英伟达GTC大会，首次在华盛顿召开。
在近两小时演讲中，老黄不仅再次上演了一波AI美队，而且还给出了AI时代独一份的洞察——
AI不是工具，而是会用工具的「工人」。
当老黄首次掏出下一代「杀手锏」Vera Rubin超级芯片时，全场都震撼了。
相较于九年前，他亲手交付给OpenAI的首个超算DGX-1，性能足足提升了100倍。并且明年就能量产。
当然，老黄的野心远不止于硬件。接下来的一系列震撼合作，将英伟达的AI帝国展示在了所有人面前：
AI原生6G：推出「AI on RAN」技术，将AI与6G网络深度融合，让基站成为边缘的AI计算中心。
超算基建：与美国能源部合作，建造7座全新的AI超算。
自动驾驶：发布「开箱即用」的DRIVE Hyperion平台，让汽车「生而为Robotaxi」。
量子计算：发布NVQLink技术，首次将AI超算与量子处理器无缝连接，加速量子计算的实用化进程。
物理AI：通过Omniverse中的数字孪生技术，训练「物理AI」，加速机器人在现实世界中的部署，目标直指美国「再工业化」。
在三大Scaling Law驱使下，英伟达内部早已形成了良性正循环。
老黄预测，在2026年底前，仅凭「Blackwell+Rubin」就足以冲击5000亿美元的营收。
而且，这一数字还未将中国市场计算在内。
现场，老黄再次搬出了，未来三年英伟达GPU路线图，从Blackwell，到Rubin，再到Feynman。
他激动官宣，短短9个月后，Blackwell芯片已在亚利桑那州全面量产。
而真正站在全场C位的，还是下一代Vera Rubin的首次亮相。
这是英伟达第三代NVLink 72机架级超级计算机，彻底实现了无线缆连接。
目前，Vera Rubin超级芯片已在实验室完成测试，预计明年10月可以投产。
这块超级芯片计算能力达到100 Petaflops，是DGX-1性能的100倍。
换句话说，以前需要25个机架，现在一个Vera Rubin就能完成。
如下，便是Rubin计算托盘，推理性能可达440PF。
其底部配备了8个Rubin CPX GPU、BlueField-4数据处理器，还有两颗Vera CPU，以及4个Rubin封装——总共8个GPU，全部实现了无缆、全液冷。
同时，英伟达还引入了一种全新「上下文处理器」（Context Processor），支持超100万token上下文。
如今，AI模型要处理、记忆的上下文越来越多，它可以在回答问题前，学习和阅读成千上万份PDF、论文、视频。
此外，BlueField-4革命性处理器，可以加速AI模型加载时间。
还有NVLink交换机，可以让所有GPU同步传输数据；以太网交换机Spectrum-X可以确保处理器同时通信而不拥堵。
再加上Quantum交换机，三者结合，系统全部兼容InfiniBand、Quantum 和 Spectrum Ethernet。
所有这些组合起来，一个完整的机架塞满150万个零件，重量足足有两吨。
它的主干网络，一秒内就能传输相当于整个互联网的流量，刷新全球最快的token生成速度。
老黄表示，「一个1GW规模的数据中心，大概需要8000-9000台这样的机架。这就是未来的AI工厂」！
GPU是AI革命的核心引擎，而AI的世界，远不止ChatGPT。
主题演讲上，老黄亲自科普了AI的定义。
一上来，他就给大众认知来了一个降维打击，AI并不等于聊天机器人。
他将其比作一个数据密集型的「编程」，在CPU时代的旧世界，人们手工编码，软件在CPU上运行，Windows主导了一切。
而在当下，机器学习训练，模型直接跑在GPU之上。
能源-GPU-超算-模型-应用，全栈的能力构成了完整的AI。
接下来，老黄还提出了一个对于AI的深刻洞察——
过去的软件产业，本质上是在「造工具」，Excel、Word、浏览器皆是工具。
在IT领域，这些工具可能就是「数据库」之类的，其市场规模大约在一万亿美元左右。
但AI不是工具，是「工人」。事实上，AI是「会用工具的工人」。
这就是根本性差异。
到目前为止，人类发明的一切东西，本质上都是工具，都是给自己用的。
但这回是历史上头一次，技术自己会「干活」了。
老黄举例道，英伟达每一位工程师都在用Cursor，生产力得以大幅提升。而Cursor使用的工具是VS Code。
AI本身也正在成为一个「全新的产业」，当人们把各种形式的信息编程token之后，就需要一个「AI工厂」。
「AI工厂」不同于过去的数据中心，是因为它基本上只做一件事——运行AI。
一来，生产尽可能有价值、更智能的token；其次，要用极高的速度将其生产出来。
过去两年，业界让AI学会了变得更加聪明的方法，预训练是第一阶段。
下一步就是后训练，再之后就是测试时，让AI不断思考（Long Thinking）。
这也是老黄一直以来，反复强调的三大Scaling Law。
模型越聪明，使用的人越多；用的人越多，需要的算力越多。
与此同时，摩尔定律边际趋缓，仅靠狂堆晶体管，无法解决两条指数曲线带来的「饥饿感」。
那么，摩尔定律已死，又该如何将成本大幅压下来？
老黄给出的答案是：极致协同设计（Extreme Co-design）。
英伟达是当今世界上，唯一一家真正从一张白纸开始，同时思考芯片、系统、软件、模型、应用的公司。
他们的协同设计，将AI算力实现了从Scale up到Scale out，再到Scale across的扩展。
Grace Blackwell NVL72，一台思考机器，就是英伟达「协同设计」的典型代表。
为了更直观说明，老黄再次上演「芯片版美队」，手里拿着巨型芯片，由72块GPU无缝互联。
他还调侃道，「下次要演雷神，一伸手，芯片就到手里了」
为了驾驭万亿级参数模型，它采用了MoE架构。传统系统受限于GPU间互联带宽，一块GPU要扛32位专家的计算。
在NVLink 72架构下，每块GPU可以放4位专家。
SemiAnalysis最新基准测试显示，Grace Blackwell每块GPU的性能，是H200的十倍。
只多了一倍晶体管，速度却快了十倍，秘诀就在于——极致协同设计。
GB200，这台世界上最昂贵的计算机，却能生成成本最低的token。
它的极致性能，均摊了每一次计算的总拥有成本（TCO），也就是说——
10倍性能，十分之一成本。
而此刻，这一突破正逢其时。
老黄展示了，全球六大云巨头的资本支出曲线（CapEx），正以史无前例的速度飙升。
它还联手能源部，官宣未来要建七大全新AI超算。
与此同时，老黄还指出，这场变革不是单线的，而是「双平台迁移」。
即通用计算转向加速计算，工具计算转向智能计算。
而英伟达GPU是唯一兼容以上所有的架构，包括加速计算和AI。
最令人震惊是，他预测，截至2026年，Blackwell+Rubin的可预见性收入累计5000亿美元。
算上目前已经出货的600万块Blackwell，未来两年将达2000万GPU出货量，相较于Hopper增长5倍（400万块）。
老黄正在释放一种信号——AI工厂已成新基建。
不仅如此，老黄这场演讲，还在向世界宣告：英伟达不仅是算力之王，更是AI生态的绝对核心。
老黄一针见血，「过去几年，开源AI在推理、多模态、蒸馏效率三大维度上，实现巨大飞跃」。
正是这些进步，让开源模型第一次真正成为开发者手中非常实用的工具。
全世界，都离不开开源。
为此，英伟达也在全力投入这一方向。目前，他们在全球开源贡献榜上，23个模型上榜，覆盖了语言、物理AI、语音、推理等全领域。
我们拥有全球第一的语音模型、第一的推理模型、第一的物理AI模型。下载量也非常惊人。
当AI走向应用最后一层堆栈，那便是物理AI（Physical AI）。
一直以来，老黄认为，要实现物理AI，需要三台计算机——
一个是GPU超算用于训练，一个通过Omniverse Computer用于模拟，另一个是机器人计算机。
以上这三种计算机上都运行着CUDA，由此才能推动「物理AI」发展，也就是理解物理世界、物理定律、因果关系的AI。
目前，英伟达正联手伙伴，打造一个工厂级的物理AI。一旦建成，就会有大量机器人在数字孪生的世界中工作。
在自动驾驶领域，英伟达推出了一套「开箱即用的L4级自动驾驶底座」——DRIVE AGX Hyperion 10。
它搭载了NVIDIA DRIVE AGX Thor系统级芯片、经过安全认证的NVIDIA DriveOS操作系统、一套经过完整认证的多模态传感器套件（包含14个高清摄像头、9个雷达、1个激光雷达和12个超声波传感器）以及认证的板卡设计。
算力与模型：共有两颗基于Blackwell架构的DRIVE AGX Thor，每颗算力超2,000 FP4 TFLOPS（1,000 INT8 TOPS），专为Transformer、VLA与GenAI优化，360°融合多模态传感器，面向L4自动驾驶。
迭代与验证：平台可OTA升级、兼容现有AV软件，并引入Foretellix Foretify Physical AI工具链做测试与验证；同时开放全球最大多模态AV数据集（1700小时、25国），用于基础模型的开发/后训练/验证。
在数万亿英里真实及合成驾驶数据的加持下，新一代VLA（视觉-语言-动作）推理模型，让车辆不只能识别红绿灯，还能在无结构路口或人车行为突变时做出类人判断（比如理解交警临时指挥、突发改道），而且是在车上实时完成。
对于行业来说，公司可以直接拿到可量产的参考架构与数据/验证闭环，更快把Robotaxi或无人配送车跑起来。
在通信行业，英伟达则宣布与诺基亚达成合作，并推出了支持AI原生6G的加速计算平台——Aerial RAN Computer Pro（ARC-Pro）。
ARC-Pro = AI基站主机：融合了「连接+计算+感知」能力的6G-ready加速计算平台；运营商未来可以通过软件升级的方式从5G-Advanced升到6G。
AI-RAN = 无线+AI共生：把AI推理（如频谱调度、节能控制、用户体验优化）和传统RAN处理跑在同一套、由GPU加速的软定义基础设施上；同一站点还能顺带承载生成式/智能体AI的边缘服务，有效利用「基站闲时算力」。
与此同时，英伟达还将以每股6.01美元的认购价向诺基亚投资10亿美元。
交易宣布后，诺基亚股价收盘上涨20.86%，创下自2016年1月下旬以来的新高。
在量子计算领域，众所周知，量子计算机的核心「量子比特」（Qubits），虽具备碾压传统计算机的并行计算潜力，但在计算过程会不断产生错误。
为了让它们正常工作，就必须依赖一台传统的超级计算机，通过一条要求严苛的超低延迟、超高吞吐量的连接，实时进行复杂的校准和纠错。
这条连接线，就是量子计算通往现实世界的最大瓶颈。
为此，英伟达推出了一款全新的互连技术——NVQLink，首次将量子处理器与AI超级计算机无缝地、紧密地连接在一起，形成一个单一、连贯的超级系统。
硬件层：通过NVQLink，研究人员可以把不同量子路线（超导、离子阱、光子等）的处理器和控制硬件直接接到GPU超算上，避免了「绕以太网一大圈」的抖动与时延；同时，连在一起的GPU集群还可以继续向外扩展。
软件层：通过CUDA-Q，研究人员可以在同一套编程接口里，把CPU、GPU、QPU编排成一台「混合超算」，让仿真、编排、实时控制能够在一个平台里闭环。
生态层：集合9家美国实验室、17家量子硬件公司、5家控制系统公司之力，目标是把校准、纠错、混合应用做成可复用的「套路」。
正如老黄所说：「NVQLink是连接量子和经典超级计算机的罗塞塔石碑。它的出现，标志着量子-GPU计算时代的正式开启。」
内容中包含的图片若涉及版权问题，请及时与我们联系删除
