今日凌晨，黄仁勋穿着标志性皮夹克，登上演唱会般布局的舞台。站在舞台中央，黄仁勋先是用一张图回顾了英伟达的发展历史，期间还着重提了下自己亲自讲首台DGX One送给OpenAI的故事。

  随即，黄仁勋向开发者英伟达最新一代产品和最新进展在这场两个小时的演讲中，黄仁勋公布了搭载B200芯片的GB200 Grace Blackwell超级芯片系统，以及英伟达在AI软件（NIM微服务）、Omiverse云、具身智能方面的最新进展。

  作为Hopper 的继任者，Blackwell B200这颗重磅炸弹实现了怎样的代际飞跃？黄仁勋宣布的GR00T的项目，意欲在机器人和具身智能做出哪些突破性工作？英伟达成为业界公认的“产业风向标”，又一次将AI行业推向又一个先锋时刻？以下，Enjoy：

  几乎每六个月就翻一番的大型语言模型，让算力成为了行业必需，也让英伟达GPU成了抢手货。

  Blacewell B200也确实从各种意义上完成了「继承」与「超越」：

  第二代Transformer引擎，至多可以提供的4 petaflops的AI计算，提升了推理能力和模型大小。

  使用台积电定制4NP TSMC工艺加持，支撑双芯片配置，是对Hopper H100的改进版本。

  配备18个第五代NVLink连接，是H100链接数量的18倍。能够提供高达1.8TB/s的双向吞吐量，可以支撑大规模GPU间的高速通信。

  英伟达表示，该系统可以部署一个拥有 27 万亿参数的模型，而 GPT-4 大约是一个拥有 1.7 万亿参数的模型。据称，亚马逊、谷歌、微软和甲骨文都已计划在其云服务产品中提供 NVL72 机架。

  老黄对新芯片信心满满，并表示，人工智能是经济发生根本性变革的驱动力，而Blackwell芯片将成为“推动这场新工业革命的引擎”。他预计，Blackwell支持构建实时生成式AI的性能将有用武之地。许多组织都将采用Blackwell，例如亚马逊网络服务、戴尔、谷歌、Meta、微软、OpenAI、甲骨文、特斯拉和XAI等等。

  如同Wedbush Securities分析师Dan Ives曾表示：“这代表着AI行业展望未来的又一个先锋时刻。”

  不过，英伟达没提供新款GB200或其使用系统的成本。据分析师估计，英伟达基于Hopper的H100芯片成本在2.5万至4万美元之间，而总系统的成本高达20万美元。

  发布会上，英伟达推出了集大成的新服务，也是新创收产品：NVIDIA NIM。

  NIM支持使用旧的英伟达GPU进行推理，并允许公司接着使用他们已拥有的数亿个英伟达GPU。

  NIM的出场，让新人工智能模型的初始训练推理所需的算力更少。从商业策略角度来看，购买英伟达服务器的客户要注册英伟达企业版，每个GPU每年收取费用4500美元。

  黄仁勋表示，该软件还将帮助在配备GPU的笔记本电脑上运行人工智能，而不是在云服务器上运行。这又为客户提供了坚持使用英伟达芯片的理由，将英伟达生态环环相扣。

  据英伟达高管表示，该公司正逐步从纯粹的芯片供应商转变为平台提供商，类似微软或苹果。

  发布会上，英伟达还宣布台积电和新思科技（Synopsys）正推进部署使用英伟达的计算光刻平台。台积电和新思科技已决定在其软件、制造工艺和系统中集成英伟达的 cuLitho 计算光刻平台，加快芯片制造速度，并在未来支持最新一代英伟达 Blackwell 架构 GPU，以加速制造并推动下一代先进半导体芯片的物理极限。

  NVIDIA 创始人兼首席执行官黄仁勋表示：“计算光刻技术是芯片制造的基石。我们与 TSMC 和 Synopsys 围绕 cuLitho 展开合作，通过加速计算和生成式 AI 为半导体微缩开辟了新的方向。”

  英伟达还推出了全新的生成式AI算法，增强了用于 GPU 加速计算光刻技术的库 cuLitho，相比较目前基于 CPU 的方法，显著改善了半导体制造工艺。

  英伟达开发了应用生成式人工智能的算法，以逐步提升 cuLitho 平台的价值。在通过 cuLitho 实现的加速流程基础上，新的生成式人工智能工作流程还能额外提高 2 倍的速度。

  英伟达目前正在构建包括NVIDIA IAI、Omniverse、ISAAC三大与机器人产业高度关联的平台。

  发布会上，黄仁勋推出了Project GR00T 人形机器人项目。GR00T 脱胎于英伟达的 Isaac 机器人平台工具，基于新的通用基础模型，GR00T 驱动的人形机器人可接受文本、语音、视频甚至现场演示的输入，并对其做处理以采取特定的操作，包括理解自然语言、模拟人类行为、在现实世界中导航和交互。

  同时，基于英伟达Omniverse构建的ISAAC Lab也进行了同步更新。

  ISAAC Lab还整合了用于辅助提升机械臂的灵敏度与精确度的加速库平台ISAAC MANIPULATOR，以提升机器人的感知能力。

  除了对于机器人的图片介绍外，现场，还展示了迪士尼的orange和green机器人。该机器人应用的是英伟达为机器人专门设计的首款AI芯片Jetson。

  如果说，上一个万亿增幅空间的市场来源于算力和GPU，那么，下一个万亿增幅空间的选择上，机器人是英伟达的一条路。

  此前，黄仁勋曾表示，加速计算和生成式 AI 已达到一个转折点。而黄仁勋（Jensen Huang）先后参加了斯坦福商学院SIEPR经济峰会以及View From The Top 系列活动，围绕着加速计算的本质、模型训练的未来、人工智能（AGI）何时实现，AI增长要多少额外芯片产能等方面，分享了不少线多年的时间里，英伟达始终致力于一种称为加速计算的新型计算方式。研究加速计算的核心原因是，通用计算并不适合每一个工作领域，开发一种解决通用计算不擅长问题的计算方式。“事实上，我们在特定计算领域有效地做到了这一点。这本质上是算法的可以并行化。我们已将计算机的计算成本降低到接近零。”

  英伟达擅长的是加速计算，但英伟达的架构不仅能加速算法，而且是可编程的，这在某种程度上预示着你可以用它来处理SQL，他们能够加速量子物理、加速所有的流体和粒子代码等等广泛领域，其中之一才是生成式AI。我们应该回到基础原理，思考生成式AI是什么。以往，信息被预先记录然后根据算法进行检索，而未来，信息处理的方式将从根本上发生明显的变化。生成式AI将从一个信息“种子”出发，计算的未来将高度依赖生成而非检索。

  现在我们训练模型然后应用模型，再训练、再推理，在未来，我们将有持续的训练，甚至我们大家可以选择是否把训练的结果部署到应用中，AI通过观看视频和文本，不断地自我改进。

  学习过程和训练过程。推理过程、训练过程、部署过程、应用过程将变得一体，而且这种循环将是持续的。所以，未来的AI计算机也会做类似的事情，它会合成数据，再进行强化学习，再继续以真实世界的经验为基础，它会想象一些事情，然后用真实世界的经验来测试，整个循环就是一个巨大的循环。这就是当你能够将计算成本降低到接近零时，会发生的事情。

  可我们何时能实现AGI？黄仁勋的回答是“如果对AGI的定义是它通过人类的数学、推理、医学、律师等测试，那么我会告诉你5年内就会做得很好。如果是拥有人类般的智能，那我不确定。但我们都在努力让它变得更好。”

  简单说，我们是需要更多的fab。然而，我们也在一直在改进算法和处理过程，效率在时间上有了巨大的提升。并不是说计算的效率就是今天这样，因此需求就是这么多。与此同时，我每10年都在提高计算能力一百万倍，而需求却增长一万亿倍，这两者必须相互抵消。然后还有技术扩散等等，这只是时间问题，但这并不改变这样一个事实：总有一天，世界上所有的计算机都将100%地改变，每一个数据中心，价值数万亿美元的基础设施，将完全改变，然后在这之上还会建造新的基础设施。

  此外，黄仁勋还提到下一个马上就要来临的是液冷技术。它以数据中心的规模进行计算。在未来的10年里，我们将深度学习的计算能力再提高100万倍，会发生啥在未来，我们将有持续学习。我们大家可以决定是不是将那个持续学习的结果部署到世界上的应用中，但计算机将观察视频和新文本，并从所有互动中一直在改进自己。液冷GPU将以数据中心的规模进行计算。对于未来是否愿意为一定规模的客户定制解决方案，“如果是在现有生态系统基础上扩展，我们将非常乐意。”

  没有一个企业可以仅靠一股热潮就能拔地而起。在黄仁勋看来，英伟达所做的每一件事，都是在创造技术，同时创造市场。过去三十余年，英伟达向下扎根，几乎每项工作围绕技术和市场展开。同时，他们也会向上攀岩“对于未来，我们会做更多的计算，会将计算的边际成本降低到接近零。”

  4.芯片制造业计算负载提速 40-60 倍，台积电部署英伟达cuLitho平台 ｜IT之家