「AI 屆春晚」過去以來一直是 GTC 的外號(hào)之一，但在 GTC 2025 的開幕主題演講中，這個(gè)梗被英偉達(dá)創(chuàng)始人、愛穿皮衣的老黃「偷了」。 「我覺得 GTC 已經(jīng)變成了 AI 界的超級(jí)碗」

黃仁勛這樣介紹 GTC 的盛況?！傅谶@里，AI 會(huì)讓我們每個(gè)人都成為贏家」。

在 GTC，沒有輸家好嗎｜圖片來源：英偉達(dá)

但面對(duì)近期股價(jià)的數(shù)次暴跌，尤其是以 DeepSeek-R1 為代表的、對(duì)業(yè)內(nèi)「我們真的需要這么多 GPU 嗎」的質(zhì)疑，GTC 作為「AI 春晚」，英偉達(dá)就必須拿出更多真的能鎮(zhèn)住場(chǎng)子的「硬貨」出來。

雖然不知是否也是受到股價(jià)影響，今天老黃的口條，相比以往明顯要「磕巴」了不少，但他在 150 分鐘內(nèi)，接連給從 AI Agent 到數(shù)據(jù)中心的 AI 芯片、再到具身智能的多個(gè)行業(yè)生態(tài)，再次指明了未來。

再一次地，英偉達(dá)看到了 AI 的未來，現(xiàn)在，他們需要讓全世界一起相信。

Agentic 拯救英偉達(dá)

「It's all about Tokens」。

不同往屆 GTC 上來先介紹英偉達(dá)的硬通貨，今天的開場(chǎng)，老黃用 40 分鐘解讀了：Agentic AI 時(shí)代，英偉達(dá)的立身之本——越來越高效地處理 tokens（詞元）。單位時(shí)間內(nèi)能處理的 tokens 百倍萬倍增長(zhǎng)，同時(shí)單位算力成本和能耗下降。

在他看來，英偉達(dá)踩中 AI 風(fēng)口的十幾年，AI 已經(jīng)經(jīng)歷了三代技術(shù)范式的轉(zhuǎn)移。最早是判別式 AI（語音識(shí)別、圖像識(shí)別），接著是生成式 AI，然后就是當(dāng)下我們身處的 Agentic AI，未來會(huì)是影響物理世界的 Physical AI。

黃仁勛秀出了 AI 技術(shù)發(fā)展的路徑｜圖片來源：英偉達(dá)

每一代 AI 技術(shù)遷移，計(jì)算的方式都會(huì)發(fā)生改變。

從 AlexNet 到 ChatGPT，是從檢索的計(jì)算方式轉(zhuǎn)變?yōu)樯傻挠?jì)算方式。

而當(dāng) AI 從 ChatGPT 那種靠預(yù)測(cè)下一個(gè) tokens、大概率出現(xiàn)幻覺的生成式 AI，邁向 Deep Research、Manus 這樣的 agentic AI 應(yīng)用時(shí)，每一層計(jì)算都不同，所需要的 tokens 比想象的多 100 倍。因?yàn)樵?Agentic AI 應(yīng)用中，上一個(gè) token 是下一個(gè) token 生成時(shí)輸入的上下文、是感知、規(guī)劃、行動(dòng)的一步步推理。

此刻，Agentic AI 就是我們現(xiàn)在所處的時(shí)代，AI 正在經(jīng)歷一個(gè)新的拐點(diǎn)，它變得越來越智能、應(yīng)用越來越廣泛，同時(shí)也需要更多的算力來支持它。

老黃用同一段提示詞下，代表兩種技術(shù)范式的開源模型——Llama3.3 和 Deepseek-R1 所消耗的 tokens 舉例說明，以強(qiáng)化學(xué)習(xí)為主導(dǎo)的推理類應(yīng)用，消耗了越來越多的 tokens、同時(shí)也讓 AI 應(yīng)用也變得越來越可用。

這段提示詞是：「在我的婚宴上，需要 7 個(gè)人圍著一張桌子坐，我的父母和岳父岳母不應(yīng)該坐在一起。而且，我媳婦堅(jiān)持說她坐在我左邊照相時(shí)會(huì)更好看，但同時(shí)我需要坐在伴郎旁邊。我們這一輪怎么坐？如果我們邀請(qǐng)牧師和我們坐在一起呢？」

DeepSeek-R1 的 Reasoning 模型給出了近 20 倍于傳統(tǒng)大模型的 Token 量｜圖片來源：英偉達(dá)

如上圖左邊，Llama3.3 作為大語言模型，用不到 500 個(gè) tokens 快速回答，但安排的客人座位并不滿足要求。對(duì)比之下，右邊的 R1 作為推理模型，用掉 8000 多個(gè) tokens 得出了正確答案。

差別在于，左邊的大語言模型只嘗試了一次，右邊的推理模型嘗試了所有不同的可能性，然后反思、驗(yàn)證了自己的答案。而且推理模型需要更多的計(jì)算，因?yàn)槟Ｐ透鼜?fù)雜。R1 的尺寸是 6800 億個(gè)參數(shù)，它的下一代版本可能有數(shù)萬億個(gè)參數(shù)。

更進(jìn)一步，Agentic AI 應(yīng)用是無數(shù)次調(diào)用類似 DeepSeek-R1 做推理的過程，需要的計(jì)算只會(huì)更多。這也是為什么 ChatGPT 可以免費(fèi)、Deep Research 和 Operator 這種 agent 免費(fèi)不起的原因（當(dāng)前 OpenAI 分別以 20 美元、200 美元的價(jià)格提供服務(wù)）。

用預(yù)訓(xùn)練放緩來審判英偉達(dá)還是太早了，因?yàn)?，Scaling Law（縮放定律）的故事還沒有講完。

長(zhǎng)思考的模型對(duì)于 Token 的需求有數(shù)倍提升｜圖片來源：英偉達(dá)

老黃表示，除了預(yù)訓(xùn)練和后訓(xùn)練（微調(diào)），測(cè)試時(shí)的 Scaling Law 才剛剛開始。（指模型推理階段，動(dòng)態(tài)分配計(jì)算資源以提升性能。例如，根據(jù)問題復(fù)雜度自動(dòng)延長(zhǎng)「思考時(shí)間」，或通過多次推理生成多個(gè)候選答案并擇優(yōu)輸出）

在英偉達(dá) GTC 的一篇官方博文中，Tokens（詞元）被視為 AI 的語言與貨幣。它是 AI 在訓(xùn)練和推理過程中處理的數(shù)據(jù)單位，用在預(yù)測(cè)、生成和推理的每一個(gè)場(chǎng)景。

在老黃看來，加速 AI 工作負(fù)載的新型數(shù)據(jù)中心「AI 工廠」，就是要高效地處理這些 tokens，將其從 AI 語言轉(zhuǎn)換為 AI 貨幣——即智能。通過軟硬一體優(yōu)化，以更低的計(jì)算成本處理更多 tokens。

如此一來，當(dāng)更復(fù)雜、智能的推理模型，需要更快、更多地吞吐 tokens 時(shí)，如何能夠有一套軟硬兼施的計(jì)算系統(tǒng)讓它更加高效，就成為 AI 應(yīng)用能不能賺錢的關(guān)鍵。

這就是 Agentic AI下，新黃氏定律曲線。

在性能、Token 和收入的多維度曲線下，廠商依然有盈利的機(jī)會(huì)｜圖片來源：英偉達(dá)

而要想達(dá)到「Revenue」那個(gè)切面、讓 AI 應(yīng)用實(shí)現(xiàn)商業(yè)化閉環(huán)，還得買英偉達(dá)，依舊是「買得多省得多」——不，現(xiàn)在是「買得多，賺得多」。

 

「AI 工廠」的操作系統(tǒng)——Dynamo

不久前，最了解英偉達(dá)的「DeepSeek 靠軟硬一體優(yōu)化實(shí)現(xiàn)了 550% 的理論利潤(rùn)率」新聞刷屏。別忘了，了解英偉達(dá)的，也包括他自己。DeepSeek 在 Infra 上的彈藥，老黃也給你配齊了！

英偉達(dá)此次推出了一個(gè)新的「AI 工廠」引擎的操作系統(tǒng)，Dynamo。有了它，tokens 的吞吐和延遲還能大幅優(yōu)化！

黃仁勛講解 Dynamo 如何實(shí)現(xiàn) pd 分離 ｜ 圖片來源：英偉達(dá)

為了讓一個(gè)更大的模型，更高效地產(chǎn)出更多 tokens，本身已經(jīng)成為了一個(gè)工程學(xué)問題。如何合理利用流水線并行、張量并行、專家并行、在途批量化、pd 分離、工作負(fù)載管理，如何管理 KV cache，各家都拿出了不同的方案。

英偉達(dá)此次也推出了自己的方案，Dynamo。黃仁勛把這個(gè)推理服務(wù)庫比作新時(shí)代的 VMware，能夠自動(dòng)編排如何讓 AI 在推理時(shí)代跑的更好——每秒能產(chǎn)生更多 tokens。

接下來黃仁勛簡(jiǎn)直在直接對(duì)需要采購(gòu)英偉達(dá)的數(shù)據(jù)中心喊話了：未來的每一個(gè)數(shù)據(jù)中心都會(huì)受到功耗的限制。你的營(yíng)收也會(huì)受到功耗的限制，你能使用的電力就能推算出潛在營(yíng)收。

采用 Blackwell，你在同樣電力下，能收獲更好的性能；再加上Dynamo，Blackwell 將能進(jìn)一步優(yōu)化——Hopper 也能優(yōu)化，但是沒那么多。

按照英偉達(dá)的說法，使用 Dynamo 優(yōu)化推理，能讓  Blackwell 上的 DeepSeek-R1 的吞吐量提升 30 倍。Dynamo 也完全開源。

引入 FP4 和 Dynamo 后 Blackwell 與 Hopper 系列芯片性能的對(duì)比 ｜圖片來源：英偉達(dá)

黃仁勛直接幫企業(yè)算起了賬：在同等功耗下，Blackwell 的性能比 Hopper 高出 4—5 倍的幅度。在「推理模型」的測(cè)試?yán)?，Blackwell 的性能大約是 Hopper 的 40 倍。

同樣的 100 兆瓦數(shù)據(jù)中心，使用 H100 需要 1400 個(gè)機(jī)架，每秒可以生產(chǎn) 3 億個(gè) token，使用 GB200，只需要 600 個(gè)機(jī)架，每秒可以產(chǎn)生 120 億個(gè) token。

老黃：你買的越多，省的越多！

100 兆瓦數(shù)據(jù)中心算賬題｜圖片來源：英偉達(dá)

不只有 Blackwell「超大杯」，還有光芯片落地

在硬件領(lǐng)域，老黃還宣布了其 Blackwell AI 工廠平臺(tái)的下一個(gè)演進(jìn)版本————Blackwell Ultra，旨在進(jìn)一步提升 AI 推理能力。

與現(xiàn)存的 Blackwell 不同，據(jù)老黃介紹，Blackwell Ultra 專為 AI 推理而設(shè)計(jì)的：在 DeepSeek R1 發(fā)布之后，目前 OpenAI o1 與 Google Gemini 2.0 Flash Thinking 都是已經(jīng)上市的推理模型產(chǎn)品。

Blackwell Ultra 具體包含 GB300 NVL72 和 HGX B300 NVL16 系統(tǒng)，其 AI 性能比其前代產(chǎn)品高出 1.5 倍。GB300 NVL72 在一個(gè)機(jī)架規(guī)模設(shè)計(jì)中連接了 72 個(gè) Blackwell Ultra GPU 和 36 個(gè)基于 Arm Neoverse 的 NVIDIA Grace CPU。與 Hopper 一代相比，HGX B300 NVL16 在大型語言模型上提供了快 11 倍的推理速度，多 7 倍的計(jì)算能力和 4 倍的內(nèi)存。同樣支持一道發(fā)布的 NVIDIA Dynamo 推理框架。

Blackwell Ultra 作為「超大杯」登場(chǎng) | 圖片來源：英偉達(dá)

包括 AWS、谷歌云和微軟 Azure 在內(nèi)的主要科技公司和云服務(wù)提供商，將從 2025 年下半年開始提供由 Blackwell Ultra 驅(qū)動(dòng)的實(shí)例。

除了 Blackwell Ultra，英偉達(dá)還公布了其 2026 年和 2027 年數(shù)據(jù)中心路線圖的更新，其中就包括即將推出的下一代 AI 芯片 Rubin（以天文學(xué)家 Vera Rubin 命名）與 Rubin Ultra 的計(jì)劃配置。

下一代 AI 芯片代號(hào)為 Rubin | 圖片來源：英偉達(dá)

Rubin NVL144 機(jī)架，將與現(xiàn)有的 Blackwell NVL72 基礎(chǔ)設(shè)施直接兼容。而 Rubin Ultra 的整個(gè)機(jī)架將被新的布局 NVL576 取代。一個(gè)機(jī)架最多可容納 576 個(gè) GPU。

除了這些相對(duì)枯燥的芯片迭代，英偉達(dá)還第一次公開了其光芯片在 AI 計(jì)算領(lǐng)域的進(jìn)展，老黃將其稱之為：

「下一代人工智能的基礎(chǔ)設(shè)施」

硅光芯片具有高運(yùn)算速度、低功耗、低時(shí)延等特點(diǎn)，且不必追求工藝尺寸的極限縮小，在制造工藝上，也不必像電子芯片那樣嚴(yán)苛，必須使用極紫外光刻機(jī)，也就是因?yàn)椤感酒瑧?zhàn)爭(zhēng)」，被大眾所熟知的 EUV。

目前，英偉達(dá)并未直接將光芯片技術(shù)用戶 AI 芯片上，而是與臺(tái)積電（TSMC）合作，采用臺(tái)積電的硅光子平臺(tái) Compact Universal Photonic Engine (COUPE)，該平臺(tái)使用臺(tái)積電的 SoIC-X 封裝技術(shù)，同時(shí)結(jié)合了電子集成電路（EIC）與光子集成電路（PIC）。打造出兩款名為 Spectrum-X 和 Quantum-X 采用硅光子技術(shù)的交換機(jī)。

隨著「人工智能工廠」在世界各地興建，能耗與運(yùn)營(yíng)成本，已經(jīng)成為困擾巨型數(shù)據(jù)中心繼續(xù)拓展的關(guān)鍵問題；因此英偉達(dá)也在用硅光子技術(shù)，來嘗試進(jìn)一步優(yōu)化現(xiàn)有的巨型數(shù)據(jù)中心。

這些也正是硅光子技術(shù)大顯身手的場(chǎng)景，硅光子芯片有潛力徹底改變數(shù)據(jù)處理速度，同時(shí)加快推動(dòng)量子計(jì)算技術(shù)的發(fā)展。同時(shí)新光子技術(shù)還將為數(shù)據(jù)中心的 GPU 集群節(jié)省數(shù)兆瓦的能源。

「人工智能工廠是一種具有極端規(guī)模的新型數(shù)據(jù)中心，網(wǎng)絡(luò)基礎(chǔ)設(shè)施必須進(jìn)行改造以跟上步伐?！裹S仁勛這樣介紹硅光子芯片在數(shù)據(jù)中心的應(yīng)用前景。

Quantum-X InfiniBand 交換機(jī)采用特殊的線纜來加速運(yùn)行 | 圖片來源：英偉達(dá)

據(jù)英偉達(dá)公開的信息，Spectrum-X 提供 100Tb/s 的總帶寬，總吞吐量為 400Tb/s，并且提供每端口最高 1.6Tb/s 的速度——是目前頂級(jí)銅纜傳輸最快速度的兩倍），連老黃自己都吐槽「這段介紹里實(shí)在是太多 TB 了」。

Quantum-X 光子 InfiniBand 交換機(jī)將于 2025 年晚些時(shí)候上市，而 Spectrum-X 光子以太網(wǎng)交換機(jī)計(jì)劃于 2026 年發(fā)布。

最后，老黃還宣布了在 Rubin 之后的下一代 AI 芯片的架構(gòu)命名 Feynman；這個(gè)名稱源自對(duì)量子計(jì)算領(lǐng)域有著重要貢獻(xiàn)的科學(xué)家 Richard Phillips Feynman，他同時(shí)也是現(xiàn)代量子計(jì)算機(jī)概念的奠基人，于 20 世紀(jì) 80 年代提出了量子計(jì)算機(jī)的概念。

直到 2028 年的英偉達(dá) AI 芯片硬件路線圖 | 圖片來源：英偉達(dá)

根據(jù)老黃公布的路線圖，F(xiàn)eynman 架構(gòu)將于 2028 年登場(chǎng)——或許到那個(gè)時(shí)候，我們真的能看到量子計(jì)算技術(shù)出現(xiàn)重大突破了。

英偉達(dá)機(jī)器人生態(tài)完整成型

去年老黃在 GTC 上，伸出手臂，和一排人形機(jī)器人站在一起，已經(jīng)成為經(jīng)典一幕，

而今年，仿真數(shù)據(jù)和機(jī)器人，仍然出現(xiàn)在 GTC 的各個(gè)角落中。甚至在演講的一開始，老黃的講稿中，直接就把物理 AI 放在了 AI 發(fā)展的最高點(diǎn)上。

AI 發(fā)展的階段：后三個(gè)階段分別為生成式 AI、Agentic AI、物理 AI ｜ 圖片來源：英偉達(dá)

不過，在整個(gè) GTC 中，單就時(shí)長(zhǎng)而言，涉及到物理 AI 的比重，并沒有想象中的高。自動(dòng)駕駛部分和機(jī)器人部分的介紹加在一起，可能不足半個(gè)小時(shí)。

雖然時(shí)長(zhǎng)不長(zhǎng)，英偉達(dá)此次的發(fā)布，卻仍然讓人看到了英偉達(dá)的野心。

對(duì)于所有 AI 而言，數(shù)據(jù)、算法和算力，都是最重要的要素。

我們熟悉的生成式 AI，是在海量的互聯(lián)網(wǎng)文字和視頻數(shù)據(jù)中訓(xùn)練出來的，英偉達(dá)的貢獻(xiàn)，更多的在算力方面。

而走到物理 AI，英偉達(dá)卻是想在數(shù)據(jù)、算法、算力上全方面發(fā)力，一個(gè)產(chǎn)業(yè)地圖已經(jīng)呼之欲出。

在算力上，英偉達(dá)有之前發(fā)布的 Orin 和 Thor 芯片。

在數(shù)據(jù)上，英偉達(dá)也是重要的貢獻(xiàn)者。物理 AI 強(qiáng)調(diào)讓 AI 能夠理解物理世界，而世界在過去并沒有像積累文字和視頻數(shù)據(jù)一樣，積累足夠多的 3D 環(huán)境數(shù)據(jù)。要大量產(chǎn)生數(shù)據(jù)，還得看英偉達(dá)推動(dòng)的仿真數(shù)據(jù)的進(jìn)展。

而通過幾屆 GTC 下來，英偉達(dá)已經(jīng)全面補(bǔ)齊了數(shù)據(jù)的生產(chǎn)流程：

Omniverse 數(shù)字孿生環(huán)境，相當(dāng)于一個(gè)超強(qiáng)的 3D 編輯器，能夠生成逼真的場(chǎng)景和物品。開發(fā)者可以根據(jù)不同的領(lǐng)域、機(jī)器人類型和任務(wù)，整合真實(shí)世界的傳感器數(shù)據(jù)或示范數(shù)據(jù)。

Cosmos 模型訓(xùn)練平臺(tái)，相當(dāng)于一個(gè)專門為汽車和機(jī)器人搭建的虛擬世界，利用 Omniverse 訓(xùn)練 Cosmos，能夠讓 Cosmos 生成無限多樣的虛擬環(huán)境，創(chuàng)建既受控、又具備系統(tǒng)性無限擴(kuò)展能力的數(shù)據(jù)。

兩者結(jié)合，就能產(chǎn)出無限多各種各樣環(huán)境、光線、布景的虛擬仿真數(shù)據(jù)。正如下圖所示，Omniverse 中的機(jī)器人呈糖果色，主打與現(xiàn)實(shí)呈現(xiàn)數(shù)字孿生，而 Cosmos 中的布景則可以完全變換，生成不同的布景。

Omniverse 和 Cosmos 的機(jī)器人數(shù)據(jù)效果 ｜ 圖片來源：英偉達(dá)

而針對(duì)人形機(jī)器人，英偉達(dá)還特別推出了一系列其他的工具，比如今年主推的藍(lán)圖（blueprint）工具中的 Mega，就可以測(cè)試大規(guī)模的機(jī)器人部署的效果。

英偉達(dá)希望人形機(jī)器人的開發(fā)者能夠先采集一部分現(xiàn)實(shí)世界的數(shù)據(jù)，導(dǎo)入 Omniverse 里面，然后利用 Cosmos，將這部分現(xiàn)實(shí)世界的數(shù)據(jù)轉(zhuǎn)換成多樣化的虛擬數(shù)據(jù)，直接導(dǎo)入英偉達(dá)的 Issac Lab 中進(jìn)行后期訓(xùn)練——或者模仿學(xué)習(xí)復(fù)制行為，或者強(qiáng)化學(xué)習(xí)在試錯(cuò)中學(xué)習(xí)新技能。

在落地更快的自動(dòng)駕駛領(lǐng)域，這種 Ominiverse 和 Cosmos 相互依仗的數(shù)據(jù)能力已經(jīng)初見成效。此次的 GTC，英偉達(dá)宣布通用汽車（GM）已選擇與英偉達(dá)合作，共同打造未來的自動(dòng)駕駛車隊(duì)。除了對(duì)利用仿真環(huán)境對(duì)工廠和汽車的設(shè)計(jì)進(jìn)行改進(jìn)之外，英偉達(dá)還將幫助通用汽車改進(jìn)智駕體驗(yàn)。

其中，通用汽車重點(diǎn)看中的，應(yīng)該就是 Cosmos 的整套端到端的 AI 訓(xùn)練體系。3D 合成數(shù)據(jù)生成（3D Synthetic Data Generation）能夠通過 Omniverse，將日志數(shù)據(jù)轉(zhuǎn)化為高精度 4D 駕駛環(huán)境，結(jié)合地圖和圖像生成真實(shí)世界的數(shù)字孿生，包括像素級(jí)的語義分割。Cosmos 再通過這些數(shù)據(jù)擴(kuò)展訓(xùn)練集，生成更多準(zhǔn)確且多樣化的駕駛場(chǎng)景，縮小仿真與現(xiàn)實(shí)（sim-to-real）的差距。

同時(shí) Cosmos 為模型訓(xùn)練也做了專門的優(yōu)化，可以進(jìn)行模型蒸餾和閉環(huán)訓(xùn)練。

而落地更慢的人形機(jī)器人領(lǐng)域，在去年到今年的 GTC 之間，我們甚至看到英偉達(dá)在算法上，也在發(fā)力。

在去年發(fā)布了 GR00T 模型之后，今年英偉達(dá)發(fā)布了 GR00T N1 模型。英偉達(dá)宣布這是全球首個(gè)開放的、完全可定制的通用人形機(jī)器人推理與技能基礎(chǔ)模型。

Groot N1 基于合成數(shù)據(jù)生成與仿真學(xué)習(xí)的技術(shù)基礎(chǔ)，采用了「快思考與慢思考」的雙系統(tǒng)架構(gòu)。其中，「慢思考」系統(tǒng)讓機(jī)器人能夠感知環(huán)境、理解指令，并規(guī)劃正確的行動(dòng)，而「快思考」系統(tǒng)則將規(guī)劃轉(zhuǎn)換為精準(zhǔn)、連續(xù)的機(jī)器人動(dòng)作。

Groot N1 架構(gòu) ｜ 圖片來源：英偉達(dá)

Groot N1 本身并不是一個(gè)重大的技術(shù)突破——之前 FigureAI 的 Helix 等模型，都是采取了類似的雙系統(tǒng)架構(gòu)。

英偉達(dá)很明顯，希望的是通過將一套先進(jìn)的模型開源，再加上完整的合成數(shù)據(jù)生成與機(jī)器人學(xué)習(xí)管道，人形機(jī)器人開發(fā)者可以在全球各個(gè)行業(yè)的不同環(huán)境和任務(wù)場(chǎng)景中對(duì) Groot N1 進(jìn)行后期訓(xùn)練——正如 DeepSeek 對(duì)人工智能產(chǎn)業(yè)的帶動(dòng)一樣。

英偉達(dá)在機(jī)器人領(lǐng)域的進(jìn)展似乎一直沒有停歇，一直在不斷補(bǔ)齊產(chǎn)業(yè)鏈上的每一個(gè)空缺，速度驚人。似乎要讓機(jī)器人開發(fā)，變得像目前的 AI 應(yīng)用開發(fā)一樣容易，才能停歇。

專門針對(duì)機(jī)器人的研發(fā)，今年英偉達(dá)還與 DeepMind、迪士尼研究院（Disney Research）共同合作，聯(lián)合推出了一款新的物理引擎 Newton。

黃仁勛與迪士尼機(jī)器人互動(dòng) ｜ 圖片來源：英偉達(dá)

當(dāng)前的大多數(shù)物理引擎都是針對(duì)特定需求設(shè)計(jì)的，例如大型機(jī)械模擬、虛擬世界或電子游戲等，而機(jī)器人需要的，是能夠精確模擬剛體、軟體材料，支持觸覺反饋、時(shí)間序列技能學(xué)習(xí)、執(zhí)行器控制，基于 GPU 加速，從而在超實(shí)時(shí)的虛擬世界中，以驚人的速度訓(xùn)練 AI 模型的物理引擎。

在演講的結(jié)束，一款小小的 Blue 機(jī)器人登臺(tái)亮相了。Blue 機(jī)器人內(nèi)置了兩個(gè)英偉達(dá)芯片，而它的訓(xùn)練，則是完全是在英偉達(dá)的建設(shè)的訓(xùn)練體系和 Newton 引擎中，通過實(shí)時(shí)模擬完成的。

英偉達(dá)對(duì)于機(jī)器人的投入看來不會(huì)停止，機(jī)器人演示不斷出現(xiàn)小故障，搶走老黃的風(fēng)頭，似乎也將成為接下來幾年英偉達(dá) GTC 經(jīng)常性的看點(diǎn)了。

演講結(jié)束前的經(jīng)典畫面｜圖片來源：光輪智能創(chuàng)始人&CEO 謝晨

在 GTC 主演講結(jié)束之前，老黃在視頻播放的間隙，擺了一個(gè) Pose。你可以說是隨性，但從某種意義上來看，這個(gè)經(jīng)典畫面——明顯是名畫「創(chuàng)造亞當(dāng)」的一個(gè)鏡像——可能會(huì)在以后 AI 科技的歷史中不斷出現(xiàn)。