Transcription
欢迎来到舞台，英伟达创始人兼首席执行官，黄仁勋。 [掌声] 华盛顿特区。华盛顿特区。欢迎来到 GTC。 [音乐] 很难不感到多愁善感，并为美国感到骄傲。我必须告诉你。那段视频是不是很棒？谢谢。英伟达的创意团队做得非常出色。欢迎来到 GTC。今天我们有很多内容要与大家分享。嗯，GTC 是我们谈论行业、科学、计算、现在和未来的地方。所以，我今天有很多内容要与大家分享，但在开始之前，我想感谢所有赞助本次盛会的合作伙伴。您会在展会周围看到他们所有人。他们在这里与您会面，而且……嗯，真的很好。没有我们所有的生态系统合作伙伴，我们就无法做到我们所做的事情。嗯，人们说这是人工智能的超级碗。因此，每个超级碗都应该有一个精彩的赛前表演。你们觉得赛前表演怎么样？以及我们所有的全明星全明星运动员和全明星阵容。看看这些家伙。不知何故，我成了最健壮的。你们觉得呢？我不知道这是否与我有关。英伟达在 60 年里首次发明了一种新的计算模型。正如你在视频中看到的，一种新的计算模型很少出现。它需要大量的时间和一系列条件。我们观察到，我们发明了这种计算模型，因为我们想解决通用计算机、普通计算机无法解决的问题。我们也观察到，有一天晶体管会继续存在。晶体管的数量会增长，但晶体管的性能和功率会放缓。摩尔定律将不会继续，因为它受到物理定律的限制，而那个时刻已经到来。迪纳尔缩放已停止。它被称为迪纳尔缩放。迪纳尔缩放在大约十年前就已停止，事实上，晶体管的性能及其相关功率已大大放缓，但晶体管的数量仍在继续。我们很早就做出了这个观察，并且在 30 年里我们一直在推进我们称之为加速计算的这种计算形式。我们发明了 GPU。我们发明了名为 CUDA 的编程模型。我们观察到，如果我们能添加一个处理器，利用越来越多的晶体管，应用并行计算，将其添加到顺序处理的 CPU 中，我们就可以将计算能力扩展到远远超出……远远超出。而那个时刻真的到来了。我们现在已经看到了那个拐点。加速计算的时刻已经到来。然而，加速计算是一种根本不同的编程模型。你不能只是将一个由手工编写的、顺序执行的 CPU 软件放到 GPU 上并让它正常运行。事实上，如果你只是那样做，它实际上会运行得更慢。因此，你必须重新发明新的算法。你必须创建新的库。你实际上必须重写应用程序，这就是为什么它花了这么长时间的原因。我们花了将近 30 年才走到这一步。但我们是一次一个领域地完成的。这是我们公司的宝藏。大多数人谈论 GPU。GPU 很重要，但如果没有一个在其之上运行的编程模型，并且没有致力于该编程模型，并使其跨代兼容，我们现在有 CUDA 13，即将推出 CUDA 14，数亿个 GPU 在每台计算机中运行，完美兼容。如果我们不这样做，那么开发人员就不会针对这个计算平台。如果我们不创建这些库，那么开发人员就不知道如何充分利用算法和架构。一个接一个的应用程序。我的意思是，这真的是……这真的是我们公司的宝藏。CU Litho 计算光刻。我们花了将近七年才实现 KU Litho，现在 TSMC 使用它，Samsung 使用它，ASML 使用它。这是一个令人难以置信的计算光刻库。制造芯片的第一步。CAE 应用的稀疏求解器。Co-op，数值优化打破了几乎所有记录。旅行推销员问题，如何在供应链中连接数百万种产品和数百万客户。用于模拟的 CUDA 的 Warp Python 求解器。QDF，一种数据帧方法，基本上是加速 SQL 数据帧数据帧数据库。嗯，这个库是我们开始 AI 的起点，coupnn，其上的库称为 megatron core 使我们能够模拟和训练极其大型的语言模型。名单还在继续。嗯，Monai，真的，真的很重要，它是世界上排名第一的医学影像 AI 框架。嗯，顺便说一句，我们今天不会过多谈论医疗保健，但一定要观看 Kimberly 的主题演讲。她将详细介绍我们在医疗保健领域所做的工作。名单还在继续。嗯，基因组学处理，Ariel，请注意。我们今天将在这里做一些非常重要的事情。嗯，coup 量子计算。这只是我们公司 350 个不同库的一个代表。这些库中的每一个都重新设计了加速计算所需的算法。这些库中的每一个都使所有生态系统合作伙伴能够利用加速计算。这些库中的每一个都为我们打开了新的市场。让我们看看 CUDA X 能做什么。准备好了，开始。 [音乐] Heat。Heat。 [音乐] Heat。Heat。 [音乐] [掌声] [音乐] Heat。 [音乐] [音乐] Heat。 [音乐] 这是不是很棒？你看到的一切都是模拟。没有艺术，没有动画。这就是数学之美。这是深度计算机科学，深度数学。它令人难以置信地美丽。从医疗保健和生命科学到制造业、机器人、自动驾驶汽车、计算机图形学，甚至电子游戏，涵盖了所有行业。你看到的第一个镜头是英伟达运行的第一个应用程序。这就是我们 1993 年的起点。我们一直相信我们正在做的事情。很难想象你能看到第一个虚拟战斗机场景栩栩如生。同一家公司相信我们今天会在这里。这真是一段令人难以置信的旅程。我想感谢所有英伟达的员工为你们所做的一切。这真的很不可思议。我们今天有很多行业要涵盖。我将涵盖人工智能、6G、量子模型、企业计算、机器人和工厂。让我们开始吧。我们有很多内容要讲，有很多重大公告要宣布，有很多新合作伙伴会让你非常惊讶。电信是我们经济、我们的产业、我们的国家安全的支柱和生命线。然而，自我们定义技术、定义全球标准以来，无线技术就一直如此。我们将美国技术出口到世界各地，以便世界可以建立在 [不确定词语] 美国技术和标准之上。这种情况已经很久没有发生了。如今，全球部署的无线技术在很大程度上依赖于外国技术。我们建立在外国技术之上的基本通信结构。这种情况必须停止，我们有机会这样做，尤其是在这个根本性的平台转变期间。如你所知，计算机技术是几乎所有行业的基石。它是科学最重要的工具。它是工业最重要的工具。我刚才说我们正在经历平台转变。这次平台转变应该是我们重返赛场、开始用美国技术创新的千载难逢的机会。今天。今天我们宣布我们将这样做。我们与诺基亚有重要的合作关系。诺基亚是世界第二大电信制造商。这是一个价值 3 万亿美元的行业。基础设施价值数千亿美元。全球有数百万个基站。如果我们能合作，我们可以建立在这个令人难以置信的新技术之上，该技术根本上基于加速计算和人工智能，并且让美国处于 6G 下一次革命的中心。所以今天我们宣布英伟达有一个新产品线。它被称为 NVIDIA Arc，即 Aerial Radio Network Computer。Aerial RAM Computer ARC。ARC 由三项根本性的新技术构建而成。Gray CPU、Blackwell GPU 和我们的 ConnectX Melanox Connect X 网络，专为此应用而设计。所有这些都使我们能够运行这个库，我之前提到的这个 CUDA X 库，称为 Aerial。Aerial 本质上是一个运行在 CUDA X 之上的无线通信系统。我们将首次创建一个软件定义的、可编程的计算机，它能够同时进行无线通信和人工智能处理。这是完全革命性的。我们称之为 Nvidia Arc，诺基亚将与我们合作集成我们的技术，重写他们的堆栈。这是一家拥有 7000 项基本且重要的 5G 专利的公司。很难想象在电信领域还有比这更伟大的领导者。所以，我们将与诺基亚合作。他们将把 Nvidia Arc 作为他们未来的基站。NVIDIA Arc 也兼容诺基亚现有的 Airscale 基站。所以，这意味着我们将采用这项新技术，并能够将全球数百万个基站升级到 6G 和人工智能。现在，6G 和人工智能确实非常重要，因为我们将首次能够使用人工智能技术，即 RAN 的人工智能，来提高无线电通信的频谱效率，使用人工智能强化学习实时调整波束成形，根据周围环境、流量、移动性、天气等情况进行调整，所有这些都可以被考虑在内，以便我们提高频谱效率。频谱效率消耗了世界上大约 1.5% 到 2% 的电力。因此，提高频谱效率不仅可以提高我们在不增加必要能源的情况下通过无线网络传输的数据量。我们还可以做的另一件事是 RAN 的人工智能，即 RAN 上的人工智能。这是一个全新的机会。还记得互联网实现了通信，但令人惊讶的是，像 AWS 这样的智能公司在互联网之上构建了云计算系统。我们现在将在无线电信网络之上做同样的事情。这个新的云将是一个边缘工业机器人云。这是 RAN 上的 AI 的地方，第一个是 RAN 的 AI，用于提高无线电频谱效率。第二个是基本上是无线电信的云计算。云计算将能够直接到达数据中心所在的数据中心，因为我们世界各地都有基站。这个公告真的令人兴奋。Justin Hodar 首席执行官，我想他在房间里。感谢您的合作。感谢您帮助美国将电信技术带回美国。这真是一个了不起的、了不起的合作。非常感谢。这是庆祝诺基亚的最佳方式。让我们谈谈量子计算。1981 年，粒子物理学家、量子物理学家理查德·费曼设想了一种新型计算机，可以模拟自然。直接模拟自然，因为自然是量子的。他称之为量子计算机。40 年后，行业取得了根本性的突破。40 年后，就在去年，取得了根本性的突破。现在可以制造一个逻辑量子比特。一个逻辑量子比特。一个相干、稳定且经过纠错的逻辑量子比特。过去，现在一个逻辑量子比特可能由几十个，有时是几百个物理量子比特协同工作组成。如你所知，量子比特，这些粒子极其脆弱。它们很容易不稳定。任何观察、任何采样、任何环境条件都会导致它失去相干性。因此，需要极其精确控制的环境。现在还需要大量的不同物理量子比特协同工作，我们才能对这些所谓的辅助或综合量子比特进行纠错，并推断出逻辑量子比特的状态。有各种不同类型的量子计算机。超导、光子、离子阱、稳定原子，创造量子计算机的方法多种多样。嗯，我们现在意识到，将量子计算机直接连接到 GPU 超级计算机至关重要，这样我们就可以进行纠错，进行量子计算机的人工智能校准和控制，并且我们可以集体进行模拟。在 GPU 上运行的正确算法，在 QPU 上运行的正确算法，以及两个处理器，两台计算机并排工作。这就是量子计算的未来。让我们来看看。建造量子计算机的方法有很多种。每种都使用量子比特，即量子比特作为其核心构件。但无论采用何种方法，所有量子比特，无论是超导量子比特、离子阱、中性原子还是光子，都面临着同样的挑战。它们很脆弱，对噪声极其敏感。今天的量子比特只能稳定运行几百次操作。但要解决有意义的问题需要数万亿次操作。答案是量子纠错。测量会干扰量子比特，从而破坏其中的信息。诀窍是添加额外的纠缠量子比特，这样测量它们就可以为我们提供足够的信息来计算错误发生的位置，而不会损坏我们关心的量子比特。这很聪明，但需要超越最先进的常规计算。这就是为什么我们构建了 NVQ Link，一种新的互连架构，可直接将量子处理器与 NVIDIA GPU 连接起来。量子纠错需要从量子比特读取信息，计算错误发生的位置，并将数据发送回来进行纠正。MVQL Link 能够每秒数千次地将 TB 级数据传输到量子硬件和从量子硬件传输，这对于量子纠错是必需的。其核心是我们用于量子 GPU 计算的开放平台 CUDAQ。使用 MVQLink 和 CUDAQ，研究人员将能够做更多的事情，而不仅仅是纠错。他们还将能够协调量子设备和人工智能超级计算机来运行量子 GPU 应用程序。量子计算不会取代经典系统。它们将协同工作，融合到一个加速的量子超级计算平台中。哇，这个舞台真长。你知道，首席执行官们，我们不仅仅是坐在桌子旁打字。这是一个体力活。体力活。所以，所以今天我们宣布 NV MVQ Link。MVQL Link，它由两件事实现。当然，这个互连可以进行量子计算机控制和校准、量子纠错，还可以连接两台计算机，QPU 和我们的 GPU 超级计算机进行混合模拟。它也是完全可扩展的。它不仅仅能处理今天少量量子比特的纠错。它能处理明天的纠错，届时我们将把这些量子计算机从今天的几百个量子比特扩展到未来的数万个量子比特，数十万个量子比特。所以我们现在有了一个可以进行控制、协同模拟、量子纠错并扩展到未来的架构。行业支持令人难以置信，包括 CUDA Q 的发明。还记得 CUDA 是为 GPU CPU 加速计算设计的。基本上是利用两个处理器来做……用正确的工具做正确的工作。现在 CUDA Q 已扩展到 CUDA 之外，以便我们可以支持 QPU，并让两个处理器 QPU 和 GPU 工作，并在短短几微秒内进行计算。与量子计算机协同工作的基本延迟。所以现在 CUDAQ 是一个令人难以置信的突破，被如此多不同的开发人员采用。我们今天宣布有 17 家不同的量子计算机行业公司支持 MVQ Link，我对此感到非常兴奋。八个不同的 DOE 实验室，伯克利、布鲁克海文、费米实验室（芝加哥）、林肯实验室、洛斯阿拉莫斯、橡树岭、太平洋西北、圣地亚哥国家实验室，几乎所有的 DOE 实验室都与我们合作，与我们的量子计算机公司和这些量子控制器生态系统合作，以便我们将量子计算整合到科学的未来。嗯，我还有一个额外的公告。今天，我们宣布能源部将与英伟达合作，建造七台新的 AI 超级计算机，以推进我们国家的科学。我必须向能源部长克里斯·赖特致敬。他为能源部带来了巨大的能量。一股能量的涌动，一股激情的涌动，以确保美国在科学领域处于领先地位。再次，正如我所提到的，计算是科学的根本工具。我们正在经历几次平台转变。一方面，我们正在转向加速计算。这就是为什么未来的每台超级计算机都将是基于 GPU 的超级计算机。我们正在转向人工智能。因此，人工智能和原理求解器、原理模拟、原理物理模拟不会消失，但可以得到增强、改进、扩展，使用代理模型，人工智能模型协同工作。我们也知道，原理求解器、经典计算可以得到增强，以利用量子计算来理解自然的状态。我们也知道，未来我们会有太多的信号，太多的数据需要从世界各地采样。遥感比以往任何时候都更重要。除非有机器人工厂、机器人实验室，否则这些实验室不可能以我们需要的规模和速度进行实验。因此，所有这些不同的技术正在同时进入科学领域。赖特部长理解这一点，他希望能源部抓住这个机会，为自己注入动力，确保美国在科学领域保持领先地位。我想感谢大家。谢谢。让我们谈谈人工智能。什么是人工智能？大多数人会说人工智能是一个聊天机器人，而且……而且确实如此。毫无疑问，ChatGPT 是人们认为的人工智能的前沿。然而，正如你现在看到的，这些科学超级计算机不会运行聊天机器人。它们将从事基础科学。科学，人工智能，人工智能的世界远不止聊天机器人。当然，聊天机器人非常重要，AGI 根本上至关重要。深度计算机科学，令人难以置信的计算，伟大的突破对于 AGI 仍然至关重要。但除此之外，人工智能还有很多。事实上，我将从几个不同的角度来描述人工智能。第一种方式，第一种方式你想到人工智能是它彻底重塑了计算堆栈。我们过去编写软件的方式是手工编码。在 CPU 上运行的手工编码软件。今天，人工智能是机器学习训练，可以说是数据密集型编程，由运行在 GPU 上的 AI 进行训练和学习。为了实现这一点，整个计算堆栈都发生了变化。请注意，这里没有看到 Windows。这里没有看到 CPU。你看到的是一个完全不同的……一个根本不同的堆栈。从能源需求开始，这是我们政府的另一个领域，特朗普总统应该得到巨大的赞扬，他的亲能源倡议，他认识到这个行业需要能源才能发展。它需要能源才能进步，我们需要能源才能获胜。他认识到这一点，并将国家的力量支持亲能源增长，彻底改变了游戏规则。如果这没有发生，我们可能会陷入困境。我为此要感谢特朗普总统。在能源之上是这些 GPU。这些 GPU 连接到稍后我将展示的基础设施中。在这个基础设施之上，它由巨大的数据中心组成，比如这个房间的许多倍，巨大的能源消耗，然后通过这个名为 GPU 超级计算机的新机器将能源转化为数字。这些数字被称为令牌。可以说是语言，人工智能的计算单位，词汇。你可以标记几乎任何东西。你当然可以标记英语单词。你可以标记图像。这就是为什么你能识别图像或生成图像的原因，标记视频，标记 3D 结构。你可以标记化学品和蛋白质和基因。你可以标记细胞，标记几乎任何有结构的东西，任何有信息内容的东西。一旦你能标记它，人工智能就能学会这种语言及其含义。一旦它学会了这种语言的含义，它就能翻译。它就能像你一样回应，就像你与 ChatGPT 互动一样。而且它也能生成，就像 ChatGPT 能生成一样。所以，你看到的 ChatGPT 所做的所有基本事情，你只需要想象一下，如果它是一个蛋白质，如果它是一种化学物质，如果它是一个像工厂一样的 3D 结构，如果它是一个机器人，而这个令牌理解行为并标记运动和行动。所有这些概念基本上都是一样的，这就是为什么人工智能取得如此非凡进展的原因。在这些模型之上是应用程序，转换器。转换器不是一个通用模型。它是一个极其有效的模型。但没有一个通用模型。只是人工智能具有普遍影响。有如此多的不同类型的模型。在过去的几年里，我们享受了多模态的发明和创新突破。有如此多的不同类型的模型。有 CNN 模型，计算神经网络模型，它们的态空间模型，图神经网络模型，多模态模型，当然，我刚才描述的所有不同的标记化和标记方法。你可以拥有在空间理解方面具有空间感的模型，针对空间意识进行了优化。你可以拥有针对长序列进行优化的模型，在很长一段时间内识别微妙的信息。有如此多的不同类型的模型。在这些模型架构之上，在这些模型架构之上是应用程序，即过去的软件。这是一个深刻的理解，一个深刻的人工智能观察，即过去的软件行业是关于创建工具的。Excel 是一个工具。Word 是一个工具。网页浏览器是一个工具。我知道这些是工具的原因是因为你使用它们。工具行业，就像螺丝刀和锤子一样，工具行业的大小是有限的。就 IT 工具而言，它们可能是数据库工具。这些 IT 工具大约价值一万亿美元。但人工智能不是工具。人工智能是工作。这是根本的区别。人工智能实际上是能够使用工具的工人。我真正兴奋的一件事是 Irvin 在 Perplexity 所做的工作。Perplexity 使用网页浏览器预订假期或购物。基本上是一个使用工具的人工智能。Cursor 是一个我们英伟达使用的巨大的人工智能系统。英伟达的每一位软件工程师都使用 Cursor。这极大地提高了我们的生产力。它基本上是我们每一位软件工程师的代码生成伙伴，它使用一个工具，而它使用的工具叫做 VS code。所以 Cursor 是一个使用 VS code 的人工智能代理系统。嗯，所有这些不同的行业，无论是聊天机器人还是数字生物学，我们都有人工智能助理研究员，还是机器人出租车内部的机器人出租车？当然，它是看不见的，但显然有一个人工智能司机。那个司机在工作。它使用的工具是汽车。所以，我们到目前为止所做的一切，整个世界，我们到目前为止所做的一切都是工具。供我们使用的工具。有史以来第一次，技术现在能够工作并帮助我们提高生产力。机会清单无穷无尽，这就是为什么人工智能能够解决它从未解决过的经济领域的原因。它占据着数万亿美元的经济，而全球经济价值十万亿美元。现在，人工智能将首次参与到这十万亿美元的经济中，使其更具生产力，使其增长更快，使其更大。我们严重缺乏劳动力。拥有增强劳动力的 AI 将帮助我们成长。现在，从技术行业的角度来看，有趣的是，除了人工智能是一项解决新经济领域的新技术之外，人工智能本身也是一个新行业。正如我之前解释的，这些数字，在标记了所有不同类型的信息之后，有一个工厂需要生产这些数字。与过去的计算机行业和芯片行业不同。请注意，如果你看看过去的芯片行业，芯片行业约占数万亿美元 IT 行业总额的 5% 到 10%，甚至更少，约 5%。原因在于，使用 Excel 不需要太多计算。使用浏览器不需要太多计算。使用 Word 不需要太多计算。我们进行计算。但在新的世界里，需要一个始终理解上下文的计算机。它不能预先计算，因为每次你使用计算机进行人工智能时，每次你要求人工智能做某事时，上下文都不同。所以，它必须处理所有这些信息。例如，在自动驾驶汽车的情况下，它必须处理汽车的上下文。上下文处理。你要求人工智能做什么指令？然后它必须分解问题，一步一步地推理，制定计划并执行。每一步都需要生成大量的令牌，这就是为什么我们需要一种新的系统，我称之为人工智能工厂。简称人工智能工厂。它不像过去的数据中心。它是一个人工智能工厂，因为这个工厂只生产一种东西，不像过去的数据中心什么都做。为我们所有人存储文件，运行各种不同的应用程序。你可以像使用你的电脑一样使用那个数据中心来处理各种应用程序。你可以有一天用它来玩游戏。你可以用它来浏览网页。你可以用它，你知道，来做你的会计。所以，那是过去的计算机，一台通用计算机。我在这里谈论的计算机是一个工厂。它基本上只运行一件事。它运行人工智能，它的目的，它的目的是生产尽可能有价值的令牌，这意味着它们必须是智能的。而且你想以惊人的速度生产这些令牌，因为当你向人工智能提问时，你希望它能做出回应。请注意，在高峰时段，这些人工智能的回应速度越来越慢，因为它要为很多人做很多工作。所以，你想以惊人的速度生产有价值的令牌，而且你想以经济高效的方式生产它。我使用的每一个词都与人工智能工厂、汽车工厂或任何工厂一致。它绝对是一个工厂。而这些工厂，这些工厂以前从未存在过。而在这些工厂里面堆满了芯片。这带来了今天。过去几年发生了什么？事实上，今年发生了什么？今年发生了一些非常深刻的事情。实际上，如果你看看今年年初，每个人对人工智能都有某种态度。这种态度通常是：这将是巨大的。这将是未来。不知何故，几个月前，它进入了涡轮增压模式。原因有几个。首先是，在过去的几年里，我们已经弄清楚如何让人工智能变得更加智能。而不是仅仅进行预训练，预训练基本上意味着让我们获取人类有史以来创造的所有信息。让它交给人工智能来学习。这本质上是记忆和泛化。这就像我们小时候去上学一样。学习的第一个阶段。预训练从来都不是仅仅为了……学前教育从来都不是教育的终点。预训练，学前教育只是教你基本的智力技能，这样你才能理解如何学习其他一切。没有词汇，没有对语言的理解，没有沟通方式，没有思考方式，就不可能学会其他一切。接下来是后训练。预训练之后的后训练是教你技能。解决问题的技能，分解问题的技能，推理的技能，如何解决数学问题，如何编码，如何一步一步地思考这些问题，使用第一原理推理。然后之后，计算才真正发挥作用。如你所知，对我们许多人来说，你知道，我们去上学了，在我看来是几十年前，但从那以后我学到了更多，思考了更多，原因是我们不断地将自己置于新知识之中。我们不断地进行研究，我们不断地思考。思考是智能的真正意义所在。所以，我们现在有了三项基本技术技能。我们有这三项技术：预训练，这仍然需要大量的计算。我们现在有后训练，这需要更多的计算。而现在思考给基础设施带来了巨大的计算负载，因为它是代表我们每个人进行思考。因此，人工智能思考推理所需的计算量确实非常惊人。我以前听人们说推理很容易。英伟达应该做训练。英伟达会做……你知道他们在这方面做得很好，所以他们会做训练。推理很容易。思考怎么会容易？重复记忆的内容很容易。重复乘法表很容易。思考很难。这就是为什么这三个尺度，这三个新的缩放定律，所有这些都全速前进，给计算量带来了如此大的压力。另外，这三个缩放定律还发生了另一件事。我们得到了更智能的模型，而这些更智能的模型需要更多的计算。但是当你得到更智能的模型时，你会得到更多的智能。人们把它当作任何事情发生一样。我想第一个出去。Jazz。我敢肯定没问题。可能是午餐。我的胃。是我吗？所以，所以，我刚才说到哪里了？你的模型越智能，你的模型就越智能，人们就越使用它。它现在更接地气了。它能够推理。它能够解决它以前从未学会解决的问题，因为它能够进行研究。去了解它。回来，分解它，推理如何回答你的问题，如何解决你的问题，然后去解决它。思考量使得模型更加智能。它越智能，人们就越使用它。它越智能，所需的计算量就越大。但是发生了什么。去年，人工智能行业转折了。也就是说，人工智能模型现在足够智能了。它们是有价值的，它们值得付费。英伟达为 Cursor 的每一次许可付费。而且我们欣然接受。我们欣然接受，因为 Cursor 正在帮助数以万计的软件工程师或人工智能研究员提高数倍的生产力。所以，当然，我们很乐意这样做。这些人工智能模型已经足够好，值得付费。Cursor、11 Labs、Syntheasia、A Bridge、Open Evidence，名单还在继续。当然，OpenAI，当然，Claude。这些模型现在非常好，人们愿意付费。因为人们愿意付费并使用更多，而且每次他们使用更多，你就需要更多的计算。我们现在有两个指数。这两个指数，一个是三个缩放定律的指数计算需求。第二个指数，它越智能，使用它的人越多，使用它的人越多，它需要的计算就越多。现在有两个指数同时给世界计算资源带来压力，而我之前告诉你摩尔定律基本上已经结束了。那么问题是什么呢？如果我们有这两个指数级的需求在增长，如果我们不……如果我们找不到降低成本的方法，那么这个正反馈系统，这个循环反馈系统，对于几乎任何行业来说都是必不可少的，对于任何平台行业来说都是必不可少的。它对英伟达来说是必不可少的。我们已经达到了 CUDA 的虚拟周期。应用程序越多，人们创建的应用程序越多，CUDA 就越有价值。CUDA 越有价值，购买的 CUDA 计算机就越多。购买的 CUDA 计算机越多，就越多的开发人员想为它创建应用程序。英伟达的这个虚拟周期在 30 年后已经实现。我们也实现了。15 年后，我们为人工智能实现了。人工智能现在已经达到了虚拟周期。因此，你使用它的次数越多，因为它很智能，我们付费，产生的利润就越多，产生的利润越多，投入到电网的计算就越多，投入到人工智能工厂的计算就越多，计算就越多，人工智能就越智能，越智能，越多的人使用它，越多的应用程序使用它，我们就能解决越多的问题。这个虚拟周期现在正在运转。我们需要做的是大幅降低成本，这样一，用户体验会更好，当你提示人工智能时，它会更快地回应你，二，通过降低成本来维持这个虚拟周期，这样它就能变得更智能，更多人使用它，等等，这个虚拟周期现在正在运转，但我们该如何做到这一点，当摩尔定律真的达到了极限呢？嗯，答案是协同设计。你不能只设计芯片，然后希望上面的东西会运行得更快。设计芯片的最好方法是每隔几年增加 50% 的晶体管，如果你增加了更多的晶体管，你知道，我们可以增加更多的晶体管，TSMC 是一家很棒的公司，我们不断增加更多的晶体管。然而，这些都只是百分比，而不是指数。我们需要复合指数来维持这个虚拟周期。我们称之为极端协同设计。英伟达是当今世界上唯一一家从零开始，能够同时考虑新的基本架构、计算机架构、新芯片、新系统、新软件、新模型架构和新应用程序的公司。在座的许多人之所以在这里，是因为你们是那个层面的不同部分，那个堆栈的不同部分，并且与英伟达合作。我们从根本上重新设计了一切。然后，因为人工智能是一个巨大的问题，我们将其规模化。我们创造了一个完整的计算机，有史以来第一次将一台计算机规模化到整个机架。那是一台计算机，一个 GPU。然后我们通过发明一种新的 AI 以太网技术 Spectrum X 以太网来扩展它。每个人都会说以太网就是以太网。以太网几乎不是以太网。以太网。Spectrum X 以太网专为 AI 性能而设计。这就是它如此成功的原因。即使那样也不够大。我们将填满这个房间的 AI 超级计算机和 GPU。那仍然不够大，因为人工智能的应用程序和用户的数量仍在呈指数级增长。我们将多个数据中心连接在一起，我们称之为跨越 Spectrum XGS Gigascale X Spectrum X Gigascale XGS。通过这样做，我们以如此巨大的规模进行协同设计，如此极端的规模，以至于性能优势令人震惊。不是每一代提高 50%，不是每一代提高 25%，而是多得多。这是我们制造过的最极端的协同设计计算机，坦率地说，也是现代制造的。自 IBM System 360 以来，我不知道有哪台计算机被如此彻底地重新发明过。这个系统创造起来极其困难。我马上就会向你展示它的好处。但基本上我们所做的，基本上我们所做的，我们创造了……否则，嘿 Janine，你可以出来了。你必须……你必须来找我。好吧。所以，这有点像美国队长的盾牌。所以，Envy Link 72，Envink 72，如果我们创建一个巨大的芯片，一个巨大的 GPU，它看起来就会是这样。这就是我们必须进行的晶圆级处理水平。令人难以置信。所有这些，所有这些芯片现在都装在一个巨大的机架里。是我做的还是别人做的？进入那个巨大的机架。你知道，有时我觉得我不是一个人在这里。仅仅这个巨大的机架就让所有这些芯片协同工作。这真是令人难以置信。我将向你展示它的好处。它的外观是这样的。所以，谢谢 Janine。我喜欢这个。好了，女士们先生们，Janine Paul。我明白了。将来，我只会像 Thor 一样。就像你在家够不到遥控器，你这样做，有人就会把它拿给你。是的。同样的想法。我从来没有发生过。我只是在做梦。我只是说。好吧。所以，所以，嗯，我们基本上……这就是我们过去创造的。这是 MVLink MVLink 8。现在，这些模型非常巨大。我们解决这个问题的方法是把这个模型，这个巨大的模型，变成一大堆专家。有点像一个团队。所以，这些专家擅长解决特定类型的问题。我们收集了一大堆专家。所以，这个价值数万亿美元的人工智能模型拥有所有这些不同的专家，我们将所有这些不同的专家放在一个 GPU 上。现在，这是 NVLink 72。我们可以将所有芯片放入一个巨大的网络中，每个专家都可以相互通信。所以，主……主要的专家可以与所有真正的……所有必要的信息和提示以及我们必须发送给所有专家的所有数据进行通信。被选来解决答案的专家将去尝试回应，然后它将一层一层地进行。有时是八个，有时是十六个，有时是这些专家，有时是六十四个，有时是二百五十六个。但关键是专家越来越多。嗯，在这里，MVLink 72，我们有 72 个 GPU。因为这样，我们可以在一个 GPU 中放置四个专家。你需要为每个 GPU 做最重要的事是生成令牌，这就是 HPM 内存的带宽。我们有一个 H……一个 GPU 为四个专家进行思考，而在这里，因为每个计算机只能放置八个 GPU，我们必须将 32 个专家放入一个 GPU。所以这个 GPU 必须为 32 个专家思考，而这个系统每个 GPU 只需为四个专家思考。因为这个原因，速度差异是惊人的。这刚刚出来。这是 Semi Analysis 所做的基准测试。他们做得非常非常彻底，他们对所有可进行基准测试的 GPU 进行了基准测试，结果发现可进行基准测试的 GPU 并不多。如果你看看可以进行基准测试的 GPU 列表，大约 90% 是英伟达。好吧。所以，我们正在与自己进行比较，但世界上第二好的 GPU 是 H200，它运行所有工作负载。Grace Blackwell 每个 GPU 的性能是 10 倍。现在，当晶体管数量只有两倍时，如何获得 10 倍的性能？嗯，答案是极端协同设计。通过理解人工智能模型未来的本质，我们跨越整个堆栈进行思考，我们可以为未来创造架构。这是一个大问题。它表明我们可以更快地做出回应。但这更是一个大问题。下一个，看看这个。这表明世界上成本最低的令牌是由 Grace Blackwell MVLink72 生成的。最昂贵的计算机。一方面，GB200 是最昂贵的计算机。另一方面，它的令牌生成能力如此之强，以至于它以最低的成本生成，因为每秒令牌数除以 Grace Blackwell 的总拥有成本非常出色。这是生成令牌的最便宜的方式。通过这样做，提供惊人的性能，10 倍的性能，提供 10 倍的低成本，这个虚拟周期就可以继续下去。然后这就带到了这个。我昨天才看到这个。这是……这是 CSP 的资本支出。人们现在问我关于资本支出的问题，这是一种很好的看待方式。事实上，这六个 CSP 的资本支出，以及这个……这个是亚马逊、Core Weave、谷歌、Meta、微软和 Oracle。好吧，这些 CSP 加在一起将投资这么多资本支出。我想说时机再好不过了。原因在于，现在我们有了 Grace Blackwell MVLink72，所有生产、供应链、世界各地的制造都在进行。所以我们现在可以向他们所有人提供这种新架构，以便资本支出投资于提供最佳 TCO 的计算设备。现在，在这之下，有两件事正在发生。所以，当你看到这个时，它实际上相当非凡，而且无论如何都相当非凡。但下面发生的是，有两个平台转变正在同时发生。一个平台转变是从通用计算转向加速计算。还记得我之前提到的加速计算吗？它进行数据处理、图像处理、计算机图形学，它进行各种计算。它运行 SQL，运行 Spark，它运行……你知道，你告诉我们你需要运行什么，我很有把握我们有一个很棒的库给你。你可能是……你知道，一个数据中心试图制造半导体制造掩模。我们有一个很棒的库给你。所以，无论是否有人工智能，世界正在从通用计算转向加速计算，无论是否有人工智能。事实上，许多 CSP 已经拥有了很早就存在的服务。还记得吗？它们是在机器学习时代发明的。像 XG boost 这样的经典机器学习算法，像……嗯，用于推荐系统、协同过滤、内容过滤的数据帧算法，所有这些技术都是在通用计算的旧时代创建的。即使是那些算法，即使是那些架构，现在也因加速计算而变得更好。因此，即使没有人工智能，世界上的 CSP 也会投资于加速。英伟达的 GPU 是唯一能够做到这一切以及人工智能的 GPU。ASIC 可能能够做人工智能，但它不能做其他任何事情。英伟达可以做到这一切，这解释了为什么只选择英伟达的架构是如此安全。我们现在已经达到了我们的虚拟周期，我们的拐点。这非常非凡。我有很多合作伙伴在房间里，你们都是我们供应链的一部分，我知道你们有多努力。我想感谢你们所有人，感谢你们的辛勤工作，非常感谢。现在我将向你们展示为什么我们公司的业务会这样。由于我刚才提到的所有原因，我们看到了 Grace Blackwell 的非凡增长。它由两个指数驱动。我们现在有了可见性。我认为我们可能是历史上第一家拥有对累计 Blackwell 和早期 Reubin 生产线到 2026 年的半万亿美元的可见性的科技公司。如你所知，2025 年还没有结束，2026 年还没有开始。这是我们账面上的业务量。到目前为止是半万亿美元。现在，在这其中，我们已经在头几个季度出货了 600 万个 Blackwell。我猜是生产的前四个季度，生产的三季度半。2025 年我们还有一个季度。然后我们有四个季度。所以接下来的五个季度有 5000 亿美元，半万亿美元。这是 Hopper 的五倍增长率。这说明了一些问题。这是 Hopper 的整个生命周期。这不包括中国和……嗯，亚洲。所以这只是……西方。好吧。这只是……我们排除了中国。所以 Hopper 在其整个生命周期中生产了 400 万个 GPU。Blackwell。每个 Blackwell 都有两个 GPU，在一个大封装里。在 Reuben 的早期阶段有 2000 万个 Blackwell GPU。令人难以置信的增长。所以，我想感谢我们所有的供应链合作伙伴。各位，我知道你们有多努力。我制作了一个视频来庆祝你们的工作。让我们播放它。 [音乐] 人工智能时代已经开始。Blackwell 是它的引擎，一项工程奇迹。在亚利桑那州，它始于一块空白的硅晶圆。数百个芯片加工和紫外线光刻步骤，逐层构建 2000 亿个晶体管，在 12 英寸的晶圆上。在印第安纳州，HBM 堆栈将并行组装。使用先进的 EUV 技术制造具有 1024 个 IO 的 HBM 内存芯片，并在后端使用硅通孔连接 12 个 HBM 内存堆栈和基板芯片，以生产 HBM。与此同时，晶圆被切割成独立的 Blackwell 芯片，进行测试和分拣，将好的芯片分开以继续前进。芯片在晶圆上的基板工艺将 32 个 Blackwell 芯片和 128 个 HPM 堆栈连接到定制的硅中介层晶圆上。 [音乐] 金属互连线直接蚀刻在上面，将 Blackwell GPU 和 HBM 堆栈连接到每个系统和封装单元，将所有东西锁定到位。然后组装被烘烤、模塑和固化，从而创建 GB300 Blackwell 超级芯片。在德克萨斯州，机器人将全天候工作，将超过 10000 个组件放置到 Grace Blackwell PCB 上。在加利福尼亚州，Connect X8 Super Nix 用于横向扩展通信，Bluefield 3 DPU 用于卸载和加速网络、存储和安全，被小心地组装到 GB300 计算托盘中。MVLink 是英伟达发明的突破性高速链路，用于连接多个 GPU 并扩展成一个巨大的虚拟 GPU。NVLink 开关托盘由 MVLink 开关芯片构建，提供每秒 14.4 TB 的全连接带宽。MVLink 主干形成定制的盲插背板，拥有 5000 根铜缆，连接所有 72 个 Blackwell 或 144 个 GPU 芯片，形成一个巨大的 GPU，提供每秒 130 TB 的全连接带宽，几乎相当于全球互联网的峰值流量。熟练的技术人员
将所有这些部件组装成一个机架规模的 AI 超级计算机。总共，120 万个组件，2 米铜缆，130 万亿个晶体管，重近 2 吨。从亚利桑那州和印第安纳州的硅片到德克萨斯州的系统，Blackwell 和未来的 Nvidia AI 工厂代将在美国建造，书写美国历史和工业的新篇章。人工智能时代重新点燃了美国制造业回归和再工业化的进程。人工智能时代已经开始。美国制造。为世界制造。[音乐] 我们又在美国制造了。这太不可思议了。特朗普总统问我的第一件事就是把制造业带回来。把制造业带回来，因为这对于国家安全是必要的。把制造业带回来，因为我们想要工作，我们想要经济的那个部分。九个月后，九个月后，我们现在正在亚利桑那州全面生产 Blackwell。Extreme Blackwell GB 200 MV Grace Blackwell Envy 72 Extreme 协同设计使我们实现了 10 倍的代际提升。这简直是不可思议的。现在，真正不可思议的部分是这个。这是我们制造的第一台 AI 超级计算机。这是 2016 年，当我把它交付给旧金山的一家初创公司时，这家公司后来被证明是 OpenAI。这就是那台计算机。为了制造那台计算机，我们设计了一个芯片。我们设计了一个新芯片，以便我们能够进行协同设计。现在，看看我们必须做的所有芯片。这就是它所需要的。你不能只用一个芯片制造一台快 10 倍的计算机。那不会发生。使计算机快 10 倍的方法是，我们可以不断地指数级提高性能，我们可以不断地指数级降低成本，那就是极致的协同设计，同时处理所有这些不同的芯片。我们现在有了 Reuben 回到家。这是 Reuben。这是 Vera Rubin 和 Reuben。女士们先生们，Reuben。这是我们的第三代 NVLink 72 机架规模计算机。第三代 GB200 是第一代。我们世界各地的所有合作伙伴，我知道你们有多努力。这非常非常困难。完成它非常非常困难。第二代，顺畅多了。而这一代，看看这个。完全无电缆。完全无电缆。现在这都回到了实验室。这是下一代 Reuben。在我们发货 GB300 的同时，我们正在准备 Reuben 在明年这个时候投入生产，也许会早一点。所以，我们每年都会推出最极致的协同设计系统，以便我们能够不断提高性能并不断降低代币生成成本。看看这个。这真是一台令人难以置信的美丽的计算机。现在，这太棒了。这是 100 Petaflops。我知道这没什么意义。100 Petaflops，但与我十年前，九年前交付给 OpenAI 的 DGX1 相比，它的性能是这里的 100 倍，是那台超级计算机的 100 倍。100 个那样的，让我们看看，100 个那样的将是这 25 个机架全部被这个东西取代。一台 Vera Rubin。好的。所以，这是计算托盘，这是 Vera Rubin 超级芯片。好的。这是计算托盘。这个，就在这里。安装起来非常容易。只需打开这些东西，然后塞进去。连我都能做到。好的。这是 Vera Rubin 计算托盘。如果您决定要添加一个特殊处理器，我们添加了另一个处理器。它被称为上下文处理器，因为我们提供给 AI 的上下文量越来越大。我们想在它回答问题之前阅读大量的 PDF。想阅读大量的档案论文，观看大量的视频。在回答我的问题之前，先学习所有这些。所有这些上下文处理都可以添加。所以，您在底部看到八个 ConnectX9 新的超级网卡。您有 CX，您有 CPXs，八个。您有 BlueField 4，这个新的数据处理器，两个 Vera CPU 和四个 Reuben 包或八个 Reuben GPU。所有这些都在这个节点中，完全无电缆，100% 液冷。然后这个新处理器，我今天不会说太多。我没有足够的时间，但这完全是革命性的。原因在于，您的 AI 需要越来越多的内存。您与它的互动越多。您希望它记住我们上次的谈话。您代表我学到的一切，下次我回来时请不要忘记。所以，所有这些内存将创造出一种叫做 KV 缓存的东西。检索这个 KV 缓存，您可能已经注意到，每次您现在进入您的 AI 时，刷新和检索所有之前的对话需要越来越长的时间。原因在于，我们需要一个革命性的新处理器，它被称为 BlueField 4。接下来是 ConnectX 开关，抱歉，是 NVLink 开关，就在这里。好的，这是 NVLink 开关。正是它使我们能够将所有计算机连接在一起。这个开关的带宽是整个世界峰值互联网流量的几倍。所以，这个骨干网将同时与所有 GPU 通信并传输所有数据。在此之上，在此之上，这是 Spectrum X 开关。这个以太网开关的设计是为了让所有处理器能够同时相互通信，而不会堵塞网络。堵塞网络。这非常技术性。好的。所以，所以这三个结合在一起。然后这是量子开关。这是用于 Infiniband 的。这是以太网。我们不在乎您想使用哪种语言，您喜欢使用哪种标准。我们为您提供强大的横向扩展网络。无论是 Infiniband 还是 Quantum，还是 Spectrum 以太网，这个都使用硅光子技术，并且完全是协同设计的选项。基本上，激光直接连接到硅片上，然后连接到我们的芯片。好的。所以，这是 Spectrum X 以太网。现在，让我们谈谈。谢谢。哦，这是它的样子。这是一个机架。这是两个半。这是两千。这是两吨。150 万个零件。这个骨干网，这个骨干网每秒传输整个互联网流量。同样的速度在所有这些不同的处理器之间移动。100% 液冷。所有这些都是为了，你知道，世界上最快的代币生成率。好的，这就是一个机架的样子。现在，那是一个机架。一个吉瓦数据中心将拥有，让我们看看，16 个机架将是 1000 个，然后是 500 个。所以，500 乘以 16，大概是 9000 个，8000 个将是一个吉瓦数据中心。好的。那就是未来的 AI 工厂。正如您所注意到的，Nvidia 最初是设计芯片，然后我们开始设计系统，我们设计了 AI 超级计算机。现在我们正在设计整个 AI 工厂。每一次我们前进并整合更多需要解决的问题，我们就会提出更好的解决方案。我们现在建造整个 AI 工厂。这就是我们为 Vera Rubin 建造的 AI 工厂，我们创造了一项技术，使我们所有的合作伙伴都能够以数字方式集成到这个工厂中。让我向您展示。下一场工业革命已经到来，随之而来的是一种新型工厂。AI 基础设施是一项生态系统规模的挑战，需要数百家公司进行协作。NVIDIA Omniverse DSX 是构建和运营吉瓦规模 AI 工厂的蓝图。首次，建筑、电力和冷却与 NVIDIA 的 AI 基础设施堆栈协同设计。它始于 Omniverse 数字孪生。Jacob's Engineering 根据电力限制优化计算密度和布局，以最大化代币生成。他们将 Seammen、Schneider Electric、Train 和 Vertive 的 SIM 就绪的 open USD 资产聚合到 PTC 的产品生命周期管理中。然后使用 EAB 和 Cadence 的 CUDA 加速工具模拟热量和电气。在设计完成后，Nvidia 的合作伙伴如 Bectal 和 Vertive 提供预制模块，在工厂制造、测试并准备好即插即用。这大大缩短了构建时间，实现了更快的收入。当物理 AI 工厂上线时，数字孪生充当操作系统。工程师提示来自 FIDRA 和 Emerald AI 的 AI 代理，这些代理之前已在数字孪生中训练过，以优化功耗并减少 AI 工厂和电网的压力。总而言之，对于一个吉瓦的 AI 工厂，DSX 优化每年可以带来数十亿美元的额外收入。在德克萨斯州、佐治亚州和内华达州，Nvidia 的合作伙伴正在将 DSX 变为现实。在弗吉尼亚州，NVIDIA 正在建造一个 AI 工厂研究中心，使用 DSX 来测试和产品化从基础设施到软件的 Vera Rubin。借助 DSX，Nvidia 的全球合作伙伴可以比以往任何时候都更快地构建和启动 AI 基础设施。[音乐] 完全完全在数字中，在 Vera Rubin 成为真正的计算机很久以前，我们就已经将其用作数字孪生计算机了。在这些 AI 工厂存在很久以前，我们将使用它，我们将设计它，我们将规划它，我们将优化它，我们将将其作为数字孪生进行操作。所以，所有与我们合作的合作伙伴，我为你们所有人支持我们感到非常高兴。Gio 在这里，G Vernova 在这里。Schlider，我想，我想，Olivier 在这里。Olivia Blum 在这里。Seaman 的了不起的合作伙伴。好的，Roland Bush，我想他在看。你好，Roland。所以，总之，与我们合作的合作伙伴非常非常棒。起初，我们有 CUDA，我们有所有这些不同的软件合作伙伴生态系统。现在我们有了 Omniverse DSX，我们正在建造 AI 工厂，再次，我们有这些了不起的合作伙伴生态系统与我们合作。让我们谈谈模型。特别是近几年来，开源模型发生了一些事情。一，开源模型变得非常强大，因为它们的推理能力。它变得非常强大，因为它们是多模态的，并且由于蒸馏而效率极高。因此，所有这些不同的功能使得开源模型首次对开发人员来说非常有用。它们现在是初创公司的生命线。不同行业的初创公司生命线，因为正如我之前提到的，每个行业都有其自身的用例，其自身的数据，其自身的飞轮。所有这些能力，领域专业知识都需要能够嵌入到模型中。开源使这成为可能。研究人员需要开源。开发人员需要开源。世界各地的公司，我们需要开源。开源模型真的非常重要。美国也必须在开源方面领先。我们有令人惊叹的专有模型。我们有令人惊叹的专有模型。我们也需要令人惊叹的开源模型。我们的国家依赖它。我们的初创公司依赖它。因此，Nvidia 正在致力于实现这一目标。我们现在是最大的，我们是开源贡献的领导者。我们在排行榜上有 23 个模型。我们有从语言模型到物理 AI 模型的所有不同领域。我将谈论机器人模型到生物学模型。每个模型都有庞大的团队，这也是我们为自己建造超级计算机的原因之一，以便所有这些模型都能被创建。我们拥有排名第一的语音模型，排名第一的推理模型，排名第一的物理 AI 模型。下载量非常非常可观。我们致力于此，原因在于科学需要它，研究人员需要它，初创公司需要它，公司需要它。我很高兴 AI 初创公司建立在 Nvidia 之上。它们这样做有几个原因。一，当然，我们的生态系统非常丰富。我们的工具效果很好。我们所有的工具都在我们所有的 GPU 上运行。我们的 GPU 无处不在。它就在每个云中。它可以在本地使用。您可以自己构建。您可以，你知道，用多个 GPU 构建一个发烧友游戏 PC，您可以下载我们的软件堆栈，它就能正常工作。我们拥有大量开发人员，他们使这个生态系统越来越丰富。所以，我对我们合作的所有初创公司感到非常满意。我为此表示感谢。许多初创公司现在也开始创造更多方式来享受我们的 GPU。Cordweaves、Nscale、Nbius、Llama、Lambda，所有这些公司，Crusoe 公司都在构建这些新的 GPU 云来服务初创公司，我真的很感激这一切都是因为 NVIDIA 无处不在。我们将我们的库，我提到的所有 CUDA X 库，我提到的所有开源 AI 模型，我提到的所有模型，集成到 AWS 中，例如。非常喜欢与 Matt 合作。例如，我们将其集成到 Google Cloud。非常喜欢与 Thomas 合作。每个云都集成了 NVIDIA GPU 和我们的计算，我们的库以及我们的模型。喜欢与 Microsoft Azure 的 Satia 合作。喜欢与 Oracle 的 Clay 合作。每个云都集成了 NVIDIA 堆栈。因此，无论您走到哪里，无论您使用哪个云，它都运行得非常好。我们还将 NVIDIA 库集成到世界 SAS 中，以便每个 SAS 最终都将成为代理 SAS。我喜欢 Bill McDerman 对 Service Now 的愿景。他们是。对了。我想那可能是 Bill。你好，Bill。所以，Service Now 是什么？世界上 85% 的企业工作负载 SAP，世界上 80% 的商业交易。Christian Klein 和我正在合作，将 NVIDIA 库 CUDA X 和 Nemo 和 Neotron，我们所有的 AI 系统集成到 SAP 中。与 Synopsis 的 Cine 合作，加速世界 CAE CAD EDA 工具，使其更快、可扩展，帮助他们创建 AI 代理。有一天，我想聘请 AI ASIC 设计师与我们的 ASIC 设计师合作，可以说是 Synopsis 的光标。我们正在与 Annie Rude 合作。Annie Rude 在这里。我今天早些时候见过他。他是赛前表演的一部分。Cadence 正在加速其堆栈方面做出令人难以置信的工作，创建 AI 代理，以便我们可以拥有 Cadence AI 作为设计师和系统设计师与我们合作。今天我们宣布一项新内容。AI 将极大地提高生产力。AI 将改变几乎所有行业，但 AI 也会极大地加剧网络安全挑战，即不良 AI。因此，我们需要一个出色的防御者。我无法想象比 Crowd Strike 更好的防御者了。George George 在这里。他曾是。是的，我早些时候见过他。我们正在与 Crowdstrike 合作，使网络安全达到光速，创建一个在云端拥有网络安全 AI 代理，同时在本地或边缘拥有极其出色的 AI 代理的系统。这样，每当有威胁时，您都可以立即检测到它。我们需要速度，我们需要一个快速的代理 AI 超级智能 AI。我有一个第二个公告。这是世界上最快的企业公司。可能是当今世界上最重要的企业堆栈。Palunteer 本体论。有人来自 Palunteer 吗？我刚才和 Alex 谈过了。这是 Palunteer 本体论。他们获取信息，他们获取数据，他们获取人类判断，然后将其转化为商业洞察。我们与 Palunteer 合作，加速 Palunteer 所做的一切，以便我们能够以更大的规模和更快的速度进行数据处理，无论是过去的结构化数据，当然我们也会有结构化数据，人类记录的数据，非结构化数据，并为我们的政府、国家安全和世界各地的企业处理这些数据。以光速处理这些数据并从中找到洞察。这就是未来它将是什么样子。Palunteer 将集成 Nvidia，以便我们能够以光速和非凡的规模进行处理。好的，Nvidia 和 Palunteer。让我们谈谈物理 AI。物理 AI 需要三台计算机，就像训练语言模型需要两台计算机一样。一台用于训练它，评估它，然后进行推理。好的，那就是您看到的那个大型 GB200。为了物理 AI，您需要三台计算机。您需要一台计算机来训练它。这是 Grace Blackwell NVLink 72。我们需要一台计算机来完成我之前在 Omniverse DSX 中展示的所有模拟。它基本上是机器人学习如何成为一个好机器人以及工厂成为数字孪生的数字孪生。这台计算机是第二台计算机，Omniverse 计算机。这台计算机必须在生成式 AI 方面非常出色，并且在计算机图形、传感器模拟、光线追踪、信号处理方面也很出色。这台计算机称为 Omniverse 计算机。一旦我们训练了模型，在数字孪生中模拟了该 AI，而该数字孪生可以是工厂的数字孪生，也可以是大量机器人的数字孪生。然后您需要操作该机器人。这是机器人计算机。这个会装在自动驾驶汽车里。其中一半可以装在机器人里。或者您实际上可以拥有，你知道，相当敏捷且操作相当快的机器人。这可能需要两台这样的计算机。所以，这是 Thor Jetson Thor 机器人计算机。这三台计算机都运行 CUDA。它使我们能够推进物理 AI。理解物理世界的 AI，理解物理定律、因果关系、持久性，你知道，物理 AI。我们有令人难以置信的合作伙伴与我们合作，创造工厂的物理 AI。我们自己也在使用它来创造我们在德克萨斯州的工厂。现在，一旦我们创造了机器人工厂，我们里面就有一堆机器人。这些机器人也需要物理 AI，应用物理 AI 并在数字孪生中工作。让我们看一下。美国正在再工业化，将制造业重新引入每个行业。在德克萨斯州休斯顿，富士康正在建造一个最先进的机器人设施，用于制造 NVIDIA AI 基础设施系统。随着劳动力短缺和技能差距，数字化、机器人技术和物理 AI 比以往任何时候都更加重要。工厂在 Omniverse 中诞生。富士康工程师在基于 Omniverse 技术开发的 Seammen 数字孪生解决方案中组装他们的虚拟工厂。在建造之前，对每个系统、机械、电气、管道都进行了验证。Seammen 的工厂模拟运行设计空间探索优化，以确定理想的布局。当出现瓶颈时，工程师会使用 Seammen Teamcenter 管理的更改来更新布局。在 Isaac sim 中，相同的数字孪生用于训练和模拟机器人 AI。在装配区域，FANIC 机械臂通过 FII 的手动机械臂构建 GB300 托盘模块，Skilled AI 将总线安装到托盘中，AMR 将托盘运送到测试舱。然后富士康使用 Omniverse 进行大规模传感器模拟，机器人 AI 在其中学会作为一个集群工作。在 Omniverse 中，基于 NVIDIA Metropolis 和 Cosmos 构建的视觉 AI 代理。从上方观察机器人和工人的集群，以监控操作并向富士康工程师报告异常和安全违规行为。或质量问题。为了培训新员工，代理为简单的员工入职提供交互式 AI 教练。美国再工业化时代已经到来，人们和机器人协同工作。[音乐] 这是制造业的未来，工厂的未来。我想感谢我们的合作伙伴富士康，CEO Younglu 在这里，但所有这些生态系统合作伙伴使我们能够创造机器人工厂的未来。工厂本质上是一个协调机器人来制造机器人产品的机器人。你知道，这需要大量的软件，除非你能在数字孪生中进行规划、设计和操作，否则要让它成功几乎是不可能的。我很高兴看到卡特彼勒，我的朋友 Joe Creed 和他拥有百年历史的公司也正在整合数字孪生及其制造方式。这些工厂将拥有未来的机器人系统，其中最先进的是 Figure。Brett Adcock 今天在这里。他三年前创立了一家公司。他们价值近 400 亿美元。今天，我们正在合作训练 AI，训练机器人，模拟机器人，当然还有进入 Figure 的机器人计算机，非常棒。我有幸看到了它。它确实非常非凡。人形机器人很可能，我朋友埃隆也在研究这个问题，这很可能将是最大的消费电子新市场之一，当然也是最大的工业设备市场之一。Peggy Johnson 和 Agility 的人正在与我们合作进行仓库自动化机器人。强生公司再次与我们合作，在数字孪生中训练机器人、模拟机器人，并操作机器人。这些强生公司的手术机器人甚至将进行完全非侵入性的手术，其精度是世界前所未见的。当然，还有最可爱的机器人，最可爱的机器人，迪士尼机器人。这是我们非常重视的事情。我们正在与迪士尼研究合作，开发一个全新的框架和模拟平台，基于一种名为 Newton 的革命性技术。这个 Newton 模拟器使得机器人能够在物理感知、物理基础的环境中学习如何成为一个好机器人。让我们看一下。[音乐] 看。[音乐][音乐] 那个？[音乐] Blue，女士们先生们。迪士尼 Blue。告诉我，你不觉得它很可爱吗？它不可爱吗？我们都想要一个。我们都想要一个。请记住，您刚才看到的一切都不是动画。它不是电影。它是一个模拟。那个模拟是在 Omniverse 中。Omniverse 数字孪生。所以，这些工厂的数字孪生，仓库的数字孪生，手术室的数字孪生，Blue 可以在其中学习如何操作、导航和与世界互动。所有这些都完全实时完成。这将是世界上最大的消费电子产品线。其中一些现在真的运行得非常好。这是人类机器人（包括 Blue）的未来。好的。现在，人类机器人仍在开发中。但与此同时，有一个机器人显然正处于一个转折点，而且它基本上就在这里。那就是轮式机器人。自动驾驶出租车本质上是 AI 司机。现在，我们今天正在做的一件事是，我们正在宣布 NVIDIA Drive Hyperion。这是一件大事。我们创建了这个架构，以便世界上每家汽车公司都可以制造汽车，车辆可以是商用、客用，也可以是专用于自动驾驶出租车的。制造自动驾驶出租车就绪的车辆。环绕摄像头、雷达和激光雷达的传感器套件使我们能够实现最高水平的环绕式传感器感知和冗余，这是最高水平安全性的必要条件。Hyperion Drive Drive Hyperion 现在已集成到 Lucid、梅赛德斯-奔驰（我的朋友 Ola Ken Kanas）以及 Stellanis 的车辆中，还有许多其他汽车即将推出。一旦有了基本的标准平台，AV 系统的开发人员（其中有许多才华横溢的开发人员，如 Wayve、Aurora、Momenta、Nuro，有这么多）就可以在标准底盘上运行他们的 AV 系统。基本上，标准底盘现在已经成为一个带轮子的计算平台。由于它是标准的，并且传感器套件很全面，因此所有开发人员都可以将其 AI 部署到它上面。让我们快速看一下。[音乐] 好的，那是美丽的旧金山。正如您所见，正如您所见，自动驾驶出租车的转折点即将到来。未来，每年将行驶一万亿英里，每年生产 1 亿辆汽车。全球约有 5000 万辆出租车。它将由大量的自动驾驶出租车补充。因此，这将是一个非常大的市场，可以将其连接起来并在全球范围内部署。今天，我们宣布与 Uber 合作。Uber 的 Dara K Dara 将与我们合作，将这些 Nvidia Drive Hyperion 汽车连接到全球网络，现在未来您将能够呼叫其中一辆汽车，生态系统将极其丰富，我们将拥有遍布全球的 Hyperion 或自动驾驶出租车。这将是我们的一个新计算平台，我预计它将非常成功。好的。这就是我们今天讨论的内容。我们讨论了很多事情。我们谈到了，请记住，核心是两个平台转型，从通用计算到加速计算。Nvidia CUDA 和称为 CUDA X 的库套件使我们能够解决几乎所有行业的问题，我们正处于转折点。它现在正在像虚拟周期所暗示的那样增长。第二个转折点已经到来。第二个平台转型，AI 从经典的手写软件转向人工智能。两个平台同时转型，这就是我们感受到如此惊人增长的原因。量子计算。我们谈到了开放模型。我们谈到了企业，与 Crowdstrike 和 Palunteer 加速他们的平台。我们谈到了机器人技术，一个新的大型潜在的最大的消费电子和工业制造领域，当然，我们谈到了 6G。Nvidia 为 6G 提供了新平台，我们称之为 ARC。我们有一个新的机器人汽车平台，我们称之为 Hyperion。我们甚至为工厂提供了新平台。两种类型的工厂。AI 工厂我们称之为 DSX，然后是拥有 AI 的工厂我们称之为 Mega。现在我们也在美国制造。女士们先生们，感谢您今天加入我们，感谢您允许我将 GTC 带到华盛顿特区。我们希望每年都这样做。感谢您所有的服务，让美国再次伟大。谢谢。[音乐] 我们从握手开始。坚定而真诚。一步一步，我们正在突破。一砖一瓦，我们堆叠梦想。并肩作战，我们将触及天空。握手和高期望，我们正在前进。肩并肩。无论发生什么。[音乐] 滚作一体。[音乐] 计划在纸上，但心意相通。比你想象的更快地一起建造。笑声是我们共同努力的粘合剂。我们有火花。我们要去某个地方。握手和高期望。我们正在前进，肩并肩。无论发生什么，愿景比太阳更明亮。友谊和生意，握手和高期望，我们正在前进，肩并肩。愿景比太阳更明亮。生意滚作一体。[音乐]