NVIDIA GTC Washington, D.C. Keynote with CEO Jensen Huang

美国，创新的国度，在这里，发明塑造了命运，科技助力梦想腾飞。在贝尔实验室，晶体管诞生，点燃了半导体时代，催生了硅谷。海蒂·拉玛尔重新构想了通信，为无线连接铺平了道路。IBM的System 360将通用计算机置于工业的核心。英特尔的微处理器推动了数字时代的进步，而Cray的超级计算机则拓展了科学的疆界。所以，我们认为这项技术让我们站在了某个新事物的开端，我们将以最快的速度前进。苹果让计算变得个性化。你好，我设想了我们。微软为软件的新世界打开了一扇窗。在互联网出现很久以前，你就收到了邮件。美国政府的研究人员构建了ARPANET，连接了第一批计算机，为互联网奠定了基础。一个iPod，一部手机。你明白了吗？然后苹果再次将一千首歌装进了你的口袋，将互联网握在了你的手中。每个时代都是一次飞跃。我们选择在本十年内登陆月球，并做其他事情，不是因为它们容易，而是因为它们困难。每一次飞跃，美国都为人类而飞跃。现在，新时代已经到来，由一种革命性的新计算模型启动。这很可能是我们对计算机行业做出的最重要的贡献。它很可能会被公认为一场革命。机器学习是人工智能的一个分支。那些似乎能思考的计算机，其计算资源的量最终将是加速这个领域的动力。人工智能，新的工业革命。其核心是，在这里美国发明的NVIDIA GPU。就像电力和互联网一样，人工智能是重要的基础设施。每家公司都会使用它。每个国家都会建造它。赢得这场竞争将是对我们能力的考验，是自太空时代黎明以来前所未有的。今天，人工智能工厂正在兴起。在美国建造，为大学、初创公司和行业中的科学家、工程师和梦想家服务。我认为我们希望作为一个文明，努力达到新的高度，探索宇宙的本质。现在，美国创新者正在为丰裕铺平道路，拯救生命，将愿景变为现实，向我们伸出援手，并交付未来。我们将很快用无限的清洁能源为这一切提供动力。我们将把人类的触角延伸到星辰大海。这是美国的下一个阿波罗时刻。我们将一起进行下一次伟大的飞跃，勇敢地走向无人去过的地方。一切都将从这里开始。欢迎来到舞台，NVIDIA创始人兼首席执行官黄仁勋。华盛顿特区。华盛顿特区。欢迎来到GTC。很难不感到伤感和自豪于美国。我必须告诉你。那段视频是不是很棒？谢谢。NVIDIA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讲。GTC是我们谈论行业、科学、计算、现在和未来的地方。所以，今天我有很多内容要讲，但在我开始之前，我想感谢所有赞助这个伟大活动的合作伙伴。你会在展会上看到他们所有人。他们在这里与你见面，而且，嗯，嗯，真的很好。没有我们所有的生态系统合作伙伴，我们就无法做我们所做的事情。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？我们全明星运动员和全明星阵容怎么样？看看这些人。不知怎么我成了最健壮的。你们觉得呢？我不知道这是否与我有关。NVIDIA在60年来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。它需要巨大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。我们还观察到，有一天晶体管的数量将继续增长，但晶体管的性能和功率将放缓，摩尔定律将不再继续，受物理定律的限制，而那个时刻已经到来，迪纳德缩放已经停止，它被称为迪纳德缩放，迪纳德缩放已经停止了近十年，事实上，晶体管的性能及其相关的功率已经大大放缓，而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这种我们称之为加速计算的计算形式。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，并将其添加到顺序处理的CPU中，我们就能将计算能力扩展到远远超出。而那个时刻已经真正到来。我们现在已经看到了那个转折点。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。你不能只是把一个手动编写的、顺序执行的CPU软件放到GPU上，让它正常运行。事实上，如果你只是这样做，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。你甚至必须重写应用程序，这就是它花费如此长时间的原因。我们花了近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的编程模型，并且没有对该编程模型的投入，保持其跨代的兼容性，我们现在有CUDA 13即将推出CUDA 14，数亿个GPU在每台计算机上运行，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，那么开发人员就不会知道如何使用算法和架构来充分发挥其潜力。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。cuLitho计算光刻。我们花了近七年才完成cuLitho，现在TSMC、Samsung、ASML都在使用它。这是一个用于计算光刻的令人难以置信的库。制造芯片的第一步。用于CAE应用的稀疏求解器。cuOpt，数值优化打破了几乎所有记录。旅行商问题，如何在供应链中连接数百万种产品与数百万客户。用于模拟的CUDA的Warp Python求解器。QDF，一种数据帧方法，基本上加速了SQL数据帧数据库。这个库是我们开始所有AI的起点，CUDA，它之上的名为Megatron Core的库使我们能够模拟和训练极其庞大的语言模型。还有很多。嗯，Monai，非常非常重要，是全球排名第一的医学影像AI框架。顺便说一句，我们今天不会过多谈论医疗保健，但一定要看Kimberly的演讲。她将详细介绍我们在医疗保健方面所做的工作。还有很多。嗯，基因组学处理，Ariel，请注意。我们今天要做一件非常重要的事情。嗯，cuQuantum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。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、机器人、自动驾驶汽车、计算机图形学，甚至电子游戏，每个行业都涵盖了。你看到的第一个镜头是NVIDIA运行的第一个应用程序。那是我们1993年开始的地方。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，而同一家公司相信我们会走到今天。这真是一段令人难以置信的旅程。我想感谢所有NVIDIA的员工所做的一切。这真的很不可思议。我们今天有很多行业要讲。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，有很多新的合作伙伴会让你非常惊讶。电信是经济、产业、国家安全的命脉。然而，自无线通信诞生以来，我们定义了技术，我们定义了全球标准，我们将美国技术出口到世界各地，以便世界可以建立在美​​国技术和标准之上。这种情况已经很久没有发生了。如今，全球无线技术主要部署在外国技术上。我们构建的根本通信结构建立在外国技术之上。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。正如你所知，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一次千载难逢的机会，让我们重新进入游戏，让我们开始用美国技术进行创新。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设备制造商。这是一个三万亿美元的行业。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，我们就能在这个以加速计算和人工智能为基础的令人难以置信的新技术上进行建设。并且让美国，让美国处于6G下一场革命的中心。所以今天我们宣布NVIDIA推出新产品线。它叫做NVIDIA Arc。Aerial Radio Network Computer，Aerial RAM Computer，Arc。Arc基于三项根本性的新技术。Grace CPU，Blackwell GPU，以及我们为该应用设计的ConnectX Mellanox ConnectX网络。所有这些都使我们能够运行我之前提到的名为Aerial的CUDA-X库。Ariel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。这意味着我们将把这项新技术应用到全球数百万个基站上，升级到6G和人工智能。现在，6G和人工智能确实非常根本，因为我们将首次能够使用人工智能技术，人工智能用于RAN，使无线电通信更具频谱效率，使用人工智能强化学习实时调整波束成形，根据周围环境、交通、移动性、天气等因素进行调整，所有这些都可以考虑在内，以便我们提高频谱效率。频谱效率消耗了全球约1.5%到2%的电力。因此，提高频谱效率不仅可以提高无线网络的数据吞吐量，而无需增加必要的能源。我们还可以做的另一件事是RAN上的人工智能。这是全新的机会。还记得互联网实现了通信，但令人惊讶的是，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。这个新云将是一个边缘工业机器人云。这是RAN上的人工智能，首先是RAN的人工智能，以提高无线电频谱效率。其次是RAN上的人工智能，本质上是无线电信的云计算。云计算将能够直接延伸到数据中心所在的地方，因为我们遍布全球的基站。这个公告非常令人兴奋。Justin Hodari首席执行官，我想他就在房间里。感谢您的合作。感谢您帮助美国将电信技术带回美国。这真是一个精彩绝伦的合作。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、经过纠错的逻辑量子比特。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，这些粒子非常脆弱。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退相干。因此，需要极其受控的环境。现在还需要大量的不同物理量子比特才能协同工作，并进行纠错，利用这些所谓的辅助或综合量子比特来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式多种多样。现在我们认识到，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，并且我们可以协同进行模拟。在GPU上运行正确的算法，在QPU上运行正确的算法，两个处理器，两台计算机并排工作。这是量子计算的未来。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，量子比特作为其核心构建块。但无论采用哪种方法，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，这样测量它们就能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NVQLink，一种新的互连架构，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中读取信息，计算错误发生的位置，并将数据发送回来进行纠正。NVQLink能够每秒将数TB的数据传输到量子硬件和从中传输，这是量子纠错所需的数千倍。其核心是CUDA-Q，我们的开放式量子GPU计算平台。使用NVQLink和CUDA-Q，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，我们不仅仅是坐在办公桌前打字。这是一项体力活。体力活。所以，所以今天我们宣布NVQ Link。NVQL Link，这得益于两件事。当然，这个互连可以进行量子计算机控制和校准，量子纠错，以及连接两台计算机，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。它不仅仅能为今天的少量量子比特进行纠错。它能为未来进行纠错，我们将把今天的数百个量子比特扩展到未来的数万个，数十万个量子比特。所以我们现在有一个能够进行控制、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，介于CUDA Q的发明之间。记住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，使用正确的工具来做正确的事情。现在CUDA Q已经扩展到CUDA之外，以便我们能够支持QPU，并让两个处理器QPU和GPU协同工作，并在短短几微秒内进行计算传输。能够与量子计算机协同工作的基本延迟。所以现在CUDA-Q是一个令人难以置信的突破，被如此多的不同开发者采用。我们今天宣布有17家不同的量子计算机行业公司支持NVQ 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、圣地亚哥兰乔实验室，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融入科学的未来。嗯，我还有一个额外的公告。今天，我们宣布能源部将与NVIDIA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Chris Wright致敬。他为能源部带来了如此多的活力，一股能量，一股热情，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，计算是科学的基本工具，我们正在经历几次平台转变。一方面，我们将转向加速计算。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。我们将转向人工智能，这样人工智能和基于原理的求解器、基于原理的模拟、基于原理的物理模拟不会消失。但它可以被增强、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，基于原理的求解器、经典计算可以通过理解自然状态来增强，利用量子计算。我们也知道，在未来，我们将从世界上采样到如此多的信号，如此多的数据。遥感比以往任何时候都更重要。除非是机器人工厂、机器人实验室，否则这些实验室无法以我们需要的规模和速度进行实验。所以所有这些不同的技术都在同一时间进入科学领域。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，确保美国保持在科学的前沿。我为此感谢大家。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，而且确实如此。毫无疑问，ChatGPT是人们认为的人工智能的先锋。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，聊天机器人极其重要，而通用人工智能（AGI）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，人工智能还有更多。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。今天的人工智能是机器学习，数据密集型编程，如果你愿意的话，由运行在GPU上的人工智能训练和学习。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。一切都从能源需求开始。这是我们政府的另一个领域，特朗普总统应该获得巨大的赞誉。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，并将国家的力量投入到亲能源增长中，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，我想为此感谢特朗普总统。在能源之上是这些GPU，这些GPU被构建到我稍后将展示的基础设施中。在这个由像这个房间大很多倍的巨大数据中心组成的基础设施之上，消耗着巨大的能源，然后通过这个叫做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，是人工智能的计算单位，词汇。你可以标记几乎任何东西。当然，你可以标记英语单词。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，任何有信息含量的东西。一旦你可以标记它，人工智能就可以学习这种语言及其含义。一旦它学会了这种语言的含义，它就可以翻译。它可以像你一样回应，就像你与ChatGPT互动一样。它可以像ChatGPT一样生成。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，如果它是一种化学品，如果它是一个像工厂一样的3D结构，如果它是一个机器人，而令牌是理解行为并标记运动和动作。所有这些概念基本上都是相同的，这就是为什么人工智能正在取得如此非凡的进步。在这些模型之上是应用程序，Transformer。Transformer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，卷积神经网络模型，它们是状态空间模型，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。你可以拥有空间模型，它理解并针对空间感知进行优化。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细微信息。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，是过去的软件。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。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，它们可以是数据库工具。这些IT工具价值约一万亿美元。但人工智能不是工具。人工智能是工作。这就是根本的区别。人工智能实际上是能够使用工具的工人。我非常兴奋的一件事是Irvin在Perplexity所做的工作。Perplexity使用网页浏览器预订假期或购物，基本上是使用工具的人工智能。Cursor是我们在NVIDIA使用的智能AI系统。NVIDIA的每一位软件工程师都使用Cursor，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的智能AI系统。那么，所有这些不同的行业，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AI助手研究员，还是机器人出租车里面有什么？当然，它是看不见的，但显然有一个AI司机。那个司机在工作，它用来做这份工作的工具是汽车。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，技术现在能够完成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以前从未解决过的经济领域。它占据了全球经济百兆美元的工具下方数万亿美元的份额。现在，人工智能将首次介入这个百兆美元的经济，提高其生产力，加速其增长，扩大其规模。我们面临严重的劳动力短缺。拥有增强劳动力的AI将帮助我们增长。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，这些令牌，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，这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行业中5%到10%，甚至更少，约5%。原因是使用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。但在新世界中，需要一台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？然后它必须一步一步地分解问题，进行推理，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类型的系统，我称之为人工智能工厂。简称人工智能工厂。它与过去的数据中心不同。它是一个人工智能工厂，因为它只生产一种东西，与过去的数据中心不同，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。你可以在一天中使用它来玩游戏。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，它的目的是设计成尽可能有价值地生产令牌，这意味着它们必须是智能的。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，你希望它做出回应。请注意，在高峰时段，这些人工智能的响应速度越来越慢，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，并且你想以成本效益的方式生产它。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积如山般的芯片。这让我们回到了今天。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。而几个月前，它进入了涡轮增压模式。原因有几个。首先，在过去的几年里，我们已经找到了让人工智能变得更加智能的方法。而不是仅仅预训练，预训练基本上就是说，让我们获取人类创造的所有信息。让它交给人工智能去学习。这本质上是记忆和泛化。这与我们小时候上学没什么不同。学习的第一阶段。预训练从来都不是为了成为教育的终点。预训练，学前教育只是教你基本的智力技能，这样你才能学会学习其他一切。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。推理。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，计算才真正发挥作用。正如你们许多人所知，我们上过学，在我看来是几十年前的事了。但自从我学到了更多，思考了更多。原因是我们不断地将自己置于新知识的根基上。我们不断地进行研究，不断地思考。思考才是智能的真正意义所在。所以，现在我们有了三种基本的技术技能。我们有了这三种技术。预训练，仍然需要巨大的计算量。我们现在有了后训练，它使用了更多的计算量，而思考则给基础设施带来了巨大的计算负载，因为它代表我们每个人在思考。所以，人工智能思考推理所需的计算量确实非同寻常。我以前听人们说推理很容易。NVIDIA应该做训练。NVIDIA要做，你知道，他们在这方面真的很擅长。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。思考是困难的。这就是为什么这三个尺度，这三个新的缩放定律，它们都在全速运转，给计算量带来了如此大的压力。另一个来自这三个缩放定律的事件发生了。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。但当你得到更智能的模型时，你就会得到更多的智能。人们把它当作任何事情都会发生。我想第一个出去。爵士踢。我确定没问题。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。思考的量使得模型更加智能。它越智能，使用它的人就越多。它越智能，所需的计算量就越大。但发生的是。去年，人工智能行业发生了转变，这意味着人工智能模型现在足够智能了。它们是有价值的，值得付费。NVIDIA为Cursor的每一次许可付费。而且我们欣然同意。我们欣然同意，因为Cursor正在帮助我们几万名软件工程师或人工智能研究员提高生产力数倍。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，还有很多。当然，Open AI，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，每次他们使用更多，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，人越多，它越智能，使用它的人越多，使用它的人越多，它就需要更多的计算。这两个指数现在正在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？如果我们有两个指数级的需求在增长，如果我们不找到降低成本的方法，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NVIDIA至关重要。我们已经达到了CUDA的良性循环。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，就越多的开发人员希望为其创建应用程序。NVIDIA的这个良性循环在30年后已经实现。我们也实现了。15年后，我们已经为人工智能实现了。人工智能现在已经达到了良性循环，所以你使用得越多，因为人工智能很智能，我们付费，产生的利润就越多，产生的利润越多，就越多的计算被投入到电网中，就越多的计算被投入到人工智能工厂中，就越多的计算使人工智能变得更智能，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。这个良性循环现在正在运转。我们需要做的是大幅降低成本。这样，用户体验就会更好，当你提示人工智能时，它会更快地响应你。其次，通过降低成本来保持这个良性循环，这样它就可以变得更智能，更多人使用它，等等。这个良性循环现在正在运转。但是，当摩尔定律真的达到了极限时，我们该怎么做呢？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更快。在设计芯片时，你最多能做的就是每隔几年增加，我不知道，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是一家非常棒的公司，我们只是不断增加更多的晶体管。然而，这些都是百分比，不是指数。我们需要复合指数来维持这个良性循环。极致协同设计是当今世界上唯一一家真正从零开始，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，是因为你们是这个堆栈的不同部分，是这个堆栈的不同部分，并且与NVIDIA合作。我们从根本上重新设计了所有东西，然后，因为人工智能是一个巨大的问题，我们将其扩展。我们创造了一个完整的计算机，这是第一次将一台计算机扩展到整个机架。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，我们称之为Spectrum Ethernet，将其扩展出去。每个人都会说以太网就是以太网。以太网几乎不是以太网。Spectrum X以太网是为AI性能设计的，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。这仍然不够大，因为人工智能的应用程序数量和用户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的Gigascale X。通过这样做，我们在如此巨大的规模上进行协同设计，如此极端的规模上，性能优势是惊人的。不是每一代好50%，不是每一代好25%，而是好得多。这是我们制造过的最极端的协同设计计算机，坦率地说，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。这个系统非常难以创建。我稍后会向你展示好处。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。你必须和我走一半的路。好吧。所以，这有点像美国队长的盾牌。所以，NVLink 72，NVLink72，如果我们创造一个巨大的芯片，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的水平。真是令人难以置信。所有这些，所有这些芯片现在都被整合到一个巨大的机架中。是我做的还是别人做的？进入这个巨大的机架。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。这确实令人难以置信。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。在未来，我只会像雷神一样。就像你在家够不到遥控器，你只是这样一挥手，有人就把它递给你。就是这样。同样的想法。这从来没有发生在我身上。我只是在做梦。我只是在说。好的。所以，所以，无论如何，无论如何，嗯，我们基本上，这是我们过去创造的。这是NVLink NVLink 8。现在，这些模型非常巨大。我们解决它的方法是把这个模型，这个巨大的模型，变成很多专家。有点像一个团队。所以，这些专家擅长处理特定类型的问题。我们收集了一大堆专家。所以，这个价值数万亿美元的AI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。我们可以把所有的芯片放进一个巨大的网络里，每一个专家都可以互相交流。所以，主专家可以与所有真正的工作以及所有必要的情境、提示和我们必须发送给所有专家的所有数据、令牌进行交流。被选来解决答案的专家会出去尝试回应，然后它会一层一层地进行。有时是八层，有时是十六层，有时是这些专家，有时是六十四层，有时是二百五十六层。但关键是专家越来越多。好了，在这里的NVLink 72，我们有72个GPU。因为这样，我们可以把四个专家放在一个GPU里。你需要为每个GPU做的最重要的事情是生成令牌，这就是HBM内存中的带宽。我们有一个GPU为四个专家进行思考，而在这里，因为每个计算机只能容纳八个GPU，我们必须把32个专家放在一个GPU里。所以这个GPU必须为32个专家思考，而这个系统每个GPU只需要为四个专家思考。因为这样，速度差异是惊人的。这刚刚出来。这是SemiAnalysis进行的基准测试。他们做得非常彻底，他们对所有可基准测试的GPU进行了基准测试，结果发现数量不多。如果你看看可以基准测试的GPU列表，大约90%是NVIDIA的。好的。所以，我们是在和自己比较，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。那么，你怎么能获得10倍的性能，而晶体管数量只翻了一番呢？答案是极致协同设计。通过理解未来AI模型的本质，我们跨越了整个堆栈进行思考，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。这表明世界上最低成本的令牌是由Grace Blackwell NVLink72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，以至于以最低的成本生成它，因为每秒令牌数除以Grace Blackwell的总拥有成本非常出色。它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，这个良性循环就可以继续下去。这就引出了这一点。我昨天才看到这个。这是CSP的资本支出。人们现在问我关于资本支出的问题，这是一个很好的看待方式。事实上，这六家CSP的资本支出，这六家是Amazon、Corewave、Google、Meta、Microsoft和Oracle。好的，这些CSP加在一起将在此投入如此多的资本支出，我想说时机再好不过了，原因是我们现在拥有Grace Blackwell NVLink72，并且全球所有生产供应链都在制造它。所以我们现在可以向所有这些公司提供这种新架构，以便资本支出投资于提供最佳TCO的计算仪器。现在，在这之下，有两件事正在发生。所以，当你看到这个时，它实际上是相当非凡的，而且无论如何都相当非凡。但下面发生的是，有两个平台转变同时发生。一个平台转变是从通用计算转向加速计算。记住，正如我之前提到的，加速计算可以进行数据处理、图像处理、计算机图形学，进行各种计算。它运行SQL，运行Spark，它运行，你知道，你问我们，你告诉我们需要运行什么，我很有把握我们有一个很棒的库给你。你可以是，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。事实上，许多CSP已经拥有了很早就存在的服务，甚至在人工智能出现之前。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造的。即使是那些算法，即使是那些架构，现在在加速计算方面也更好。所以，即使没有人工智能，全球CSP也将投资于加速。NVIDIA的GPU是唯一能够做到所有这些以及人工智能的GPU。ASIC可能能够做人工智能，但它不能做其他任何事情。NVIDIA可以做到所有这些，这解释了为什么投资NVIDIA的架构是如此安全。我们现在已经达到了我们的良性循环，我们的转折点。这非常非凡。我房间里有很多合作伙伴，你们都是我们供应链的一部分，我知道你们工作有多努力。我想感谢你们所有人付出的辛勤努力，非常感谢。现在我要向你展示为什么这是我们公司业务的发展方向。由于我刚才提到的所有原因，我们看到了Grace Blackwell的非凡增长。它是由两个指数驱动的。我们现在有可见性。我认为我们可能是历史上第一家拥有对2026年累计Blackwell和早期Rubin产品线半万亿美元可见性的科技公司。正如你所知，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，累计半万亿美元。现在，其中，我们在最初的几个季度已经出货了600万个Blackwell。我猜是生产的前四个季度，生产了三个半季度。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5亿美元，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。这还不包括中国和亚洲。

这只是呃，西方。好的。这只是呃，我们排除了中国。所以 Hopper 在其整个生命周期中使用了 400 万个 GPU。Blackwell。每个 Blackwell 都有两个 GPU，集成在一个大型封装中。Blackwell 有 2000 万个 GPU，Rubin 的早期部分。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。我拍了一个视频来庆祝你们的工作。让我们播放它。人工智能时代已经开始。Blackwell 是它的引擎，是一项工程奇迹。在亚利桑那州，它始于一块空白的硅晶圆。经过数百个芯片加工和紫外光刻步骤，在 12 英寸的晶圆上逐层构建起 2000 亿个晶体管。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，在后端使用硅通孔连接 12 个 HBM 内存堆栈和基板，以生产 HBM。与此同时，晶圆被切割成单个 Blackwell 芯片，进行测试和分拣，将好的芯片分离出来以供后续使用。芯片在晶圆上的基板工艺将 32 个 Blackwell 芯片和 128 个 HBM 堆栈连接到定制的硅互连晶圆上。金属互连迹线直接蚀刻在上面，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，组装件被烘烤、模塑和固化，从而创建了 GB300 Blackwell 超级芯片。在德克萨斯州，机器人将全天候工作，将超过 10,000 个组件拾取并放置到 Grace Blackwell PCB 上。在加利福尼亚州，用于横向扩展通信的 Connect X8 Super Nix 和用于卸载和加速网络、存储和安全的 Bluefield 3 DPU 被小心地组装到 GB300 计算托盘中。NVLink 是 NVIDIA 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 NVLink 开关芯片构建，提供每秒 14.4 TB 的全双工带宽。NVLink 主干形成一个定制的盲插背板，拥有 5,000 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 的全双工带宽，接近全球互联网的峰值流量。熟练的技术人员将这些部件组装成机架规模的 AI 超级计算机。总共 120 万个组件，2 公里铜缆，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 工厂代将在美国制造，书写美国历史和工业的新篇章。美国制造业的回归和再工业化，由人工智能时代重新点燃。人工智能时代已经开始。美国制造。为世界制造。我们又在美国制造了。这太不可思议了。特朗普总统向我提出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，我们想要经济的这一部分。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 NV Grace Blackwell NV72 的极致协同设计使我们实现了代际 10 倍的提升。这简直是令人难以置信的。现在，真正令人难以置信的部分是这个。这是我们制造的第一台 AI 超级计算机。这是 2016 年，我把它交付给了一家位于旧金山的初创公司，这家公司后来被证明是 OpenAI。这就是那台计算机。为了创建那台计算机，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。你不可能用一个芯片让计算机快十倍。这不会发生。让计算机快十倍，使我们能够持续指数级提高性能，持续指数级降低成本的方法是极致的协同设计，同时处理所有这些不同的芯片。我们现在已经有了 Ruben。这是 Ruben。这是 Vera Rubin 和 Ruben。女士们先生们，Ruben。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。我们全球所有的合作伙伴，我知道你们有多努力。这非常非常困难。非常非常困难。第二代，顺畅了很多。而这一代，看看这个。完全无电缆。完全无电缆。而这现在都在实验室里了。这是下一代 Rubin。在我们发货 GB300 的同时，我们正在准备 Rubin 投入生产。你知道，明年这个时候，也许会早一点。所以，每年，我们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令牌生成成本。看看这个。这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 PFLOPS。我知道这没什么意义。100 PFLOPS，但与我十年前、九年前交付给 OpenAI 的 DGX1 相比，它的性能是它的 100 倍，而这台超级计算机的性能是它的 100 倍。100 个那样的，让我们看看，100 个那样的将是这一个东西取代的 25 个机架。一个 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。哦，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。如果你决定想要添加一个特殊的处理器，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。想阅读大量的存档论文，观看大量的视频，在你回答我的问题之前学习所有这些。所有这些上下文处理都可以添加。所以，你看到底部有八个 ConnectX9 新型 Super Nix。你有 CX，你有 CPX，八个。你有 BlueField 4 这个新的数据处理器，两个 Vera CPU 和四个 Rubin 封装或八个 Rubin GPU。所有这些都在这个节点中，完全无电缆，100% 液冷。然后是这个新处理器，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。原因在于你的 AI 需要越来越多的内存。你与它的互动越多。你想记住我们上次的谈话。你代表我学到的一切，下次我回来时请不要忘记。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，你可能已经注意到，每次你进入你的 AI 时，现在都需要越来越长的时间来刷新和检索所有以前的对话，原因是我们现在需要一个革命性的新处理器，它叫做 BlueField 4。接下来是 ConnectX 开关，抱歉，NVLink 开关，就在这里。好的，这是 NVLink 开关。这是使我们能够将所有计算机连接在一起的关键。这个开关的带宽是整个世界峰值互联网流量的数倍。因此，这个主干将能够同时与所有 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。这很技术性。好的。所以，所以这三个结合在一起。然后是 Quantum 开关。这是用于 Infiniband 的。这是以太网。我们不在乎你想使用哪种语言，你想使用哪种标准。我们为你提供出色的横向扩展网络。无论是 Infiniband 还是 Quant 还是 Spectrum 以太网，这个都使用硅光子技术，并且完全是协同封装的选项。基本上，激光直接到达硅片并将其连接到我们的芯片上。好的。所以，这是 Spectrum X 以太网。现在，让我们谈谈。谢谢。哦，这就是它的样子。这是一个机架。这是两个半。这是两千。这是两吨。150 万个零件。而这个主干，这个主干每秒携带整个互联网流量。以相同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，世界上最快的令牌生成速率。好的，这就是一个机架的样子。现在，这是一个机架。一个吉瓦的数据中心将拥有，让我们说，16 个机架将是 1000 个，然后是 500 个。所以，无论 500 乘以 16 是多少，让我们说 9000 个，8000 个将是一个吉瓦的数据中心。好的。这就是未来的 AI 工厂。现在，正如你所注意到的，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。每一次我们向前迈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。这是我们为 Vera Rubin 建造的 AI 工厂，我们创建了一项技术，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。让我给你看看。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。Jacobs Engineering 优化计算密度和布局，以在功率约束下最大化令牌生成。他们将 Seammen、Schneider Electric、Train 和 Vertive 的 SIM 就绪开放 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 加速工具模拟热和电气。一旦设计完成，NVIDIA 的合作伙伴如 Bectal 和 Vertive 将提供预制模块，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，实现了更快的收入实现。当物理 AI 工厂上线时，数字孪生充当操作系统。工程师从 FIDRA 和 Emerald AI 提示 AI 代理，这些代理先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 优化每年可以在德克萨斯州、佐治亚州和内华达州带来数十亿美元的额外收入。NVIDIA 的合作伙伴正在将 DSX 变为现实。在弗吉尼亚州，NVIDIA 正在建设一个 AI 工厂研究中心，使用 DSX 来测试和产品化 Vera Rubin，从基础设施到软件。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。在 Vera Rubin 成为真正的计算机之前很久，我们已经将其用作数字孪生计算机。在这些 AI 工厂存在之前很久，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。因此，所有与我们合作的合作伙伴，我为所有支持我们的人感到非常高兴。Gio 在这里，GE Vernova 在这里。施耐德，我想，我想，奥利维尔在这里。奥利维尔·布鲁姆在这里。西门子令人难以置信的合作伙伴。好的。罗兰·布什，我想他在看。你好，罗兰。总之，与我们合作的合作伙伴非常棒。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，我们拥有这些令人难以置信的合作伙伴生态系统。让我们谈谈模型。尤其是近几年的开源模型。发生了几件事。一，开源模型变得非常强大，因为它们的推理能力。它们变得非常强大，因为它们是多模态的，并且由于蒸馏而非常高效。因此，所有这些不同的能力都使得开源模型对开发者来说前所未有地有用。它们现在是初创公司的生命线。不同行业的初创公司的生命线，因为正如我之前提到的，每个行业都有自己的用例，自己的数据，自己的飞轮。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。开发者需要开源。世界各地的公司，我们需要开源。开源模型非常非常重要。美国也必须在开源方面领先。我们拥有令人惊叹的专有模型。我们拥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，最大的，我们在开源贡献方面处于领先地位。我们在排行榜上有 23 个模型。我们有语言模型到物理 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，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，公司也需要它。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。首先，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literally 在每个云中。它可以在本地使用。你可以自己构建。你可以，你可以，你知道，用多个 GPU 构建一个发烧友游戏 PC，然后你可以下载我们的软件堆栈，它就可以正常工作。我们拥有大量开发者，他们使这个生态系统越来越丰富。所以我对我们正在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。Cordwaves、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，我对此表示赞赏，这一切都归功于 NVIDIA 无处不在。我们集成我们的库。我之前提到的所有 CUDA X 库。我之前提到的所有开源 AI 模型。我之前提到的所有模型，我们都将其集成到 AWS 中，例如，非常喜欢与 Matt 合作。我们将其集成到 Google Cloud 中，例如，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，无论你走到哪里，无论你使用哪个云，它都运行得非常好。我们还将 NVIDIA 库集成到世界级的 SaaS 中，以便这些 SaaS 最终都成为代理 SaaS。我喜欢 Bill McDerman 对 ServiceNow 的愿景。在那里。是的，可能是 Bill。你好，Bill。因此，ServiceNow 是什么？世界上 85% 的企业工作负载、工作流程。SAP，占世界商业的 80%。Christian Klein 和我正在合作，将 NVIDIA 库、CUDA X、Nemo 和 Neotron，我们所有的 AI 系统集成到 SAP 中，与 Synopsys 的 Ceine 合作，加速世界 CAE、CAD、EDA 工具，使它们能够更快、更具可扩展性，帮助它们创建 AI 代理。有一天，我很想聘请一位 AI 代理，ASIC 设计师来与我们的 ASIC 设计师合作。本质上是 Synopsys 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 正在做令人难以置信的工作来加速他们的堆栈，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 也将极大地加剧网络安全挑战，即不良 AI。因此，我们需要一个令人难以置信的防御者。我想不到比 CrowdStrike 更好的防御者了。George George 在这里。呃，他当时是的，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，创建一个系统，该系统在云中拥有网络安全 AI 代理，同时在本地或边缘拥有极其出色的 AI 代理。这样，每当有威胁时，你就能在几分钟内检测到它。我们需要速度，我们需要快速的代理 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。Palantir 本体。有人来自 Palantir 吗？我刚才和 Alex 谈过了。这是 Palantir 本体。它们获取信息，获取数据，获取人类判断，并将它们转化为商业洞察。我们与 Palantir 合作，加速 Palantir 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。以光速处理数据并从中找到洞察。这就是未来。Palantir 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 Palantir。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，这就是你看到的那个大型 GB 200。为了物理 AI，你需要三台计算机。你需要一台计算机来训练它。这是 GB Grace Blackwell Invink 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，并且必须在计算机图形学、传感器模拟、光线追踪、信号处理方面表现出色，这台计算机叫做 Omniverse 计算机。一旦我们训练了模型，在数字孪生中模拟了 AI，而这个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。然后你需要操作这个机器人。这是机器人计算机。这个会装在自动驾驶汽车里。它的一半可以装在机器人里。好的。或者你实际上可以拥有，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建造我们在德克萨斯州的工厂。现在，一旦我们创建了机器人工厂，我们里面就有了一堆机器人。这些机器人也需要物理 AI 来应用物理 AI 并在数字孪生中工作。让我们来看看。美国正在重新工业化，在每个行业重新将制造业迁回国内。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工厂，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、机器人和物理 AI 比以往任何时候都更重要，工厂在 Omniverse 中诞生。富士康工程师在基于 Omniverse 技术开发的西门子数字孪生解决方案中组装他们的虚拟工厂。在建造之前，所有系统，机械、电气、管道都经过验证。西门子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，工程师会使用西门子 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。在组装区域，Fanuc 机械臂通过 FII 的手动机械臂构建 GB300 托盘模块，熟练的 AI 将总线安装到托盘中，AMR 将托盘运送到测试站。然后，富士康使用 Omniverse 进行大规模传感器模拟，机器人 AI 在其中学会协同工作。在 Omniverse 中，基于 NVIDIA Metropolis 和 Cosmos 的视觉 AI 代理从上方观察机器人和工人的车队，以监控操作并向富士康工程师发出异常和安全违规的警报。甚至质量问题。并且为了培训新员工，代理为交互式 AI 教练提供动力，以便轻松入职。美国再工业化时代已经到来，人们和机器人协同工作。这就是制造业的未来，工厂的未来。我想感谢我们的合作伙伴富士康，CEO 刘扬伟在这里，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。工厂本质上是一个机器人，它协调机器人来制造机器人产品。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在采用数字孪生来制造产品。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。他三年前刚创办了一家公司。他们现在的市值接近 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，而且我朋友埃隆也在研究这个问题，这很可能将成为最大的消费电子产品市场之一，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，为仓库自动化开发机器人。强生公司再次与我们合作，训练机器人，在数字孪生中模拟机器人，并操作机器人。这些强生公司的手术机器人甚至将进行前所未有的精准的微创手术。当然，最可爱的机器人，最可爱的机器人，迪士尼机器人。这是我们非常关心的事情。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，该平台基于一项名为 Newton 的革命性技术。而这个 Newton 模拟器使得机器人能够在物理感知、基于物理的环境中学习如何成为一个好机器人。让我们来看看。蓝色。女士们先生们，迪士尼蓝。告诉我这不可爱吗？它不可爱吗？我们都想要一个。我们都想要一个。请记住，你刚才看到的一切都不是动画。它不是电影。这是一个模拟。这个模拟是在 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，蓝可以学习如何操作、导航和与世界互动的数字孪生。所有这些都实时完成。这将是世界上最大的消费电子产品线。其中一些现在确实运行得非常好。这是人类或机器人技术的未来，当然还有蓝。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，它基本上就在这里，那就是带轮子的机器人。这是 Robo Taxi。Robo Taxi 本质上是 AI 司机。现在，我们今天正在做的一件事是，我们正在发布 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能制造汽车，无论是商用、乘用还是专用于 Robo Taxi。制造 Robo Taxi 准备好的车辆。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，这是最高安全水平所必需的。Hyperion Drive Drive Hyperion 现在已集成到 Lucid、梅赛德斯-奔驰，我的朋友 Ola Källenius，Stellantis 的人，还有许多其他汽车即将推出，一旦有了基本的标准平台，AV 系统的开发者，有很多才华横溢的开发者，Wayve、Waabi、Aurora、Momenta、Neuro，有很多很多，我们乘坐，有很多很多，他们就可以将他们的 AV 系统运行在标准底盘上。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，所有这些都可以部署他们的 AI。让我们快速看一下。好的，这是美丽的旧金山。正如你所看到的，正如你所看到的，Robo Taxi 的转折点即将到来。未来，每年将行驶一万亿英里，每年生产一亿辆汽车。全球约有 5000 万辆出租车。它们将由大量的 Robo Taxi 补充。因此，这将是一个非常大的市场，可以连接并部署到世界各地。今天，我们宣布与 Uber 合作。Uber，Dara K，Dara K，Dara 将与我们合作，将这些 NVIDIA Drive Hyperion 汽车连接到一个全球网络，现在在未来，你将能够叫一辆这样的汽车，生态系统将极其丰富，我们将拥有遍布世界的 Hyperion 或 Robo Taxi 汽车。这将是我们的一个新计算平台，我预计它将非常成功。好的。这就是我们今天谈论的内容。我们谈论了很多事情。我们谈论了很多。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。第二个转折点现在已经到来。第二个平台转型，从经典的手写软件到人工智能。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。我们谈论了开放模型。我们谈论了企业，与 CrowdStrike 和 Palantir 加速他们的平台。我们谈论了机器人技术，一个新的潜在的最大消费电子产品和工业制造领域。当然，我们谈论了 6G。NVIDIA 有新的 6G 平台。我们称之为 ARC。我们有新的机器人汽车平台。我们称之为 Hyperion。我们甚至有新的工厂平台。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。所以，现在我们也在美国制造。女士们先生们，感谢你们今天加入我们，感谢你们允许我将 GTC 带到华盛顿特区。我们希望每年都这样做。感谢你们所有人的服务，感谢你们让美国再次伟大。谢谢。我们以握手开始。坚实而真诚。一步一步，我们正在突破。一砖一瓦，我们正在堆叠梦想。并肩作战，我们将触及天空。握手和高昂的希望，我们正在前进。肩并肩。无论发生什么。共同的愿景比太阳更明亮。友谊和生意滚滚向前。纸上的计划，心意相通。一起建造，比你想象的更快。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。握手和高昂的希望。我们正在前进。肩并肩。无论发生什么。共同的愿景比太阳更明亮。友谊和生意。握手和高昂的希望。我们正在前进，肩并肩，无论发生什么。共同的愿景比太阳更明亮。生意滚滚向前。