3月19日凌晨，NVIDIA 創始人兼執行長黃仁勳在2025年GTC開發者大會上發表了主題演講，演講覆蓋了AI科技演進以及計算需求，同時公佈了英偉達的Blackwell架構最新一代產品、未來幾代產品的計劃出貨時間，以及英偉達在人形機器人領域的最新進展。
圖源：英偉達官方影片，下同
演講期間，黃仁勳再次提到AI技術的進化路徑，從 Perception 感知AI到 Generative生成式AI，再到現階段發展火熱Agentic代理型AI，最終實現具備感測與執行功能的Physical 物理型AI。黃仁勳認為AI的終極形態Physical AI將徹底改變世界。
以下是演講的核心內容與關鍵釋出：
一、硬體革新：Blackwell架構及未來路線圖
Blackwell Ultra晶片
採用臺積電4NP工藝，單卡FP4算力達15 PetaFLOPS，HBM3e視訊記憶體容量提升至288GB，推理速度較前代Hopper提升11倍8。
機架級解決方案GB300 NVL72整合72顆GPU，支援液冷技術，推理效能達每秒1000 tokens（H100的10倍）。效能提升源於NVLink 72高速互聯技術，將多GPU組合成“巨型GPU”，突破算力瓶頸。
未來架構規劃
Rubin架構（2026年釋出）：採用NVLink 144互聯技術，HBM4記憶體頻寬提升2倍，2027年Ultra版效能將達Blackwell的14倍。
Feynman架構（2028年）：以物理學家費曼命名，目標實現算力成本指數級下降。
二、軟體生態與工具升級
Dynamo推理作業系統
開源動態排程系統，最佳化GPU資源分配，使Hopper平臺執行Llama模型的吞吐量提升30倍，並支援KV快取管理。在DeepSeek-R1模型測試中，單GPU生成token數量提升30倍以上。
CUDA生態擴充套件
CUDA-X庫新增工具：Newton物理引擎（與DeepMind、迪士尼合作）：提升機器人訓練效率10倍。
cuOpt數學規劃工具：加速千倍，已與Gurobi、IBM合作。
開發者生態：全球開發者突破600萬，加速庫增至900+，覆蓋量子計算、生物醫學等領域。
三、AI發展階段論與物理AI的推進
AI三階段演進路徑
感知人工智慧（Perception AI）：大約10年前啟動，專注於語音識別和其他簡單任務。
生成式人工智慧（Generative AI）：過去5年的重點，涉及透過預測模式進行文字和影像建立。
代理人工智慧（Agentic AI）：人工智慧以數字方式互動並自主執行任務的當前階段，以推理模型為特徵。
物理 AI（Physical AI）：AI 的未來，為人形機器人和現實世界的應用提供動力。
物理AI落地實踐
開源人形機器人基礎模型Isaac GR00T N1：支援雙系統認知（慢思考規劃+快思考執行），可遷移至工業製造場景。
與通用汽車合作構建全棧自動駕駛系統：覆蓋數字孿生模擬與車載AI安全架構HALOS。
四、行業應用與合作案例
企業級AI解決方案
DGX Spark：售價3000美元的桌面級工作站，支援本地化模型微調。
語義儲存系統：與Box合作，支援自然語言資料檢索。
邊緣與通訊技術
聯合思科、T-Mobile構建AI-RAN（AI無線網路），最佳化5G訊號處理與能耗。
矽光子技術突破：全球首個1.6T共封裝光學（CPO），減少資料中心光模組功耗90%。
硬體創新：Blackwell架構引領算力飛躍
黃仁勳宣佈Blackwell架構已全面投產，其效能和能效相比前代Hopper架構都有顯著提升。基於臺積電4NP工藝的Blackwell Ultra晶片（B300系列）正式釋出，單卡FP4算力達15 PetaFLOPS，HBM3E視訊記憶體容量提升至288GB，推理速度較前代Hopper提升11倍。Blackwell Ultra包括NVIDIA GB300 NVL72機架級解決方案和NVIDIA HGXT B300 NVL16系統。GB300 NVL72與上一代NVIDIA GB200 NL72相比，AI的效能提升5倍。GB300 NVL72連線了72個Blackwell Ultra GPU與36個基於Arm Neoverse的Grace CPU；NVIDIA HGX B300 NVL16與上一代相比，在大型語言模型上具有11倍推理速度、4倍記憶體，可以為AI推理等複雜的工作負載提供突破性的效能。機架級解決方案GB300 NVL72整合72顆GPU，支援液冷技術，推理效能達每秒1000 tokens，已獲亞馬遜AWS、微軟Azure等四大雲廠商360萬片訂單。此外，英偉達還公佈了下一代GPU架構Vera Rubin和Feynman的路線圖，Vera Rubin架構計劃於2026年推出，採用NVLink 144互聯技術，HBM4記憶體頻寬提升2倍；2028年釋出的Feynman架構，目標實現算力成本指數級下降。
軟體生態Dynamo與CUDA-X驅動開發效率
英偉達推出了開源推理軟體Dynamo，它可將Hopper平臺執行Llama模型的吞吐量提升30倍，支援動態分配GPU資源，最佳化KV快取管理。在DeepSeek-R1模型測試中，Dynamo使GB200 NVL72叢集的單GPU生成token數量提升30倍以上。CUDA-X庫新增Newton物理引擎，與DeepMind、迪士尼合作開發，機器人訓練效率提升10倍；cuOpt數學規劃工具加速千倍。全球開發者突破600萬，加速庫數量增至900+，覆蓋量子計算、生物醫學等前沿領域。
從自主型人工智慧推理革命走向物理人工智慧
黃仁勳闡述了AI發展的三階段演進路徑：從感知AI（Perception AI）的計算機視覺和語音識別，到生成式AI（Generative AI）的多模態內容生成，再到當下熱門的代理式AI（Agentic AI），其具備主動性，能感知並理解語境，制定並執行計劃。未來則是物理AI（Physical AI）的時代，理解物理世界、三維世界的AI將推動機器人、自動駕駛等領域的發展。
演講期間，英偉達推出了開源人形機器人基礎模型Isaac GR00T N1，支援雙系統認知，可遷移至工業製造場景。同時，英偉達與通用汽車合作構建全棧自動駕駛系統，覆蓋數字孿生模擬與車載AI安全架構HALOS。
推動CUDA生態進化
英偉達在AI for Science領域的佈局持續加深，開發人員現在可以利用CUDA-X與最新的superchip架構實現CPU和GPU資源之間更緊密的自動整合與協調，與使用傳統加速計算架構相比，其工程計算工具的速度提高11倍，計算量提高5倍。CUDA-X目前已經在天文學、粒子物理學、量子物理學、汽車、航空航天和半導體設計等一系列新的工程學科帶來了加速計算。
AI工廠時代到來
黃仁勳特別強調了AI工廠的概念，Dynamo被比作新時代的VMware，能夠自動編排如何讓AI在推理時代跑得更好。英偉達還推出了AI電腦DGX Spark和DGX Station，採用Blackwell晶片，助力企業構建更高效的AI基礎設施。
小結
黃仁勳的演講全面展示了英偉達在AI領域的技術實力和戰略佈局，從硬體的持續創新到軟體生態的完善，再到對AI發展階段的深刻洞察，英偉達正致力於推動AI技術從從自主型人工智慧推理革命走向物理人工智慧終局。