英偉達 GTC 2025 大會關鍵信息點總結

一、?新一代硬件架構與芯片發布?

1. ?Blackwell Ultra（GB300）芯片?
   • 采用液冷與硅光子技術，單芯片集成288GB HBM3e顯存，FP4算力達15 PetaFLOPS，推理速度較前代Hopper架構提升40倍?。
   • 支持72顆GPU互聯的NVL72超節點架構，專為大規模推理場景設計，在復雜任務中性能顯著優于傳統8卡服務器?。
   • 預計2025年第三季度量產，HBM容量從192GB升級至288GB，運算效能較B200提升50%?。
2. ?Vera Rubin架構前瞻?
   • 下一代架構計劃2026年發布，集成HBM4內存與NVLink 144技術，單系統支持144顆GPU，算力目標3.6 ExaFLOPS?。
   • 強調量子計算與AI融合的長期愿景，預示英偉達在量子計算領域的布局?。

二、?AI技術演進路線?

1. ?技術發展路徑?
   • 從生成式AI（Generative AI）邁向Agentic AI（自主決策AI）階段，最終目標是Physical AI（物理世界交互AI），推動AI從數字領域向物理世界延伸?。
2. ?推理效能革新?
   • 針對指數級增長的推理需求，Blackwell Ultra通過機架級液冷技術實現1 ExaFLOPS算力密度，同時降低30%能耗?。
   • 推出開源推理框架Dynamo，采用分離式推理架構優化資源分配，大模型token生成效率提升3倍?。

三、?軟件生態與端側部署?

1. ?端側AI設備?
   • 發布桌面級AI計算機DGX Spark（1 PetaFLOPS算力）和DGX Station（784GB內存），支持本地運行200B參數模型，降低邊緣端部署成本?。
2. ?工具鏈升級?
   • 推出CUDA生態新工具，優化Windows工作站AI推理性能，覆蓋數字人、聊天機器人等應用開發?。
   • 小語言模型（SLM）工具鏈發布，支持開發者訓練本地化任務模型，兼顧效率與準確性?。

四、?應用場景與行業布局?

1. ?人形機器人技術?
   • 展示GR00T N1模型在Fourier GR-1人形機器人上的應用，實現語言控制的雙臂協調操作，強調物理世界交互能力?。
2. ?汽車與通信領域?
   • 推出NVIDIA Halos安全方案，結合Omniverse數字孿生技術優化自動駕駛訓練環境?。
   • 布局6G通信網絡，探索AI在基站邊緣計算與網絡優化中的潛力?。

五、?量子計算與未來展望?

• 英偉達提出量子計算實用化仍需10-20年，但Feynman架構（2028年）已瞄準量子與AI融合方向，展現長期技術野心?。

審核編輯 黃宇