"text-align: justify;\">OpenShell采用Apache 2.0许可证开源，支持Linux、Kubernetes、微软Windows等企业环境，并可扩展至边缘设备。微软、谷歌云、戴尔科技、思科、OpenAI、Anthropic等已宣布参与相关合作，其中Anthropic与英伟达正合作开发Claude OpenShell智能体。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/5fd7425a8305ae451bc101246382165f\" data-align=\"center\" tg-width=\"640\" tg-height=\"352\"><span></span></p><h2 style=\"text-align: left; padding-left: 10px;\"><strong>机器人与自动驾驶：多家欧洲车企及机器人公司加入生态</strong></h2><p style=\"text-align: justify;\">在物理AI领域，英伟达披露，今年上半年相关市场营收同比增长约30%，至约110亿美元。</p><p style=\"text-align: justify;\">在机器人方向，<strong>英伟达宣布扩展Isaac开放机器人开发平台，推出开源运行时框架Isaac OS、机器人学习框架Isaac Lab 3.0，以及包含2000余种仿真就绪机器人和工厂资产的SimReady Central Library。</strong>同时，英伟达与思灵机器人合作推出人形机器人参考平台Agile One SN，内置Jetson Thor计算硬件，预计明年第一季度上市。黄仁勋表示：</p><blockquote><p style=\"text-align: justify;\">\"通用机器人正以惊人的速度进步——机器人的ChatGPT时刻正快速临近。\"</p></blockquote><p style=\"text-align: justify;\">在自动驾驶领域，沃尔沃汽车将采用英伟达Hyperion计算平台及Alpamayo自动驾驶软件栈开发自动驾驶汽车；大众将英伟达产品用于商用车；Bolt Technology则基于英伟达软件及硬件推进Robotaxi业务，计划2027年起在马德里采集真实驾驶数据，并规划在欧洲部署至少2.5万辆具备L4自动驾驶能力的车辆。此外，梅赛德斯-奔驰将利用Hyperion平台开发L3和L4级自动驾驶能力。英伟达还推出Halos SAFE安全评估框架，将仿真、软硬件在环测试、道路测试和车队监测纳入统一评估流程。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/e960f79ac2d2ba4f837b8c7450733427\" data-align=\"center\" tg-width=\"640\" tg-height=\"353\"><span></span></p><h2 style=\"text-align: left; padding-left: 10px;\"><strong>医疗与生物医药：从放射治疗到蛋白质设计</strong></h2><p style=\"text-align: justify;\">英伟达在医疗健康领域宣布多项合作。与西门子医疗旗下癌症治疗业务合作，探索将智能体AI、患者个体化仿真及实时计算应用于自适应放射治疗，相关系统将实时监测患者呼吸与体位变化并动态调整放射剂量。</p><p style=\"text-align: justify;\">在生物医药方向，英伟达与华盛顿大学医学院蛋白质设计研究所合作推出开放模型BioNeMo RFD4-Proteina，可根据分子输入、设计约束和评分目标生成并优化蛋白质设计方案，应用场景涵盖药物研发、疾病检测及工业酶开发。</p><h2 style=\"text-align: left; padding-left: 10px;\"><strong>开放模型与基础设施：布局欧洲本土AI生态</strong></h2><p style=\"text-align: justify;\">面向欧洲企业和研究机构，英伟达宣布扩充开放模型产品组合，新品涵盖Nemotron 3.5系列语言与视觉模型、面向结构化商业数据分析的Kumo模型、用于机器人训练与仿真的Cosmos世界模型、面向自动驾驶边缘推理的Alpamayo 2 Edge，以及用于量子计算的Ising模型。</p><p style=\"text-align: justify;\">黄仁勋将AI经济比作由能源、算力、AI工厂、模型与应用五层构成的结构，并指出欧洲AI基础设施建设正在加速。他预测，未来所有电信运营商都将提供AI算力，现有电信基站有望逐步演变为分布式AI网络。在合作伙伴层面，Nscale、Firebird等AI数据中心建设商，以及Mistral、Legora、DeepL等欧洲AI模型与应用公司，均被纳入其展示的AI经济生态图谱。</p><p style=\"text-align: justify;\">以下为黄仁勋在英伟达2026年柏林GTC主题演讲全文：</p><blockquote><p style=\"text-align: justify;\"><strong>黄仁勋：</strong></p><p style=\"text-align: justify;\">2020年，我们开始与梅赛德斯-奔驰合作开发自动驾驶汽车。回顾英伟达33年的发展历程，我在德国度过了很多时间。因此，我很高兴再次来到这里，也很高兴今年能在这里举办GTC。</p><p style=\"text-align: justify;\">过去一年，我们开启了一段新的旅程：在欧洲建设一个新产业，推动AI经济起步。</p><p style=\"text-align: justify;\">仅在过去一年，我们就在欧洲投资了近100亿美元，涵盖初创企业，以及遍布欧洲的大大小小的合作项目。</p><p style=\"text-align: justify;\">就在过去一周，我从法国、英国来到瑞典，再来到柏林。期间，我们宣布投资了14家初创企业。迄今为止，我们在欧洲建立了超过12,000项合作关系，大家都在朝着同一个目标努力。</p><p style=\"text-align: justify;\">计算机产业经过数十年的发展，如今，我们正站在一场新工业革命的起点。</p><p style=\"text-align: justify;\">这张图片是计算机生成的，提示词由我提供。我只是简单描述了“AI推动新工业革命”，再列出几家希望突出展示的合作伙伴，它就生成了这幅画面。</p><p style=\"text-align: justify;\">非常有意思的是，在AI的理解中，建设一个新产业，意味着生成Token、生产智能，再把智能融入每一个行业，推动新的工业革命。</p><p style=\"text-align: justify;\">当一项新技术改变了我们如何制造产品，以及我们能够制造什么产品时，一场新的工业革命就会发生。</p><p style=\"text-align: justify;\">我认为，人工智能将在各个方面影响我们制造的一切，并让我们能够创造过去无法创造的新事物。</p><p style=\"text-align: justify;\">每个人都会使用它，每家公司都会由它赋能，因为它是数字智能，是一切的基础。每个行业都会因此改变，新的行业也会诞生。</p><p style=\"text-align: justify;\">就像电力一样，AI将带来一场新的工业革命，而我们才刚刚起步。</p><p style=\"text-align: justify;\">问题是：什么是AI？</p><p style=\"text-align: justify;\">如果你希望参与创造这个未来，理解AI究竟是什么，至关重要。</p><p style=\"text-align: justify;\">我们很早就意识到，AI实际上是一个制造产业。</p><p style=\"text-align: justify;\">它不仅是一项软件技术。AI当然运行在计算机上，但这种计算机的运行方式已经发生了根本变化。它不再仅仅是供我们使用的工具，而是成为机器、基础设施和工厂的一部分，用来生产智能，再将智能融入每一个行业和应用。</p><p style=\"text-align: justify;\">一个简单的理解方式，是把AI看作一块五层蛋糕：</p><p style=\"text-align: justify;\">能源驱动先进计算机；这些计算机构成AI工厂；运行在工厂中的模型生成Token，也就是数字智能；这些智能再融入各种应用。</p><p style=\"text-align: justify;\">要参与AI经济，你不应该只消费AI，也应该生产AI。这些事情，我们都可以在欧洲完成，而且已经开始了。</p><p style=\"text-align: justify;\">欧洲正在建设自己的AI经济，图中展示的就是这五个层次。我们拥有出色的合作伙伴。观察这五层结构，你会发现，这确实是一个新产业，因为每一层都在增长。</p><p style=\"text-align: justify;\">我们正在以惊人的速度创造就业和增长机会。欧洲的施耐德电气、西门子、西门子能源等公司，在全球都有出色表现。</p><p style=\"text-align: justify;\">英伟达处于计算层，我们的技术被集成到欧洲各地不断涌现的AI工厂中。Nebius等新兴企业发展得非常好；一家名为Firebird的新公司正在中亚地区建设新的云平台，非洲也有Cassava这样的企业。</p><p style=\"text-align: justify;\">我预测，未来每一家电信运营商都会向AI转型。大量通信站点及数据中心构成的分布式基础设施，将演变为分布式AI网络。原稿所述规模为约10万个站点、约100吉瓦。</p><p style=\"text-align: justify;\">AI基础设施正在建设，其上才是AI模型。</p><p style=\"text-align: justify;\">必须认识到，在模型出现之前，基础设施就必须先存在。就像拥有互联网之前必须先建立网络，要享受电力的能力，必须先建设电厂、让住宅接入电网一样。</p><p style=\"text-align: justify;\">模型层也不只有语言模型，还包括生物、化学、物理、机器人动作和动画等模型，而且规模各不相同。</p><p style=\"text-align: justify;\">不同产业将由不同模态的AI模型驱动。这些模型进一步融入AI原生企业和初创公司，而欧洲有大量这样的企业。</p><p style=\"text-align: justify;\">欧洲的AI经济已经起步，而且正在加速发展。</p><p style=\"text-align: justify;\">谈到英伟达在底层的贡献，多数人首先想到的是GPU，这当然没错。</p><p style=\"text-align: justify;\">1993年，我们从图形芯片起步，后来发展出GPU和可编程着色GPU。随后，我们加入CUDA加速能力，重新定义了计算，并推动了人工智能的发展。</p><p style=\"text-align: justify;\">但今天的英伟达，实际上已经是一个覆盖全栈、端到端的完整AI工厂平台。多年来，我们的技术范围已经大幅扩展。</p><p style=\"text-align: justify;\">我们的技术包括GPU计算，最新一代是Vera Rubin；包括将多颗GPU连接成一颗巨大GPU的NVLink交换机；包括最近推出的Vera和BlueField-4，稍后我还会介绍。</p><p style=\"text-align: justify;\">还有我们的以太网解决方案Spectrum-X，它使英伟达成为如今全球最大的网络公司。</p><p style=\"text-align: justify;\">还有用于文本及Token生成的解码加速器Groq 3。</p><p style=\"text-align: justify;\">此外，还有基于Vera和BlueField-4的存储加速，以及Vera RTX计算。稍后我会分别介绍。</p><p style=\"text-align: justify;\">这些技术共同构成了建设AI工厂所需要的硬件体系，但如果没有软件将其激活，一切都无法工作。</p><p style=\"text-align: justify;\">首先是运行AI工厂的系统软件。</p><p style=\"text-align: justify;\">这些系统极其庞大。一座1吉瓦的数据中心，也就是一座1吉瓦的AI工厂，成本大约为500亿美元。这包括土地、电力、建筑，以及计算、网络、存储、供电和冷却设备。</p><p style=\"text-align: justify;\">所有设备连接起来，形成占地数英亩的AI工厂。仅仅让它启动并正常运行，本身就是一项壮举。</p><p style=\"text-align: justify;\">让这座工厂运转、投入使用并生产Token，需要海量软件，这是一项非凡的工程。英伟达提供完整的全栈软件。</p><p style=\"text-align: justify;\">其上是我们称为CUDA-X的库，也就是英伟达的算法体系。</p><p style=\"text-align: justify;\">从本质上说，英伟达是一家算法公司，我们设计芯片来加速这些算法。</p><p style=\"text-align: justify;\">其中之一是cuDNN。很多研究人员认为，这个库推动了现代AI的大爆发。</p><p style=\"text-align: justify;\">cuDNN之于AI，就像SQL之于全球数据库产业。它是面向特定领域的语言和库。</p><p style=\"text-align: justify;\">就像OpenGL和DirectX推动了实时计算机图形的发展，cuDNN推动了AI计算产业的发展。</p><p style=\"text-align: justify;\">除此之外，我们还有350个其他库。这些库才是公司的核心资产，覆盖计算光刻、信号处理、图像处理、数据处理、粒子、流体、稀疏求解器等广泛领域。</p><p style=\"text-align: justify;\">在座许多人的公司已经接入了这些库。</p><p style=\"text-align: justify;\">我们通过这种方式开拓新市场，将英伟达与各种算法连接起来，让大家以极高速度完成计算。</p><p style=\"text-align: justify;\">最右边则是模型。</p><p style=\"text-align: justify;\">模型是新的软件，也是新应用的引擎。它们建立在CUDA-X库之上，并与这些库协同工作。</p><p style=\"text-align: justify;\">英伟达一直在多个领域开发这些模型，它们将开启新的机会，稍后我会详细介绍。</p><p style=\"text-align: justify;\">回顾AI时代的各代产品，我们从Pascal开始。</p><p style=\"text-align: justify;\">基于Pascal的DGX-1，是世界上第一台AI超级计算机。我在十年前发布它，并将第一台交付给OpenAI，开启了他们的计算发展历程。</p><p style=\"text-align: justify;\">从Pascal到Volta、Ampere，再到很多人第一次听说英伟达时接触到的Hopper，然后是当前的Blackwell，以及如今已全面投产的Vera Rubin。</p><p style=\"text-align: justify;\">这是六代架构。每一代，我们都在推动技术进步。</p><p style=\"text-align: justify;\">过去十年，我们将AI性能提高了100万倍。</p><p style=\"text-align: justify;\">退一步想，如果只依靠摩尔定律，十年会发生什么？前五年提高10倍，后五年再提高10倍，合计约100倍。</p><p style=\"text-align: justify;\">而在同一时期，我们通过所谓的“极致协同设计”，同时在计算机架构和软件栈各层开展创新，优化算法、创造新算法，并设计相应架构来加速它们，最终将AI性能提高了100万倍。我们还会继续这样做。</p><p style=\"text-align: justify;\">这就是今天英伟达所构建的技术体系，也是我们帮助欧洲参与AI生态和AI经济的基础。</p><p style=\"text-align: justify;\">早期的Pascal、Volta、Ampere和Hopper，主要围绕GPU展开。我们创造了新的DGX形态。</p><p style=\"text-align: justify;\">到了Blackwell，我们向世界推出了首个机架级计算系统。</p><p style=\"text-align: justify;\">机架级计算把一整套系统变成一台巨大的计算机，或者说一颗巨大的GPU。</p><p style=\"text-align: justify;\">到了Vera Rubin，我们进一步扩展计算范围：不再只处理模型或大语言模型，而是处理整个智能体。</p><p style=\"text-align: justify;\">稍后我们还会回到这张图，但请记住：智能体需要思考，而模型承担的就是这部分工作。</p><p style=\"text-align: justify;\">感知、推理、规划和工具使用，都依赖大语言模型，模型也是为这些能力而设计的。</p><p style=\"text-align: justify;\">但智能体还需要一个运行框架，也就是Harness。你可以把它理解为数字智能体的外骨骼。</p><p style=\"text-align: justify;\">就像人有大脑，也有身体，智能体框架负责协调工作，让智能体能够调用记忆，包括活动记忆、工作记忆和长期记忆，并使用工具。</p><p style=\"text-align: justify;\">第三部分是处理知识的计算机，专门负责数据处理。</p><p style=\"text-align: justify;\">最后，还有一类专门运行CUDA-X库的计算机，负责执行工具。</p><p style=\"text-align: justify;\">这些计算机共同构成完整的智能体系统。</p><p style=\"text-align: justify;\">Vera Rubin已经全面投产。我们来看看实物。</p><p style=\"text-align: justify;\">这是我们打造的第一款没有外露连接线缆、采用100%液冷设计的计算机。它可以直接抽出来，非常方便。</p><p style=\"text-align: justify;\">这就是一台Vera Rubin计算机，这个单元有两颗GPU。</p><p style=\"text-align: justify;\">过去，组装一个Grace Blackwell节点需要两个小时。你看过实物就会明白，到处都是线缆，它采用约80%的液冷设计。</p><p style=\"text-align: justify;\">现在，Vera Rubin实现了100%液冷，组装时间不到五分钟。</p><p style=\"text-align: justify;\">这是了不起的进步，意味着更短的制造周期、更高的可靠性，以及更好的性能。</p><p style=\"text-align: justify;\">这是NVLink交换机托盘。它将72颗GPU连接起来，形成一颗巨大的GPU。</p><p style=\"text-align: justify;\">每颗GPU的性能为20 PFLOPS，再将72颗连接成一个庞大的系统。</p><p style=\"text-align: justify;\">这是我们的新款Vera计算机。</p><p style=\"text-align: justify;\">[现场出现插话]</p><p style=\"text-align: justify;\">没关系，温和一点，让她有机会说话。每个人都有表达的机会。不过今天，先让我完成演讲，我稍后会和你们交流。</p><p style=\"text-align: justify;\">这些都是重要的问题，但请让我先讲完主题演讲。</p><p style=\"text-align: justify;\">这个会场已经坐满，全球还有100个同步观看活动，现在有15,000人正在观看。</p><p style=\"text-align: justify;\">最后我准备了一些非常有意思的内容。在娱乐环节到来之前，大家得先忍受一下我的知识讲解。</p><p style=\"text-align: justify;\">这是全新的Vera计算机。Vera CPU是一颗非常强大的处理器，每个时钟周期能够执行八条指令。</p><p style=\"text-align: justify;\">它采用了我们所说的全球首创LPDDR内存子系统，兼具高性能、极高带宽和出色的能源效率。</p><p style=\"text-align: justify;\">它的片上互连速度在全球芯片中处于领先水平，因此，数据处理，以及智能体会话的启动和执行性能，都非常出色。这正是它的设计目标。</p><p style=\"text-align: justify;\">这就是Vera计算机。</p><p style=\"text-align: justify;\">旁边这套是Spectrum-X，采用共封装光学，也就是CPO技术。我给大家看看。</p><p style=\"text-align: justify;\">舞台上有些地方是空的，有些地方可以踩，我不太确定分别在哪里。如果我突然消失了，大家要知道，那不是特技，是意外。</p><p style=\"text-align: justify;\">这里是激光器。光信号通过光学连接直接进入芯片。</p><p style=\"text-align: justify;\">我们与台积电共同开发了一项名为COUPE的工艺，让硅光子器件能够直接连接到芯片上。</p><p style=\"text-align: justify;\">否则，这一整块区域都需要通过印刷电路板传输信号，而电路板的传输能力远不如光纤。</p><p style=\"text-align: justify;\">现在，我们可以让极高数据速率、高质量的信号直接到达芯片，减少传统方案中通过电路板和收发器进行转换的环节。</p><p style=\"text-align: justify;\">这是我们的CPO产品，已经进入全面量产，提供512个端口，每个端口的速率为200Gbps。</p><p style=\"text-align: justify;\">这是全球最先进的以太网交换机，我们对此非常自豪。</p><p style=\"text-align: justify;\">这些系统让我们能够处理大语言模型的思考过程，运行智能体框架，处理智能体所需的知识数据，并通过加速计算运行各种工具。这些基本上构成了智能体的完整工作负载。</p><p style=\"text-align: justify;\">Vera Rubin已经全面投产，性能非常出色。</p><p style=\"text-align: justify;\">正如我所说，每一代产品，我们都通过极致协同设计，实现远超摩尔定律所能带来的性能进步。</p><p style=\"text-align: justify;\">大家知道，摩尔定律在很大程度上已经走到尽头。因此，我们需要从芯片到系统、从系统软件到算法，再到整个AI工厂，开展这种协同设计。</p><p style=\"text-align: justify;\">Vera Rubin在Blackwell的基础上又迈出了一大步。</p><p style=\"text-align: justify;\">在大语言模型处理方面，Blackwell的性能约为Hopper的30倍。而仅仅两年后，Vera Rubin又达到了Blackwell的约30倍。</p><p style=\"text-align: justify;\">接下来看看，Vera Rubin如何构成DSX全栈AI工厂。</p><p style=\"text-align: justify;\"><strong>视频旁白：</strong></p><p style=\"text-align: justify;\">AI正在推动历史上规模最大的基础设施建设。</p><p style=\"text-align: justify;\">工厂规模庞大，投资金额巨大，我们必须把它建好。但只有优秀的芯片，还不足以构成优秀的AI工厂。</p><p style=\"text-align: justify;\">NVIDIA DSX是与全球领先基础设施企业共同开发的全栈AI工厂参考架构。</p><p style=\"text-align: justify;\">计算、网络、存储、软件、供电和冷却作为一个整体协同设计，从设计阶段到实际运营全面优化。</p><p style=\"text-align: justify;\">DSX从数字孪生开始。</p><p style=\"text-align: justify;\">在施工之前，先在虚拟环境中验证性能、功耗、用水量及扩展能力。</p><p style=\"text-align: justify;\">PTC将设备设计转化为可用于仿真的资产。</p><p style=\"text-align: justify;\">达索系统通过基于模型的系统工程，将机架设计与设施设计连接起来。</p><p style=\"text-align: justify;\">施耐德电气模拟配电和液冷系统。</p><p style=\"text-align: justify;\">Jacobs将这些内容整合进Omniverse数字孪生。</p><p style=\"text-align: justify;\">西门子评估热、声学及电网影响。</p><p style=\"text-align: justify;\">Procore支持施工阶段的规划。</p><p style=\"text-align: justify;\">电力决定AI工厂能够生产多少智能。</p><p style=\"text-align: justify;\">DSX Max LPS是一套端到端控制回路，能够根据工作负载需求动态分配电力，在实现相同产出的情况下减少30%的用电量。</p><p style=\"text-align: justify;\">DSX也重新设计了冷却方式。</p><p style=\"text-align: justify;\">NVIDIA Vera Rubin系统采用闭式液冷，在适宜气候条件下，冷却液温度可以高达45摄氏度。室外干式冷却器将热量释放到空气中，不需要蒸发水。</p><p style=\"text-align: justify;\">对于一座2吉瓦的设施，DSX每天可以节省5,400万升水，相当于18万户家庭的日用水量。</p><p style=\"text-align: justify;\">然而，建设AI工厂可能需要数月时间。在投运之前，它不会生产任何Token。</p><p style=\"text-align: justify;\">今天，我们发布NVIDIA DSX Pod，将这一全栈平台整合成在工厂内制造的一体化系统。</p><p style=\"text-align: justify;\">它以Vera Rubin NVL72为基础。</p><p style=\"text-align: justify;\">七个液冷计算机架，通过17公里的Spectrum-X线缆连接，构成一个Vera Rubin DSX Pod。</p><p style=\"text-align: justify;\">整个Pod在工厂完成集成、布线和测试，再装入可运输的集装箱交付。</p><p style=\"text-align: justify;\">干式冷却器取代传统蒸发冷却系统，800伏直流电直接连接机架，提高供电效率。</p><p style=\"text-align: justify;\">只要现场基础设施就绪，预计现场部署时间就能从数月缩短至数天。</p><p style=\"text-align: justify;\">NVIDIA DSX AI工厂从设计阶段就考虑资源效率和责任。现在有了DSX Pod，AI工厂的建设速度将大幅提升：每瓦电力产生更多智能，从交付到生成首个Token所需的时间也更短。</p><p style=\"text-align: justify;\"><strong>黄仁勋：</strong></p><p style=\"text-align: justify;\">大家觉得怎么样？</p><p style=\"text-align: justify;\">2016年，我们发布了世界上第一台AI超级计算机。当时，它是一台单节点GPU系统。</p><p style=\"text-align: justify;\">三年前，我们推出了Grace Blackwell NVLink 72机架级计算机。</p><p style=\"text-align: justify;\">这两次创新，我们不仅重新设计了计算机、软件和运行方式，也重新设计了供应链。</p><p style=\"text-align: justify;\">以NVLink 72为例，过去整个机架需要在现场组装，现在我们把组装工作移到了供应链内部。</p><p style=\"text-align: justify;\">本质上，我们实现了超级计算机的规模化制造。</p><p style=\"text-align: justify;\">这正是我们能够如此快速行动，同时支持全球数百个数据中心建设项目的原因。</p><p style=\"text-align: justify;\">如今，全球所有主要计算机制造商都在制造NVLink 72。我们生产计算系统的规模，是过去从未有过、难以想象的。</p><p style=\"text-align: justify;\">即便如此，当这些系统运抵现场后，仍然需要数月时间进行组装。</p><p style=\"text-align: justify;\">刚才大家听到了，仅用于横向扩展计算的Spectrum-X连接，就需要17公里线缆。</p><p style=\"text-align: justify;\">假设我们把这些工作全部放到供应链内部完成：组装系统、启动运行、验证完整功能、完成质量认证和老化测试，确保出货时已经能够正常工作。</p><p style=\"text-align: justify;\">这样，现场布线和组装量就会大幅减少。</p><p style=\"text-align: justify;\">但更重要的是，数据中心里等待安装调试、无法投入使用的闲置算力，也会显著减少。</p><p style=\"text-align: justify;\">记住，每座1吉瓦数据中心的成本约为500亿美元，预期每年可创造数百亿美元收入。</p><p style=\"text-align: justify;\">假设这套基础设施每年能够创造400亿美元收入，仅仅延迟三个月，就意味着100亿美元收入推迟实现。这足以让任何人感到焦虑。</p><p style=\"text-align: justify;\">通过将这些工作转移到供应链内部，从计算设备到货、安装，到正式生产Token的时间，有望从四五个月缩短至大约一个月。</p><p style=\"text-align: justify;\">这将彻底改变全球供应链，也会改变人们安装和建设数据中心的方式。</p><p style=\"text-align: justify;\">我们希望，这能提高建设和投运速度，减少闲置算力及闲置资本支出的浪费，让所有参与者获得更好的盈利能力。</p><p style=\"text-align: justify;\">这就是将NVLink 72进一步集成为大型机柜系统的DSX Pod，也是英伟达计算系统发展的下一步。</p><p style=\"text-align: justify;\">你制造什么，以及如何制造，决定了你的独特之处。</p><p style=\"text-align: justify;\">就像欧洲企业，你们掌握的专业能力让你们与众不同：你们设计机器、运营工厂、发现药物，拥有非凡的工艺和专业知识。</p><p style=\"text-align: justify;\">英伟达的独特之处主要有两点。</p><p style=\"text-align: justify;\">第一，我们的架构是一种通用加速计算架构。</p><p style=\"text-align: justify;\">我们不只针对一种算法，例如Transformer，而是支持各种可以并行处理的工作负载，包括流体、粒子、量子计算、量子化学、图像处理、数据处理，以及结构化数据和向量数据处理。</p><p style=\"text-align: justify;\">由于我们长期投入，而且架构在过去约25年里保持一致，我们支持和加速的算法、领域及行业数量持续增长。</p><p style=\"text-align: justify;\">庞大的装机基础、通用架构、长期投入，以及与各行业的合作，让英伟达架构几乎无处不在。</p><p style=\"text-align: justify;\">第二，是我们的实现方式。</p><p style=\"text-align: justify;\">我们不仅开发架构，还将其构建成完整的全栈AI工厂。</p><p style=\"text-align: justify;\">世界上有不少公司希望自行设计芯片，但绝大多数公司只是希望部署AI基础设施，然后在其上运行自己的业务。</p><p style=\"text-align: justify;\">设计芯片、制造超级计算机、编写全部软件，对大多数企业来说都不是它们打算承担的工作。</p><p style=\"text-align: justify;\">因此，CUDA与全栈AI工厂的结合，使我们能够服务过去难以触及的市场。这也是我们能够与这里众多企业合作的原因。</p><p style=\"text-align: justify;\">从云服务提供商，也就是CSP开始，多数人认为今天绝大部分AI都集中在那里。但在演讲开头，我提到的很多公司并不属于传统CSP。</p><p style=\"text-align: justify;\">CSP仍然是全球计算市场的重要组成部分，但与此同时，世界各地正在涌现AI原生企业。</p><p style=\"text-align: justify;\">还有新型AI云服务商，也就是Neocloud。每个地区都希望参与AI经济，希望将自身拥有的宝贵资源和能源用于支持本地区企业。</p><p style=\"text-align: justify;\">例如法国的Mistral、欧洲的Nebius，以及欧洲各地建设新型AI云的公司。</p><p style=\"text-align: justify;\">还有为全球企业制造计算机的OEM和ODM厂商，以及AI实验室。</p><p style=\"text-align: justify;\">去年，我们大量讨论OpenAI；如今，除了OpenAI和Anthropic，还有Meta、Grok、Gemini等参与者，越来越多AI实验室正在推动前沿技术发展。</p><p style=\"text-align: justify;\">但最重要的是，如果AI要真正成功，如果欧洲要从AI中受益并建立完整的AI生态和AI经济，那么所有终端行业都必须采用AI，并通过AI取得成功。</p><p style=\"text-align: justify;\">无论是开发自动驾驶汽车的汽车行业、使用机器人进行制造的工业企业、通过AI发现新药的医疗行业，还是金融服务业，每个行业的企业都需要成为AI公司。</p><p style=\"text-align: justify;\">借助CUDA以及我们的计算机制造方式，我们能够服务AI的各个细分领域。</p><p style=\"text-align: justify;\">一种架构，覆盖多个市场。</p><p style=\"text-align: justify;\">这些基础设施规模巨大、成本高昂，因此必须尽快发挥最大生产力，而且能够灵活用于各种工作负载。</p><p style=\"text-align: justify;\">从AI旅程最初的数据处理，到训练、后训练、推理和智能体处理；从化学、物理到语言；从各个行业到它们使用的各种算法，都应当由同一套基础设施支持。</p><p style=\"text-align: justify;\">因此，英伟达架构具有很强的通用性和可调配性。</p><p style=\"text-align: justify;\">持续创新、持续软件更新，以及庞大装机基础所形成的丰富软件生态，又让这套架构具有长期使用价值。</p><p style=\"text-align: justify;\">通用、耐用、高效，这就是基础。</p><p style=\"text-align: justify;\">有了这些基础设施，我们能做什么？</p><p style=\"text-align: justify;\">过去一年，AI发生了转变，开始真正创造生产力。</p><p style=\"text-align: justify;\">其中一个重要时刻，是年初我们谈到OpenClaw，它将开源智能体的概念带给了更多人，也推动了如今全球正在发生的变化。</p><p style=\"text-align: justify;\">智能体会思考、推理、迭代和使用工具，因此会消耗大量Token。但也正因如此，它们开始真正有用。</p><p style=\"text-align: justify;\">更多智能体被开发出来，因为更有用，所以更多人使用；又因为思考需要大量Token，Token消耗迅速增长，GPU需求也随之大幅上升。</p><p style=\"text-align: justify;\">这张图展示的是一个智能体的五个组成部分。</p><p style=\"text-align: justify;\">第一是语言模型。模型运行在GPU上，生成供智能体使用的Token。</p><p style=\"text-align: justify;\">第二是我所说的“外骨骼”，也就是智能体框架，例如OpenClaw。</p><p style=\"text-align: justify;\">框架运行在沙箱内，沙箱将它与系统其他部分隔离。这是一个非常重要的概念。</p><p style=\"text-align: justify;\">另外两个部分是知识和工具。</p><p style=\"text-align: justify;\">模型、框架、沙箱、知识和工具，构成了智能体的五个要素。</p><p style=\"text-align: justify;\">在讨论如何让智能体变得有用之前，首先必须确保它是安全的。</p><p style=\"text-align: justify;\">智能体是自主系统，可以访问文件、资源、网络和工具。因此，我们必须赋予它最小必要权限，并持续监控其行为。</p><p style=\"text-align: justify;\">为此，我们推出了一个新平台：OpenShell。</p><p style=\"text-align: justify;\">OpenShell是一个安全运行时，提供刚才提到的能力，并可以配合额外的硬件监控机制。</p><p style=\"text-align: justify;\">在详细解释之前，我们先看一段视频。</p><p style=\"text-align: justify;\"><strong>视频旁白：</strong></p><p style=\"text-align: justify;\">企业正在准备部署数十亿个AI智能体。</p><p style=\"text-align: justify;\">为了发挥作用，它们需要推理、规划、使用工具、访问数据并相互协作。</p><p style=\"text-align: justify;\">但如今，阻止智能体滥用这些能力的方式，往往只是告诉它：</p><p style=\"text-align: justify;\">“请不要删除任何东西。”<br>“请不要向主分支推送代码。”<br>“请不要碰我的SSH密钥。”</p><p style=\"text-align: justify;\">这就是“请不要”的安全方式。</p><p style=\"text-align: justify;\">但希望不等于安全。安全不是愿望，而是技术和工程。</p><p style=\"text-align: justify;\">NVIDIA OpenShell和Sentry将这一理念落实到实际系统中。</p><p style=\"text-align: justify;\">你为每个智能体编写策略，规定它可以接触什么。OpenShell在系统调用、文件访问和网络连接层面执行这些策略。</p><p style=\"text-align: justify;\">形式化验证会检查每一次策略变更，确保其不突破你设定的权限上限，使智能体不会获得超出预期的访问权限。</p><p style=\"text-align: justify;\">这类似于早期互联网：在浏览器严格限制网页能力之前，病毒曾经四处传播。OpenShell为智能体建立类似的边界。</p><p style=\"text-align: justify;\">这些限制在智能体之外执行，而不是只依赖大语言模型内部的护栏，从而将智能体原生安全能力引入基础设施。</p><p style=\"text-align: justify;\">每个智能体都运行在自己的隔离沙箱中，不能直接访问网络。</p><p style=\"text-align: justify;\">所有出站网络请求，都必须经过沙箱外的监督组件。监督组件根据策略检查请求，未获允许的操作会被拒绝。</p><p style=\"text-align: justify;\">密钥保存在沙箱外，由监督组件管理，只有向获准访问的端点发送请求时才会加入。即使智能体遭到入侵，也无法泄露它从未持有的密钥。</p><p style=\"text-align: justify;\">网关充当控制平面，监督组件负责作出决定，沙箱容纳智能体，策略证明器则检查拟议策略是否符合权限上限。</p><p style=\"text-align: justify;\">OpenShell将Linux内核隔离与运行时策略执行相结合。</p><p style=\"text-align: justify;\">NVIDIA Sentry还可以在主机之外、远离智能体的位置，增加一层可选保护。</p><p style=\"text-align: justify;\">Sentry运行在NVIDIA BlueField-4上，在硬件隔离的信任域中监控智能体活动并执行安全策略。</p><p style=\"text-align: justify;\">智能体的推理流量经过Sentry，因此一旦检测到需要阻止的计划，系统可以立即更新策略，切断智能体与模型的连接，在毫秒内完成隔离。</p><p style=\"text-align: justify;\">它还保留可验证、防篡改痕迹的记录，供运营人员进行检测、调查和响应。</p><p style=\"text-align: justify;\">OpenShell采用Apache 2.0许可证开源，可运行在智能体所在的各种环境中，从边缘到云端。只需两个命令即可开始使用：安装命令行工具，创建沙箱，然后运行你喜欢的智能体。</p><p style=\"text-align: justify;\">智能体能发挥多大作用，取决于你赋予它多少访问能力。OpenShell和Sentry让这些访问能力处于你的控制之下。</p><p style=\"text-align: justify;\">这就是我们同时推进AI能力与安全的方式。</p><p style=\"text-align: justify;\"><strong>黄仁勋：</strong></p><p style=\"text-align: justify;\">智能体是自主系统。我们必须创造高度安全的技术，确保能够安全地开发和部署它们。</p><p style=\"text-align: justify;\">OpenShell发布后，从前沿模型实验室，到操作系统公司、网络安全公司和平台公司，许多大型企业都开始采用它。</p><p style=\"text-align: justify;\">因为这项技术到来的时机恰到好处：我们正准备在全球大规模部署智能体。</p><p style=\"text-align: justify;\">这不仅关乎服务提供商在部署智能体时使用OpenShell，也关乎世界各地的企业采用OpenShell，让这些智能体能够在企业内部自主运行。</p><p style=\"text-align: justify;\">不同能力、不同任务、不同使用者，对应不同的权限需求。每次启动智能体，所需要的权限可能都不一样。</p><p style=\"text-align: justify;\">因此，权限配置、策略执行和监控，都必须动态完成。</p><p style=\"text-align: justify;\">我很高兴宣布，Anthropic与英伟达正在合作，将Claude智能体与OpenShell结合。网站上有一篇很好的介绍文章。</p><p style=\"text-align: justify;\">你可以使用OpenClaw、Hermes、OpenHands，也可以通过LangChain、Deep Agents构建自己的框架，甚至直接用Python编写。</p><p style=\"text-align: justify;\">这些智能体框架都可以运行在OpenShell提供的安全沙箱中。</p><p style=\"text-align: justify;\">接下来谈模型。</p><p style=\"text-align: justify;\">未来，我们不会只用一个模型处理所有工作，而是会根据任务选择最合适的模型，无论它是闭源、开放还是定制模型。</p><p style=\"text-align: justify;\">有些工作相对通用，通用人工智能就能做得很好。</p><p style=\"text-align: justify;\">但另一些工作包含大量专有知识和专业能力，而且你希望持续提升这些能力。</p><p style=\"text-align: justify;\">因此，未来每家公司都会同时使用闭源模型，以及自行定制的开放模型。</p><p style=\"text-align: justify;\">到今天演讲结束时，大家会发现，构建自己的AI并没有那么困难。</p><p style=\"text-align: justify;\">首先当然是模型。</p><p style=\"text-align: justify;\">我们一直致力于推动开放模型的发展，开拓新机会，让大家能够构建自己的定制AI。</p><p style=\"text-align: justify;\">Nemotron面向语言。</p><p style=\"text-align: justify;\">Cosmos是我们的世界基础模型，我们在这一领域处于前沿。</p><p style=\"text-align: justify;\">GR00T面向人形机器人。</p><p style=\"text-align: justify;\">Alpamayo面向自主导航。</p><p style=\"text-align: justify;\">Ising面向量子—经典混合计算。</p><p style=\"text-align: justify;\">Earth-2面向物理AI。</p><p style=\"text-align: justify;\">在这些不同领域，我们都提供模型，并持续投入研发。我们已经做了十年，也会长期做下去。</p><p style=\"text-align: justify;\">我们不仅开放模型，还提供相关数据，让你了解模型的数据来源，并提供复现所需的脚本。</p><p style=\"text-align: justify;\">因此，你得到的不只是开放权重，而是完整的方法、数据和复现路径。你能够知道模型从何而来，并建立对它的信任。</p><p style=\"text-align: justify;\">这些模型未必在所有领域都是最前沿的，尤其是在语言模型方面。</p><p style=\"text-align: justify;\">但通过定制，以及与生态伙伴合作，你可以将它们提升到自己所需领域的前沿水平，把专有数据转化为自主掌握的智能。</p><p style=\"text-align: justify;\">例如，AI21帮助Alice将Nemotron定制为超越相关前沿能力的模型。</p><p style=\"text-align: justify;\">Baseten帮助CodeRabbit使用自身数据微调Nemotron，实现前沿水平的能力。</p><p style=\"text-align: justify;\">Trajectory与Harvey也通过对Nemotron进行后训练，构建自己的前沿能力。</p><p style=\"text-align: justify;\">Scale与Skydance同样在做这样的事情。</p><p style=\"text-align: justify;\">例子还有很多。</p><p style=\"text-align: justify;\">核心在于，你可以从Nemotron这样优秀的开放模型出发，用自己的数据针对特定用例进行后训练，从而获得高度专业化的智能。</p><p style=\"text-align: justify;\">这是一条非常合理的路径，所需技术今天都已具备。</p><p style=\"text-align: justify;\">这里还有Palantir与坦帕综合医院的案例。</p><p style=\"text-align: justify;\">我们拥有丰富的合作伙伴生态，能够帮助大家。这些都是出色的公司，可以为世界各地的客户提供服务。</p><p style=\"text-align: justify;\">我如果只提一家，就会漏掉其他伙伴；如果全部列出来，又要花很长时间。我非常珍视所有这些合作伙伴。</p><p style=\"text-align: justify;\">总结一下：首先，让智能体框架运行在OpenShell安全沙箱中；其次，选择Nemotron等大语言模型。</p><p style=\"text-align: justify;\">但真正让普通智能体变成“超级智能体”的，是让它访问你公司的知识。</p><p style=\"text-align: justify;\">我们将这套能力称为智能体知识基础。</p><p style=\"text-align: justify;\">它由一组世界级模型和工具组成，帮助你处理公司的各种数据资产。</p><p style=\"text-align: justify;\">数据可能以非结构化形式存在于文档中，因此需要AI理解PDF和其他非结构化文件；也可能以结构化形式存在于数据库中。</p><p style=\"text-align: justify;\">我们提供必要的库和工具，帮助你从企业数据中提取含义、形成理解。</p><p style=\"text-align: justify;\">Nemotron Parse负责文档解析，表现位居相关排行榜前列。</p><p style=\"text-align: justify;\">Nemotron Embed将查询与向量数据库中的知识关联起来，同样具有领先表现。</p><p style=\"text-align: justify;\">Nemotron Rerank则处理检索到的多个来源和数据片段，根据与查询的相关程度重新排序。</p><p style=\"text-align: justify;\">Kumo可以利用结构化数据库预测可能发生的事情。</p><p style=\"text-align: justify;\">举例来说，你收到供应商通知，某些物料将出现短缺或交付延迟。这条信息很可能是一份非结构化文档。</p><p style=\"text-align: justify;\">而公司订单信息通常保存在SQL等结构化数据库中。</p><p style=\"text-align: justify;\">如果要预测哪些订单会受影响、哪些会缺货、延迟多久，可以使用Kumo。</p><p style=\"text-align: justify;\">接下来，为了寻找替代零件，你可以使用向量数据库检索，找到相关替代部件的工程文档。</p><p style=\"text-align: justify;\">这些模型、库和数据处理能力，共同构成知识基础，让AI能够利用你的专有数据和专有知识。</p><p style=\"text-align: justify;\">最后是工具，也就是完成专业工作所需要的工具。</p><p style=\"text-align: justify;\">英伟达一直在开发CUDA-X。</p><p style=\"text-align: justify;\">在AI成为主要话题之前，我们的大量讨论都围绕着如何加速模拟器、求解器、数据处理引擎，以及各种领域专用库展开。</p><p style=\"text-align: justify;\">这些工具用于各个科学领域的发现，也用于工程、研究、设计、建造和创意艺术。</p><p style=\"text-align: justify;\">它们的核心是CUDA-X库，而CUDA-X库本质上是算法。大家知道，算法是美的。</p><p style=\"text-align: justify;\">我们来看一段展示。</p><p style=\"text-align: justify;\">数学很美。</p><p style=\"text-align: justify;\">CUDA-X库是我们公司的核心资产。原因在于，当你构建AI助手时，无论它是实验室助手、研究助手，还是与你共同设计和创造的伙伴，最终让它真正有用、能够完成实际工作的，都是工具。</p><p style=\"text-align: justify;\">现在，我们拥有能够让智能体理解信息、推理、规划，并不断采取行动、使用工具直到完成任务的模型。</p><p style=\"text-align: justify;\">但最终，仍然离不开工具。</p><p style=\"text-align: justify;\">这些工具，我们已经开发了很多年。</p><p style=\"text-align: justify;\">刚才展示的右侧那类计算机，可以运行所有这些工具，无论是流体动力学、粒子物理、量子化学、数据处理，还是光线追踪。</p><p style=\"text-align: justify;\">与直接在CPU上运行相比，它可以将处理速度提高10倍、50倍，甚至100倍。</p><p style=\"text-align: justify;\">CUDA-X给智能体提供了完成专业工作的能力。看到其他人如何使用这些工具，非常令人兴奋。</p><p style=\"text-align: justify;\">这就是智能体背后的关键。</p><p style=\"text-align: justify;\">智能体最终需要使用工具。</p><p style=\"text-align: justify;\">软件编程是最早采用智能体的领域之一，在那里，编译器或Python往往就足以完成很多工作。</p><p style=\"text-align: justify;\">但未来，随着智能体承担越来越多实际任务，我们需要为它们提供更多工具。</p><p style=\"text-align: justify;\">下面是几个例子。</p><p style=\"text-align: justify;\">Lila Sciences正在开发实验室助手，使用英伟达的BioNeMo模型理解蛋白质和细胞，并在药物发现中设计蛋白质及化学分子，同时调用CUDA-X工具。</p><p style=\"text-align: justify;\">西门子正在构建工厂智能体，使用理解物理世界的Cosmos世界基础模型，以及CUDA-X工具。</p><p style=\"text-align: justify;\">达索系统则在开发虚拟伙伴，使用Nemotron语言模型和CUDA-X工具。</p><p style=\"text-align: justify;\">来看看它们如何工作。</p><p style=\"text-align: justify;\"><strong>视频旁白：</strong></p><p style=\"text-align: justify;\">最聪明的科学家仍然需要实验室，最优秀的工程师仍然需要模拟器和求解器，AI智能体也是如此。</p><p style=\"text-align: justify;\">一个智能体由五个部分组成：</p><p style=\"text-align: justify;\">模型负责感知、推理和规划。</p><p style=\"text-align: justify;\">框架负责协调工作。</p><p style=\"text-align: justify;\">知识基础从公司的结构化和非结构化数据中提供上下文。</p><p style=\"text-align: justify;\">工具让智能体能够模拟、实验和采取行动。</p><p style=\"text-align: justify;\">NVIDIA OpenShell控制智能体可以访问和执行什么。</p><p style=\"text-align: justify;\">你可以从前沿闭源模型开始，也可以定制开放模型。借助NVIDIA Agent Toolkit，任何公司都能将自身知识和专业能力转化为定制超级智能体。</p><p style=\"text-align: justify;\">来看三个例子。</p><p style=\"text-align: justify;\">对于Lila Sciences，目标是设计一种针对B细胞淋巴瘤的疗法。</p><p style=\"text-align: justify;\">基于Nemotron构建的Lila Iris智能体，将这一目标转化为实验计划。</p><p style=\"text-align: justify;\">在计算干实验室中，Lila智能体使用NVIDIA BioNeMo Agent Toolkit，调用蛋白质设计和RNA优化模型，运行数百万次虚拟实验。</p><p style=\"text-align: justify;\">最有前景的候选方案进入Lila的AI科学工厂，由借助Omniverse和Cosmos开发的自主机器人及仪器进行制备和测试。</p><p style=\"text-align: justify;\">结果返回Iris，影响下一轮设计和实验，形成持续迭代的闭环。</p><p style=\"text-align: justify;\">在西门子埃尔朗根电子工厂，目标是让新产品投入生产。</p><p style=\"text-align: justify;\">Process Preparation X智能体使用Cosmos生成虚拟原型和合成数据，在生产开始前训练并验证检测模型。</p><p style=\"text-align: justify;\">基于NVIDIA工厂运营蓝图构建的Intelligence Center X智能体，根据订单、物料供应和产线配置，提出生产计划建议。</p><p style=\"text-align: justify;\">Digital Twin Composer利用Omniverse库，将物理仿真与实时工厂数据结合，在实际调整生产现场之前验证这些计划。</p><p style=\"text-align: justify;\">在达索系统平台上，一位工程师需要将大众Golf的车门设计适配到Tiguan车型。</p><p style=\"text-align: justify;\">Aura和Leo使用Nemotron理解和推理工程要求。</p><p style=\"text-align: justify;\">智能体框架协调各个专业子智能体，并在规划、设计和仿真过程中保留上下文。</p><p style=\"text-align: justify;\">Aura使用ENOVIA，根据车辆尺寸、重量限制和其他工程要求规划工作。</p><p style=\"text-align: justify;\">Leo设计智能体选择兼容的Golf车门设计，再使用CATIA修改形状，使其适配Tiguan。</p><p style=\"text-align: justify;\">Leo仿真智能体使用由CUDA-X加速的SIMULIA测试不同方案，发现了振动问题。</p><p style=\"text-align: justify;\">结果返回设计智能体进行优化，工程师审核改进后的设计，并选择最终方案。</p><p style=\"text-align: justify;\">不同的目标，不同的专业知识，相同的基础组成：开放模型、CUDA-X加速工具，以及OpenShell安全运行时，通过NVIDIA Agent Toolkit整合在一起。</p><p style=\"text-align: justify;\"><strong>黄仁勋：</strong></p><p style=\"text-align: justify;\">很棒，对吧？</p><p style=\"text-align: justify;\">有人说，AI来了，软件和工具公司的时代就要结束了。</p><p style=\"text-align: justify;\">事实恰恰相反。</p><p style=\"text-align: justify;\">AI到来后，使用这些工具的用户将比以往任何时候都多。</p><p style=\"text-align: justify;\">每一家工具公司都将成为AI公司、智能体公司。它们不仅提供工具，还会提供经过专门优化、非常擅长使用这些工具的智能体。</p><p style=\"text-align: justify;\">Cadence、CrowdStrike、达索系统，以及其他许多企业软件公司，都在构建智能体。我们很高兴与它们合作。[原稿名单中另有一家公司名称不清。]</p><p style=\"text-align: justify;\">构建智能体并没有那么困难。它有五个组成部分：模型、框架、OpenShell安全运行时，以及最重要的知识和工具。</p><p style=\"text-align: justify;\">模型和框架都有开放和闭源版本，而知识与工具属于你，代表你的专业能力。</p><p style=\"text-align: justify;\">这些事情如今都已能够实现。稍后我还会展示更多，但在此之前，先谈谈物理AI。</p><p style=\"text-align: justify;\">物理AI是AI的下一波浪潮。</p><p style=\"text-align: justify;\">它能够理解物理世界，并对其进行推理。因为物理世界多样、复杂，存在极其丰富的长尾情况，AI需要理解这些情况，再使用合适的工具与物理世界互动。</p><p style=\"text-align: justify;\">一谈物理AI，大家往往想到机器人。</p><p style=\"text-align: justify;\">但我最喜欢的应用之一，其实是移动通信基站。</p><p style=\"text-align: justify;\">它不是用摄像头、扬声器或麦克风，而是通过无线电波感知世界，处理信息并进行推理，再利用波束成形与世界互动。</p><p style=\"text-align: justify;\">因此，通信是一种非常适合AI的技术。</p><p style=\"text-align: justify;\">AI将彻底改变电信网络，大幅提高频谱效率。</p><p style=\"text-align: justify;\">就像我们在光线追踪上所做的一样：大家看到的图形采用完整光线追踪，而在引入AI之后，与过去认为必要的计算量相比，效率出现了百万倍量级的变化。</p><p style=\"text-align: justify;\">我们将为电信网络带来巨大的频谱效率提升。</p><p style=\"text-align: justify;\">除此之外，还将改变这些通信站点。原稿所述西方地区约有10万个站点，构成约100吉瓦的分布式数据中心基础设施，未来将演变为分布式AI基础设施。</p><p style=\"text-align: justify;\">我们很高兴与欧洲众多公司合作。</p><p style=\"text-align: justify;\">经过近八年的研发，就在上周，英伟达与诺基亚合作，在T-Mobile网络上完成了首次商用通话。</p><p style=\"text-align: justify;\">现在，CUDA已经能够执行传统通信处理。在此基础上，我们就可以进一步叠加AI能力，推动新的变革。</p><p style=\"text-align: justify;\">另一个让我非常兴奋的物理AI应用，是机器人辅助放射治疗。</p><p style=\"text-align: justify;\">在治疗过程中，肿瘤形状可能变化，人体也会移动。这套自适应放疗系统必须感知环境变化，识别肿瘤位置，精确分割目标，并据此准确引导放射治疗。</p><p style=\"text-align: justify;\">本质上，这是一种机器人化治疗。</p><p style=\"text-align: justify;\">当然，大家最熟悉、近期最有望实现大规模应用的机器人或物理AI领域，是我们已经投入十多年的自动驾驶。</p><p style=\"text-align: justify;\">我们意识到，每一家汽车公司都希望自己的车辆能够加入出行服务车队。</p><p style=\"text-align: justify;\">今天已有Uber、Bolt、Grab、Lyft等平台。未来，自动驾驶出租车也会接入这些出行服务，而且不会只来自一个品牌。</p><p style=\"text-align: justify;\">但开发这样的系统，尤其是其软件，成本非常高。</p><p style=\"text-align: justify;\">因此，我们决定创建一个标准架构。</p><p style=\"text-align: justify;\">这套架构包括14个摄像头、9套雷达、3个激光雷达，以及一组超声波传感器。</p><p style=\"text-align: justify;\">这些传感器形成一个环绕车辆的感知系统，由双NVIDIA GPU系统提供自动驾驶计算能力。</p><p style=\"text-align: justify;\">我们将它发展为行业标准，如今正在被越来越多车型采用。</p><p style=\"text-align: justify;\">自动驾驶软件公司在其上开发能力，英伟达自己也是其中之一。这些自动驾驶出租车再接入出行服务平台，形成完整生态。</p><p style=\"text-align: justify;\">全球每年的出行里程约为1万亿英里。未来，其中相当一部分里程可能由自动驾驶出租车完成，按每英里1至2美元计算，这是一个巨大机会。</p><p style=\"text-align: justify;\">但市场非常分散。</p><p style=\"text-align: justify;\">通过建立Hyperion这样的标准架构，并与整个生态合作，我们就能形成一个巨大的虚拟车队，让各方都能接入。</p><p style=\"text-align: justify;\">今天，我很高兴宣布，又有四个品牌或车型系列加入：大众厢式车、捷豹路虎的新车型、沃尔沃车队，以及梅赛德斯-奔驰下一代车型。</p><p style=\"text-align: justify;\">它们将兼容Hyperion，并成为这一自动驾驶出行网络的一部分。</p><p style=\"text-align: justify;\">欢迎加入Hyperion。</p><p style=\"text-align: justify;\">下一个伟大产业，而且很可能规模极其庞大的产业，是人形机器人。</p><p style=\"text-align: justify;\">机器人之所以难做，一个重要原因是任务种类非常多。</p><p style=\"text-align: justify;\">如果针对每一种任务都开发一种特殊形态，就会把机器人产业分割成许多不同配置，难以形成推动技术进步的规模效应。</p><p style=\"text-align: justify;\">手机、个人电脑，以及英伟达NVLink 72之所以进步如此迅速，是因为标准化配置可以服务大量客户。</p><p style=\"text-align: justify;\">大量需求带来规模，规模又推动技术迭代，让产品更快、更好。</p><p style=\"text-align: justify;\">因此，我们需要尽可能标准化的机器人形态。</p><p style=\"text-align: justify;\">人形机器人未必适合所有任务，但很可能适合很多任务。因此，它可能成为出货量最大的机器人形态。</p><p style=\"text-align: justify;\">如果我们再为它开发能够快速学习的AI，那么即使中小企业没有专门的机器人团队，也不必从头编程，只需要向机器人演示要完成的工作。</p><p style=\"text-align: justify;\">机器人凭借通用能力和通用智能，就能快速学习和适应。</p><p style=\"text-align: justify;\">这很可能成为下一个重要技术平台。</p><p style=\"text-align: justify;\">我们正在与许多公司合作，其中不少来自欧洲。这是欧洲的重要机会。</p><p style=\"text-align: justify;\">欧洲在机电一体化、电子和机械系统的精度与工艺方面，拥有深厚积累。这里有大量制造能力极强的企业。</p><p style=\"text-align: justify;\">机器人将成为下一个大规模产业。许多公司已经参与进来，我们很高兴与大家合作。</p><p style=\"text-align: justify;\">构建物理AI系统，需要三类计算机。</p><p style=\"text-align: justify;\">第一类，就是我们一直在谈、大家也很熟悉的计算机，用来训练AI模型。</p><p style=\"text-align: justify;\">第二类，用来让AI学习技能。</p><p style=\"text-align: justify;\">你不能只是把AI编写出来，就让它进入物理世界随意尝试。学习应该先在数字孪生中进行。</p><p style=\"text-align: justify;\">我们创建了Omniverse数字孪生平台。</p><p style=\"text-align: justify;\">刚才看到的很多CUDA-X演示，都运行在数字孪生世界中。</p><p style=\"text-align: justify;\">Omniverse是一组可以接入各种平台和工具的库，包括西门子、达索系统、Cadence等公司的平台。它们共同构建数字孪生系统。</p><p style=\"text-align: justify;\">第三类，是部署在机器人上的计算机。</p><p style=\"text-align: justify;\">对于自动驾驶汽车和自动驾驶出租车，我们将相关平台称为Hyperion。</p><p style=\"text-align: justify;\">它包括计算机本身、功能安全系统、主动安全系统，以及专为物理AI安全设计的操作系统。</p><p style=\"text-align: justify;\">我们也需要为机器人提供同样完整的平台。</p><p style=\"text-align: justify;\">这样，当大家开始研究或开发机器人时，就不必从零拼装所有软件、计算系统、传感器和机械部件。仅仅完成这些准备工作，就可能耗费几年时间。</p><p style=\"text-align: justify;\">因此，我们决定打造一款参考机器人。</p><p style=\"text-align: justify;\">这就是英伟达与Agile Robots合作的Agile One。</p><p style=\"text-align: justify;\">这款参考机器人预计将在明年第一季度提供，出厂时已经完成组装，内置计算机，集成软件，开箱即可具备相当不错的能力。</p><p style=\"text-align: justify;\">它将成为一个很好的起点，推动机器人开发加速。</p><p style=\"text-align: justify;\">现在，让我们回到演讲开始的地方。</p><p style=\"text-align: justify;\">英伟达诞生于个人电脑革命之中。</p><p style=\"text-align: justify;\">1993年，我们成立时，PC革命正准备进入新的阶段；Windows 95随后让它进一步加速。</p><p style=\"text-align: justify;\">此后，我们发明了GPU，推动可编程着色和实时光线追踪发展，将CUDA加入计算模型，并帮助点燃现代AI革命。</p><p style=\"text-align: justify;\">四年前，我们开始思考：面对新的时代，能否重新定义个人电脑？</p><p style=\"text-align: justify;\">它不再只是你的工具，而是你的个人智能体、个人助手。你与它的互动，更像与一位帮助你工作的伙伴交流。</p><p style=\"text-align: justify;\">因此，这台计算机需要具备今天介绍的五个部分。</p><p style=\"text-align: justify;\">它需要模型，模型可以在本地运行，也可以在云端运行。</p><p style=\"text-align: justify;\">它需要智能体框架。</p><p style=\"text-align: justify;\">它需要OpenShell安全运行时。</p><p style=\"text-align: justify;\">它还需要访问个人电脑中的知识和工具。</p><p style=\"text-align: justify;\">好消息是，英伟达已经加速这些工具很多年。</p><p style=\"text-align: justify;\">只要我们创造一台同时支持OpenGL、DirectX和CUDA加速的计算机，英伟达过去开发的一切就都能够在其上运行。</p><p style=\"text-align: justify;\">这就是成果。</p><p style=\"text-align: justify;\">经过四年与微软的合作，我们打造了RTX Spark，这是一条全新的计算机产品线。</p><p style=\"text-align: justify;\">数千个工程人年的投入，凝结在其中。我们秘密研发了四年，创造了一颗名为N1X的芯片，最近与整个PC产业共同发布。</p><p style=\"text-align: justify;\">我们打造了台式机、笔记本电脑和工作站。</p><p style=\"text-align: justify;\">这台设备提供1 PFLOPS算力。</p><p style=\"text-align: justify;\">作个对比：2016年，我向当时还很小的OpenAI交付了一台拥有1 PFLOPS算力和128GB内存的计算机。</p><p style=\"text-align: justify;\">现在，这台小设备同样提供1 PFLOPS算力和128GB内存。</p><p style=\"text-align: justify;\">区别在于，我可以这样把它拿在手里，而当年的DGX-1需要两个人才能抬上楼。</p><p style=\"text-align: justify;\">这就是全新的RTX Spark PC。</p><p style=\"text-align: justify;\">如果你想要一台运行CATIA、达索系统其他软件，以及Autodesk、Adobe、Cadence和Synopsys工具的配套工作站，也可以选择运行Windows的DGX Station。</p><p style=\"text-align: justify;\">它提供20 PFLOPS算力和754GB内存。</p><p style=\"text-align: justify;\">此外，还有桌面版本。</p><p style=\"text-align: justify;\">相关产品正在推出，运行Windows的DGX Station预计将在今年年底上市。</p><p style=\"text-align: justify;\">现在，我已经讲了智能体的五个组成部分。接下来的问题是，怎么构建智能体？</p><p style=\"text-align: justify;\">如何让它运行在这些计算机上，或者运行在云端、企业本地环境中？</p><p style=\"text-align: justify;\">答案其实很简单。</p><p style=\"text-align: justify;\">构建智能体的方法，就是请一个智能体替你构建。</p><p style=\"text-align: justify;\">接下来，这段提示词将驱动一个应用。</p><p style=\"text-align: justify;\">大家将看到一个机器人应用演示。观看时请记住，这台个人电脑上运行着一个智能体，而整套演示涉及三类计算机：</p><p style=\"text-align: justify;\">第一类用于训练。</p><p style=\"text-align: justify;\">第二类运行数字孪生。</p><p style=\"text-align: justify;\">第三类将AI部署到机器人本身。</p><p style=\"text-align: justify;\">这里有两个核心概念：一是如何构建和运行智能体，以及能用它做什么；二是由三类计算机构成的物理AI计算模式。</p><p style=\"text-align: justify;\">我们来看演示。</p><p style=\"text-align: justify;\"><strong>视频旁白：</strong></p><p style=\"text-align: justify;\">这是Hugging Face的机器人Micro Duck。</p><p style=\"text-align: justify;\">让我们使用NVIDIA RTX Spark，教它观察世界和行走。</p><p style=\"text-align: justify;\">我使用Hermes作为智能体框架，以Nemotron和OpenAI的GPT-6 Astra作为模型，并使用CUDA-X加速工具：FreeCAD、Blender、Isaac Sim、Newton物理引擎和Isaac Lab。</p><p style=\"text-align: justify;\">除非需要将大型工作负载扩展到云端，否则所有任务都在RTX Spark上运行。</p><p style=\"text-align: justify;\">首先，我描述训练场地，以及Micro Duck需要学会什么。</p><p style=\"text-align: justify;\">RTX Spark上的Hermes和Nemotron规划场地，列出所需的全部物体。</p><p style=\"text-align: justify;\">随后，Astra使用FreeCAD建立三维物体模型，用Blender赋予材质，再通过Omniverse仿真就绪库添加物理属性。</p><p style=\"text-align: justify;\">Astra在Isaac Sim中布置场景，为Micro Duck配置关节、执行器和连接结构，再利用Newton物理引擎模拟它的运动。</p><p style=\"text-align: justify;\">接下来开始训练。</p><p style=\"text-align: justify;\">云端的Isaac Lab让数千个Micro Duck同时训练。</p><p style=\"text-align: justify;\">每一次跌倒都是一次学习机会，推动控制策略不断改进。</p><p style=\"text-align: justify;\">Omniverse库模拟Micro Duck的摄像头，教它“看见”环境。</p><p style=\"text-align: justify;\">当感知与物理能力结合后，Micro Duck能够避开障碍、穿过狭窄空间，并适应周围环境。</p><p style=\"text-align: justify;\">我将训练策略下载到RTX Spark，使用Nemotron和Isaac Sim，通过多智能体编排对Micro Duck进行评估。</p><p style=\"text-align: justify;\">最后，将通过验证的策略部署到真实机器人上，它就可以开始行动了。</p><p style=\"text-align: justify;\">NVIDIA RTX Spark，让你直接在笔记本电脑上构建和运行AI智能体及其加速工具。</p><p style=\"text-align: justify;\"><strong>黄仁勋：</strong></p><p style=\"text-align: justify;\">你们好！过来，给大家看看你们会走路。</p><p style=\"text-align: justify;\">你们还有摄像头。小心，别绊倒。</p><p style=\"text-align: justify;\">能坐下吗？现在站起来。休息一下，再站起来。</p><p style=\"text-align: justify;\">你们知道自己是在这里被创造出来的吗？</p><p style=\"text-align: justify;\">你们诞生于RTX Spark，在云端的大量英伟达超级计算机上接受训练，并在RTX Spark上的Omniverse数字孪生中学习技能。</p><p style=\"text-align: justify;\">是不是很神奇？</p><p style=\"text-align: justify;\">你们真可爱。你们的“父母”叫Pollen，对吧？Pollen Robotics。</p><p style=\"text-align: justify;\">听说大家太喜欢你们了，已经卖光了。</p><p style=\"text-align: justify;\">所有观看这段视频的朋友——可能会有两千万人——都可以去Pollen的网站看看，下一笔订单。</p><p style=\"text-align: justify;\">这家初创公司大概只有十个人，订单可能一下子就把他们淹没了。</p><p style=\"text-align: justify;\">每个人都应该有一只，你们太可爱了。</p><p style=\"text-align: justify;\">有一台RTX Spark，我们就能继续教你们新技能。</p><p style=\"text-align: justify;\">能翻个跟头吗？</p><p style=\"text-align: justify;\">太棒了！</p><p style=\"text-align: justify;\">那么，今天我们谈了什么？</p><p style=\"text-align: justify;\">我们谈到了欧洲建设自己的AI经济，而这一切从基础设施开始。</p><p style=\"text-align: justify;\">我们发布了新的DSX Pod系统，让建设AI工厂更加容易。</p><p style=\"text-align: justify;\">而这些AI工厂，不再只是运行模型。</p><p style=\"text-align: justify;\">[转向机器人。]</p><p style=\"text-align: justify;\">集中注意力，过来，坐下。</p><p style=\"text-align: justify;\">这些工厂运行的是完整的智能体。</p><p style=\"text-align: justify;\">智能体包含五个部分：</p><p style=\"text-align: justify;\">大语言模型负责感知、推理、规划和行动。</p><p style=\"text-align: justify;\">智能体框架相当于它的外骨骼，负责协调运行。</p><p style=\"text-align: justify;\">框架运行在OpenShell安全运行时中。</p><p style=\"text-align: justify;\">再赋予它访问知识和工具的能力。</p><p style=\"text-align: justify;\">这些智能体运行在我们的计算机上，而我们还在向下一代扩展，也就是物理AI。这就是你们这些小机器人的用武之地。</p><p style=\"text-align: justify;\">每个人都能构建智能体，欧洲每家公司都会成为AI公司，这一点毫无疑问。</p><p style=\"text-align: justify;\">欧洲将拥有蓬勃发展的AI经济。</p><p style=\"text-align: justify;\">33年来，这是一段不可思议的旅程。我们制作了一段很酷的视频，你们要一起看吗？</p><p style=\"text-align: justify;\">过来一点，我们让开舞台。全速前进！</p><p style=\"text-align: justify;\"><strong>视频主持人：</strong></p><p style=\"text-align: justify;\">这样的演示之后，我们还能拿什么接着上场？</p><p style=\"text-align: justify;\">有一件事，能让现场更沸腾。</p><p style=\"text-align: justify;\">是什么？</p><p style=\"text-align: justify;\">你绝对想不到，GTC要变成欧洲歌唱大赛了！</p><p style=\"text-align: justify;\"><strong>黄仁勋：</strong></p><p style=\"text-align: justify;\">感谢大家，感谢所有赞助商，也感谢33年来与我们一路合作的伙伴。</p><p style=\"text-align: justify;\">还有Micro Duck，我的新朋友们。</p><p style=\"text-align: justify;\">让我们一起建设欧洲的AI经济，让AI真正投入工作。</p><p style=\"text-align: justify;\">祝大家度过一场精彩的GTC！</p></blockquote>","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>黄仁勋柏林 GTC 演讲：英伟达 AI 工厂路线图，对 NVDA 意味着什么？</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n黄仁勋柏林 GTC 演讲：英伟达 AI 工厂路线图，对 NVDA 意味着什么？\n</h2>\n\n<h4 class=\"meta\">\n\n\n<a class=\"head\" href=\"https://laohu8.com/wemedia/1084101182\">\n\n\n<div class=\"h-thumb\" style=\"background-image:url(https://static.tigerbbs.com/66809d1f5c2e43e2bdf15820c6d6897e);background-size:cover;\"></div>\n\n<div class=\"h-content\">\n<p class=\"h-name\">华尔街见闻 </p>\n<p class=\"h-time\">2026-10-21 20:37</p>\n</div>\n\n</a>\n\n\n</h4>\n\n</header>\n<article>\n<p style=\"text-align: left;\">英伟达首席执行官黄仁勋在柏林GTC大会上密集发布新品，覆盖AI基础设施、智能体安全、机器人与自动驾驶等多个领域，并向欧洲政商界发出强烈呼吁——所有行业都必须成为AI公司。</p><p style=\"text-align: justify;\">10月21日，英伟达首席执行官黄仁勋在GTC大会上表示，<strong>未来所有电信运营商都将提供AI算力，电信基站有望演变为分布式AI网络。</strong>他将AI经济描述为由能源、算力、AI工厂、模型与应用构成的五层结构，并在展示中突出指出，算力层仅出现英伟达一家公司的标志。</p><p style=\"text-align: justify;\"><strong>此次发布涵盖模块化AI数据中心产品DSX Pod、智能体安全架构OpenShell、人形机器人参考平台，以及涉及自动驾驶、癌症治疗和蛋白质设计等多个垂直领域的新品与合作。</strong>英伟达在活动中还宣布，过去一年已在欧洲投资近100亿美元，建立超过12000项合作关系。演讲期间一度被绿色和平组织抗议人士打断，黄仁勋称将事后与其沟通，随即继续演讲。</p><p style=\"text-align: justify;\">在当前部分投资者对AI基础设施投入规模日益质疑的背景下，黄仁勋发出明确看多信号。\"欧洲要想从AI中受益，并真正建立起AI生态和AI经济，就需要所有终端市场、终端行业都采用AI，\"他在演讲中表示，并点名汽车、金融服务和医疗保健行业。英伟达美股盘前一度涨逾2%。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/266a9d883b057892bd12d7c85fa471da\" data-align=\"center\" tg-width=\"640\" tg-height=\"369\"><span></span></p><h2 style=\"text-align: left; padding-left: 10px;\"><strong>DSX POD：将部署周期从六个月压至14天</strong></h2><p style=\"text-align: justify;\">英伟达发布的DSX POD是基于Vera Rubin架构的完整AI工厂参考设计。其核心逻辑在于，将计算、网络、布线、机架级供电及液冷系统的集成安装工作，从现场施工转移至制造工厂。合作伙伴在发货前完成机架间线缆连接、电气布线、管道安装和功能验证，集装箱运抵现场后只需接入预先准备好的电力、冷却与网络设施，即可投入使用。</p><p style=\"text-align: justify;\">黄仁勋表示：</p><blockquote><p style=\"text-align: justify;\">\"AI工厂在开始生产token时创造价值，而不是在建设完工时。借助DSX POD，我们将工厂级精度和速度带入AI基础设施建设，把部署时间从数月缩短至数周，使客户能够更快扩展容量并让可创收的生产上线。\"</p></blockquote><p style=\"text-align: justify;\">需要指出的是，14天指的是场地已完成准备情况下的现场部署时间，不包含从选址到建成的完整周期。客户仍需提前完成电力、冷却、网络等支持设施的准备工作。英伟达计划与戴尔科技、HPE、联想、Bull、施耐德电气、维谛技术等合作伙伴，于2027年初在全球交付基于DSX POD设计的模块化AI工厂。</p><p style=\"text-align: justify;\">在能效层面，DSX AI工厂平台采用闭环液冷和干式冷却器，将冷却用水量降至接近零，在2吉瓦规模下每天可节省高达5400万升水；DSX MaxLPS软件则可帮助运营商在相同token输出下减少最多30%的功耗。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/efab739e357dab367031780361af6f47\" data-align=\"center\" tg-width=\"640\" tg-height=\"356\"><span></span></p><h2 style=\"text-align: left; padding-left: 10px;\"><strong>OpenShell：以硬件级隔离管控AI智能体行为</strong></h2><p style=\"text-align: justify;\">随着智能体部署规模扩大，英伟达推出OpenShell参考架构，专门应对智能体安全问题。该架构整合Vera Rubin基础设施、Vera CPU、BlueField-4数据处理器，以及OpenShell安全运行时软件，通过在系统调用、文件访问和网络连接粒度上执行策略，限制智能体可访问的资源范围。</p><p style=\"text-align: justify;\">核心机制是运行在BlueField-4上的NVIDIA Sentry安全框架，该框架在硬件隔离的可信域中持续监控智能体行为，一旦检测到异常操作，可在毫秒级将其隔离并切断其与模型的连接。英伟达称，Vera Rubin NVL72系统在智能体工作负载下的每兆瓦吞吐量可达此前的30倍，NVIDIA Sentry则可将智能体承载能力提升最多20%。</p><p style=\"text-align: justify;\">OpenShell采用Apache 2.0许可证开源，支持Linux、Kubernetes、微软Windows等企业环境，并可扩展至边缘设备。微软、谷歌云、戴尔科技、思科、OpenAI、Anthropic等已宣布参与相关合作，其中Anthropic与英伟达正合作开发Claude OpenShell智能体。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/5fd7425a8305ae451bc101246382165f\" data-align=\"center\" tg-width=\"640\" tg-height=\"352\"><span></span></p><h2 style=\"text-align: left; padding-left: 10px;\"><strong>机器人与自动驾驶：多家欧洲车企及机器人公司加入生态</strong></h2><p style=\"text-align: justify;\">在物理AI领域，英伟达披露，今年上半年相关市场营收同比增长约30%，至约110亿美元。</p><p style=\"text-align: justify;\">在机器人方向，<strong>英伟达宣布扩展Isaac开放机器人开发平台，推出开源运行时框架Isaac OS、机器人学习框架Isaac Lab 3.0，以及包含2000余种仿真就绪机器人和工厂资产的SimReady Central Library。</strong>同时，英伟达与思灵机器人合作推出人形机器人参考平台Agile One SN，内置Jetson Thor计算硬件，预计明年第一季度上市。黄仁勋表示：</p><blockquote><p style=\"text-align: justify;\">\"通用机器人正以惊人的速度进步——机器人的ChatGPT时刻正快速临近。\"</p></blockquote><p style=\"text-align: justify;\">在自动驾驶领域，沃尔沃汽车将采用英伟达Hyperion计算平台及Alpamayo自动驾驶软件栈开发自动驾驶汽车；大众将英伟达产品用于商用车；Bolt Technology则基于英伟达软件及硬件推进Robotaxi业务，计划2027年起在马德里采集真实驾驶数据，并规划在欧洲部署至少2.5万辆具备L4自动驾驶能力的车辆。此外，梅赛德斯-奔驰将利用Hyperion平台开发L3和L4级自动驾驶能力。英伟达还推出Halos SAFE安全评估框架，将仿真、软硬件在环测试、道路测试和车队监测纳入统一评估流程。</p><p class=\"t-img-caption\"><img src=\"https://static.tigerbbs.com/e960f79ac2d2ba4f837b8c7450733427\" data-align=\"center\" tg-width=\"640\" tg-height=\"353\"><span></span></p><h2 style=\"text-align: left; padding-left: 10px;\"><strong>医疗与生物医药：从放射治疗到蛋白质设计</strong></h2><p style=\"text-align: justify;\">英伟达在医疗健康领域宣布多项合作。与西门子医疗旗下癌症治疗业务合作，探索将智能体AI、患者个体化仿真及实时计算应用于自适应放射治疗，相关系统将实时监测患者呼吸与体位变化并动态调整放射剂量。</p><p style=\"text-align: justify;\">在生物医药方向，英伟达与华盛顿大学医学院蛋白质设计研究所合作推出开放模型BioNeMo RFD4-Proteina，可根据分子输入、设计约束和评分目标生成并优化蛋白质设计方案，应用场景涵盖药物研发、疾病检测及工业酶开发。</p><h2 style=\"text-align: left; padding-left: 10px;\"><strong>开放模型与基础设施：布局欧洲本土AI生态</strong></h2><p style=\"text-align: justify;\">面向欧洲企业和研究机构，英伟达宣布扩充开放模型产品组合，新品涵盖Nemotron 3.5系列语言与视觉模型、面向结构化商业数据分析的Kumo模型、用于机器人训练与仿真的Cosmos世界模型、面向自动驾驶边缘推理的Alpamayo 2 Edge，以及用于量子计算的Ising模型。</p><p style=\"text-align: justify;\">黄仁勋将AI经济比作由能源、算力、AI工厂、模型与应用五层构成的结构，并指出欧洲AI基础设施建设正在加速。他预测，未来所有电信运营商都将提供AI算力，现有电信基站有望逐步演变为分布式AI网络。在合作伙伴层面，Nscale、Firebird等AI数据中心建设商，以及Mistral、Legora、DeepL等欧洲AI模型与应用公司，均被纳入其展示的AI经济生态图谱。</p><p style=\"text-align: justify;\">以下为黄仁勋在英伟达2026年柏林GTC主题演讲全文：</p><blockquote><p style=\"text-align: justify;\"><strong>黄仁勋：</strong></p><p style=\"text-align: justify;\">2020年，我们开始与梅赛德斯-奔驰合作开发自动驾驶汽车。回顾英伟达33年的发展历程，我在德国度过了很多时间。因此，我很高兴再次来到这里，也很高兴今年能在这里举办GTC。</p><p style=\"text-align: justify;\">过去一年，我们开启了一段新的旅程：在欧洲建设一个新产业，推动AI经济起步。</p><p style=\"text-align: justify;\">仅在过去一年，我们就在欧洲投资了近100亿美元，涵盖初创企业，以及遍布欧洲的大大小小的合作项目。</p><p style=\"text-align: justify;\">就在过去一周，我从法国、英国来到瑞典，再来到柏林。期间，我们宣布投资了14家初创企业。迄今为止，我们在欧洲建立了超过12,000项合作关系，大家都在朝着同一个目标努力。</p><p style=\"text-align: justify;\">计算机产业经过数十年的发展，如今，我们正站在一场新工业革命的起点。</p><p style=\"text-align: justify;\">这张图片是计算机生成的，提示词由我提供。我只是简单描述了“AI推动新工业革命”，再列出几家希望突出展示的合作伙伴，它就生成了这幅画面。</p><p style=\"text-align: justify;\">非常有意思的是，在AI的理解中，建设一个新产业，意味着生成Token、生产智能，再把智能融入每一个行业，推动新的工业革命。</p><p style=\"text-align: justify;\">当一项新技术改变了我们如何制造产品，以及我们能够制造什么产品时，一场新的工业革命就会发生。</p><p style=\"text-align: justify;\">我认为，人工智能将在各个方面影响我们制造的一切，并让我们能够创造过去无法创造的新事物。</p><p style=\"text-align: justify;\">每个人都会使用它，每家公司都会由它赋能，因为它是数字智能，是一切的基础。每个行业都会因此改变，新的行业也会诞生。</p><p style=\"text-align: justify;\">就像电力一样，AI将带来一场新的工业革命，而我们才刚刚起步。</p><p style=\"text-align: justify;\">问题是：什么是AI？</p><p style=\"text-align: justify;\">如果你希望参与创造这个未来，理解AI究竟是什么，至关重要。</p><p style=\"text-align: justify;\">我们很早就意识到，AI实际上是一个制造产业。</p><p style=\"text-align: justify;\">它不仅是一项软件技术。AI当然运行在计算机上，但这种计算机的运行方式已经发生了根本变化。它不再仅仅是供我们使用的工具，而是成为机器、基础设施和工厂的一部分，用来生产智能，再将智能融入每一个行业和应用。</p><p style=\"text-align: justify;\">一个简单的理解方式，是把AI看作一块五层蛋糕：</p><p style=\"text-align: justify;\">能源驱动先进计算机；这些计算机构成AI工厂；运行在工厂中的模型生成Token，也就是数字智能；这些智能再融入各种应用。</p><p style=\"text-align: justify;\">要参与AI经济，你不应该只消费AI，也应该生产AI。这些事情，我们都可以在欧洲完成，而且已经开始了。</p><p style=\"text-align: justify;\">欧洲正在建设自己的AI经济，图中展示的就是这五个层次。我们拥有出色的合作伙伴。观察这五层结构，你会发现，这确实是一个新产业，因为每一层都在增长。</p><p style=\"text-align: justify;\">我们正在以惊人的速度创造就业和增长机会。欧洲的施耐德电气、西门子、西门子能源等公司，在全球都有出色表现。</p><p style=\"text-align: justify;\">英伟达处于计算层，我们的技术被集成到欧洲各地不断涌现的AI工厂中。Nebius等新兴企业发展得非常好；一家名为Firebird的新公司正在中亚地区建设新的云平台，非洲也有Cassava这样的企业。</p><p style=\"text-align: justify;\">我预测，未来每一家电信运营商都会向AI转型。大量通信站点及数据中心构成的分布式基础设施，将演变为分布式AI网络。原稿所述规模为约10万个站点、约100吉瓦。</p><p style=\"text-align: justify;\">AI基础设施正在建设，其上才是AI模型。</p><p style=\"text-align: justify;\">必须认识到，在模型出现之前，基础设施就必须先存在。就像拥有互联网之前必须先建立网络，要享受电力的能力，必须先建设电厂、让住宅接入电网一样。</p><p style=\"text-align: justify;\">模型层也不只有语言模型，还包括生物、化学、物理、机器人动作和动画等模型，而且规模各不相同。</p><p style=\"text-align: justify;\">不同产业将由不同模态的AI模型驱动。这些模型进一步融入AI原生企业和初创公司，而欧洲有大量这样的企业。</p><p style=\"text-align: justify;\">欧洲的AI经济已经起步，而且正在加速发展。</p><p style=\"text-align: justify;\">谈到英伟达在底层的贡献，多数人首先想到的是GPU，这当然没错。</p><p style=\"text-align: justify;\">1993年，我们从图形芯片起步，后来发展出GPU和可编程着色GPU。随后，我们加入CUDA加速能力，重新定义了计算，并推动了人工智能的发展。</p><p style=\"text-align: justify;\">但今天的英伟达，实际上已经是一个覆盖全栈、端到端的完整AI工厂平台。多年来，我们的技术范围已经大幅扩展。</p><p style=\"text-align: justify;\">我们的技术包括GPU计算，最新一代是Vera Rubin；包括将多颗GPU连接成一颗巨大GPU的NVLink交换机；包括最近推出的Vera和BlueField-4，稍后我还会介绍。</p><p style=\"text-align: justify;\">还有我们的以太网解决方案Spectrum-X，它使英伟达成为如今全球最大的网络公司。</p><p style=\"text-align: justify;\">还有用于文本及Token生成的解码加速器Groq 3。</p><p style=\"text-align: justify;\">此外，还有基于Vera和BlueField-4的存储加速，以及Vera RTX计算。稍后我会分别介绍。</p><p style=\"text-align: justify;\">这些技术共同构成了建设AI工厂所需要的硬件体系，但如果没有软件将其激活，一切都无法工作。</p><p style=\"text-align: justify;\">首先是运行AI工厂的系统软件。</p><p style=\"text-align: justify;\">这些系统极其庞大。一座1吉瓦的数据中心，也就是一座1吉瓦的AI工厂，成本大约为500亿美元。这包括土地、电力、建筑，以及计算、网络、存储、供电和冷却设备。</p><p style=\"text-align: justify;\">所有设备连接起来，形成占地数英亩的AI工厂。仅仅让它启动并正常运行，本身就是一项壮举。</p><p style=\"text-align: justify;\">让这座工厂运转、投入使用并生产Token，需要海量软件，这是一项非凡的工程。英伟达提供完整的全栈软件。</p><p style=\"text-align: justify;\">其上是我们称为CUDA-X的库，也就是英伟达的算法体系。</p><p style=\"text-align: justify;\">从本质上说，英伟达是一家算法公司，我们设计芯片来加速这些算法。</p><p style=\"text-align: justify;\">其中之一是cuDNN。很多研究人员认为，这个库推动了现代AI的大爆发。</p><p style=\"text-align: justify;\">cuDNN之于AI，就像SQL之于全球数据库产业。它是面向特定领域的语言和库。</p><p style=\"text-align: justify;\">就像OpenGL和DirectX推动了实时计算机图形的发展，cuDNN推动了AI计算产业的发展。</p><p style=\"text-align: justify;\">除此之外，我们还有350个其他库。这些库才是公司的核心资产，覆盖计算光刻、信号处理、图像处理、数据处理、粒子、流体、稀疏求解器等广泛领域。</p><p style=\"text-align: justify;\">在座许多人的公司已经接入了这些库。</p><p style=\"text-align: justify;\">我们通过这种方式开拓新市场，将英伟达与各种算法连接起来，让大家以极高速度完成计算。</p><p style=\"text-align: justify;\">最右边则是模型。</p><p style=\"text-align: justify;\">模型是新的软件，也是新应用的引擎。它们建立在CUDA-X库之上，并与这些库协同工作。</p><p style=\"text-align: justify;\">英伟达一直在多个领域开发这些模型，它们将开启新的机会，稍后我会详细介绍。</p><p style=\"text-align: justify;\">回顾AI时代的各代产品，我们从Pascal开始。</p><p style=\"text-align: justify;\">基于Pascal的DGX-1，是世界上第一台AI超级计算机。我在十年前发布它，并将第一台交付给OpenAI，开启了他们的计算发展历程。</p><p style=\"text-align: justify;\">从Pascal到Volta、Ampere，再到很多人第一次听说英伟达时接触到的Hopper，然后是当前的Blackwell，以及如今已全面投产的Vera Rubin。</p><p style=\"text-align: justify;\">这是六代架构。每一代，我们都在推动技术进步。</p><p style=\"text-align: justify;\">过去十年，我们将AI性能提高了100万倍。</p><p style=\"text-align: justify;\">退一步想，如果只依靠摩尔定律，十年会发生什么？前五年提高10倍，后五年再提高10倍，合计约100倍。</p><p style=\"text-align: justify;\">而在同一时期，我们通过所谓的“极致协同设计”，同时在计算机架构和软件栈各层开展创新，优化算法、创造新算法，并设计相应架构来加速它们，最终将AI性能提高了100万倍。我们还会继续这样做。</p><p style=\"text-align: justify;\">这就是今天英伟达所构建的技术体系，也是我们帮助欧洲参与AI生态和AI经济的基础。</p><p style=\"text-align: justify;\">早期的Pascal、Volta、Ampere和Hopper，主要围绕GPU展开。我们创造了新的DGX形态。</p><p style=\"text-align: justify;\">到了Blackwell，我们向世界推出了首个机架级计算系统。</p><p style=\"text-align: justify;\">机架级计算把一整套系统变成一台巨大的计算机，或者说一颗巨大的GPU。</p><p style=\"text-align: justify;\">到了Vera Rubin，我们进一步扩展计算范围：不再只处理模型或大语言模型，而是处理整个智能体。</p><p style=\"text-align: justify;\">稍后我们还会回到这张图，但请记住：智能体需要思考，而模型承担的就是这部分工作。</p><p style=\"text-align: justify;\">感知、推理、规划和工具使用，都依赖大语言模型，模型也是为这些能力而设计的。</p><p style=\"text-align: justify;\">但智能体还需要一个运行框架，也就是Harness。你可以把它理解为数字智能体的外骨骼。</p><p style=\"text-align: justify;\">就像人有大脑，也有身体，智能体框架负责协调工作，让智能体能够调用记忆，包括活动记忆、工作记忆和长期记忆，并使用工具。</p><p style=\"text-align: justify;\">第三部分是处理知识的计算机，专门负责数据处理。</p><p style=\"text-align: justify;\">最后，还有一类专门运行CUDA-X库的计算机，负责执行工具。</p><p style=\"text-align: justify;\">这些计算机共同构成完整的智能体系统。</p><p style=\"text-align: justify;\">Vera Rubin已经全面投产。我们来看看实物。</p><p style=\"text-align: justify;\">这是我们打造的第一款没有外露连接线缆、采用100%液冷设计的计算机。它可以直接抽出来，非常方便。</p><p style=\"text-align: justify;\">这就是一台Vera Rubin计算机，这个单元有两颗GPU。</p><p style=\"text-align: justify;\">过去，组装一个Grace Blackwell节点需要两个小时。你看过实物就会明白，到处都是线缆，它采用约80%的液冷设计。</p><p style=\"text-align: justify;\">现在，Vera Rubin实现了100%液冷，组装时间不到五分钟。</p><p style=\"text-align: justify;\">这是了不起的进步，意味着更短的制造周期、更高的可靠性，以及更好的性能。</p><p style=\"text-align: justify;\">这是NVLink交换机托盘。它将72颗GPU连接起来，形成一颗巨大的GPU。</p><p style=\"text-align: justify;\">每颗GPU的性能为20 PFLOPS，再将72颗连接成一个庞大的系统。</p><p style=\"text-align: justify;\">这是我们的新款Vera计算机。</p><p style=\"text-align: justify;\">[现场出现插话]</p><p style=\"text-align: justify;\">没关系，温和一点，让她有机会说话。每个人都有表达的机会。不过今天，先让我完成演讲，我稍后会和你们交流。</p><p style=\"text-align: justify;\">这些都是重要的问题，但请让我先讲完主题演讲。</p><p style=\"text-align: justify;\">这个会场已经坐满，全球还有100个同步观看活动，现在有15,000人正在观看。</p><p style=\"text-align: justify;\">最后我准备了一些非常有意思的内容。在娱乐环节到来之前，大家得先忍受一下我的知识讲解。</p><p style=\"text-align: justify;\">这是全新的Vera计算机。Vera CPU是一颗非常强大的处理器，每个时钟周期能够执行八条指令。</p><p style=\"text-align: justify;\">它采用了我们所说的全球首创LPDDR内存子系统，兼具高性能、极高带宽和出色的能源效率。</p><p style=\"text-align: justify;\">它的片上互连速度在全球芯片中处于领先水平，因此，数据处理，以及智能体会话的启动和执行性能，都非常出色。这正是它的设计目标。</p><p style=\"text-align: justify;\">这就是Vera计算机。</p><p style=\"text-align: justify;\">旁边这套是Spectrum-X，采用共封装光学，也就是CPO技术。我给大家看看。</p><p style=\"text-align: justify;\">舞台上有些地方是空的，有些地方可以踩，我不太确定分别在哪里。如果我突然消失了，大家要知道，那不是特技，是意外。</p><p style=\"text-align: justify;\">这里是激光器。光信号通过光学连接直接进入芯片。</p><p style=\"text-align: justify;\">我们与台积电共同开发了一项名为COUPE的工艺，让硅光子器件能够直接连接到芯片上。</p><p style=\"text-align: justify;\">否则，这一整块区域都需要通过印刷电路板传输信号，而电路板的传输能力远不如光纤。</p><p style=\"text-align: justify;\">现在，我们可以让极高数据速率、高质量的信号直接到达芯片，减少传统方案中通过电路板和收发器进行转换的环节。</p><p style=\"text-align: justify;\">这是我们的CPO产品，已经进入全面量产，提供512个端口，每个端口的速率为200Gbps。</p><p style=\"text-align: justify;\">这是全球最先进的以太网交换机，我们对此非常自豪。</p><p style=\"text-align: justify;\">这些系统让我们能够处理大语言模型的思考过程，运行智能体框架，处理智能体所需的知识数据，并通过加速计算运行各种工具。这些基本上构成了智能体的完整工作负载。</p><p style=\"text-align: justify;\">Vera Rubin已经全面投产，性能非常出色。</p><p style=\"text-align: justify;\">正如我所说，每一代产品，我们都通过极致协同设计，实现远超摩尔定律所能带来的性能进步。</p><p style=\"text-align: justify;\">大家知道，摩尔定律在很大程度上已经走到尽头。因此，我们需要从芯片到系统、从系统软件到算法，再到整个AI工厂，开展这种协同设计。</p><p style=\"text-align: justify;\">Vera Rubin在Blackwell的基础上又迈出了一大步。</p><p style=\"text-align: justify;\">在大语言模型处理方面，Blackwell的性能约为Hopper的30倍。而仅仅两年后，Vera Rubin又达到了Blackwell的约30倍。</p><p style=\"text-align: justify;\">接下来看看，Vera Rubin如何构成DSX全栈AI工厂。</p><p style=\"text-align: justify;\"><strong>视频旁白：</strong></p><p style=\"text-align: justify;\">AI正在推动历史上规模最大的基础设施建设。</p><p style=\"text-align: justify;\">工厂规模庞大，投资金额巨大，我们必须把它建好。但只有优秀的芯片，还不足以构成优秀的AI工厂。</p><p style=\"text-align: justify;\">NVIDIA DSX是与全球领先基础设施企业共同开发的全栈AI工厂参考架构。</p><p style=\"text-align: justify;\">计算、网络、存储、软件、供电和冷却作为一个整体协同设计，从设计阶段到实际运营全面优化。</p><p style=\"text-align: justify;\">DSX从数字孪生开始。</p><p style=\"text-align: justify;\">在施工之前，先在虚拟环境中验证性能、功耗、用水量及扩展能力。</p><p style=\"text-align: justify;\">PTC将设备设计转化为可用于仿真的资产。</p><p style=\"text-align: justify;\">达索系统通过基于模型的系统工程，将机架设计与设施设计连接起来。</p><p style=\"text-align: justify;\">施耐德电气模拟配电和液冷系统。</p><p style=\"text-align: justify;\">Jacobs将这些内容整合进Omniverse数字孪生。</p><p style=\"text-align: justify;\">西门子评估热、声学及电网影响。</p><p style=\"text-align: justify;\">Procore支持施工阶段的规划。</p><p style=\"text-align: justify;\">电力决定AI工厂能够生产多少智能。</p><p style=\"text-align: justify;\">DSX Max LPS是一套端到端控制回路，能够根据工作负载需求动态分配电力，在实现相同产出的情况下减少30%的用电量。</p><p style=\"text-align: justify;\">DSX也重新设计了冷却方式。</p><p style=\"text-align: justify;\">NVIDIA Vera Rubin系统采用闭式液冷，在适宜气候条件下，冷却液温度可以高达45摄氏度。室外干式冷却器将热量释放到空气中，不需要蒸发水。</p><p style=\"text-align: justify;\">对于一座2吉瓦的设施，DSX每天可以节省5,400万升水，相当于18万户家庭的日用水量。</p><p style=\"text-align: justify;\">然而，建设AI工厂可能需要数月时间。在投运之前，它不会生产任何Token。</p><p style=\"text-align: justify;\">今天，我们发布NVIDIA DSX Pod，将这一全栈平台整合成在工厂内制造的一体化系统。</p><p style=\"text-align: justify;\">它以Vera Rubin NVL72为基础。</p><p style=\"text-align: justify;\">七个液冷计算机架，通过17公里的Spectrum-X线缆连接，构成一个Vera Rubin DSX Pod。</p><p style=\"text-align: justify;\">整个Pod在工厂完成集成、布线和测试，再装入可运输的集装箱交付。</p><p style=\"text-align: justify;\">干式冷却器取代传统蒸发冷却系统，800伏直流电直接连接机架，提高供电效率。</p><p style=\"text-align: justify;\">只要现场基础设施就绪，预计现场部署时间就能从数月缩短至数天。</p><p style=\"text-align: justify;\">NVIDIA DSX AI工厂从设计阶段就考虑资源效率和责任。现在有了DSX Pod，AI工厂的建设速度将大幅提升：每瓦电力产生更多智能，从交付到生成首个Token所需的时间也更短。</p><p style=\"text-align: justify;\"><strong>黄仁勋：</strong></p><p style=\"text-align: justify;\">大家觉得怎么样？</p><p style=\"text-align: justify;\">2016年，我们发布了世界上第一台AI超级计算机。当时，它是一台单节点GPU系统。</p><p style=\"text-align: justify;\">三年前，我们推出了Grace Blackwell NVLink 72机架级计算机。</p><p style=\"text-align: justify;\">这两次创新，我们不仅重新设计了计算机、软件和运行方式，也重新设计了供应链。</p><p style=\"text-align: justify;\">以NVLink 72为例，过去整个机架需要在现场组装，现在我们把组装工作移到了供应链内部。</p><p style=\"text-align: justify;\">本质上，我们实现了超级计算机的规模化制造。</p><p style=\"text-align: justify;\">这正是我们能够如此快速行动，同时支持全球数百个数据中心建设项目的原因。</p><p style=\"text-align: justify;\">如今，全球所有主要计算机制造商都在制造NVLink 72。我们生产计算系统的规模，是过去从未有过、难以想象的。</p><p style=\"text-align: justify;\">即便如此，当这些系统运抵现场后，仍然需要数月时间进行组装。</p><p style=\"text-align: justify;\">刚才大家听到了，仅用于横向扩展计算的Spectrum-X连接，就需要17公里线缆。</p><p style=\"text-align: justify;\">假设我们把这些工作全部放到供应链内部完成：组装系统、启动运行、验证完整功能、完成质量认证和老化测试，确保出货时已经能够正常工作。</p><p style=\"text-align: justify;\">这样，现场布线和组装量就会大幅减少。</p><p style=\"text-align: justify;\">但更重要的是，数据中心里等待安装调试、无法投入使用的闲置算力，也会显著减少。</p><p style=\"text-align: justify;\">记住，每座1吉瓦数据中心的成本约为500亿美元，预期每年可创造数百亿美元收入。</p><p style=\"text-align: justify;\">假设这套基础设施每年能够创造400亿美元收入，仅仅延迟三个月，就意味着100亿美元收入推迟实现。这足以让任何人感到焦虑。</p><p style=\"text-align: justify;\">通过将这些工作转移到供应链内部，从计算设备到货、安装，到正式生产Token的时间，有望从四五个月缩短至大约一个月。</p><p style=\"text-align: justify;\">这将彻底改变全球供应链，也会改变人们安装和建设数据中心的方式。</p><p style=\"text-align: justify;\">我们希望，这能提高建设和投运速度，减少闲置算力及闲置资本支出的浪费，让所有参与者获得更好的盈利能力。</p><p style=\"text-align: justify;\">这就是将NVLink 72进一步集成为大型机柜系统的DSX Pod，也是英伟达计算系统发展的下一步。</p><p style=\"text-align: justify;\">你制造什么，以及如何制造，决定了你的独特之处。</p><p style=\"text-align: justify;\">就像欧洲企业，你们掌握的专业能力让你们与众不同：你们设计机器、运营工厂、发现药物，拥有非凡的工艺和专业知识。</p><p style=\"text-align: justify;\">英伟达的独特之处主要有两点。</p><p style=\"text-align: justify;\">第一，我们的架构是一种通用加速计算架构。</p><p style=\"text-align: justify;\">我们不只针对一种算法，例如Transformer，而是支持各种可以并行处理的工作负载，包括流体、粒子、量子计算、量子化学、图像处理、数据处理，以及结构化数据和向量数据处理。</p><p style=\"text-align: justify;\">由于我们长期投入，而且架构在过去约25年里保持一致，我们支持和加速的算法、领域及行业数量持续增长。</p><p style=\"text-align: justify;\">庞大的装机基础、通用架构、长期投入，以及与各行业的合作，让英伟达架构几乎无处不在。</p><p style=\"text-align: justify;\">第二，是我们的实现方式。</p><p style=\"text-align: justify;\">我们不仅开发架构，还将其构建成完整的全栈AI工厂。</p><p style=\"text-align: justify;\">世界上有不少公司希望自行设计芯片，但绝大多数公司只是希望部署AI基础设施，然后在其上运行自己的业务。</p><p style=\"text-align: justify;\">设计芯片、制造超级计算机、编写全部软件，对大多数企业来说都不是它们打算承担的工作。</p><p style=\"text-align: justify;\">因此，CUDA与全栈AI工厂的结合，使我们能够服务过去难以触及的市场。这也是我们能够与这里众多企业合作的原因。</p><p style=\"text-align: justify;\">从云服务提供商，也就是CSP开始，多数人认为今天绝大部分AI都集中在那里。但在演讲开头，我提到的很多公司并不属于传统CSP。</p><p style=\"text-align: justify;\">CSP仍然是全球计算市场的重要组成部分，但与此同时，世界各地正在涌现AI原生企业。</p><p style=\"text-align: justify;\">还有新型AI云服务商，也就是Neocloud。每个地区都希望参与AI经济，希望将自身拥有的宝贵资源和能源用于支持本地区企业。</p><p style=\"text-align: justify;\">例如法国的Mistral、欧洲的Nebius，以及欧洲各地建设新型AI云的公司。</p><p style=\"text-align: justify;\">还有为全球企业制造计算机的OEM和ODM厂商，以及AI实验室。</p><p style=\"text-align: justify;\">去年，我们大量讨论OpenAI；如今，除了OpenAI和Anthropic，还有Meta、Grok、Gemini等参与者，越来越多AI实验室正在推动前沿技术发展。</p><p style=\"text-align: justify;\">但最重要的是，如果AI要真正成功，如果欧洲要从AI中受益并建立完整的AI生态和AI经济，那么所有终端行业都必须采用AI，并通过AI取得成功。</p><p style=\"text-align: justify;\">无论是开发自动驾驶汽车的汽车行业、使用机器人进行制造的工业企业、通过AI发现新药的医疗行业，还是金融服务业，每个行业的企业都需要成为AI公司。</p><p style=\"text-align: justify;\">借助CUDA以及我们的计算机制造方式，我们能够服务AI的各个细分领域。</p><p style=\"text-align: justify;\">一种架构，覆盖多个市场。</p><p style=\"text-align: justify;\">这些基础设施规模巨大、成本高昂，因此必须尽快发挥最大生产力，而且能够灵活用于各种工作负载。</p><p style=\"text-align: justify;\">从AI旅程最初的数据处理，到训练、后训练、推理和智能体处理；从化学、物理到语言；从各个行业到它们使用的各种算法，都应当由同一套基础设施支持。</p><p style=\"text-align: justify;\">因此，英伟达架构具有很强的通用性和可调配性。</p><p style=\"text-align: justify;\">持续创新、持续软件更新，以及庞大装机基础所形成的丰富软件生态，又让这套架构具有长期使用价值。</p><p style=\"text-align: justify;\">通用、耐用、高效，这就是基础。</p><p style=\"text-align: justify;\">有了这些基础设施，我们能做什么？</p><p style=\"text-align: justify;\">过去一年，AI发生了转变，开始真正创造生产力。</p><p style=\"text-align: justify;\">其中一个重要时刻，是年初我们谈到OpenClaw，它将开源智能体的概念带给了更多人，也推动了如今全球正在发生的变化。</p><p style=\"text-align: justify;\">智能体会思考、推理、迭代和使用工具，因此会消耗大量Token。但也正因如此，它们开始真正有用。</p><p style=\"text-align: justify;\">更多智能体被开发出来，因为更有用，所以更多人使用；又因为思考需要大量Token，Token消耗迅速增长，GPU需求也随之大幅上升。</p><p style=\"text-align: justify;\">这张图展示的是一个智能体的五个组成部分。</p><p style=\"text-align: justify;\">第一是语言模型。模型运行在GPU上，生成供智能体使用的Token。</p><p style=\"text-align: justify;\">第二是我所说的“外骨骼”，也就是智能体框架，例如OpenClaw。</p><p style=\"text-align: justify;\">框架运行在沙箱内，沙箱将它与系统其他部分隔离。这是一个非常重要的概念。</p><p style=\"text-align: justify;\">另外两个部分是知识和工具。</p><p style=\"text-align: justify;\">模型、框架、沙箱、知识和工具，构成了智能体的五个要素。</p><p style=\"text-align: justify;\">在讨论如何让智能体变得有用之前，首先必须确保它是安全的。</p><p style=\"text-align: justify;\">智能体是自主系统，可以访问文件、资源、网络和工具。因此，我们必须赋予它最小必要权限，并持续监控其行为。</p><p style=\"text-align: justify;\">为此，我们推出了一个新平台：OpenShell。</p><p style=\"text-align: justify;\">OpenShell是一个安全运行时，提供刚才提到的能力，并可以配合额外的硬件监控机制。</p><p style=\"text-align: justify;\">在详细解释之前，我们先看一段视频。</p><p style=\"text-align: justify;\"><strong>视频旁白：</strong></p><p style=\"text-align: justify;\">企业正在准备部署数十亿个AI智能体。</p><p style=\"text-align: justify;\">为了发挥作用，它们需要推理、规划、使用工具、访问数据并相互协作。</p><p style=\"text-align: justify;\">但如今，阻止智能体滥用这些能力的方式，往往只是告诉它：</p><p style=\"text-align: justify;\">“请不要删除任何东西。”<br>“请不要向主分支推送代码。”<br>“请不要碰我的SSH密钥。”</p><p style=\"text-align: justify;\">这就是“请不要”的安全方式。</p><p style=\"text-align: justify;\">但希望不等于安全。安全不是愿望，而是技术和工程。</p><p style=\"text-align: justify;\">NVIDIA OpenShell和Sentry将这一理念落实到实际系统中。</p><p style=\"text-align: justify;\">你为每个智能体编写策略，规定它可以接触什么。OpenShell在系统调用、文件访问和网络连接层面执行这些策略。</p><p style=\"text-align: justify;\">形式化验证会检查每一次策略变更，确保其不突破你设定的权限上限，使智能体不会获得超出预期的访问权限。</p><p style=\"text-align: justify;\">这类似于早期互联网：在浏览器严格限制网页能力之前，病毒曾经四处传播。OpenShell为智能体建立类似的边界。</p><p style=\"text-align: justify;\">这些限制在智能体之外执行，而不是只依赖大语言模型内部的护栏，从而将智能体原生安全能力引入基础设施。</p><p style=\"text-align: justify;\">每个智能体都运行在自己的隔离沙箱中，不能直接访问网络。</p><p style=\"text-align: justify;\">所有出站网络请求，都必须经过沙箱外的监督组件。监督组件根据策略检查请求，未获允许的操作会被拒绝。</p><p style=\"text-align: justify;\">密钥保存在沙箱外，由监督组件管理，只有向获准访问的端点发送请求时才会加入。即使智能体遭到入侵，也无法泄露它从未持有的密钥。</p><p style=\"text-align: justify;\">网关充当控制平面，监督组件负责作出决定，沙箱容纳智能体，策略证明器则检查拟议策略是否符合权限上限。</p><p style=\"text-align: justify;\">OpenShell将Linux内核隔离与运行时策略执行相结合。</p><p style=\"text-align: justify;\">NVIDIA Sentry还可以在主机之外、远离智能体的位置，增加一层可选保护。</p><p style=\"text-align: justify;\">Sentry运行在NVIDIA BlueField-4上，在硬件隔离的信任域中监控智能体活动并执行安全策略。</p><p style=\"text-align: justify;\">智能体的推理流量经过Sentry，因此一旦检测到需要阻止的计划，系统可以立即更新策略，切断智能体与模型的连接，在毫秒内完成隔离。</p><p style=\"text-align: justify;\">它还保留可验证、防篡改痕迹的记录，供运营人员进行检测、调查和响应。</p><p style=\"text-align: justify;\">OpenShell采用Apache 2.0许可证开源，可运行在智能体所在的各种环境中，从边缘到云端。只需两个命令即可开始使用：安装命令行工具，创建沙箱，然后运行你喜欢的智能体。</p><p style=\"text-align: justify;\">智能体能发挥多大作用，取决于你赋予它多少访问能力。OpenShell和Sentry让这些访问能力处于你的控制之下。</p><p style=\"text-align: justify;\">这就是我们同时推进AI能力与安全的方式。</p><p style=\"text-align: justify;\"><strong>黄仁勋：</strong></p><p style=\"text-align: justify;\">智能体是自主系统。我们必须创造高度安全的技术，确保能够安全地开发和部署它们。</p><p style=\"text-align: justify;\">OpenShell发布后，从前沿模型实验室，到操作系统公司、网络安全公司和平台公司，许多大型企业都开始采用它。</p><p style=\"text-align: justify;\">因为这项技术到来的时机恰到好处：我们正准备在全球大规模部署智能体。</p><p style=\"text-align: justify;\">这不仅关乎服务提供商在部署智能体时使用OpenShell，也关乎世界各地的企业采用OpenShell，让这些智能体能够在企业内部自主运行。</p><p style=\"text-align: justify;\">不同能力、不同任务、不同使用者，对应不同的权限需求。每次启动智能体，所需要的权限可能都不一样。</p><p style=\"text-align: justify;\">因此，权限配置、策略执行和监控，都必须动态完成。</p><p style=\"text-align: justify;\">我很高兴宣布，Anthropic与英伟达正在合作，将Claude智能体与OpenShell结合。网站上有一篇很好的介绍文章。</p><p style=\"text-align: justify;\">你可以使用OpenClaw、Hermes、OpenHands，也可以通过LangChain、Deep Agents构建自己的框架，甚至直接用Python编写。</p><p style=\"text-align: justify;\">这些智能体框架都可以运行在OpenShell提供的安全沙箱中。</p><p style=\"text-align: justify;\">接下来谈模型。</p><p style=\"text-align: justify;\">未来，我们不会只用一个模型处理所有工作，而是会根据任务选择最合适的模型，无论它是闭源、开放还是定制模型。</p><p style=\"text-align: justify;\">有些工作相对通用，通用人工智能就能做得很好。</p><p style=\"text-align: justify;\">但另一些工作包含大量专有知识和专业能力，而且你希望持续提升这些能力。</p><p style=\"text-align: justify;\">因此，未来每家公司都会同时使用闭源模型，以及自行定制的开放模型。</p><p style=\"text-align: justify;\">到今天演讲结束时，大家会发现，构建自己的AI并没有那么困难。</p><p style=\"text-align: justify;\">首先当然是模型。</p><p style=\"text-align: justify;\">我们一直致力于推动开放模型的发展，开拓新机会，让大家能够构建自己的定制AI。</p><p style=\"text-align: justify;\">Nemotron面向语言。</p><p style=\"text-align: justify;\">Cosmos是我们的世界基础模型，我们在这一领域处于前沿。</p><p style=\"text-align: justify;\">GR00T面向人形机器人。</p><p style=\"text-align: justify;\">Alpamayo面向自主导航。</p><p style=\"text-align: justify;\">Ising面向量子—经典混合计算。</p><p style=\"text-align: justify;\">Earth-2面向物理AI。</p><p style=\"text-align: justify;\">在这些不同领域，我们都提供模型，并持续投入研发。我们已经做了十年，也会长期做下去。</p><p style=\"text-align: justify;\">我们不仅开放模型，还提供相关数据，让你了解模型的数据来源，并提供复现所需的脚本。</p><p style=\"text-align: justify;\">因此，你得到的不只是开放权重，而是完整的方法、数据和复现路径。你能够知道模型从何而来，并建立对它的信任。</p><p style=\"text-align: justify;\">这些模型未必在所有领域都是最前沿的，尤其是在语言模型方面。</p><p style=\"text-align: justify;\">但通过定制，以及与生态伙伴合作，你可以将它们提升到自己所需领域的前沿水平，把专有数据转化为自主掌握的智能。</p><p style=\"text-align: justify;\">例如，AI21帮助Alice将Nemotron定制为超越相关前沿能力的模型。</p><p style=\"text-align: justify;\">Baseten帮助CodeRabbit使用自身数据微调Nemotron，实现前沿水平的能力。</p><p style=\"text-align: justify;\">Trajectory与Harvey也通过对Nemotron进行后训练，构建自己的前沿能力。</p><p style=\"text-align: justify;\">Scale与Skydance同样在做这样的事情。</p><p style=\"text-align: justify;\">例子还有很多。</p><p style=\"text-align: justify;\">核心在于，你可以从Nemotron这样优秀的开放模型出发，用自己的数据针对特定用例进行后训练，从而获得高度专业化的智能。</p><p style=\"text-align: justify;\">这是一条非常合理的路径，所需技术今天都已具备。</p><p style=\"text-align: justify;\">这里还有Palantir与坦帕综合医院的案例。</p><p style=\"text-align: justify;\">我们拥有丰富的合作伙伴生态，能够帮助大家。这些都是出色的公司，可以为世界各地的客户提供服务。</p><p style=\"text-align: justify;\">我如果只提一家，就会漏掉其他伙伴；如果全部列出来，又要花很长时间。我非常珍视所有这些合作伙伴。</p><p style=\"text-align: justify;\">总结一下：首先，让智能体框架运行在OpenShell安全沙箱中；其次，选择Nemotron等大语言模型。</p><p style=\"text-align: justify;\">但真正让普通智能体变成“超级智能体”的，是让它访问你公司的知识。</p><p style=\"text-align: justify;\">我们将这套能力称为智能体知识基础。</p><p style=\"text-align: justify;\">它由一组世界级模型和工具组成，帮助你处理公司的各种数据资产。</p><p style=\"text-align: justify;\">数据可能以非结构化形式存在于文档中，因此需要AI理解PDF和其他非结构化文件；也可能以结构化形式存在于数据库中。</p><p style=\"text-align: justify;\">我们提供必要的库和工具，帮助你从企业数据中提取含义、形成理解。</p><p style=\"text-align: justify;\">Nemotron Parse负责文档解析，表现位居相关排行榜前列。</p><p style=\"text-align: justify;\">Nemotron Embed将查询与向量数据库中的知识关联起来，同样具有领先表现。</p><p style=\"text-align: justify;\">Nemotron Rerank则处理检索到的多个来源和数据片段，根据与查询的相关程度重新排序。</p><p style=\"text-align: justify;\">Kumo可以利用结构化数据库预测可能发生的事情。</p><p style=\"text-align: justify;\">举例来说，你收到供应商通知，某些物料将出现短缺或交付延迟。这条信息很可能是一份非结构化文档。</p><p style=\"text-align: justify;\">而公司订单信息通常保存在SQL等结构化数据库中。</p><p style=\"text-align: justify;\">如果要预测哪些订单会受影响、哪些会缺货、延迟多久，可以使用Kumo。</p><p style=\"text-align: justify;\">接下来，为了寻找替代零件，你可以使用向量数据库检索，找到相关替代部件的工程文档。</p><p style=\"text-align: justify;\">这些模型、库和数据处理能力，共同构成知识基础，让AI能够利用你的专有数据和专有知识。</p><p style=\"text-align: justify;\">最后是工具，也就是完成专业工作所需要的工具。</p><p style=\"text-align: justify;\">英伟达一直在开发CUDA-X。</p><p style=\"text-align: justify;\">在AI成为主要话题之前，我们的大量讨论都围绕着如何加速模拟器、求解器、数据处理引擎，以及各种领域专用库展开。</p><p style=\"text-align: justify;\">这些工具用于各个科学领域的发现，也用于工程、研究、设计、建造和创意艺术。</p><p style=\"text-align: justify;\">它们的核心是CUDA-X库，而CUDA-X库本质上是算法。大家知道，算法是美的。</p><p style=\"text-align: justify;\">我们来看一段展示。</p><p style=\"text-align: justify;\">数学很美。</p><p style=\"text-align: justify;\">CUDA-X库是我们公司的核心资产。原因在于，当你构建AI助手时，无论它是实验室助手、研究助手，还是与你共同设计和创造的伙伴，最终让它真正有用、能够完成实际工作的，都是工具。</p><p style=\"text-align: justify;\">现在，我们拥有能够让智能体理解信息、推理、规划，并不断采取行动、使用工具直到完成任务的模型。</p><p style=\"text-align: justify;\">但最终，仍然离不开工具。</p><p style=\"text-align: justify;\">这些工具，我们已经开发了很多年。</p><p style=\"text-align: justify;\">刚才展示的右侧那类计算机，可以运行所有这些工具，无论是流体动力学、粒子物理、量子化学、数据处理，还是光线追踪。</p><p style=\"text-align: justify;\">与直接在CPU上运行相比，它可以将处理速度提高10倍、50倍，甚至100倍。</p><p style=\"text-align: justify;\">CUDA-X给智能体提供了完成专业工作的能力。看到其他人如何使用这些工具，非常令人兴奋。</p><p style=\"text-align: justify;\">这就是智能体背后的关键。</p><p style=\"text-align: justify;\">智能体最终需要使用工具。</p><p style=\"text-align: justify;\">软件编程是最早采用智能体的领域之一，在那里，编译器或Python往往就足以完成很多工作。</p><p style=\"text-align: justify;\">但未来，随着智能体承担越来越多实际任务，我们需要为它们提供更多工具。</p><p style=\"text-align: justify;\">下面是几个例子。</p><p style=\"text-align: justify;\">Lila Sciences正在开发实验室助手，使用英伟达的BioNeMo模型理解蛋白质和细胞，并在药物发现中设计蛋白质及化学分子，同时调用CUDA-X工具。</p><p style=\"text-align: justify;\">西门子正在构建工厂智能体，使用理解物理世界的Cosmos世界基础模型，以及CUDA-X工具。</p><p style=\"text-align: justify;\">达索系统则在开发虚拟伙伴，使用Nemotron语言模型和CUDA-X工具。</p><p style=\"text-align: justify;\">来看看它们如何工作。</p><p style=\"text-align: justify;\"><strong>视频旁白：</strong></p><p style=\"text-align: justify;\">最聪明的科学家仍然需要实验室，最优秀的工程师仍然需要模拟器和求解器，AI智能体也是如此。</p><p style=\"text-align: justify;\">一个智能体由五个部分组成：</p><p style=\"text-align: justify;\">模型负责感知、推理和规划。</p><p style=\"text-align: justify;\">框架负责协调工作。</p><p style=\"text-align: justify;\">知识基础从公司的结构化和非结构化数据中提供上下文。</p><p style=\"text-align: justify;\">工具让智能体能够模拟、实验和采取行动。</p><p style=\"text-align: justify;\">NVIDIA OpenShell控制智能体可以访问和执行什么。</p><p style=\"text-align: justify;\">你可以从前沿闭源模型开始，也可以定制开放模型。借助NVIDIA Agent Toolkit，任何公司都能将自身知识和专业能力转化为定制超级智能体。</p><p style=\"text-align: justify;\">来看三个例子。</p><p style=\"text-align: justify;\">对于Lila Sciences，目标是设计一种针对B细胞淋巴瘤的疗法。</p><p style=\"text-align: justify;\">基于Nemotron构建的Lila Iris智能体，将这一目标转化为实验计划。</p><p style=\"text-align: justify;\">在计算干实验室中，Lila智能体使用NVIDIA BioNeMo Agent Toolkit，调用蛋白质设计和RNA优化模型，运行数百万次虚拟实验。</p><p style=\"text-align: justify;\">最有前景的候选方案进入Lila的AI科学工厂，由借助Omniverse和Cosmos开发的自主机器人及仪器进行制备和测试。</p><p style=\"text-align: justify;\">结果返回Iris，影响下一轮设计和实验，形成持续迭代的闭环。</p><p style=\"text-align: justify;\">在西门子埃尔朗根电子工厂，目标是让新产品投入生产。</p><p style=\"text-align: justify;\">Process Preparation X智能体使用Cosmos生成虚拟原型和合成数据，在生产开始前训练并验证检测模型。</p><p style=\"text-align: justify;\">基于NVIDIA工厂运营蓝图构建的Intelligence Center X智能体，根据订单、物料供应和产线配置，提出生产计划建议。</p><p style=\"text-align: justify;\">Digital Twin Composer利用Omniverse库，将物理仿真与实时工厂数据结合，在实际调整生产现场之前验证这些计划。</p><p style=\"text-align: justify;\">在达索系统平台上，一位工程师需要将大众Golf的车门设计适配到Tiguan车型。</p><p style=\"text-align: justify;\">Aura和Leo使用Nemotron理解和推理工程要求。</p><p style=\"text-align: justify;\">智能体框架协调各个专业子智能体，并在规划、设计和仿真过程中保留上下文。</p><p style=\"text-align: justify;\">Aura使用ENOVIA，根据车辆尺寸、重量限制和其他工程要求规划工作。</p><p style=\"text-align: justify;\">Leo设计智能体选择兼容的Golf车门设计，再使用CATIA修改形状，使其适配Tiguan。</p><p style=\"text-align: justify;\">Leo仿真智能体使用由CUDA-X加速的SIMULIA测试不同方案，发现了振动问题。</p><p style=\"text-align: justify;\">结果返回设计智能体进行优化，工程师审核改进后的设计，并选择最终方案。</p><p style=\"text-align: justify;\">不同的目标，不同的专业知识，相同的基础组成：开放模型、CUDA-X加速工具，以及OpenShell安全运行时，通过NVIDIA Agent Toolkit整合在一起。</p><p style=\"text-align: justify;\"><strong>黄仁勋：</strong></p><p style=\"text-align: justify;\">很棒，对吧？</p><p style=\"text-align: justify;\">有人说，AI来了，软件和工具公司的时代就要结束了。</p><p style=\"text-align: justify;\">事实恰恰相反。</p><p style=\"text-align: justify;\">AI到来后，使用这些工具的用户将比以往任何时候都多。</p><p style=\"text-align: justify;\">每一家工具公司都将成为AI公司、智能体公司。它们不仅提供工具，还会提供经过专门优化、非常擅长使用这些工具的智能体。</p><p style=\"text-align: justify;\">Cadence、CrowdStrike、达索系统，以及其他许多企业软件公司，都在构建智能体。我们很高兴与它们合作。[原稿名单中另有一家公司名称不清。]</p><p style=\"text-align: justify;\">构建智能体并没有那么困难。它有五个组成部分：模型、框架、OpenShell安全运行时，以及最重要的知识和工具。</p><p style=\"text-align: justify;\">模型和框架都有开放和闭源版本，而知识与工具属于你，代表你的专业能力。</p><p style=\"text-align: justify;\">这些事情如今都已能够实现。稍后我还会展示更多，但在此之前，先谈谈物理AI。</p><p style=\"text-align: justify;\">物理AI是AI的下一波浪潮。</p><p style=\"text-align: justify;\">它能够理解物理世界，并对其进行推理。因为物理世界多样、复杂，存在极其丰富的长尾情况，AI需要理解这些情况，再使用合适的工具与物理世界互动。</p><p style=\"text-align: justify;\">一谈物理AI，大家往往想到机器人。</p><p style=\"text-align: justify;\">但我最喜欢的应用之一，其实是移动通信基站。</p><p style=\"text-align: justify;\">它不是用摄像头、扬声器或麦克风，而是通过无线电波感知世界，处理信息并进行推理，再利用波束成形与世界互动。</p><p style=\"text-align: justify;\">因此，通信是一种非常适合AI的技术。</p><p style=\"text-align: justify;\">AI将彻底改变电信网络，大幅提高频谱效率。</p><p style=\"text-align: justify;\">就像我们在光线追踪上所做的一样：大家看到的图形采用完整光线追踪，而在引入AI之后，与过去认为必要的计算量相比，效率出现了百万倍量级的变化。</p><p style=\"text-align: justify;\">我们将为电信网络带来巨大的频谱效率提升。</p><p style=\"text-align: justify;\">除此之外，还将改变这些通信站点。原稿所述西方地区约有10万个站点，构成约100吉瓦的分布式数据中心基础设施，未来将演变为分布式AI基础设施。</p><p style=\"text-align: justify;\">我们很高兴与欧洲众多公司合作。</p><p style=\"text-align: justify;\">经过近八年的研发，就在上周，英伟达与诺基亚合作，在T-Mobile网络上完成了首次商用通话。</p><p style=\"text-align: justify;\">现在，CUDA已经能够执行传统通信处理。在此基础上，我们就可以进一步叠加AI能力，推动新的变革。</p><p style=\"text-align: justify;\">另一个让我非常兴奋的物理AI应用，是机器人辅助放射治疗。</p><p style=\"text-align: justify;\">在治疗过程中，肿瘤形状可能变化，人体也会移动。这套自适应放疗系统必须感知环境变化，识别肿瘤位置，精确分割目标，并据此准确引导放射治疗。</p><p style=\"text-align: justify;\">本质上，这是一种机器人化治疗。</p><p style=\"text-align: justify;\">当然，大家最熟悉、近期最有望实现大规模应用的机器人或物理AI领域，是我们已经投入十多年的自动驾驶。</p><p style=\"text-align: justify;\">我们意识到，每一家汽车公司都希望自己的车辆能够加入出行服务车队。</p><p style=\"text-align: justify;\">今天已有Uber、Bolt、Grab、Lyft等平台。未来，自动驾驶出租车也会接入这些出行服务，而且不会只来自一个品牌。</p><p style=\"text-align: justify;\">但开发这样的系统，尤其是其软件，成本非常高。</p><p style=\"text-align: justify;\">因此，我们决定创建一个标准架构。</p><p style=\"text-align: justify;\">这套架构包括14个摄像头、9套雷达、3个激光雷达，以及一组超声波传感器。</p><p style=\"text-align: justify;\">这些传感器形成一个环绕车辆的感知系统，由双NVIDIA GPU系统提供自动驾驶计算能力。</p><p style=\"text-align: justify;\">我们将它发展为行业标准，如今正在被越来越多车型采用。</p><p style=\"text-align: justify;\">自动驾驶软件公司在其上开发能力，英伟达自己也是其中之一。这些自动驾驶出租车再接入出行服务平台，形成完整生态。</p><p style=\"text-align: justify;\">全球每年的出行里程约为1万亿英里。未来，其中相当一部分里程可能由自动驾驶出租车完成，按每英里1至2美元计算，这是一个巨大机会。</p><p style=\"text-align: justify;\">但市场非常分散。</p><p style=\"text-align: justify;\">通过建立Hyperion这样的标准架构，并与整个生态合作，我们就能形成一个巨大的虚拟车队，让各方都能接入。</p><p style=\"text-align: justify;\">今天，我很高兴宣布，又有四个品牌或车型系列加入：大众厢式车、捷豹路虎的新车型、沃尔沃车队，以及梅赛德斯-奔驰下一代车型。</p><p style=\"text-align: justify;\">它们将兼容Hyperion，并成为这一自动驾驶出行网络的一部分。</p><p style=\"text-align: justify;\">欢迎加入Hyperion。</p><p style=\"text-align: justify;\">下一个伟大产业，而且很可能规模极其庞大的产业，是人形机器人。</p><p style=\"text-align: justify;\">机器人之所以难做，一个重要原因是任务种类非常多。</p><p style=\"text-align: justify;\">如果针对每一种任务都开发一种特殊形态，就会把机器人产业分割成许多不同配置，难以形成推动技术进步的规模效应。</p><p style=\"text-align: justify;\">手机、个人电脑，以及英伟达NVLink 72之所以进步如此迅速，是因为标准化配置可以服务大量客户。</p><p style=\"text-align: justify;\">大量需求带来规模，规模又推动技术迭代，让产品更快、更好。</p><p style=\"text-align: justify;\">因此，我们需要尽可能标准化的机器人形态。</p><p style=\"text-align: justify;\">人形机器人未必适合所有任务，但很可能适合很多任务。因此，它可能成为出货量最大的机器人形态。</p><p style=\"text-align: justify;\">如果我们再为它开发能够快速学习的AI，那么即使中小企业没有专门的机器人团队，也不必从头编程，只需要向机器人演示要完成的工作。</p><p style=\"text-align: justify;\">机器人凭借通用能力和通用智能，就能快速学习和适应。</p><p style=\"text-align: justify;\">这很可能成为下一个重要技术平台。</p><p style=\"text-align: justify;\">我们正在与许多公司合作，其中不少来自欧洲。这是欧洲的重要机会。</p><p style=\"text-align: justify;\">欧洲在机电一体化、电子和机械系统的精度与工艺方面，拥有深厚积累。这里有大量制造能力极强的企业。</p><p style=\"text-align: justify;\">机器人将成为下一个大规模产业。许多公司已经参与进来，我们很高兴与大家合作。</p><p style=\"text-align: justify;\">构建物理AI系统，需要三类计算机。</p><p style=\"text-align: justify;\">第一类，就是我们一直在谈、大家也很熟悉的计算机，用来训练AI模型。</p><p style=\"text-align: justify;\">第二类，用来让AI学习技能。</p><p style=\"text-align: justify;\">你不能只是把AI编写出来，就让它进入物理世界随意尝试。学习应该先在数字孪生中进行。</p><p style=\"text-align: justify;\">我们创建了Omniverse数字孪生平台。</p><p style=\"text-align: justify;\">刚才看到的很多CUDA-X演示，都运行在数字孪生世界中。</p><p style=\"text-align: justify;\">Omniverse是一组可以接入各种平台和工具的库，包括西门子、达索系统、Cadence等公司的平台。它们共同构建数字孪生系统。</p><p style=\"text-align: justify;\">第三类，是部署在机器人上的计算机。</p><p style=\"text-align: justify;\">对于自动驾驶汽车和自动驾驶出租车，我们将相关平台称为Hyperion。</p><p style=\"text-align: justify;\">它包括计算机本身、功能安全系统、主动安全系统，以及专为物理AI安全设计的操作系统。</p><p style=\"text-align: justify;\">我们也需要为机器人提供同样完整的平台。</p><p style=\"text-align: justify;\">这样，当大家开始研究或开发机器人时，就不必从零拼装所有软件、计算系统、传感器和机械部件。仅仅完成这些准备工作，就可能耗费几年时间。</p><p style=\"text-align: justify;\">因此，我们决定打造一款参考机器人。</p><p style=\"text-align: justify;\">这就是英伟达与Agile Robots合作的Agile One。</p><p style=\"text-align: justify;\">这款参考机器人预计将在明年第一季度提供，出厂时已经完成组装，内置计算机，集成软件，开箱即可具备相当不错的能力。</p><p style=\"text-align: justify;\">它将成为一个很好的起点，推动机器人开发加速。</p><p style=\"text-align: justify;\">现在，让我们回到演讲开始的地方。</p><p style=\"text-align: justify;\">英伟达诞生于个人电脑革命之中。</p><p style=\"text-align: justify;\">1993年，我们成立时，PC革命正准备进入新的阶段；Windows 95随后让它进一步加速。</p><p style=\"text-align: justify;\">此后，我们发明了GPU，推动可编程着色和实时光线追踪发展，将CUDA加入计算模型，并帮助点燃现代AI革命。</p><p style=\"text-align: justify;\">四年前，我们开始思考：面对新的时代，能否重新定义个人电脑？</p><p style=\"text-align: justify;\">它不再只是你的工具，而是你的个人智能体、个人助手。你与它的互动，更像与一位帮助你工作的伙伴交流。</p><p style=\"text-align: justify;\">因此，这台计算机需要具备今天介绍的五个部分。</p><p style=\"text-align: justify;\">它需要模型，模型可以在本地运行，也可以在云端运行。</p><p style=\"text-align: justify;\">它需要智能体框架。</p><p style=\"text-align: justify;\">它需要OpenShell安全运行时。</p><p style=\"text-align: justify;\">它还需要访问个人电脑中的知识和工具。</p><p style=\"text-align: justify;\">好消息是，英伟达已经加速这些工具很多年。</p><p style=\"text-align: justify;\">只要我们创造一台同时支持OpenGL、DirectX和CUDA加速的计算机，英伟达过去开发的一切就都能够在其上运行。</p><p style=\"text-align: justify;\">这就是成果。</p><p style=\"text-align: justify;\">经过四年与微软的合作，我们打造了RTX Spark，这是一条全新的计算机产品线。</p><p style=\"text-align: justify;\">数千个工程人年的投入，凝结在其中。我们秘密研发了四年，创造了一颗名为N1X的芯片，最近与整个PC产业共同发布。</p><p style=\"text-align: justify;\">我们打造了台式机、笔记本电脑和工作站。</p><p style=\"text-align: justify;\">这台设备提供1 PFLOPS算力。</p><p style=\"text-align: justify;\">作个对比：2016年，我向当时还很小的OpenAI交付了一台拥有1 PFLOPS算力和128GB内存的计算机。</p><p style=\"text-align: justify;\">现在，这台小设备同样提供1 PFLOPS算力和128GB内存。</p><p style=\"text-align: justify;\">区别在于，我可以这样把它拿在手里，而当年的DGX-1需要两个人才能抬上楼。</p><p style=\"text-align: justify;\">这就是全新的RTX Spark PC。</p><p style=\"text-align: justify;\">如果你想要一台运行CATIA、达索系统其他软件，以及Autodesk、Adobe、Cadence和Synopsys工具的配套工作站，也可以选择运行Windows的DGX Station。</p><p style=\"text-align: justify;\">它提供20 PFLOPS算力和754GB内存。</p><p style=\"text-align: justify;\">此外，还有桌面版本。</p><p style=\"text-align: justify;\">相关产品正在推出，运行Windows的DGX Station预计将在今年年底上市。</p><p style=\"text-align: justify;\">现在，我已经讲了智能体的五个组成部分。接下来的问题是，怎么构建智能体？</p><p style=\"text-align: justify;\">如何让它运行在这些计算机上，或者运行在云端、企业本地环境中？</p><p style=\"text-align: justify;\">答案其实很简单。</p><p style=\"text-align: justify;\">构建智能体的方法，就是请一个智能体替你构建。</p><p style=\"text-align: justify;\">接下来，这段提示词将驱动一个应用。</p><p style=\"text-align: justify;\">大家将看到一个机器人应用演示。观看时请记住，这台个人电脑上运行着一个智能体，而整套演示涉及三类计算机：</p><p style=\"text-align: justify;\">第一类用于训练。</p><p style=\"text-align: justify;\">第二类运行数字孪生。</p><p style=\"text-align: justify;\">第三类将AI部署到机器人本身。</p><p style=\"text-align: justify;\">这里有两个核心概念：一是如何构建和运行智能体，以及能用它做什么；二是由三类计算机构成的物理AI计算模式。</p><p style=\"text-align: justify;\">我们来看演示。</p><p style=\"text-align: justify;\"><strong>视频旁白：</strong></p><p style=\"text-align: justify;\">这是Hugging Face的机器人Micro Duck。</p><p style=\"text-align: justify;\">让我们使用NVIDIA RTX Spark，教它观察世界和行走。</p><p style=\"text-align: justify;\">我使用Hermes作为智能体框架，以Nemotron和OpenAI的GPT-6 Astra作为模型，并使用CUDA-X加速工具：FreeCAD、Blender、Isaac Sim、Newton物理引擎和Isaac Lab。</p><p style=\"text-align: justify;\">除非需要将大型工作负载扩展到云端，否则所有任务都在RTX Spark上运行。</p><p style=\"text-align: justify;\">首先，我描述训练场地，以及Micro Duck需要学会什么。</p><p style=\"text-align: justify;\">RTX Spark上的Hermes和Nemotron规划场地，列出所需的全部物体。</p><p style=\"text-align: justify;\">随后，Astra使用FreeCAD建立三维物体模型，用Blender赋予材质，再通过Omniverse仿真就绪库添加物理属性。</p><p style=\"text-align: justify;\">Astra在Isaac Sim中布置场景，为Micro Duck配置关节、执行器和连接结构，再利用Newton物理引擎模拟它的运动。</p><p style=\"text-align: justify;\">接下来开始训练。</p><p style=\"text-align: justify;\">云端的Isaac Lab让数千个Micro Duck同时训练。</p><p style=\"text-align: justify;\">每一次跌倒都是一次学习机会，推动控制策略不断改进。</p><p style=\"text-align: justify;\">Omniverse库模拟Micro Duck的摄像头，教它“看见”环境。</p><p style=\"text-align: justify;\">当感知与物理能力结合后，Micro Duck能够避开障碍、穿过狭窄空间，并适应周围环境。</p><p style=\"text-align: justify;\">我将训练策略下载到RTX Spark，使用Nemotron和Isaac Sim，通过多智能体编排对Micro Duck进行评估。</p><p style=\"text-align: justify;\">最后，将通过验证的策略部署到真实机器人上，它就可以开始行动了。</p><p style=\"text-align: justify;\">NVIDIA RTX Spark，让你直接在笔记本电脑上构建和运行AI智能体及其加速工具。</p><p style=\"text-align: justify;\"><strong>黄仁勋：</strong></p><p style=\"text-align: justify;\">你们好！过来，给大家看看你们会走路。</p><p style=\"text-align: justify;\">你们还有摄像头。小心，别绊倒。</p><p style=\"text-align: justify;\">能坐下吗？现在站起来。休息一下，再站起来。</p><p style=\"text-align: justify;\">你们知道自己是在这里被创造出来的吗？</p><p style=\"text-align: justify;\">你们诞生于RTX Spark，在云端的大量英伟达超级计算机上接受训练，并在RTX Spark上的Omniverse数字孪生中学习技能。</p><p style=\"text-align: justify;\">是不是很神奇？</p><p style=\"text-align: justify;\">你们真可爱。你们的“父母”叫Pollen，对吧？Pollen Robotics。</p><p style=\"text-align: justify;\">听说大家太喜欢你们了，已经卖光了。</p><p style=\"text-align: justify;\">所有观看这段视频的朋友——可能会有两千万人——都可以去Pollen的网站看看，下一笔订单。</p><p style=\"text-align: justify;\">这家初创公司大概只有十个人，订单可能一下子就把他们淹没了。</p><p style=\"text-align: justify;\">每个人都应该有一只，你们太可爱了。</p><p style=\"text-align: justify;\">有一台RTX Spark，我们就能继续教你们新技能。</p><p style=\"text-align: justify;\">能翻个跟头吗？</p><p style=\"text-align: justify;\">太棒了！</p><p style=\"text-align: justify;\">那么，今天我们谈了什么？</p><p style=\"text-align: justify;\">我们谈到了欧洲建设自己的AI经济，而这一切从基础设施开始。</p><p style=\"text-align: justify;\">我们发布了新的DSX Pod系统，让建设AI工厂更加容易。</p><p style=\"text-align: justify;\">而这些AI工厂，不再只是运行模型。</p><p style=\"text-align: justify;\">[转向机器人。]</p><p style=\"text-align: justify;\">集中注意力，过来，坐下。</p><p style=\"text-align: justify;\">这些工厂运行的是完整的智能体。</p><p style=\"text-align: justify;\">智能体包含五个部分：</p><p style=\"text-align: justify;\">大语言模型负责感知、推理、规划和行动。</p><p style=\"text-align: justify;\">智能体框架相当于它的外骨骼，负责协调运行。</p><p style=\"text-align: justify;\">框架运行在OpenShell安全运行时中。</p><p style=\"text-align: justify;\">再赋予它访问知识和工具的能力。</p><p style=\"text-align: justify;\">这些智能体运行在我们的计算机上，而我们还在向下一代扩展，也就是物理AI。这就是你们这些小机器人的用武之地。</p><p style=\"text-align: justify;\">每个人都能构建智能体，欧洲每家公司都会成为AI公司，这一点毫无疑问。</p><p style=\"text-align: justify;\">欧洲将拥有蓬勃发展的AI经济。</p><p style=\"text-align: justify;\">33年来，这是一段不可思议的旅程。我们制作了一段很酷的视频，你们要一起看吗？</p><p style=\"text-align: justify;\">过来一点，我们让开舞台。全速前进！</p><p style=\"text-align: justify;\"><strong>视频主持人：</strong></p><p style=\"text-align: justify;\">这样的演示之后，我们还能拿什么接着上场？</p><p style=\"text-align: justify;\">有一件事，能让现场更沸腾。</p><p style=\"text-align: justify;\">是什么？</p><p style=\"text-align: justify;\">你绝对想不到，GTC要变成欧洲歌唱大赛了！</p><p style=\"text-align: justify;\"><strong>黄仁勋：</strong></p><p style=\"text-align: justify;\">感谢大家，感谢所有赞助商，也感谢33年来与我们一路合作的伙伴。</p><p style=\"text-align: justify;\">还有Micro Duck，我的新朋友们。</p><p style=\"text-align: justify;\">让我们一起建设欧洲的AI经济，让AI真正投入工作。</p><p style=\"text-align: justify;\">祝大家度过一场精彩的GTC！</p></blockquote>\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"","relate_stocks":{"NVDO":"2倍上限加速NVDA ETF-Leverage Shares","NVDL":"2倍做多NVDA ETF-GraniteShares","NVDQ":"2倍做空NVDA ETF-T-Rex","NVDS":"1.5倍做空NVDA ETF-Tradr","NVDU":"2倍做多NVDA ETF-Direxion","NVDW":"NVDA周配息ETF-Roundhill","NVDX":"2倍做多NVDA ETF-T-Rex","07388":"南方两倍做空英伟达","NVC":"Corgi NVDA 2x Daily ETF","NVDY":"NVDA期权收益策略ETF-YieldMax","NVD":"2倍做空NVDA ETF-GraniteShares","DIPS":"做空NVDA期权收益策略ETF-YieldMax","ANV":"GraniteShares Autocallable NVDA ETF","NVYY":"GraniteShares YieldBOOST NVDA ETF","NVDB":"ProShares Ultra NVDA ETF","07788":"南方两倍做多英伟达","NVII":"Rex NVDA Growth & Income ETF","NVDA":"英伟达","NVDD":"1倍做空NVDA ETF-Direxion","NVDG":"2倍做多NVDA ETF- Leverage Shares"},"source_url":"","is_english":false,"share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","article_id":"1101212720","content_text":"英伟达首席执行官黄仁勋在柏林GTC大会上密集发布新品，覆盖AI基础设施、智能体安全、机器人与自动驾驶等多个领域，并向欧洲政商界发出强烈呼吁——所有行业都必须成为AI公司。10月21日，英伟达首席执行官黄仁勋在GTC大会上表示，未来所有电信运营商都将提供AI算力，电信基站有望演变为分布式AI网络。他将AI经济描述为由能源、算力、AI工厂、模型与应用构成的五层结构，并在展示中突出指出，算力层仅出现英伟达一家公司的标志。此次发布涵盖模块化AI数据中心产品DSX Pod、智能体安全架构OpenShell、人形机器人参考平台，以及涉及自动驾驶、癌症治疗和蛋白质设计等多个垂直领域的新品与合作。英伟达在活动中还宣布，过去一年已在欧洲投资近100亿美元，建立超过12000项合作关系。演讲期间一度被绿色和平组织抗议人士打断，黄仁勋称将事后与其沟通，随即继续演讲。在当前部分投资者对AI基础设施投入规模日益质疑的背景下，黄仁勋发出明确看多信号。\"欧洲要想从AI中受益，并真正建立起AI生态和AI经济，就需要所有终端市场、终端行业都采用AI，\"他在演讲中表示，并点名汽车、金融服务和医疗保健行业。英伟达美股盘前一度涨逾2%。DSX POD：将部署周期从六个月压至14天英伟达发布的DSX POD是基于Vera Rubin架构的完整AI工厂参考设计。其核心逻辑在于，将计算、网络、布线、机架级供电及液冷系统的集成安装工作，从现场施工转移至制造工厂。合作伙伴在发货前完成机架间线缆连接、电气布线、管道安装和功能验证，集装箱运抵现场后只需接入预先准备好的电力、冷却与网络设施，即可投入使用。黄仁勋表示：\"AI工厂在开始生产token时创造价值，而不是在建设完工时。借助DSX POD，我们将工厂级精度和速度带入AI基础设施建设，把部署时间从数月缩短至数周，使客户能够更快扩展容量并让可创收的生产上线。\"需要指出的是，14天指的是场地已完成准备情况下的现场部署时间，不包含从选址到建成的完整周期。客户仍需提前完成电力、冷却、网络等支持设施的准备工作。英伟达计划与戴尔科技、HPE、联想、Bull、施耐德电气、维谛技术等合作伙伴，于2027年初在全球交付基于DSX POD设计的模块化AI工厂。在能效层面，DSX AI工厂平台采用闭环液冷和干式冷却器，将冷却用水量降至接近零，在2吉瓦规模下每天可节省高达5400万升水；DSX MaxLPS软件则可帮助运营商在相同token输出下减少最多30%的功耗。OpenShell：以硬件级隔离管控AI智能体行为随着智能体部署规模扩大，英伟达推出OpenShell参考架构，专门应对智能体安全问题。该架构整合Vera Rubin基础设施、Vera CPU、BlueField-4数据处理器，以及OpenShell安全运行时软件，通过在系统调用、文件访问和网络连接粒度上执行策略，限制智能体可访问的资源范围。核心机制是运行在BlueField-4上的NVIDIA Sentry安全框架，该框架在硬件隔离的可信域中持续监控智能体行为，一旦检测到异常操作，可在毫秒级将其隔离并切断其与模型的连接。英伟达称，Vera Rubin NVL72系统在智能体工作负载下的每兆瓦吞吐量可达此前的30倍，NVIDIA Sentry则可将智能体承载能力提升最多20%。OpenShell采用Apache 2.0许可证开源，支持Linux、Kubernetes、微软Windows等企业环境，并可扩展至边缘设备。微软、谷歌云、戴尔科技、思科、OpenAI、Anthropic等已宣布参与相关合作，其中Anthropic与英伟达正合作开发Claude OpenShell智能体。机器人与自动驾驶：多家欧洲车企及机器人公司加入生态在物理AI领域，英伟达披露，今年上半年相关市场营收同比增长约30%，至约110亿美元。在机器人方向，英伟达宣布扩展Isaac开放机器人开发平台，推出开源运行时框架Isaac OS、机器人学习框架Isaac Lab 3.0，以及包含2000余种仿真就绪机器人和工厂资产的SimReady Central Library。同时，英伟达与思灵机器人合作推出人形机器人参考平台Agile One SN，内置Jetson Thor计算硬件，预计明年第一季度上市。黄仁勋表示：\"通用机器人正以惊人的速度进步——机器人的ChatGPT时刻正快速临近。\"在自动驾驶领域，沃尔沃汽车将采用英伟达Hyperion计算平台及Alpamayo自动驾驶软件栈开发自动驾驶汽车；大众将英伟达产品用于商用车；Bolt Technology则基于英伟达软件及硬件推进Robotaxi业务，计划2027年起在马德里采集真实驾驶数据，并规划在欧洲部署至少2.5万辆具备L4自动驾驶能力的车辆。此外，梅赛德斯-奔驰将利用Hyperion平台开发L3和L4级自动驾驶能力。英伟达还推出Halos SAFE安全评估框架，将仿真、软硬件在环测试、道路测试和车队监测纳入统一评估流程。医疗与生物医药：从放射治疗到蛋白质设计英伟达在医疗健康领域宣布多项合作。与西门子医疗旗下癌症治疗业务合作，探索将智能体AI、患者个体化仿真及实时计算应用于自适应放射治疗，相关系统将实时监测患者呼吸与体位变化并动态调整放射剂量。在生物医药方向，英伟达与华盛顿大学医学院蛋白质设计研究所合作推出开放模型BioNeMo RFD4-Proteina，可根据分子输入、设计约束和评分目标生成并优化蛋白质设计方案，应用场景涵盖药物研发、疾病检测及工业酶开发。开放模型与基础设施：布局欧洲本土AI生态面向欧洲企业和研究机构，英伟达宣布扩充开放模型产品组合，新品涵盖Nemotron 3.5系列语言与视觉模型、面向结构化商业数据分析的Kumo模型、用于机器人训练与仿真的Cosmos世界模型、面向自动驾驶边缘推理的Alpamayo 2 Edge，以及用于量子计算的Ising模型。黄仁勋将AI经济比作由能源、算力、AI工厂、模型与应用五层构成的结构，并指出欧洲AI基础设施建设正在加速。他预测，未来所有电信运营商都将提供AI算力，现有电信基站有望逐步演变为分布式AI网络。在合作伙伴层面，Nscale、Firebird等AI数据中心建设商，以及Mistral、Legora、DeepL等欧洲AI模型与应用公司，均被纳入其展示的AI经济生态图谱。以下为黄仁勋在英伟达2026年柏林GTC主题演讲全文：黄仁勋：2020年，我们开始与梅赛德斯-奔驰合作开发自动驾驶汽车。回顾英伟达33年的发展历程，我在德国度过了很多时间。因此，我很高兴再次来到这里，也很高兴今年能在这里举办GTC。过去一年，我们开启了一段新的旅程：在欧洲建设一个新产业，推动AI经济起步。仅在过去一年，我们就在欧洲投资了近100亿美元，涵盖初创企业，以及遍布欧洲的大大小小的合作项目。就在过去一周，我从法国、英国来到瑞典，再来到柏林。期间，我们宣布投资了14家初创企业。迄今为止，我们在欧洲建立了超过12,000项合作关系，大家都在朝着同一个目标努力。计算机产业经过数十年的发展，如今，我们正站在一场新工业革命的起点。这张图片是计算机生成的，提示词由我提供。我只是简单描述了“AI推动新工业革命”，再列出几家希望突出展示的合作伙伴，它就生成了这幅画面。非常有意思的是，在AI的理解中，建设一个新产业，意味着生成Token、生产智能，再把智能融入每一个行业，推动新的工业革命。当一项新技术改变了我们如何制造产品，以及我们能够制造什么产品时，一场新的工业革命就会发生。我认为，人工智能将在各个方面影响我们制造的一切，并让我们能够创造过去无法创造的新事物。每个人都会使用它，每家公司都会由它赋能，因为它是数字智能，是一切的基础。每个行业都会因此改变，新的行业也会诞生。就像电力一样，AI将带来一场新的工业革命，而我们才刚刚起步。问题是：什么是AI？如果你希望参与创造这个未来，理解AI究竟是什么，至关重要。我们很早就意识到，AI实际上是一个制造产业。它不仅是一项软件技术。AI当然运行在计算机上，但这种计算机的运行方式已经发生了根本变化。它不再仅仅是供我们使用的工具，而是成为机器、基础设施和工厂的一部分，用来生产智能，再将智能融入每一个行业和应用。一个简单的理解方式，是把AI看作一块五层蛋糕：能源驱动先进计算机；这些计算机构成AI工厂；运行在工厂中的模型生成Token，也就是数字智能；这些智能再融入各种应用。要参与AI经济，你不应该只消费AI，也应该生产AI。这些事情，我们都可以在欧洲完成，而且已经开始了。欧洲正在建设自己的AI经济，图中展示的就是这五个层次。我们拥有出色的合作伙伴。观察这五层结构，你会发现，这确实是一个新产业，因为每一层都在增长。我们正在以惊人的速度创造就业和增长机会。欧洲的施耐德电气、西门子、西门子能源等公司，在全球都有出色表现。英伟达处于计算层，我们的技术被集成到欧洲各地不断涌现的AI工厂中。Nebius等新兴企业发展得非常好；一家名为Firebird的新公司正在中亚地区建设新的云平台，非洲也有Cassava这样的企业。我预测，未来每一家电信运营商都会向AI转型。大量通信站点及数据中心构成的分布式基础设施，将演变为分布式AI网络。原稿所述规模为约10万个站点、约100吉瓦。AI基础设施正在建设，其上才是AI模型。必须认识到，在模型出现之前，基础设施就必须先存在。就像拥有互联网之前必须先建立网络，要享受电力的能力，必须先建设电厂、让住宅接入电网一样。模型层也不只有语言模型，还包括生物、化学、物理、机器人动作和动画等模型，而且规模各不相同。不同产业将由不同模态的AI模型驱动。这些模型进一步融入AI原生企业和初创公司，而欧洲有大量这样的企业。欧洲的AI经济已经起步，而且正在加速发展。谈到英伟达在底层的贡献，多数人首先想到的是GPU，这当然没错。1993年，我们从图形芯片起步，后来发展出GPU和可编程着色GPU。随后，我们加入CUDA加速能力，重新定义了计算，并推动了人工智能的发展。但今天的英伟达，实际上已经是一个覆盖全栈、端到端的完整AI工厂平台。多年来，我们的技术范围已经大幅扩展。我们的技术包括GPU计算，最新一代是Vera Rubin；包括将多颗GPU连接成一颗巨大GPU的NVLink交换机；包括最近推出的Vera和BlueField-4，稍后我还会介绍。还有我们的以太网解决方案Spectrum-X，它使英伟达成为如今全球最大的网络公司。还有用于文本及Token生成的解码加速器Groq 3。此外，还有基于Vera和BlueField-4的存储加速，以及Vera RTX计算。稍后我会分别介绍。这些技术共同构成了建设AI工厂所需要的硬件体系，但如果没有软件将其激活，一切都无法工作。首先是运行AI工厂的系统软件。这些系统极其庞大。一座1吉瓦的数据中心，也就是一座1吉瓦的AI工厂，成本大约为500亿美元。这包括土地、电力、建筑，以及计算、网络、存储、供电和冷却设备。所有设备连接起来，形成占地数英亩的AI工厂。仅仅让它启动并正常运行，本身就是一项壮举。让这座工厂运转、投入使用并生产Token，需要海量软件，这是一项非凡的工程。英伟达提供完整的全栈软件。其上是我们称为CUDA-X的库，也就是英伟达的算法体系。从本质上说，英伟达是一家算法公司，我们设计芯片来加速这些算法。其中之一是cuDNN。很多研究人员认为，这个库推动了现代AI的大爆发。cuDNN之于AI，就像SQL之于全球数据库产业。它是面向特定领域的语言和库。就像OpenGL和DirectX推动了实时计算机图形的发展，cuDNN推动了AI计算产业的发展。除此之外，我们还有350个其他库。这些库才是公司的核心资产，覆盖计算光刻、信号处理、图像处理、数据处理、粒子、流体、稀疏求解器等广泛领域。在座许多人的公司已经接入了这些库。我们通过这种方式开拓新市场，将英伟达与各种算法连接起来，让大家以极高速度完成计算。最右边则是模型。模型是新的软件，也是新应用的引擎。它们建立在CUDA-X库之上，并与这些库协同工作。英伟达一直在多个领域开发这些模型，它们将开启新的机会，稍后我会详细介绍。回顾AI时代的各代产品，我们从Pascal开始。基于Pascal的DGX-1，是世界上第一台AI超级计算机。我在十年前发布它，并将第一台交付给OpenAI，开启了他们的计算发展历程。从Pascal到Volta、Ampere，再到很多人第一次听说英伟达时接触到的Hopper，然后是当前的Blackwell，以及如今已全面投产的Vera Rubin。这是六代架构。每一代，我们都在推动技术进步。过去十年，我们将AI性能提高了100万倍。退一步想，如果只依靠摩尔定律，十年会发生什么？前五年提高10倍，后五年再提高10倍，合计约100倍。而在同一时期，我们通过所谓的“极致协同设计”，同时在计算机架构和软件栈各层开展创新，优化算法、创造新算法，并设计相应架构来加速它们，最终将AI性能提高了100万倍。我们还会继续这样做。这就是今天英伟达所构建的技术体系，也是我们帮助欧洲参与AI生态和AI经济的基础。早期的Pascal、Volta、Ampere和Hopper，主要围绕GPU展开。我们创造了新的DGX形态。到了Blackwell，我们向世界推出了首个机架级计算系统。机架级计算把一整套系统变成一台巨大的计算机，或者说一颗巨大的GPU。到了Vera Rubin，我们进一步扩展计算范围：不再只处理模型或大语言模型，而是处理整个智能体。稍后我们还会回到这张图，但请记住：智能体需要思考，而模型承担的就是这部分工作。感知、推理、规划和工具使用，都依赖大语言模型，模型也是为这些能力而设计的。但智能体还需要一个运行框架，也就是Harness。你可以把它理解为数字智能体的外骨骼。就像人有大脑，也有身体，智能体框架负责协调工作，让智能体能够调用记忆，包括活动记忆、工作记忆和长期记忆，并使用工具。第三部分是处理知识的计算机，专门负责数据处理。最后，还有一类专门运行CUDA-X库的计算机，负责执行工具。这些计算机共同构成完整的智能体系统。Vera Rubin已经全面投产。我们来看看实物。这是我们打造的第一款没有外露连接线缆、采用100%液冷设计的计算机。它可以直接抽出来，非常方便。这就是一台Vera Rubin计算机，这个单元有两颗GPU。过去，组装一个Grace Blackwell节点需要两个小时。你看过实物就会明白，到处都是线缆，它采用约80%的液冷设计。现在，Vera Rubin实现了100%液冷，组装时间不到五分钟。这是了不起的进步，意味着更短的制造周期、更高的可靠性，以及更好的性能。这是NVLink交换机托盘。它将72颗GPU连接起来，形成一颗巨大的GPU。每颗GPU的性能为20 PFLOPS，再将72颗连接成一个庞大的系统。这是我们的新款Vera计算机。[现场出现插话]没关系，温和一点，让她有机会说话。每个人都有表达的机会。不过今天，先让我完成演讲，我稍后会和你们交流。这些都是重要的问题，但请让我先讲完主题演讲。这个会场已经坐满，全球还有100个同步观看活动，现在有15,000人正在观看。最后我准备了一些非常有意思的内容。在娱乐环节到来之前，大家得先忍受一下我的知识讲解。这是全新的Vera计算机。Vera CPU是一颗非常强大的处理器，每个时钟周期能够执行八条指令。它采用了我们所说的全球首创LPDDR内存子系统，兼具高性能、极高带宽和出色的能源效率。它的片上互连速度在全球芯片中处于领先水平，因此，数据处理，以及智能体会话的启动和执行性能，都非常出色。这正是它的设计目标。这就是Vera计算机。旁边这套是Spectrum-X，采用共封装光学，也就是CPO技术。我给大家看看。舞台上有些地方是空的，有些地方可以踩，我不太确定分别在哪里。如果我突然消失了，大家要知道，那不是特技，是意外。这里是激光器。光信号通过光学连接直接进入芯片。我们与台积电共同开发了一项名为COUPE的工艺，让硅光子器件能够直接连接到芯片上。否则，这一整块区域都需要通过印刷电路板传输信号，而电路板的传输能力远不如光纤。现在，我们可以让极高数据速率、高质量的信号直接到达芯片，减少传统方案中通过电路板和收发器进行转换的环节。这是我们的CPO产品，已经进入全面量产，提供512个端口，每个端口的速率为200Gbps。这是全球最先进的以太网交换机，我们对此非常自豪。这些系统让我们能够处理大语言模型的思考过程，运行智能体框架，处理智能体所需的知识数据，并通过加速计算运行各种工具。这些基本上构成了智能体的完整工作负载。Vera Rubin已经全面投产，性能非常出色。正如我所说，每一代产品，我们都通过极致协同设计，实现远超摩尔定律所能带来的性能进步。大家知道，摩尔定律在很大程度上已经走到尽头。因此，我们需要从芯片到系统、从系统软件到算法，再到整个AI工厂，开展这种协同设计。Vera Rubin在Blackwell的基础上又迈出了一大步。在大语言模型处理方面，Blackwell的性能约为Hopper的30倍。而仅仅两年后，Vera Rubin又达到了Blackwell的约30倍。接下来看看，Vera Rubin如何构成DSX全栈AI工厂。视频旁白：AI正在推动历史上规模最大的基础设施建设。工厂规模庞大，投资金额巨大，我们必须把它建好。但只有优秀的芯片，还不足以构成优秀的AI工厂。NVIDIA DSX是与全球领先基础设施企业共同开发的全栈AI工厂参考架构。计算、网络、存储、软件、供电和冷却作为一个整体协同设计，从设计阶段到实际运营全面优化。DSX从数字孪生开始。在施工之前，先在虚拟环境中验证性能、功耗、用水量及扩展能力。PTC将设备设计转化为可用于仿真的资产。达索系统通过基于模型的系统工程，将机架设计与设施设计连接起来。施耐德电气模拟配电和液冷系统。Jacobs将这些内容整合进Omniverse数字孪生。西门子评估热、声学及电网影响。Procore支持施工阶段的规划。电力决定AI工厂能够生产多少智能。DSX Max LPS是一套端到端控制回路，能够根据工作负载需求动态分配电力，在实现相同产出的情况下减少30%的用电量。DSX也重新设计了冷却方式。NVIDIA Vera Rubin系统采用闭式液冷，在适宜气候条件下，冷却液温度可以高达45摄氏度。室外干式冷却器将热量释放到空气中，不需要蒸发水。对于一座2吉瓦的设施，DSX每天可以节省5,400万升水，相当于18万户家庭的日用水量。然而，建设AI工厂可能需要数月时间。在投运之前，它不会生产任何Token。今天，我们发布NVIDIA DSX Pod，将这一全栈平台整合成在工厂内制造的一体化系统。它以Vera Rubin NVL72为基础。七个液冷计算机架，通过17公里的Spectrum-X线缆连接，构成一个Vera Rubin DSX Pod。整个Pod在工厂完成集成、布线和测试，再装入可运输的集装箱交付。干式冷却器取代传统蒸发冷却系统，800伏直流电直接连接机架，提高供电效率。只要现场基础设施就绪，预计现场部署时间就能从数月缩短至数天。NVIDIA DSX AI工厂从设计阶段就考虑资源效率和责任。现在有了DSX Pod，AI工厂的建设速度将大幅提升：每瓦电力产生更多智能，从交付到生成首个Token所需的时间也更短。黄仁勋：大家觉得怎么样？2016年，我们发布了世界上第一台AI超级计算机。当时，它是一台单节点GPU系统。三年前，我们推出了Grace Blackwell NVLink 72机架级计算机。这两次创新，我们不仅重新设计了计算机、软件和运行方式，也重新设计了供应链。以NVLink 72为例，过去整个机架需要在现场组装，现在我们把组装工作移到了供应链内部。本质上，我们实现了超级计算机的规模化制造。这正是我们能够如此快速行动，同时支持全球数百个数据中心建设项目的原因。如今，全球所有主要计算机制造商都在制造NVLink 72。我们生产计算系统的规模，是过去从未有过、难以想象的。即便如此，当这些系统运抵现场后，仍然需要数月时间进行组装。刚才大家听到了，仅用于横向扩展计算的Spectrum-X连接，就需要17公里线缆。假设我们把这些工作全部放到供应链内部完成：组装系统、启动运行、验证完整功能、完成质量认证和老化测试，确保出货时已经能够正常工作。这样，现场布线和组装量就会大幅减少。但更重要的是，数据中心里等待安装调试、无法投入使用的闲置算力，也会显著减少。记住，每座1吉瓦数据中心的成本约为500亿美元，预期每年可创造数百亿美元收入。假设这套基础设施每年能够创造400亿美元收入，仅仅延迟三个月，就意味着100亿美元收入推迟实现。这足以让任何人感到焦虑。通过将这些工作转移到供应链内部，从计算设备到货、安装，到正式生产Token的时间，有望从四五个月缩短至大约一个月。这将彻底改变全球供应链，也会改变人们安装和建设数据中心的方式。我们希望，这能提高建设和投运速度，减少闲置算力及闲置资本支出的浪费，让所有参与者获得更好的盈利能力。这就是将NVLink 72进一步集成为大型机柜系统的DSX Pod，也是英伟达计算系统发展的下一步。你制造什么，以及如何制造，决定了你的独特之处。就像欧洲企业，你们掌握的专业能力让你们与众不同：你们设计机器、运营工厂、发现药物，拥有非凡的工艺和专业知识。英伟达的独特之处主要有两点。第一，我们的架构是一种通用加速计算架构。我们不只针对一种算法，例如Transformer，而是支持各种可以并行处理的工作负载，包括流体、粒子、量子计算、量子化学、图像处理、数据处理，以及结构化数据和向量数据处理。由于我们长期投入，而且架构在过去约25年里保持一致，我们支持和加速的算法、领域及行业数量持续增长。庞大的装机基础、通用架构、长期投入，以及与各行业的合作，让英伟达架构几乎无处不在。第二，是我们的实现方式。我们不仅开发架构，还将其构建成完整的全栈AI工厂。世界上有不少公司希望自行设计芯片，但绝大多数公司只是希望部署AI基础设施，然后在其上运行自己的业务。设计芯片、制造超级计算机、编写全部软件，对大多数企业来说都不是它们打算承担的工作。因此，CUDA与全栈AI工厂的结合，使我们能够服务过去难以触及的市场。这也是我们能够与这里众多企业合作的原因。从云服务提供商，也就是CSP开始，多数人认为今天绝大部分AI都集中在那里。但在演讲开头，我提到的很多公司并不属于传统CSP。CSP仍然是全球计算市场的重要组成部分，但与此同时，世界各地正在涌现AI原生企业。还有新型AI云服务商，也就是Neocloud。每个地区都希望参与AI经济，希望将自身拥有的宝贵资源和能源用于支持本地区企业。例如法国的Mistral、欧洲的Nebius，以及欧洲各地建设新型AI云的公司。还有为全球企业制造计算机的OEM和ODM厂商，以及AI实验室。去年，我们大量讨论OpenAI；如今，除了OpenAI和Anthropic，还有Meta、Grok、Gemini等参与者，越来越多AI实验室正在推动前沿技术发展。但最重要的是，如果AI要真正成功，如果欧洲要从AI中受益并建立完整的AI生态和AI经济，那么所有终端行业都必须采用AI，并通过AI取得成功。无论是开发自动驾驶汽车的汽车行业、使用机器人进行制造的工业企业、通过AI发现新药的医疗行业，还是金融服务业，每个行业的企业都需要成为AI公司。借助CUDA以及我们的计算机制造方式，我们能够服务AI的各个细分领域。一种架构，覆盖多个市场。这些基础设施规模巨大、成本高昂，因此必须尽快发挥最大生产力，而且能够灵活用于各种工作负载。从AI旅程最初的数据处理，到训练、后训练、推理和智能体处理；从化学、物理到语言；从各个行业到它们使用的各种算法，都应当由同一套基础设施支持。因此，英伟达架构具有很强的通用性和可调配性。持续创新、持续软件更新，以及庞大装机基础所形成的丰富软件生态，又让这套架构具有长期使用价值。通用、耐用、高效，这就是基础。有了这些基础设施，我们能做什么？过去一年，AI发生了转变，开始真正创造生产力。其中一个重要时刻，是年初我们谈到OpenClaw，它将开源智能体的概念带给了更多人，也推动了如今全球正在发生的变化。智能体会思考、推理、迭代和使用工具，因此会消耗大量Token。但也正因如此，它们开始真正有用。更多智能体被开发出来，因为更有用，所以更多人使用；又因为思考需要大量Token，Token消耗迅速增长，GPU需求也随之大幅上升。这张图展示的是一个智能体的五个组成部分。第一是语言模型。模型运行在GPU上，生成供智能体使用的Token。第二是我所说的“外骨骼”，也就是智能体框架，例如OpenClaw。框架运行在沙箱内，沙箱将它与系统其他部分隔离。这是一个非常重要的概念。另外两个部分是知识和工具。模型、框架、沙箱、知识和工具，构成了智能体的五个要素。在讨论如何让智能体变得有用之前，首先必须确保它是安全的。智能体是自主系统，可以访问文件、资源、网络和工具。因此，我们必须赋予它最小必要权限，并持续监控其行为。为此，我们推出了一个新平台：OpenShell。OpenShell是一个安全运行时，提供刚才提到的能力，并可以配合额外的硬件监控机制。在详细解释之前，我们先看一段视频。视频旁白：企业正在准备部署数十亿个AI智能体。为了发挥作用，它们需要推理、规划、使用工具、访问数据并相互协作。但如今，阻止智能体滥用这些能力的方式，往往只是告诉它：“请不要删除任何东西。”“请不要向主分支推送代码。”“请不要碰我的SSH密钥。”这就是“请不要”的安全方式。但希望不等于安全。安全不是愿望，而是技术和工程。NVIDIA OpenShell和Sentry将这一理念落实到实际系统中。你为每个智能体编写策略，规定它可以接触什么。OpenShell在系统调用、文件访问和网络连接层面执行这些策略。形式化验证会检查每一次策略变更，确保其不突破你设定的权限上限，使智能体不会获得超出预期的访问权限。这类似于早期互联网：在浏览器严格限制网页能力之前，病毒曾经四处传播。OpenShell为智能体建立类似的边界。这些限制在智能体之外执行，而不是只依赖大语言模型内部的护栏，从而将智能体原生安全能力引入基础设施。每个智能体都运行在自己的隔离沙箱中，不能直接访问网络。所有出站网络请求，都必须经过沙箱外的监督组件。监督组件根据策略检查请求，未获允许的操作会被拒绝。密钥保存在沙箱外，由监督组件管理，只有向获准访问的端点发送请求时才会加入。即使智能体遭到入侵，也无法泄露它从未持有的密钥。网关充当控制平面，监督组件负责作出决定，沙箱容纳智能体，策略证明器则检查拟议策略是否符合权限上限。OpenShell将Linux内核隔离与运行时策略执行相结合。NVIDIA Sentry还可以在主机之外、远离智能体的位置，增加一层可选保护。Sentry运行在NVIDIA BlueField-4上，在硬件隔离的信任域中监控智能体活动并执行安全策略。智能体的推理流量经过Sentry，因此一旦检测到需要阻止的计划，系统可以立即更新策略，切断智能体与模型的连接，在毫秒内完成隔离。它还保留可验证、防篡改痕迹的记录，供运营人员进行检测、调查和响应。OpenShell采用Apache 2.0许可证开源，可运行在智能体所在的各种环境中，从边缘到云端。只需两个命令即可开始使用：安装命令行工具，创建沙箱，然后运行你喜欢的智能体。智能体能发挥多大作用，取决于你赋予它多少访问能力。OpenShell和Sentry让这些访问能力处于你的控制之下。这就是我们同时推进AI能力与安全的方式。黄仁勋：智能体是自主系统。我们必须创造高度安全的技术，确保能够安全地开发和部署它们。OpenShell发布后，从前沿模型实验室，到操作系统公司、网络安全公司和平台公司，许多大型企业都开始采用它。因为这项技术到来的时机恰到好处：我们正准备在全球大规模部署智能体。这不仅关乎服务提供商在部署智能体时使用OpenShell，也关乎世界各地的企业采用OpenShell，让这些智能体能够在企业内部自主运行。不同能力、不同任务、不同使用者，对应不同的权限需求。每次启动智能体，所需要的权限可能都不一样。因此，权限配置、策略执行和监控，都必须动态完成。我很高兴宣布，Anthropic与英伟达正在合作，将Claude智能体与OpenShell结合。网站上有一篇很好的介绍文章。你可以使用OpenClaw、Hermes、OpenHands，也可以通过LangChain、Deep Agents构建自己的框架，甚至直接用Python编写。这些智能体框架都可以运行在OpenShell提供的安全沙箱中。接下来谈模型。未来，我们不会只用一个模型处理所有工作，而是会根据任务选择最合适的模型，无论它是闭源、开放还是定制模型。有些工作相对通用，通用人工智能就能做得很好。但另一些工作包含大量专有知识和专业能力，而且你希望持续提升这些能力。因此，未来每家公司都会同时使用闭源模型，以及自行定制的开放模型。到今天演讲结束时，大家会发现，构建自己的AI并没有那么困难。首先当然是模型。我们一直致力于推动开放模型的发展，开拓新机会，让大家能够构建自己的定制AI。Nemotron面向语言。Cosmos是我们的世界基础模型，我们在这一领域处于前沿。GR00T面向人形机器人。Alpamayo面向自主导航。Ising面向量子—经典混合计算。Earth-2面向物理AI。在这些不同领域，我们都提供模型，并持续投入研发。我们已经做了十年，也会长期做下去。我们不仅开放模型，还提供相关数据，让你了解模型的数据来源，并提供复现所需的脚本。因此，你得到的不只是开放权重，而是完整的方法、数据和复现路径。你能够知道模型从何而来，并建立对它的信任。这些模型未必在所有领域都是最前沿的，尤其是在语言模型方面。但通过定制，以及与生态伙伴合作，你可以将它们提升到自己所需领域的前沿水平，把专有数据转化为自主掌握的智能。例如，AI21帮助Alice将Nemotron定制为超越相关前沿能力的模型。Baseten帮助CodeRabbit使用自身数据微调Nemotron，实现前沿水平的能力。Trajectory与Harvey也通过对Nemotron进行后训练，构建自己的前沿能力。Scale与Skydance同样在做这样的事情。例子还有很多。核心在于，你可以从Nemotron这样优秀的开放模型出发，用自己的数据针对特定用例进行后训练，从而获得高度专业化的智能。这是一条非常合理的路径，所需技术今天都已具备。这里还有Palantir与坦帕综合医院的案例。我们拥有丰富的合作伙伴生态，能够帮助大家。这些都是出色的公司，可以为世界各地的客户提供服务。我如果只提一家，就会漏掉其他伙伴；如果全部列出来，又要花很长时间。我非常珍视所有这些合作伙伴。总结一下：首先，让智能体框架运行在OpenShell安全沙箱中；其次，选择Nemotron等大语言模型。但真正让普通智能体变成“超级智能体”的，是让它访问你公司的知识。我们将这套能力称为智能体知识基础。它由一组世界级模型和工具组成，帮助你处理公司的各种数据资产。数据可能以非结构化形式存在于文档中，因此需要AI理解PDF和其他非结构化文件；也可能以结构化形式存在于数据库中。我们提供必要的库和工具，帮助你从企业数据中提取含义、形成理解。Nemotron Parse负责文档解析，表现位居相关排行榜前列。Nemotron Embed将查询与向量数据库中的知识关联起来，同样具有领先表现。Nemotron Rerank则处理检索到的多个来源和数据片段，根据与查询的相关程度重新排序。Kumo可以利用结构化数据库预测可能发生的事情。举例来说，你收到供应商通知，某些物料将出现短缺或交付延迟。这条信息很可能是一份非结构化文档。而公司订单信息通常保存在SQL等结构化数据库中。如果要预测哪些订单会受影响、哪些会缺货、延迟多久，可以使用Kumo。接下来，为了寻找替代零件，你可以使用向量数据库检索，找到相关替代部件的工程文档。这些模型、库和数据处理能力，共同构成知识基础，让AI能够利用你的专有数据和专有知识。最后是工具，也就是完成专业工作所需要的工具。英伟达一直在开发CUDA-X。在AI成为主要话题之前，我们的大量讨论都围绕着如何加速模拟器、求解器、数据处理引擎，以及各种领域专用库展开。这些工具用于各个科学领域的发现，也用于工程、研究、设计、建造和创意艺术。它们的核心是CUDA-X库，而CUDA-X库本质上是算法。大家知道，算法是美的。我们来看一段展示。数学很美。CUDA-X库是我们公司的核心资产。原因在于，当你构建AI助手时，无论它是实验室助手、研究助手，还是与你共同设计和创造的伙伴，最终让它真正有用、能够完成实际工作的，都是工具。现在，我们拥有能够让智能体理解信息、推理、规划，并不断采取行动、使用工具直到完成任务的模型。但最终，仍然离不开工具。这些工具，我们已经开发了很多年。刚才展示的右侧那类计算机，可以运行所有这些工具，无论是流体动力学、粒子物理、量子化学、数据处理，还是光线追踪。与直接在CPU上运行相比，它可以将处理速度提高10倍、50倍，甚至100倍。CUDA-X给智能体提供了完成专业工作的能力。看到其他人如何使用这些工具，非常令人兴奋。这就是智能体背后的关键。智能体最终需要使用工具。软件编程是最早采用智能体的领域之一，在那里，编译器或Python往往就足以完成很多工作。但未来，随着智能体承担越来越多实际任务，我们需要为它们提供更多工具。下面是几个例子。Lila Sciences正在开发实验室助手，使用英伟达的BioNeMo模型理解蛋白质和细胞，并在药物发现中设计蛋白质及化学分子，同时调用CUDA-X工具。西门子正在构建工厂智能体，使用理解物理世界的Cosmos世界基础模型，以及CUDA-X工具。达索系统则在开发虚拟伙伴，使用Nemotron语言模型和CUDA-X工具。来看看它们如何工作。视频旁白：最聪明的科学家仍然需要实验室，最优秀的工程师仍然需要模拟器和求解器，AI智能体也是如此。一个智能体由五个部分组成：模型负责感知、推理和规划。框架负责协调工作。知识基础从公司的结构化和非结构化数据中提供上下文。工具让智能体能够模拟、实验和采取行动。NVIDIA OpenShell控制智能体可以访问和执行什么。你可以从前沿闭源模型开始，也可以定制开放模型。借助NVIDIA Agent Toolkit，任何公司都能将自身知识和专业能力转化为定制超级智能体。来看三个例子。对于Lila Sciences，目标是设计一种针对B细胞淋巴瘤的疗法。基于Nemotron构建的Lila Iris智能体，将这一目标转化为实验计划。在计算干实验室中，Lila智能体使用NVIDIA BioNeMo Agent Toolkit，调用蛋白质设计和RNA优化模型，运行数百万次虚拟实验。最有前景的候选方案进入Lila的AI科学工厂，由借助Omniverse和Cosmos开发的自主机器人及仪器进行制备和测试。结果返回Iris，影响下一轮设计和实验，形成持续迭代的闭环。在西门子埃尔朗根电子工厂，目标是让新产品投入生产。Process Preparation X智能体使用Cosmos生成虚拟原型和合成数据，在生产开始前训练并验证检测模型。基于NVIDIA工厂运营蓝图构建的Intelligence Center X智能体，根据订单、物料供应和产线配置，提出生产计划建议。Digital Twin Composer利用Omniverse库，将物理仿真与实时工厂数据结合，在实际调整生产现场之前验证这些计划。在达索系统平台上，一位工程师需要将大众Golf的车门设计适配到Tiguan车型。Aura和Leo使用Nemotron理解和推理工程要求。智能体框架协调各个专业子智能体，并在规划、设计和仿真过程中保留上下文。Aura使用ENOVIA，根据车辆尺寸、重量限制和其他工程要求规划工作。Leo设计智能体选择兼容的Golf车门设计，再使用CATIA修改形状，使其适配Tiguan。Leo仿真智能体使用由CUDA-X加速的SIMULIA测试不同方案，发现了振动问题。结果返回设计智能体进行优化，工程师审核改进后的设计，并选择最终方案。不同的目标，不同的专业知识，相同的基础组成：开放模型、CUDA-X加速工具，以及OpenShell安全运行时，通过NVIDIA Agent Toolkit整合在一起。黄仁勋：很棒，对吧？有人说，AI来了，软件和工具公司的时代就要结束了。事实恰恰相反。AI到来后，使用这些工具的用户将比以往任何时候都多。每一家工具公司都将成为AI公司、智能体公司。它们不仅提供工具，还会提供经过专门优化、非常擅长使用这些工具的智能体。Cadence、CrowdStrike、达索系统，以及其他许多企业软件公司，都在构建智能体。我们很高兴与它们合作。[原稿名单中另有一家公司名称不清。]构建智能体并没有那么困难。它有五个组成部分：模型、框架、OpenShell安全运行时，以及最重要的知识和工具。模型和框架都有开放和闭源版本，而知识与工具属于你，代表你的专业能力。这些事情如今都已能够实现。稍后我还会展示更多，但在此之前，先谈谈物理AI。物理AI是AI的下一波浪潮。它能够理解物理世界，并对其进行推理。因为物理世界多样、复杂，存在极其丰富的长尾情况，AI需要理解这些情况，再使用合适的工具与物理世界互动。一谈物理AI，大家往往想到机器人。但我最喜欢的应用之一，其实是移动通信基站。它不是用摄像头、扬声器或麦克风，而是通过无线电波感知世界，处理信息并进行推理，再利用波束成形与世界互动。因此，通信是一种非常适合AI的技术。AI将彻底改变电信网络，大幅提高频谱效率。就像我们在光线追踪上所做的一样：大家看到的图形采用完整光线追踪，而在引入AI之后，与过去认为必要的计算量相比，效率出现了百万倍量级的变化。我们将为电信网络带来巨大的频谱效率提升。除此之外，还将改变这些通信站点。原稿所述西方地区约有10万个站点，构成约100吉瓦的分布式数据中心基础设施，未来将演变为分布式AI基础设施。我们很高兴与欧洲众多公司合作。经过近八年的研发，就在上周，英伟达与诺基亚合作，在T-Mobile网络上完成了首次商用通话。现在，CUDA已经能够执行传统通信处理。在此基础上，我们就可以进一步叠加AI能力，推动新的变革。另一个让我非常兴奋的物理AI应用，是机器人辅助放射治疗。在治疗过程中，肿瘤形状可能变化，人体也会移动。这套自适应放疗系统必须感知环境变化，识别肿瘤位置，精确分割目标，并据此准确引导放射治疗。本质上，这是一种机器人化治疗。当然，大家最熟悉、近期最有望实现大规模应用的机器人或物理AI领域，是我们已经投入十多年的自动驾驶。我们意识到，每一家汽车公司都希望自己的车辆能够加入出行服务车队。今天已有Uber、Bolt、Grab、Lyft等平台。未来，自动驾驶出租车也会接入这些出行服务，而且不会只来自一个品牌。但开发这样的系统，尤其是其软件，成本非常高。因此，我们决定创建一个标准架构。这套架构包括14个摄像头、9套雷达、3个激光雷达，以及一组超声波传感器。这些传感器形成一个环绕车辆的感知系统，由双NVIDIA GPU系统提供自动驾驶计算能力。我们将它发展为行业标准，如今正在被越来越多车型采用。自动驾驶软件公司在其上开发能力，英伟达自己也是其中之一。这些自动驾驶出租车再接入出行服务平台，形成完整生态。全球每年的出行里程约为1万亿英里。未来，其中相当一部分里程可能由自动驾驶出租车完成，按每英里1至2美元计算，这是一个巨大机会。但市场非常分散。通过建立Hyperion这样的标准架构，并与整个生态合作，我们就能形成一个巨大的虚拟车队，让各方都能接入。今天，我很高兴宣布，又有四个品牌或车型系列加入：大众厢式车、捷豹路虎的新车型、沃尔沃车队，以及梅赛德斯-奔驰下一代车型。它们将兼容Hyperion，并成为这一自动驾驶出行网络的一部分。欢迎加入Hyperion。下一个伟大产业，而且很可能规模极其庞大的产业，是人形机器人。机器人之所以难做，一个重要原因是任务种类非常多。如果针对每一种任务都开发一种特殊形态，就会把机器人产业分割成许多不同配置，难以形成推动技术进步的规模效应。手机、个人电脑，以及英伟达NVLink 72之所以进步如此迅速，是因为标准化配置可以服务大量客户。大量需求带来规模，规模又推动技术迭代，让产品更快、更好。因此，我们需要尽可能标准化的机器人形态。人形机器人未必适合所有任务，但很可能适合很多任务。因此，它可能成为出货量最大的机器人形态。如果我们再为它开发能够快速学习的AI，那么即使中小企业没有专门的机器人团队，也不必从头编程，只需要向机器人演示要完成的工作。机器人凭借通用能力和通用智能，就能快速学习和适应。这很可能成为下一个重要技术平台。我们正在与许多公司合作，其中不少来自欧洲。这是欧洲的重要机会。欧洲在机电一体化、电子和机械系统的精度与工艺方面，拥有深厚积累。这里有大量制造能力极强的企业。机器人将成为下一个大规模产业。许多公司已经参与进来，我们很高兴与大家合作。构建物理AI系统，需要三类计算机。第一类，就是我们一直在谈、大家也很熟悉的计算机，用来训练AI模型。第二类，用来让AI学习技能。你不能只是把AI编写出来，就让它进入物理世界随意尝试。学习应该先在数字孪生中进行。我们创建了Omniverse数字孪生平台。刚才看到的很多CUDA-X演示，都运行在数字孪生世界中。Omniverse是一组可以接入各种平台和工具的库，包括西门子、达索系统、Cadence等公司的平台。它们共同构建数字孪生系统。第三类，是部署在机器人上的计算机。对于自动驾驶汽车和自动驾驶出租车，我们将相关平台称为Hyperion。它包括计算机本身、功能安全系统、主动安全系统，以及专为物理AI安全设计的操作系统。我们也需要为机器人提供同样完整的平台。这样，当大家开始研究或开发机器人时，就不必从零拼装所有软件、计算系统、传感器和机械部件。仅仅完成这些准备工作，就可能耗费几年时间。因此，我们决定打造一款参考机器人。这就是英伟达与Agile Robots合作的Agile One。这款参考机器人预计将在明年第一季度提供，出厂时已经完成组装，内置计算机，集成软件，开箱即可具备相当不错的能力。它将成为一个很好的起点，推动机器人开发加速。现在，让我们回到演讲开始的地方。英伟达诞生于个人电脑革命之中。1993年，我们成立时，PC革命正准备进入新的阶段；Windows 95随后让它进一步加速。此后，我们发明了GPU，推动可编程着色和实时光线追踪发展，将CUDA加入计算模型，并帮助点燃现代AI革命。四年前，我们开始思考：面对新的时代，能否重新定义个人电脑？它不再只是你的工具，而是你的个人智能体、个人助手。你与它的互动，更像与一位帮助你工作的伙伴交流。因此，这台计算机需要具备今天介绍的五个部分。它需要模型，模型可以在本地运行，也可以在云端运行。它需要智能体框架。它需要OpenShell安全运行时。它还需要访问个人电脑中的知识和工具。好消息是，英伟达已经加速这些工具很多年。只要我们创造一台同时支持OpenGL、DirectX和CUDA加速的计算机，英伟达过去开发的一切就都能够在其上运行。这就是成果。经过四年与微软的合作，我们打造了RTX Spark，这是一条全新的计算机产品线。数千个工程人年的投入，凝结在其中。我们秘密研发了四年，创造了一颗名为N1X的芯片，最近与整个PC产业共同发布。我们打造了台式机、笔记本电脑和工作站。这台设备提供1 PFLOPS算力。作个对比：2016年，我向当时还很小的OpenAI交付了一台拥有1 PFLOPS算力和128GB内存的计算机。现在，这台小设备同样提供1 PFLOPS算力和128GB内存。区别在于，我可以这样把它拿在手里，而当年的DGX-1需要两个人才能抬上楼。这就是全新的RTX Spark PC。如果你想要一台运行CATIA、达索系统其他软件，以及Autodesk、Adobe、Cadence和Synopsys工具的配套工作站，也可以选择运行Windows的DGX Station。它提供20 PFLOPS算力和754GB内存。此外，还有桌面版本。相关产品正在推出，运行Windows的DGX Station预计将在今年年底上市。现在，我已经讲了智能体的五个组成部分。接下来的问题是，怎么构建智能体？如何让它运行在这些计算机上，或者运行在云端、企业本地环境中？答案其实很简单。构建智能体的方法，就是请一个智能体替你构建。接下来，这段提示词将驱动一个应用。大家将看到一个机器人应用演示。观看时请记住，这台个人电脑上运行着一个智能体，而整套演示涉及三类计算机：第一类用于训练。第二类运行数字孪生。第三类将AI部署到机器人本身。这里有两个核心概念：一是如何构建和运行智能体，以及能用它做什么；二是由三类计算机构成的物理AI计算模式。我们来看演示。视频旁白：这是Hugging Face的机器人Micro Duck。让我们使用NVIDIA RTX Spark，教它观察世界和行走。我使用Hermes作为智能体框架，以Nemotron和OpenAI的GPT-6 Astra作为模型，并使用CUDA-X加速工具：FreeCAD、Blender、Isaac Sim、Newton物理引擎和Isaac Lab。除非需要将大型工作负载扩展到云端，否则所有任务都在RTX Spark上运行。首先，我描述训练场地，以及Micro Duck需要学会什么。RTX Spark上的Hermes和Nemotron规划场地，列出所需的全部物体。随后，Astra使用FreeCAD建立三维物体模型，用Blender赋予材质，再通过Omniverse仿真就绪库添加物理属性。Astra在Isaac Sim中布置场景，为Micro Duck配置关节、执行器和连接结构，再利用Newton物理引擎模拟它的运动。接下来开始训练。云端的Isaac Lab让数千个Micro Duck同时训练。每一次跌倒都是一次学习机会，推动控制策略不断改进。Omniverse库模拟Micro Duck的摄像头，教它“看见”环境。当感知与物理能力结合后，Micro Duck能够避开障碍、穿过狭窄空间，并适应周围环境。我将训练策略下载到RTX Spark，使用Nemotron和Isaac Sim，通过多智能体编排对Micro Duck进行评估。最后，将通过验证的策略部署到真实机器人上，它就可以开始行动了。NVIDIA RTX Spark，让你直接在笔记本电脑上构建和运行AI智能体及其加速工具。黄仁勋：你们好！过来，给大家看看你们会走路。你们还有摄像头。小心，别绊倒。能坐下吗？现在站起来。休息一下，再站起来。你们知道自己是在这里被创造出来的吗？你们诞生于RTX Spark，在云端的大量英伟达超级计算机上接受训练，并在RTX Spark上的Omniverse数字孪生中学习技能。是不是很神奇？你们真可爱。你们的“父母”叫Pollen，对吧？Pollen Robotics。听说大家太喜欢你们了，已经卖光了。所有观看这段视频的朋友——可能会有两千万人——都可以去Pollen的网站看看，下一笔订单。这家初创公司大概只有十个人，订单可能一下子就把他们淹没了。每个人都应该有一只，你们太可爱了。有一台RTX Spark，我们就能继续教你们新技能。能翻个跟头吗？太棒了！那么，今天我们谈了什么？我们谈到了欧洲建设自己的AI经济，而这一切从基础设施开始。我们发布了新的DSX Pod系统，让建设AI工厂更加容易。而这些AI工厂，不再只是运行模型。[转向机器人。]集中注意力，过来，坐下。这些工厂运行的是完整的智能体。智能体包含五个部分：大语言模型负责感知、推理、规划和行动。智能体框架相当于它的外骨骼，负责协调运行。框架运行在OpenShell安全运行时中。再赋予它访问知识和工具的能力。这些智能体运行在我们的计算机上，而我们还在向下一代扩展，也就是物理AI。这就是你们这些小机器人的用武之地。每个人都能构建智能体，欧洲每家公司都会成为AI公司，这一点毫无疑问。欧洲将拥有蓬勃发展的AI经济。33年来，这是一段不可思议的旅程。我们制作了一段很酷的视频，你们要一起看吗？过来一点，我们让开舞台。全速前进！视频主持人：这样的演示之后，我们还能拿什么接着上场？有一件事，能让现场更沸腾。是什么？你绝对想不到，GTC要变成欧洲歌唱大赛了！黄仁勋：感谢大家，感谢所有赞助商，也感谢33年来与我们一路合作的伙伴。还有Micro Duck，我的新朋友们。让我们一起建设欧洲的AI经济，让AI真正投入工作。祝大家度过一场精彩的GTC！","news_type":1,"symbols_score_info":{"NVDO":0.6,"NVDX":0.6,"NVDW":0.6,"NVDU":0.6,"NVDG":0.6,"NVD":0.6,"NVDL":0.6,"NVDD":0.6,"DIPS":0.6,"NVDB":0.6,"07388":0.6,"ANV":0.6,"NVII":0.6,"NVYY":0.6,"NVDY":0.6,"NVDS":0.6,"NVDQ":0.6,"NVC":0.6,"07788":0.6,"NVDA":2}},"isVote":1,"tweetType":1,"viewCount":233,"commentLimit":10,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"symbols":[],"verified":2,"subType":0,"readableState":1,"langContent":"CN","currentLanguage":"CN","warmUpFlag":false,"orderFlag":false,"shareable":true,"causeOfNotShareable":"","featuresForAnalytics":[],"commentAndTweetFlag":false,"andRepostAutoSelectedFlag":false,"upFlag":false,"length":40,"optionInvolvedFlag":false,"subscribersOnly":false,"subscribersOnlyAccessible":false,"xxTargetLangEnum":"ZH_CN"},"commentList":[],"isCommentEnd":true,"isTiger":false,"isWeiXinMini":false,"url":"/m/post/621080540271432"}
精彩评论