英偉達 GTC 2025 大會關(guān)鍵信息點總結(jié)

一、?新一代硬件架構(gòu)與芯片發(fā)布?

1. ?Blackwell Ultra（GB300）芯片?
   • 采用液冷與硅光子技術(shù)，單芯片集成288GB HBM3e顯存，F(xiàn)P4算力達15 PetaFLOPS，推理速度較前代Hopper架構(gòu)提升40倍?。
   • 支持72顆GPU互聯(lián)的NVL72超節(jié)點架構(gòu)，專為大規(guī)模推理場景設(shè)計，在復雜任務(wù)中性能顯著優(yōu)于傳統(tǒng)8卡服務(wù)器?。
   • 預計2025年第三季度量產(chǎn)，HBM容量從192GB升級至288GB，運算效能較B200提升50%?。
2. ?Vera Rubin架構(gòu)前瞻?
   • 下一代架構(gòu)計劃2026年發(fā)布，集成HBM4內(nèi)存與NVLink 144技術(shù)，單系統(tǒng)支持144顆GPU，算力目標3.6 ExaFLOPS?。
   • 強調(diào)量子計算與AI融合的長期愿景，預示英偉達在量子計算領(lǐng)域的布局?。

二、?AI技術(shù)演進路線?

1. ?技術(shù)發(fā)展路徑?
   • 從生成式AI（Generative AI）邁向Agentic AI（自主決策AI）階段，最終目標是Physical AI（物理世界交互AI），推動AI從數(shù)字領(lǐng)域向物理世界延伸?。
2. ?推理效能革新?
   • 針對指數(shù)級增長的推理需求，Blackwell Ultra通過機架級液冷技術(shù)實現(xiàn)1 ExaFLOPS算力密度，同時降低30%能耗?。
   • 推出開源推理框架Dynamo，采用分離式推理架構(gòu)優(yōu)化資源分配，大模型token生成效率提升3倍?。

三、?軟件生態(tài)與端側(cè)部署?

1. ?端側(cè)AI設(shè)備?
   • 發(fā)布桌面級AI計算機DGX Spark（1 PetaFLOPS算力）和DGX Station（784GB內(nèi)存），支持本地運行200B參數(shù)模型，降低邊緣端部署成本?。
2. ?工具鏈升級?
   • 推出CUDA生態(tài)新工具，優(yōu)化Windows工作站AI推理性能，覆蓋數(shù)字人、聊天機器人等應(yīng)用開發(fā)?。
   • 小語言模型（SLM）工具鏈發(fā)布，支持開發(fā)者訓練本地化任務(wù)模型，兼顧效率與準確性?。

四、?應(yīng)用場景與行業(yè)布局?

1. ?人形機器人技術(shù)?
   • 展示GR00T N1模型在Fourier GR-1人形機器人上的應(yīng)用，實現(xiàn)語言控制的雙臂協(xié)調(diào)操作，強調(diào)物理世界交互能力?。
2. ?汽車與通信領(lǐng)域?
   • 推出NVIDIA Halos安全方案，結(jié)合Omniverse數(shù)字孿生技術(shù)優(yōu)化自動駕駛訓練環(huán)境?。
   • 布局6G通信網(wǎng)絡(luò)，探索AI在基站邊緣計算與網(wǎng)絡(luò)優(yōu)化中的潛力?。

五、?量子計算與未來展望?

• 英偉達提出量子計算實用化仍需10-20年，但Feynman架構(gòu)（2028年）已瞄準量子與AI融合方向，展現(xiàn)長期技術(shù)野心?。

審核編輯 黃宇