3月19日凌晨，NVIDIA 創始人兼首席執行官黃仁勛在2025年GTC開發者大會上發表了主題演講，演講覆蓋了AI科技演進以及計算需求，同時公布了英偉達的Blackwell架構最新一代產品、未來幾代產品的計劃出貨時間，以及英偉達在人形機器人領域的最新進展。

圖源：英偉達官方視頻，下同

演講期間，黃仁勛再次提到AI技術的進化路徑，從 Perception 感知AI到 Generative生成式AI，再到現階段發展火熱Agentic代理型AI，最終實現具備傳感與執行功能的Physical 物理型AI。黃仁勛認為AI的終極形態Physical AI將徹底改變世界。

以下是演講的核心內容與關鍵發布：

一、硬件革新：Blackwell架構及未來路線圖

Blackwell Ultra芯片

采用臺積電4NP工藝，單卡FP4算力達15 PetaFLOPS，HBM3e顯存容量提升至288GB，推理速度較前代Hopper提升11倍8。

機架級解決方案GB300 NVL72集成72顆GPU，支持液冷技術，推理性能達每秒1000 tokens（H100的10倍）。性能提升源于NVLink 72高速互聯技術，將多GPU組合成“巨型GPU”，突破算力瓶頸。

未來架構規劃

Rubin架構（2026年發布）：采用NVLink 144互聯技術，HBM4內存帶寬提升2倍，2027年Ultra版性能將達Blackwell的14倍。

Feynman架構（2028年）：以物理學家費曼命名，目標實現算力成本指數級下降。

二、軟件生態與工具升級

Dynamo推理操作系統

開源動態調度系統，優化GPU資源分配，使Hopper平臺運行Llama模型的吞吐量提升30倍，并支持KV緩存管理。在DeepSeek-R1模型測試中，單GPU生成token數量提升30倍以上。

CUDA生態擴展

CUDA-X庫新增工具：Newton物理引擎（與DeepMind、迪士尼合作）：提升機器人訓練效率10倍。

cuOpt數學規劃工具：加速千倍，已與Gurobi、IBM合作。

開發者生態：全球開發者突破600萬，加速庫增至900+，覆蓋量子計算、生物醫學等領域。

三、AI發展階段論與物理AI的推進

AI三階段演進路徑

感知人工智能（Perception AI）：大約10年前啟動，專注于語音識別和其他簡單任務。

生成式人工智能（Generative AI）：過去5年的重點，涉及通過預測模式進行文本和圖像創建。

代理人工智能（Agentic AI）：人工智能以數字方式交互并自主執行任務的當前階段，以推理模型為特征。

物理 AI（Physical AI）：AI 的未來，為人形機器人和現實世界的應用提供動力。

物理AI落地實踐

開源人形機器人基礎模型Isaac GR00T N1：支持雙系統認知（慢思考規劃+快思考執行），可遷移至工業制造場景。

與通用汽車合作構建全棧自動駕駛系統：覆蓋數字孿生仿真與車載AI安全架構HALOS。

四、行業應用與合作案例

企業級AI解決方案

DGX Spark：售價3000美元的桌面級工作站，支持本地化模型微調。

語義存儲系統：與Box合作，支持自然語言數據檢索。

邊緣與通信技術

聯合思科、T-Mobile構建AI-RAN（AI無線網絡），優化5G信號處理與能耗。

硅光子技術突破：全球首個1.6T共封裝光學（CPO），減少數據中心光模塊功耗90%。

硬件創新：Blackwell架構引領算力飛躍

黃仁勛宣布Blackwell架構已全面投產，其性能和能效相比前代Hopper架構都有顯著提升?；谂_積電4NP工藝的Blackwell Ultra芯片（B300系列）正式發布，單卡FP4算力達15 PetaFLOPS，HBM3E顯存容量提升至288GB，推理速度較前代Hopper提升11倍。Blackwell Ultra包括NVIDIA GB300 NVL72機架級解決方案和NVIDIA HGXT B300 NVL16系統。GB300 NVL72與上一代NVIDIA GB200 NL72相比，AI的性能提升5倍。GB300 NVL72連接了72個Blackwell Ultra GPU與36個基于Arm Neoverse的Grace CPU；NVIDIA HGX B300 NVL16與上一代相比，在大型語言模型上具有11倍推理速度、4倍內存，可以為AI推理等復雜的工作負載提供突破性的性能。機架級解決方案GB300 NVL72集成72顆GPU，支持液冷技術，推理性能達每秒1000 tokens，已獲亞馬遜AWS、微軟Azure等四大云廠商360萬片訂單。此外，英偉達還公布了下一代GPU架構Vera Rubin和Feynman的路線圖，Vera Rubin架構計劃于2026年推出，采用NVLink 144互聯技術，HBM4內存帶寬提升2倍；2028年發布的Feynman架構，目標實現算力成本指數級下降。

軟件生態Dynamo與CUDA-X驅動開發效率

英偉達推出了開源推理軟件Dynamo，它可將Hopper平臺運行Llama模型的吞吐量提升30倍，支持動態分配GPU資源，優化KV緩存管理。在DeepSeek-R1模型測試中，Dynamo使GB200 NVL72集群的單GPU生成token數量提升30倍以上。CUDA-X庫新增Newton物理引擎，與DeepMind、迪士尼合作開發，機器人訓練效率提升10倍；cuOpt數學規劃工具加速千倍。全球開發者突破600萬，加速庫數量增至900+，覆蓋量子計算、生物醫學等前沿領域。

從自主型人工智能推理革命走向物理人工智能

黃仁勛闡述了AI發展的三階段演進路徑：從感知AI（Perception AI）的計算機視覺和語音識別，到生成式AI（Generative AI）的多模態內容生成，再到當下熱門的代理式AI（Agentic AI），其具備主動性，能感知并理解語境，制定并執行計劃。未來則是物理AI（Physical AI）的時代，理解物理世界、三維世界的AI將推動機器人、自動駕駛等領域的發展。

演講期間，英偉達推出了開源人形機器人基礎模型Isaac GR00T N1，支持雙系統認知，可遷移至工業制造場景。同時，英偉達與通用汽車合作構建全棧自動駕駛系統，覆蓋數字孿生仿真與車載AI安全架構HALOS。

推動CUDA生態進化

英偉達在AI for Science領域的布局持續加深，開發人員現在可以利用CUDA-X與最新的superchip架構實現CPU和GPU資源之間更緊密的自動集成與協調，與使用傳統加速計算架構相比，其工程計算工具的速度提高11倍，計算量提高5倍。CUDA-X目前已經在天文學、粒子物理學、量子物理學、汽車、航空航天和半導體設計等一系列新的工程學科帶來了加速計算。

AI工廠時代到來

黃仁勛特別強調了AI工廠的概念，Dynamo被比作新時代的VMware，能夠自動編排如何讓AI在推理時代跑得更好。英偉達還推出了AI電腦DGX Spark和DGX Station，采用Blackwell芯片，助力企業構建更高效的AI基礎設施。

小結

黃仁勛的演講全面展示了英偉達在AI領域的技術實力和戰略布局，從硬件的持續創新到軟件生態的完善，再到對AI發展階段的深刻洞察，英偉達正致力于推動AI技術從從自主型人工智能推理革命走向物理人工智能終局。