3月19日凌晨，NVIDIA 创始人兼首席执行官黄仁勋在2025年GTC开发者大会上发表了主题演讲，演讲覆盖了AI科技演进以及计算需求，同时公开了英伟达的Blackwell架构新鲜一代产品、未来几代产品的规划出货时刻，以及英伟达在人形机器人领域的新鲜进展。

演讲期间，黄仁勋再次提到AI技术的进化途径，从 Perception 感知AI到 Generative生成式AI，再到现阶段进步火热Agentic代理型AI，最终实现具备传感和执行功能的Physical 物理型AI。黄仁勋认为AI的终极形态Physical AI将彻底改变全球。

下面内容是演讲的核心内容和决定因素公开：

一、硬件革新：Blackwell架构及未来路线图

Blackwell Ultra芯片

采用台积电4NP工艺，单卡FP4算力达15 PetaFLOPS，HBM3e显存容量提高至288GB，推理速度较前代Hopper提高11倍8。

机架级化解方法GB300 NVL72集成72颗GPU，支持液冷技术，推理智能达每秒1000 tokens（H100的10倍）。性能提高源于NVLink 72高速互联技术，将多GPU组合成“巨型GPU”，突破算力瓶颈。

未来架构规划

Rubin架构（2026年公开）：采用NVLink 144互联技术，HBM4内存带宽提高2倍，2027年Ultra版性能将达Blackwell的14倍。

Feynman架构（2028年）：以物理学家费曼命名，目标实现算力成本指数级下降。

二、软件生态和工具更新

Dynamo推理操作体系

开源动态调度体系，优化GPU资源分配，使Hopper平台运行Llama模型的吞吐量提高30倍，并支持KV缓存管理。在DeepSeek-R1模型测试中，单GPU生成token数量提高30倍以上。

CUDA生态扩展

CUDA-X库新增工具：Newton物理引擎（和DeepMind、迪士尼合作）：提高机器人训练效率10倍。

cuOpt数学规划工具：加速千倍，已和Gurobi、IBM合作。

开发者生态：全球开发者突破600万，加速库增至900+，覆盖量子计算、生物医学等领域。

三、AI进步阶段论和物理AI的推进

AI三阶段演进途径

感知人工智能（Perception AI）：大约10年前启动，专注于语音识别和其他简单任务。

生成式人工智能（Generative AI）：过去5年的重点，涉及通过预测玩法进行文本和图像创建。

代理人工智能（Agentic AI）：人工智能以数字方法交互并自主执行任务的当前阶段，以推理模型为特征。

物理 AI（Physical AI）：AI 的未来，为人形机器人和现实全球的应用提供动力。

物理AI落地操作

开源人形机器人基础模型Isaac GR00T N1：支持双体系认知（慢思索规划+快思索执行），可迁移至工业制造场景。

和通用汽车合作构建全栈自动驾驶体系：覆盖数字孪生仿真和车载AI安全架构HALOS。

四、行业应用和合作案例

企业级AI化解方法

DGX Spark：售价3000美元的桌面级职业站，支持本地化模型微调。

语义存储体系：和Box合作，支持天然语言数据检索。

边缘和通信技术

联合思科、T-Mobile构建AI-RAN（AI无线网络），优化5G信号处理和能耗。

硅光子技术突破：全球首个1.6T共封装光学（CPO），减少数据中心光模块功耗90%。

硬件创造：Blackwell架构引领算力飞跃

黄仁勋公布Blackwell架构已综合投产，其性能和能效相比前代Hopper架构都有显著提高。基于台积电4NP工艺的Blackwell Ultra芯片（B300系列）正式公开，单卡FP4算力达15 PetaFLOPS，HBM3E显存容量提高至288GB，推理速度较前代Hopper提高11倍。Blackwell Ultra包括NVIDIA GB300 NVL72机架级化解方法和NVIDIA HGXT B300 NVL16体系。GB300 NVL72和上一代NVIDIA GB200 NL72相比，AI的性能提高5倍。GB300 NVL72连接了72个Blackwell Ultra GPU和36个基于Arm Neoverse的Grace CPU；NVIDIA HGX B300 NVL16和上一代相比，在大型语言模型上具有11倍推理速度、4倍内存，可以为AI推理等复杂的职业负载提供突破性的性能。机架级化解方法GB300 NVL72集成72颗GPU，支持液冷技术，推理智能达每秒1000 tokens，已获亚马逊AWS、微软Azure等四大云厂商360万片订单。除了这些之后，英伟达还公开了下一代GPU架构Vera Rubin和Feynman的路线图，Vera Rubin架构规划于2026年推出，采用NVLink 144互联技术，HBM4内存带宽提高2倍；2028年公开的Feynman架构，目标实现算力成本指数级下降。

软件生态Dynamo和CUDA-X驱动开发效率

英伟达推出了开源推理软件Dynamo，它可将Hopper平台运行Llama模型的吞吐量提高30倍，支持动态分配GPU资源，优化KV缓存管理。在DeepSeek-R1模型测试中，Dynamo使GB200 NVL72集群的单GPU生成token数量提高30倍以上。CUDA-X库新增Newton物理引擎，和DeepMind、迪士尼合作开发，机器人训练效率提高10倍；cuOpt数学规划工具加速千倍。全球开发者突破600万，加速库数量增至900+，覆盖量子计算、生物医学等前沿领域。

从自主型人工智能推理革命走给物理人工智能

黄仁勋阐述了AI进步的三阶段演进途径：从感知AI（Perception AI）的计算机视觉和语音识别，到生成式AI（Generative AI）的多模态内容生成，再到当下热门的代理式AI（Agentic AI），其具备主动性，能感知并领会语境，制定并执行规划。未来则是物理AI（Physical AI）的时代，领会物理全球、三维全球的AI将推动机器人、自动驾驶等领域的进步。

演讲期间，英伟达推出了开源人形机器人基础模型Isaac GR00T N1，支持双体系认知，可迁移至工业制造场景。同时，英伟达和通用汽车合作构建全栈自动驾驶体系，覆盖数字孪生仿真和车载AI安全架构HALOS。

推动CUDA生态进化

英伟达在AI for Science领域的布局持续加深，开发人员现在可以利用CUDA-X和新鲜的superchip架构实现CPU和GPU资源之间更紧密的自动集成和协调，和运用传统加速计算架构相比，其工程计算工具的速度进步11倍，计算量进步5倍。CUDA-X目前已经在天文学、粒子物理学、量子物理学、汽车、航空航天和半导体设计等一系列新的工程学科带来了加速计算。

AI工厂时代到来

黄仁勋特别强调了AI工厂的概念，Dynamo被比作新时代的VMware，能够自动编排怎样让AI在推理时代跑得更好。英伟达还推出了AIPCDGX Spark和DGX Station，采用Blackwell芯片，助力企业构建更高效的AI基础设施。

小结

黄仁勋的演讲综合展示了英伟达在AI领域的技术实力和战略布局，从硬件的持续创造到软件生态的完善，再到对AI进步阶段的深刻洞察，英伟达正致力于推动AI技术从从自主型人工智能推理革命走给物理人工智能终局。

（来源：物联网智库）