聯手諾基亞入局6G，老黃要制定全球標準！GTC最新演講揭秘：「美國科技的未來」就靠這6張王牌

每一個人都應該看一下老黃在華盛頓 GTC 大會的演講，去看看英偉達，老黃眼中的“美國科技的未來”

在我看來，這個發布會的最大的“震撼”是英偉達要和諾基亞合作干6G，重新構筑世界的通信系統

簡單來說老黃描繪了一幅以美國為中心的 AI 世紀藍圖，從6G，大規模部署 GPU 和量子技術突破，到人工智能工廠、機器人技術和自動駕駛汽車，每一項舉措都在構建美國的人工智能骨干網絡，整個演講主要涉及6大核心：

1.利用物理人工智能和數字孿生技術重塑美國工業化

2.利用人工智能原生 6G 技術制定全球標準

3.借助 NVIDIA NVQLink 鞏固量子領導地位

4.利用安全、可部署的人工智能基礎設施設計實現政府現代化

5.構筑美國開源模型的骨干網絡

6.利用統一的 DRIVE Hyperion 生態系統加速自動駕駛

以下是詳細信息：

新計算范式：加速計算

在演講的開篇，老黃指出，計算行業正面臨六十年來最重要的一次模式轉變。這一轉變的根源在于傳統計算增長規律的終結與新需求的爆發

摩爾定律的黃昏與登納德縮放定律的終結

長期以來，計算性能的提升依賴于摩爾定律（Moore's Law），即芯片上的晶體管數量大約每兩年翻一番。然而，更關鍵的是登納德縮放定律（Dennard scaling），它保證了隨著晶體管變小，其功耗密度保持不變，從而使得性能提升的同時不會帶來過熱問題

老黃明確指出，登納德縮放定律在近十年前就已經失效。雖然晶體管數量仍在增加，但其性能和能效的提升速度已大大減緩，受到了物理定律的限制。這意味著，僅僅依靠增加晶體管數量來提升 CPU 性能的傳統路徑已經走到了盡頭

加速計算的必然性與 CUDA 的核心價值

Nvidia 很早就預見到了這一趨勢，并開創了一種新的計算模型——加速計算（Accelerated computing）。其核心思想是將串行處理的 CPU 與大規模并行處理的 GPU 相結合，讓兩者各司其職，從而突破傳統計算的瓶頸

然而，加速計算并非簡單的硬件替換，它需要一個全新的編程模型。你不能直接將為 CPU 串行執行編寫的軟件放在 GPU 上運行，那樣甚至會更慢。必須重新發明算法、創建新的軟件庫，甚至重寫整個應用程序

這正是 Nvidia 耗費近三十年時間打造的核心寶藏——CUDA（Compute Unified Device Architecture，計算統一設備架構）。CUDA 不僅僅是一個 GPU，它是一個完整的編程平臺，包含了一整套豐富的軟件庫和工具。老黃強調，人們常常關注 GPU 硬件本身，但如果沒有 CUDA 這個編程模型，以及 Nvidia 對其長達十幾代產品（目前已發展到 CUDA 13/14）的兼容性維護，開發者將無法有效地利用 GPU 的強大算力

CUDA X：賦能千行百業的軟件寶庫

Nvidia 的真正護城河是建立在 CUDA 之上的龐大軟件庫生態，即 CUDA X。演講中列舉了超過 350 個庫中的一部分，展示了其應用的廣度與深度：

cuLitho：計算光刻庫，耗時七年研發，現已被臺積電（TSMC）、三星（Samsung）、阿斯麥（ASML）等半導體巨頭用于芯片制造的最前端環節

Monai：全球排名第一的醫療影像 AI 框架

Ariel：用于無線通信系統的庫，是實現 6G 和 AI 融合的關鍵

cuQuantum：用于量子計算模擬的庫

cuDNN：深度神經網絡庫，是引爆本輪 AI 革命的基礎。Megatron Core 庫在其之上構建，使得訓練超大規模語言模型成為可能

其他還包括用于數據科學的 cuDF、用于 CAE（計算機輔助工程）的稀疏求解器、用于模擬的 Warp Python 求解器等

每一個庫都代表著 Nvidia 針對一個特定領域，通過重新設計算法，將該領域帶入加速計算時代。這不僅為生態伙伴創造了價值，也為 Nvidia 開拓了全新的市場。從醫療健康、制造業到自動駕駛，加速計算正在重塑每一個行業

重新定義 AI：新的工業引擎

老黃認為，公眾對 AI 的認知大多停留在 ChatGPT 這樣的聊天機器人上，但這遠非 AI 的全貌。AI 正在從兩個層面引發深刻的變革：它徹底重塑了計算技術棧，并催生了一個全新的產業

AI 的新計算棧

傳統的軟件開發模式是程序員手動編寫代碼，在 CPU 上運行，而 AI 時代的軟件開發，則是通過機器學習的方式，用海量數據來“編程”或“訓練”一個模型，這個模型運行在 GPU 上，這一轉變導致整個計算技術棧發生了顛覆性變化。這個新的技術棧自下而上依次是：

1. 1. 能源 ：AI 計算是能源密集型的

2. 2. GPU 基礎設施 ：由海量 GPU 連接構成的數據中心，其規模遠超以往

3. 3. Token（令牌）生成 ：這些 GPU 超級計算機將能源轉化為被稱為“Token”的數字。Token 是 AI 的基本計算單元和詞匯表。幾乎任何有結構的信息都可以被“Token 化”，包括文本、圖像、視頻、3D 結構、化學物質、蛋白質、基因，甚至是機器人的動作和行為

4. 4. AI 模型 ：一旦信息被 Token 化，AI 模型就可以學習其語言和內在含義，從而實現理解、回應和生成。Transformer 只是眾多模型架構中的一種，此外還有 CNN（卷積神經網絡）、狀態空間模型、圖神經網絡等，適用于不同類型的任務。

5. 5. 應用 ：構建在模型之上的具體應用。

AI 是“工作”，而非“工具”

老黃提出了一個深刻的洞見：傳統軟件是工具，而 AI 是工作

Excel、Word、瀏覽器都是工具，需要人類去使用它們。工具產業的規模是有限的，IT 工具市場大約為一萬億美元

AI 則不同，它本身可以成為勞動者，能夠自主使用工具來完成任務。比如：

Perplexity AI：是一個能夠使用瀏覽器工具來預訂假期或購物的 AI

Cursor：是一個“代理式 AI“，Nvidia 的每一位軟件工程師都在使用它作為編程伙伴。Cursor 使用的工具是 VS Code

自動駕駛汽車：車內有一個無形的AI 司機，它在從事駕駛工作，而汽車就是它使用的工具

由于 AI 能夠直接參與到價值創造的工作環節，它所能觸及的市場規模將遠超傳統 IT 行業。它將直接賦能價值一百萬億美元的全球經濟，提高生產力，解決勞動力短缺問題

AI 工廠：一個全新的產業

除了改造現有產業，AI 還催生了一個全新的產業——生產智能（即 Token）的產業，與傳統的數據中心不同，老黃將未來的計算中心稱為“AI 工廠”。它的特點是：

單一目的：它的唯一產品就是 Token。它不像傳統數據中心那樣存儲文件、運行各種應用，而是專注于 AI 計算

價值導向：工廠的目標是生產盡可能有價值（即更智能）的 Token

效率驅動：它追求以極高的速率和盡可能低的成本來生產這些 Token。

這個 AI 工廠的新產業，正是驅動對 GPU 需求呈指數級增長的根本原因

Blackwell 革命與極限協同設計

面對 AI 帶來的指數級算力需求，以及摩爾定律失效的雙重挑戰，Nvidia 的答案是“極限協同設計”（Extreme Co-design）。Blackwell 架構是這一理念的巔峰之作

雙重指數增長的壓力與良性循環

AI 的算力需求面臨著雙重指數增長：

1. 1. 技術的指數增長 ：AI 模型的智能化過程（預訓練、后訓練、推理/思考）需要越來越大的計算量。特別是思考過程，即推理，遠比人們想象的要復雜和耗算力

2. 2. 市場的指數增長 ：模型越智能，就越有價值，越多人和企業愿意付費使用（例如 Cursor、Midjourney 等）。使用量的增加反過來又需要更多的算力。

這兩個指數增長形成了一個強大的“良性循環”：更多的算力投入 -> AI 變得更智能 -> 吸引更多用戶和應用 -> 產生更多利潤 -> 投入更多算力。

要維持這個循環高速運轉，關鍵在于必須持續地、大幅度地降低 Token 的生成成本和響應時間

極限協同設計：超越芯片的系統性創新

僅僅設計更快的單顆芯片，性能提升只能是百分比級別的，無法滿足指數級的需求
，Nvidia 的方法是“極限協同設計”：從一張白紙開始，同時考慮和重新設計整個技術棧的每一個環節，包括新的芯片架構、新的系統設計、新的網絡技術、新的軟件、新的 AI 模型架構，乃至新的應用

這是一個從“scale up”（單機擴展）到“scale out”（橫向擴展）再到“gigascale”（千兆級規模）的全方位設計：

Scale Up：將多個 GPU 芯片通過高速互聯技術（NVLink）組合成一個機架規模的巨型 GPU

Scale Out：通過專為 AI 設計的 Spectrum-X Ethernet 網絡技術，將多個機架連接成一個 AI 超級計算機集群

Gigascale：通過 Spectrum-XGS 技術，將多個數據中心連接起來

Blackwell 架構：性能與成本效益的飛躍

Grace Blackwell GB200 系統是極限協同設計的產物。其核心是 NVLink 72，一個將 72 個 Blackwell GPU 連接成一個統一計算單元的機架系統，它解決了大模型中“專家混合”（Mixture of Experts, MoE）模型的通信瓶頸。在舊系統中，一個 GPU 可能需要為 32 個專家模型服務；而在 NVLink 72 系統中，由于互聯帶寬極大提升，一個 GPU 只需服務 4 個專家，效率天差地別

性能飛躍：根據第三方基準測試，Grace Blackwell 每個 GPU 的性能是上一代 H200 的 10 倍

盡管 GB200 是有史以來最昂貴的計算機，但由于其極高的 Token 生成效率，它反而成為了全球生成 Token 成本最低的方案。這對于維持 AI 的良性循環至關重要

驚人的商業增長與“美國制造”的回歸

Blackwell 帶來了前所未有的商業增長。老黃透露，到 2026 年，公司對 Blackwell 和早期 Rubin 產品的累計業務可見性已達到五千億美元

Blackwell 的初期產量（預計 2000 萬顆 GPU）將是其前代 Hopper 整個生命周期產量（400 萬顆 GPU）的五倍

更重要的是，Blackwell 將實現Made in America。從亞利桑那州的晶圓，到印第安納州的 HBM 內存，再到德克薩斯州的系統組裝，Nvidia 正在將高端制造業帶回美國

Rubin 平臺

演講的高潮之一是老黃發布了下一代平臺——Rubin。Vera Rubin 是第三代機架規模計算機，它實現了完全無電纜設計和 100% 液冷，集成了新的 Vera Rubin CPU、Rubin GPU、新的網絡芯片 ConnectX-9 和數據處理器 BlueField-4

AI 工廠與數字孿生

隨著計算單元從芯片擴展到整個數據中心，Nvidia 的設計視野也隨之擴展。他們現在不僅設計 AI 超級計算機，更設計和運營整個AI 工廠，而實現這一點的關鍵技術是數字孿生（Digital Twin）

Omniverse DSX：AI 工廠的設計與運營藍圖

Nvidia 推出了 Omniverse DSX，一個用于構建和運營千兆瓦級AI 工廠的藍圖，這是一個革命性的理念：首次將建筑、電力、冷卻系統與 AI 計算基礎設施本身進行協同設計

設計階段：

合作伙伴（如 Jacobs Engineering、西門子、施耐德電氣等）在 Omniverse 的數字孿生環境中，使用各自的 OpenUSD 資產，共同規劃工廠的布局、電力和散熱方案

他們可以使用 CUDA 加速的工具（如 Ansys、Cadence 的軟件）來模擬熱流和電氣性能，從而在動工前就找到最優設計。

建造階段：

采用預制模塊化的方式，在工廠內完成制造和測試，然后運到現場像樂高一樣拼接起來，這大大縮短了建設周期

運營階段：

物理工廠上線后，數字孿生成為其操作系統，工程師可以指揮在數字孿生中預先訓練好的 AI 代理，實時優化能源消耗，減少對電網的壓力

據估算，對于一個 1 吉瓦（gigawatt）的 AI 工廠，DSX 帶來的優化每年可以增加數十億美元的額外收入

物理 AI 的數字孿生：從工廠到機器人

數字孿生的應用不止于 AI 工廠本身，它也是實現物理 AI——即機器人技術的關鍵

在與富士康（Foxconn）合作的案例中，他們在德克薩斯州休斯頓建造的 Nvidia AI 基礎設施制造工廠，就是“生于數字”（born digital）的。

整個工廠的布局和流程在西門子基于 Omniverse 的數字孿生解決方案中進行優化。

工廠內的機器人（如 Fanuc 的機械臂、自主移動機器人 AMRs）首先在 Isaac Sim 的模擬環境中進行訓練和測試

通過 Omniverse 進行大規模傳感器模擬，讓機器人 AI 學會作為一個整體協同工作。部署后，基于 Metropolis 和 Cosmos 的視覺 AI 代理會從上方監控整個工廠的運作，發現異常、安全隱患甚至質量問題

這個案例生動地展示了未來制造業的圖景：一個由機器人構成的工廠，在數字孿生中被精心編排，用以制造機器人化的產品

6G、量子計算與開源模型

除了在核心的 AI 計算領域持續深耕，Nvidia 也在積極布局下一代顛覆性技術，并強調開放生態的重要性

6G 通信：重塑無線網絡

老黃指出，Nvidia 看到了一個機會，即利用 AI 和加速計算的平臺轉變為契機，重奪在 6G 時代的領導地位

Nvidia 與諾基亞（Nokia），全球第二大電信設備制造商，達成重要合作。推出了一個全新的產品線：Nvidia ARC（Aerial Radio Network Computer，空中無線電網絡計算機）

ARC 是一個基于 Grace CPU、Blackwell GPU 和 ConnectX 網絡的軟件定義的可編程計算機，它運行名為 Ariel 的 CUDA X 庫，實際上是一個運行在 CUDA 上的無線通信系統

這一合作將帶來兩大革命：

1. 1. AI for RAN（AI 賦能無線接入網） ：利用 AI 和強化學習，實時調整波束成形，優化信號傳輸，從而提高頻譜效率。這不僅能傳輸更多數據，還能節省全球約 1.5-2% 的電力消耗

2. 2. AI on RAN（無線接入網上的 AI） ：將基站轉變為邊緣計算節點。就像 AWS 在互聯網之上建立了云計算一樣，Nvidia 和諾基亞將在無線通信網絡之上建立一個龐大的“邊緣工業機器人云”，將云端 AI 能力直接推向數據無法到達的邊緣地帶

量子計算

經過 40 年的發展，量子計算領域取得了突破，現在已經可以制造出單個穩定的、可糾錯的“邏輯量子比特”

然而，量子比特極其脆弱，需要復雜的控制和糾錯機制。Nvidia 認為，量子計算機（QPU）的未來在于與經典超級計算機（GPU）的緊密結合，為此，Nvidia 推出了 NVQLink，一種新的互聯架構，可以直接連接量子處理器和 Nvidia GPU，NVQLink 能夠以極高的速度（每秒數 TB）在 QPU 和 GPU 之間傳輸數據，這對于實時量子糾錯至關重要

基于此，CUDA Q 平臺得以擴展，支持 QPU 和 GPU 協同工作，在微秒級延遲內完成混合計算任務。

這項技術得到了業界的廣泛支持，包括 17 家量子計算公司和美國能源部（DOE）下屬的幾乎所有主要國家實驗室。Nvidia 還宣布將與 DOE 合作建造七臺新的 AI 超級計算機，以推動美國在科學領域的領導地位

開源模型

Nvidia 堅信開源模型對整個生態系統至關重要。隨著推理能力的增強、多模態能力的發展和蒸餾技術的成熟，開源模型對于開發者，尤其是初創企業而言，變得前所未有的強大和實用。研究人員需要開源，開發者需要開源，全世界的公司都需要開源

因此，Nvidia 投入巨大資源，成為了開源社區最大的貢獻者之一，在語言、物理 AI、生物學等多個領域的排行榜上擁有 23 個領先模型

AI 生態系統

Nvidia 的成功不僅在于技術本身，更在于其構建的龐大而繁榮的生態系統。他們通過與各行各業的領導者合作，將 AI 能力深度集成到世界的每一個角落。

無處不在的平臺

Nvidia 的平臺之所以能吸引大量初創公司，是因為其無處不在的可用性。無論是在各大云服務商（AWS、Google Cloud、Microsoft Azure、Oracle），還是在本地，甚至是在一臺游戲 PC 上，開發者都可以下載和使用統一的 Nvidia 軟件棧。同時，也涌現了像 CoreWeave、Lambda 等新興的 GPU 云服務商，為初創企業提供了更多選擇

與行業巨頭的深度集成

Nvidia 不僅提供底層算力，還將其 CUDA X 庫和 AI 模型集成到全球領先的企業軟件（SaaS）中，使它們最終能演變為“代理式 SaaS”。

ServiceNow：承載了全球 85% 的企業工作流

SAP：處理了全球 80% 的商業交易。

Synopsis & Cadence：加速全球的 EDA（電子設計自動化）和 CAE 工具，并幫助它們創建 AI 設計師代理

重磅新合作：網絡安全與商業洞察

演講中老黃宣布了兩項新的重要合作：
CrowdStrike：Nvidia 與全球領先的網絡安全公司 CrowdStrike 合作，旨在打造光速的網絡安全防御體系。通過在云端和邊緣部署超智能的 AI 代理，實現對安全威脅的瞬時檢測與響應

Palantir：Palantir 的 Ontology 平臺是全球最重要的企業級決策系統之一，它將數據和人類判斷轉化為商業洞察。Nvidia 將與其合作，利用加速計算，以光速和前所未有的規模處理結構化和非結構化數據，為政府、國家安全和全球企業提供更深層次的洞察力

物理 AI

老黃演講的最后一部分聚焦于物理 AI，即能理解并與物理世界互動的 AI，其兩大主要應用是機器人和自動駕駛汽車

物理 AI 的三位一體計算平臺

實現物理 AI 需要三種不同類型的計算機協同工作，它們都運行在統一的 CUDA 平臺上：

1. 1. 訓練計算機：Grace Blackwell NVLink 72 這樣的 AI 超級計算機，用于訓練物理 AI 的基礎模型。

2. 2. 模擬計算機：基于 Omniverse 的計算機，它是一個數字孿生平臺。機器人可以在這個虛擬世界中安全、高效地學習如何成為一個好機器人，而無需在現實世界中進行昂貴且危險的試錯。

3. 3. 操作計算機：Jetson Thor 這樣的高性能、低功耗的機器人計算機，被部署在機器人或汽車上，用于在現實世界中執行任務。

人形機器人的未來

Nvidia 正與多家領先的機器人公司合作，共同推動人形機器人的發展

                                                                        *   **Figure**：其先進的人形機器人正在使用 Nvidia 的全套平臺進行訓練、模擬和操作。
    *   **Agility Robotics**：專注于倉儲自動化機器人。
    *   **強生（Johnson & Johnson）**：開發的外科手術機器人，將在 Nvidia 技術的支持下，實現前所未有的無創手術精度。
    *   **迪士尼（Disney）**：合作開發了可愛的機器人 Blue，并在基于革命性技術 Newton 的全新模擬平臺上進行學習，使其能夠在物理精確的環境中掌握與世界互動的技能。

老黃預測，人形機器人很可能成為未來最大的消費電子市場和工業設備市場之一。

自動駕駛的拐點：從平臺到網絡

在所有機器人中，最接近商業化拐點的是自動駕駛汽車，尤其是自動駕駛出租車（Robo-taxi），Nvidia 推出了 Drive Hyperion，一個標準化的自動駕駛汽車平臺。它集成了一套完整的、具備冗余的傳感器套件（環視攝像頭、雷達、激光雷達），旨在達到最高的安全級別

像 Lucid、梅賽德斯-奔馳、Stellantis 等多家汽車制造商已經采用了這個平臺來制造“Robo-taxi Ready”的車輛

一旦有了標準化的硬件平臺，眾多優秀的自動駕駛軟件公司（如 Wayve、Wabbi、Aurora、Momenta 等）就可以將其 AI 駕駛系統部署到任何符合該標準的車輛上，就像在標準化的 PC 上安裝軟件一樣

最后，Nvidia 宣布與 Uber 合作，計劃將這些基于 Drive Hyperion 的自動駕駛汽車連接到一個全球性的出行網絡中。未來，用戶可以通過 Uber 應用呼叫到這些由 Nvidia 技術驅動的自動駕駛汽車，這將催生一個龐大而成功的新計算平臺