智能虚拟直播系统设计

nasi 前天 4

默认

摘要： 钠斯网络专注于直播系统源码开发，支持私有化部署与自建流媒体，产品涵盖短视频系统、语聊系统、教育直播、直播带货、体育赛事直播、IM即时通讯系统等，提供全套解决方案与源码交付，助力企业...

钠斯网络专注于直播系统源码开发，支持私有化部署与自建流媒体，产品涵盖短视频系统、语聊系统、教育直播、直播带货、体育赛事直播、IM即时通讯系统等，提供全套解决方案与源码交付，助力企业快速搭建稳定高效的直播平台。

导读

CES 2026最具热度的演讲，无疑属于英伟达首创东谈主兼CEO黄仁勋。这位被业界称为"黄衣教主"的业界首长抛出中枢判断："物理AI的‘ChatGPT时刻’，行将到来。"

作家 | 小小

来源 | 网易科技

CES 2026最具热度的演讲，无疑属于英伟达首创东谈主兼CEO黄仁勋。这位被业界称为"黄衣教主"的业界首长，定于好意思国时刻1月5日下昼1点开讲，却让慕名而至的听众早早体验了"畴昔热度"——网易科技上昼11点到达时，场外列队队列已弯曲近500米。有前来参会的中国KOL齰舌："咱们等的不仅是黄仁勋，更是在等一个谜底：畴昔十年，东谈主与机器将若何再行单干。而有些谜底，似乎只在现场材干听见。"

黄仁勋比预定时刻晚了约十分钟登上舞台。他抛出中枢判断："物理AI的‘ChatGPT时刻’，行将到来。"

黄仁勋指出，计较机行业正资历十年一遇的"平台重置"：咱们正从"编程软件"时间跨入"试验软件"时间，计较的基础期间栈（所谓的"五层蛋糕"），每一层都在被再行发明。

2025年被黄仁勋界说为"智能体系统"普及的元年。AI不再只是是事前录制的轨范，而是具备推理、设计、以致在实时运行中进行"念念考"的智能体。他额外致意了中国开源模子DeepSeek R1的打破，以为开源力量正让AI变得无处不在，使智能不再抛下任何东谈主。

黄仁勋演讲的重头戏在于"物理AI"。英伟达正接力于于让AI领悟重力、惯性、因果关系等物理定律。为此，黄仁勋发布了寰球首个会念念考、会推理的自动驾驶AI——Alpamayo。它不仅能开车，还能像东谈主类一样讲解"为什么这样开"。这象征着AI厚爱从屏幕后的对话框，走向现实寰球的自动驾驶汽车与东谈主形机器东谈主。

面对AI计较量每年10倍的暴增，黄仁勋祭出了新一代架构Rubin。这不仅是一颗芯片，而是包含Vera CPU、Rubin GPU、NVLink-6等六大中枢组件的全栈编削。

黄仁勋强调，英伟达的脚色已从芯片供应商调养为"全栈AI体系"的构建者。通过开源模子、数据及NeMo征战库，英伟达正通过"三台计较机"（试验、推理、模拟）的架构，为全球提供构建物理AI的底座。这场竞赛不仅关乎速率，更关乎谁能以更低的资本、更高的能效，将东谈主类斯文带入万物皆有智能的新时间。

以下为黄仁勋CES 2026演讲实录（经裁剪略有修改，小标题为后加）：

时间定调：两大"平台迁移"与AI的重塑之力

拉斯维加斯，新年安逸！接待来到CES。

简短每十到十五年，计较机行业就会资历一次重置。平台会发生一次根人道的调养，从大型机到个东谈主电脑，再到互联网、云计较、出动设立。每一次，应用生态都会对准一个新的平台，这即是所谓的"平台迁移"。每次，你都要为新的计较平台编写新的应用轨范。但这一次，事实上，有两个平台迁移在同期发生。

当咱们迈向东谈主工智能时间时，应用轨范将构建在AI之上。源流，东谈主们以为AI本人即是应用，事实也如实如斯。但畴昔，你将要在AI之上构建应用轨范。除此除外，软件的运行神色和征战神色也发生了根人道改变。

计较机工业的通盘这个词基础期间栈正在被再行发明。你不再"编程"软件，而是"试验"软件；你不再在CPU上运行它，而是在GPU上运行它。畴昔的应用轨范是事前录制、事前编译并在你的设立上运行的，而现在的应用轨范能够领悟高下文，每一次、每一个像素、每一个token都是从零运转生成的。由于加快计较，由于东谈主工智能，计较已经被透澈重塑。阿谁"五层蛋糕"（指期间栈）的每一层如今都在被再行发明。

这意味着，畴昔十年积蓄的价值约十万亿好意思元的计较机基础设施，现在正被当代化改进，以稳健这种新的计较神色。每年少见千亿以致上万亿好意思元的风险投资正在涌入，用于当代化改进和发明这个新寰球。

这也意味着，一个百万亿好意思元范围的产业，其研发预算中有几个百分点正在转向东谈主工智能。东谈主们问钱从何处来？这即是来源。从传统AI到当代AI的当代化改进，研发预算从经典顺次转向现在的东谈主工智能顺次，海量投资正涌入这个行业，这讲解了为什么咱们如斯贫苦。

畴昔这一年也不例外。2025年是不可念念议的一年。看起来似乎通盘事情都在吞并时刻发生，事实上可能也如实如斯。第一件事天然是蔓延定律（Scaling Laws）。2015年，我以为第一个信得过会产生影响的模子BERT出现了，它如实带来了巨大影响。

2017年，Transformer架构问世。直到五年后的2022年，"ChatGPT时刻"才发生，它叫醒了寰球对东谈主工智能可能性的领悟。那之后一年发生了一件特殊进击的事。ChatGPT的第一个推理模子o1面世，"测试时缩放"这个认识也随之产生。

咱们不仅预试验让模子学习，还在后试验阶段通过强化学习让它学习新的手段。现在咱们还有了测试时缩放，这本色上是"念念考"的另一种说法，包括实时进行念念考。东谈主工智能的每一个阶段都需要巨大的计较量，而计较定律仍在合手续蔓延，大言语模子合手续变得更好。

开源编削：前沿模子与智能体普及

与此同期，另一个打破发生了，这个打破发生在2024年：智能体系统运转出现。到2025年，它运转普及，扩散到简直每个边际。具备推明智商、能查找信息、进行商量、使用用具、设计畴昔、模拟终结的智能体模子，遽然运转处罚特殊进击的问题。我最可爱的智能体模子之一叫作念Cursor，它透澈改变了英伟达里面的软件征战神色。智能体系统将信得过从这里升起。

天然，还有其他类型的AI。咱们知谈大言语模子并不是唯一的信息类型。寰宇中凡有信息之处、凡有结构之处，咱们都能教一种言语模子去领悟那种信息，领悟其表征，并将其滚动为一种AI。其中最进击的一种是物理AI，即能够领悟天然定律的AI。天然，物理AI也触及AI与寰球交互。但寰球本人蕴含着被编码的信息，这即是"AI物理"。在物理AI的语境下，你有与物理寰球交互的AI，也有领悟物理定律物理AI。

临了，昨年发生的最进击事情之一是开源模子的跳动。咱们现在可以知谈，当开源、当洞开创新、当全寰球每个行业、每家公司的创新同期被激活时，AI将无处不在。与此同期，开源模子在2025年信得过升起了。

事实上，昨年咱们看到了DeepSeek R1的跳动，这是第一个开源推理系统。它让寰球大吃一惊，现谢寰球各地有各种不同类型的开源模子系统。开源模子已经达到了前沿水平，诚然仍逾期前沿模子简短六个月，但每六个月就有新模子出现，而且这些模子越来越奢睿。

正因为如斯，你可以看到开源模子的下载量呈现爆炸式增长，因为初创公司、大公司、商量员、学生，简直每个国度都想参与AI编削。

智能——数字格式的智能——奈何可能抛下任何东谈主呢？因此，开源模子昨年真的透澈改变了东谈主工智能，通盘这个词行业将因此被重塑。

其实咱们对此早有猜测。你可能传说过，几年前，咱们运转建造和运营我方的AI超等计较机——DGX Cloud。好多东谈主问，你们要进军云计较业务吗？谜底是含糊的。咱们建造这些DGX超等计较机是供我方使用的。终结是，咱们少见十亿好意思元的超算在运行，以便征战咱们的开源模子。

它运转眩惑全球百行万企的柔软，因为咱们在繁多不同规模进行着前沿的AI模子行状：咱们在卵白质、数字生物学（La Proteina）方面的行状，用于合成和生成卵白质；OpenFold 3，用于领悟卵白质结构；EVO 2，用于领悟和生成多种卵白质；以及开源的细胞表征模子的开始。

Earth-2 AI，领悟物理定律的AI；咱们在ForecastNet方面的行状；咱们在Cordiff方面的行状，真的透澈改变了东谈主们进行天气预告的神色。Nemotron，咱们现在正在那里进行始创性的行状。第一个夹杂Transformer SSM模子，速率快得惊东谈主，因此可以进行永劫刻念念考，或者快速念念考（不那么永劫刻）并产生特殊特殊智能的谜底。你们可以期待，咱们在不久的将来发布Nemotron 3的其他版块。

Cosmos，一个前沿的洞开寰球基础模子，领悟寰球若何运作。Groot，一个东谈主形机器东谈主系统，触及关节收尾、出动性、领导。这些模子，这些期间现在正在被集成，何况在每一种情况下，都对寰球开源。今天，咱们也将谈谈Alpamayo，咱们在自动驾驶汽车方面所作念的行状。

咱们不仅开源模子，还开源用于试验这些模子的数据，因为唯有这样，你材干信得过信任模子的产生历程。咱们开源通盘模子，咱们匡助你基于它们进行繁衍征战。咱们有一整套库，称为NeMo库：物理NeMo库、Clara NeMo库、BioNeMo库。每一个都是AI的生命周期料理系统，让你能够处理数据、生成数据、试验模子、创建模子、评估模子、为模子设立防护栏，一直到部署模子。每一个库都极其复杂，而且全部开源。

因此，在这个平台之上，英伟达亦然一个前沿AI模子构建者，咱们以一种特殊特殊的神色构建：咱们完全以洞开的神色构建，以便让每家公司、每个行业、每个国度都能成为这场AI编削的一部分。

这些模子不仅具备前沿智商、是开源的，它们还在各种排名榜上名列三甲。咱们有领悟多模态文档（即PDF）的进击模子。寰球上最有价值的内容都存储在PDF中，但需要东谈主工智能来发现里面有什么、解读内容并匡助你阅读。

因此，咱们的PDF检索器、PDF解析器是寰球级的。咱们的语音识别模子皆备是寰球级的。咱们的检索模子，本色上是当代AI时间的搜索、语义搜索、AI搜索、数据库引擎，亦然寰球一流的。是以咱们频频占据榜首。

通盘这些都是为了服务于你构建AI智能体的智商。这确实一个始创性的发展规模。当ChatGPT刚出当前，东谈主们以为其产生的终结很真谛，但幻觉也很严重。产生幻觉的原因在于，它可以记着畴昔的一切，但无法记着畴昔和当前的一切。是以它需要基于商量来"接地气"。

在报酬问题之前，它必须进行基础商量。能够推理是否需要商量、是否需要使用用具、若何将问题阐明成更多要领。ChatGPT能够将这些要领组合成一个序列，来完成它从未作念过、从未被试验过的事情。这即是推理的魅力所在。咱们可以遭逢从未见过的情况，并将其阐明成咱们畴昔资历过、知谈若何处理的情况、知识或礼貌。

因此，AI模子现在具备的推明智商极其遒劲。智能体的推明智商为通盘这些不同的应用大开了大门。咱们不再需要在第一天就试验AI模子知谈一切，就像咱们不需要在第一天就知谈一切一样。咱们应该能够在职何情况下，推理出若何处罚某个问题。大言语模子现在已经终表现根人道的飞跃。

使用强化学习、念念维链、搜索、设计等不同期间和强化学习的智商，使咱们具备了这种基本智商，何况现在也完全开源了。

但信得过了不得的是，另一个打破发生了，我第一次看到它是在Perplexity（AI搜索公司）那里。我第一次意志到他们同期使用多个模子。我以为这完全是天才之举。AI在推理链的任何重要，能调用寰球上通盘优秀的AI来处罚它想处罚的问题。这即是为什么AI本色上是多模态的，它们领悟语音、图像、文本、视频、3D图形、卵白质。

它亦然"多模子"的，意味着它们应该能够使用最得当任务的任何模子。因此，它本色上是"多云"的，因为这些AI模子位于通盘这些不同的场所。它照旧"夹杂云"的，因为若是你是一家企业公司，或者你构建了一个机器东谈主或任何设立，有时它在边缘，有时在无线基站，有时在企业里面，或者是在病院等需要实时处理数据的场所。换言之，由于畴昔的应用构建在AI之上，这即是畴昔应用的基本框架。

这个基本框架，这种能够完成我所姿色的、具备多模子智商的智能体AI的基本结构，现在已经极地面推动了各种AI初创公司的发展。

通过咱们开源的模子和用具，现在你也可以莽撞定制我方的AI，教它那些唯独无二的手段。这恰是咱们征战Nemotron、NeMo等开源模子的指标。你只需要在AI前边加一个智能路由料理器，它会证据你的指示，自动采纳最合适的模子来处罚问题。

这样的架构带来什么？你得到的AI既能完全按你的需求定制，可以教它公司特有的手段，这些可能恰是你的中枢上风，而且你也有对应的数据和专科知识去试验它；同期，它又能长期保合手期间最初，随时用上最新的智商。

通俗来说，你的AI既能高度个性化，又能即开即用，长期保合手在前沿。

为此，咱们作念了一个最通俗的示例框架，叫"AI Route Blueprint"，已经集成到全球多家企业的SaaS平台中，成果很可以。

这是不是很不可念念议？使用言语模子。使用事前试验好的、专有的、前沿的言语模子，与定制的言语模子结合到一个智能体框架、一个推理框架中，允许你探询用具和文献，以致可能结合到其他智能体。这基本上即是AI应用或当代应用的基本架构，而咱们创建这些应用的智商特殊快。

防范，即使你给它从未见过的应用轨范信息，或者以一种并非完全如你所想的结构呈现，它仍然能进行推理，并尽最大死力通过数据和信息去尝试领悟若何处罚问题。这即是东谈主工智能。

这个基本框架现在正在被整合，而我刚才姿色的一切，咱们有幸与一些寰球最初的企业平台公司谐和。例如Palantir，他们通盘这个词AI和数据处理平台正在集成，并由英伟达加快。还有寰球最初的客户服务和职工服务平台ServiceNow、全球顶级的云表数据平台Snowflake。CodeRabbit，咱们在英伟达里面平淡使用。CrowdStrike，正在创建AI来检测和发现AI恐吓。NetApp，他们的数据平台现在上头有英伟达的语义AI，以及智能体系统，用于客户服务。

但进击的是：这不仅是你现在征战应用的神色，它还将成为你平台的用户界面。是以，不管是Palantir、ServiceNow照旧Snowflake，以及咱们正在谐和的许多其他公司，智能体系统即是界面。它不再是在方格里输入信息的Excel，也许也不再只是是大叫行。现在，通盘这些多模态信圮绝互都成为可能。你与平台交互的神色变得愈加通俗，就像你在与东谈主交互一样。因此，企业AI正在被智能体系统透澈改变。

物理AI解围：教授机器领悟与交互的确寰球

下一件事是物理AI。这是你们听我批驳了好几年的规模。事实上，咱们已经为此行状了八年。问题是：若何将计较机内通过屏幕和扬声器与你交互的智能体，造成能与寰球交互的智能体？这意味着它能领悟寰球运作的知识：物体恒存性（我移开视野再精良，物体还在那里）、因果关系（我推它，它会倒下）。

它领悟摩擦力、重力以及惯性，知谈一辆重型卡车在路上行驶需要更多时刻材干停驻，一个球会继续滚动。这些想法对小孩来说都是知识，但对AI来说完全是未知的。因此，咱们必须创建一个系统，让AI能够学习物理寰球的知识、学习其限定，天然也能从数据中学习。而数据相配稀缺。何况需要能够评估AI是否有用，这意味着它必须在环境中进行模拟。若是AI莫得智商模拟物理寰球对其行为的响应，它奈何知谈我方实行的行为是否稳健预期？

这个基本系统需要三台计较机：一台是咱们熟知的、英伟达制造的用于试验AI模子的计较机；第二台是用于推理模子的计较机。推理模子本色上是在汽车、机器东谈主、工场或任何边缘场所运行的机器东谈主计较机；但必须有另一台为模拟设计的计较机，因为模拟是英伟达简直通盘事情的中枢，这是咱们最轻车熟路的场所。模拟如实是咱们所作念的一切物理AI行状的基础。

是以咱们有三台计较机，以及运行在这些计较机上、让它们变得有用的多个期间栈和库。Omniverse是咱们的数字孪生、基于物理的模拟寰球。Cosmos是咱们的基础模子，不是言语基础模子，而是寰球基础模子，何况也与言语对皆。你可以问"球奈何样了？"，它会告诉你球正在街上滚动。天然，还有机器东谈主模子，咱们有两个：一个叫Groot，另一个叫Alpamayo。

对于物理AI，咱们必须作念的最进击的事情之一即是创建数据来试验AI。这些数据从何而来？不像言语那样，因为咱们创造了一堆被以为是"的确情况"的文本，AI可以从中学习。咱们若何教授AI物理寰球的"的确情况"？尽管有大量的视频，但远远不及以捕捉咱们需要的交互的各种性和类型。

因此，一些伟大的头脑聚拢在一齐，将原来用于计较的资源滚动为数据。现在，愚弄以物理定律为基础和条目、以的确情况为基础和条目的合成数据生成期间，咱们可以有采纳地、巧妙地生成数据，然后用来试验AI。例如，咱们可以愚弄Cosmos基础模子，生成基于物理、物理上合理的环绕视频，AI现在可以从中学习。

我知谈这很不可念念议。Cosmos是寰球最初的基础模子、寰球基础模子。它已被下载数百万次，谢寰球各地使用，让寰球为这个物理AI的新时间作念好准备。咱们我方也在使用它，用它来创建咱们的自动驾驶汽车系统，用于场景生成和评估。通过计较机模拟，咱们能够有用地行驶数十亿、数万亿公里。

今天，咱们晓谕推出Alpamayo，寰球上首个会念念考、会推理的自动驾驶汽车AI。Alpamayo是端到端试验的，从录像头输入到驱动输出。试验数据包括它我方行驶的大量里程、东谈主类驾驶示范，以及由Cosmos生成的大量里程。除此除外，还少见十万个特殊仔细象征的例子，以便咱们教汽车若何驾驶。

Alpamayo专有之处在于。它不仅袭取传感器输入并驱动办法盘、刹车和加快器，还会推理它行将采纳什么行动。它会告诉你它将采纳什么行动，采纳该行动的原因，天然还有轨迹。通盘这些都径直耦合，并通过东谈主类试验数据和Cosmos生成数据的巨大组合进行特地试验。终结特殊不可念念议。

不仅汽车能像你渴望的那样驾驶，而且驾驶得特殊天然，因为它径直从东谈主类示范中学习。但在每一个场景中，当它遭逢某个场景时，它会进行推理，告诉你它将作念什么，并推理它为什么要作念。这之是以如斯进击，是因为驾驶的"长尾"问题。

咱们不可能通俗地集聚寰球上每个国度、每种情况、通盘东谈主口可能遭逢的通盘可能的场景。联系词，每个场景若是被阐明成一系列更小的场景，很可能都是相配常见的、你能领悟的。因此，这些长尾场景将被阐明成汽车知谈若何处理的相配常见的情况，它只需要进行推理。

咱们八年前就运转研发自动驾驶汽车了。原因在于咱们很早就领悟到，深度学习和东谈主工智能将透澈重塑通盘这个词计较期间栈。若是咱们想要领悟若何引颈我方、若何指引行业走向这个新畴昔，就必须明慧构建通盘这个词期间栈。

计较跃进：Rubin平台与全栈芯片的终艰苦构

正如我之前提到的，AI是一个"五层蛋糕"。最底层是地皮、电力和外壳。在机器东谈主规模，最底层即是汽车本人。往上一层是芯片：GPU、集聚芯片、CPU等等。再往上是基础设施层。在物理AI这个具体案例中，基础设施即是Omniverse和Cosmos。然后在表层是模子层。我刚才展示的模子就属于这一层，这个模子叫作念Alpamayo。今天，Alpamayo厚爱开源了。

咱们设计有一天，谈路上的十亿辆汽车都将终了自动驾驶。你可以采纳租用别东谈主运营的自动驾驶出租车，也可以领有我方的车让它为你驾驶，或者采纳我方驾驶。但每一辆车都将具备自动驾驶智商。每一辆车都将由AI驱动。是以在这个案例中，模子层是Alpamayo，而应用层之上即是梅赛德斯-驰骋汽车。

一言以蔽之，这个期间栈是英伟达初次尝试构建的好意思满期间栈。咱们一直为此死力，特殊甘心英伟达的首款自动驾驶汽车将于第一季度在好意思国出发，然后欧洲是第二季度，亚洲大约是第三、第四季度。遒劲之处在于，咱们将不休用Alpamayo的后续版块进行更新。

毫无疑问，在我看来，这将成为最大的机器东谈主产业之一。它教授了咱们大量对于若何匡助寰球其他地区构建机器东谈主系统的深远领悟。通过我方构建通盘这个词基础设施，咱们知谈了机器东谈主系统需要什么样的芯片。

在这个具体案例中，是下一代双Thor处理器。这些处理器专为机器东谈主系统设计，具备最高等别的安全智商。梅赛德斯-驰骋CLA刚刚被NCAP评为寰球上最安全的汽车。

据我所知，这是唯逐一个每一溜代码、芯片、系统都经过安全认证的系统。通盘这个词模子系统基于此，传感器是各种且冗余的，自动驾驶汽车期间栈亦然如斯。Alpamayo期间栈是端到端试验的，领有惊东谈主的手段。联系词，除非无穷期地驾驶，不然没东谈主知谈它是否皆备安全。

因此，咱们通过另一个软件期间栈、一个好意思满的自动驾驶期间栈来为其设立防护栏。阿谁好意思满的期间栈被构建为完全可追忆的。咱们花了简短五年（现实上是六七年）来构建阿谁第二期间栈。这两个软件期间栈互相照耀。

然后咱们愚弄Alpamayo进行策略和安全评估。若是是一个我不太自信的情况，安全策略评估器决定咱们将清偿到一个更通俗、更安全的防护栏系统，那么就回到经典的自动驾驶期间栈。这是寰球上唯一同期运行这两个自动驾驶期间栈的汽车。通盘安全系统都应该具备各种性和冗余性。

咱们的愿景是，有朝一日每一辆汽车、每一辆卡车都将是自动驾驶的。咱们一直执政着阿谁畴昔死力。这通盘这个词期间栈是垂直集成的。天然，在梅赛德斯-驰骋的案例中，咱们一齐构建了通盘这个词期间栈，咱们将部署汽车、运营期间栈，只消咱们还存在，就会贵重这个期间栈。

联系词，就像咱们公司所作念的其他一切一样，咱们构建通盘这个词期间栈，但通盘这个词期间栈对生态系统洞开。与咱们谐和构建L4级和自动驾驶出租车的生态系统正在蔓延，无处不在。我完全信赖，这已经是咱们的一项巨伟业务，因为客户用它来试验、处理试验数据，以及试验他们的模子。在某些案例中，一些公司用它来生成合成数据。有些公司基本上只制造汽车里面的计较机和芯片，有些公司与咱们进行全栈谐和，有些则谐和部分重要。

通盘这个词系统现在是洞开的。这将成为第一个大范围、主流的AI物理AI阛阓。从非自动驾驶汽车到自动驾驶汽车的转变点，很可能就在此时运转，并在畴昔十年内发生。我相配信赖，寰球上很大比例的汽车将是自动驾驶或高度自动驾驶的。

然则，我刚才姿色的这个基本期间（使用三台计较机、愚弄合成数据生成和模拟），适用于通盘格式的机器东谈主系统。可能只是一个关节、一个机械臂，可能是出动机器东谈主，也可能是好意思满的东谈主形机器东谈主。是以，下一个旅程将是机器东谈主。这些机器东谈主将会有各种不同的尺寸。

这些机器东谈主身上有小型Jetson计较机，它们是在Omniverse里口试验出来的。机器东谈主模拟器叫Isaac Sim和Isaac Lab。咱们有好多建造机器东谈主的一又友，包括New Robot、AG Bot、LG、卡特彼勒（他们有史上最大的机器东谈主）、Serve Robot、Agility、波士顿能源、Franka以及Universal Robots等。

例如来说，Cadence将CUDA-X集成到他们通盘的模拟器和求解器中。他们将使用英伟达的物理AI来进行不同的物理安装和工场模拟。AI物理正被集成到这些系统中。是以，不管是电子设计自动化照旧系统设计自动化，以及畴昔的机器东谈主系统，咱们将领有基本上与创造你们沟通的期间，现在将透澈革新这些设计期间栈。

在芯片设计规模，Synopsys和Cadence是完全不可或缺的。Synopsys在逻辑设计和IP规模最初，而Cadence在物理设计、布局布线、仿真和考据方面最初。Cadence在仿真和考据方面作念得特殊出色。他们两家都正在进入系统设计和系统仿真的规模。是以畴昔，咱们将在Cadence和Synopsys里面设计芯片，并在这些用具里面模拟一切。

西门子也在作念相同的事情。咱们将把CUDA-X物理AI、智能体AI、NeMo、Nemotron深度集成到西门子的寰球中。原因如下：起初，咱们设计芯片，畴昔这一切都将由英伟达加快。咱们将有智能体芯片设计师和系统设计师与咱们谐和，他们匡助咱们进行设计，就像咱们今天有智能体软件工程师匡助咱们的软件工程师编码一样。

然后咱们必须能够制造机器东谈主。咱们必须建造分娩它们的工场、设计拼装它们的分娩线。而这些制造工场本色上将是巨型机器东谈主。是以，机器东谈主将在计较机中被设计，在计较机中被制造，在计较机中被测试和评估。咱们现在创造的期间已经达到了阔绰老到和遒劲的水平，可以反过来匡助他们透澈革新它们所在的行业。

放眼全球的模子格式，毫无疑问，OpenAI是面前最初的token生成器。今天，OpenAI生成的token数目远超其他任何模子。第二大群体，可能即是开源模子了。我猜跟着时刻的推移，因为有如斯多的公司、如斯多的商量东谈主员、如斯多不同类型的规模和模态，开源模子将成为范围最大的群体。

在此历程中，离不开Rubin。这个平台的出生，是为了莽撞咱们面对的一个根人道挑战：AI所需的计较量正在飙升，对英伟达GPU的需求也在飙升。这种飙升是因为模子每年都在以10倍、一个数目级的范围增长。更不必说，o1模子的引入是AI的一个转变点。推理不再是一次性给出谜底，现在是一个念念考历程。为了教授AI若何念念考，强化学习和极其大量的计较被引入了后试验阶段。它不再是监督式微调（也称为师法学习或监督试验），现在有了强化学习，本色上是计较机通过自我尝试不同迭代来学习若何实行任务。终结，用于预试验、后试验、测试时缩放的计较量爆炸式增长。

现在，咱们进行的每一次推理，都可能生成2个token而不是1个，你可以看到AI在"念念考"。它念念考得越久，普通能给出更好的谜底。因此，测试时缩放导致生成的token数目每年加多5倍。

与此同期，AI的竞赛正在利害进行。每个东谈主都在试图达到下一个水平，登上新的前沿。而每当他们到达新的前沿，上一代AI生成token的资本就运转着落，降幅简短是10倍。每年着落10倍这件事现实上证据了不同的情况：它标明竞赛如斯利害，每个东谈主都在死力达到下一个水平，何况如实有东谈主正在达到阿谁水平。

因此，通盘这一切本色上都是一个计较问题。你计较得越快，就能越早达到下一个水讲理前沿。通盘这些事情都在同期发生，是以咱们决定，必须每年都鼓舞计较期间的水平，一年都弗成逾期。

咱们一年半前出货GB200。面前，咱们正在进行GB300的大范围分娩。若是Rubin想要在本年实时推出，它现在就必须已经投产。是以今天，我可以告诉你们：Rubin已进入全面分娩阶段。

咱们还推出了基于Rubin架构的新一代计较集群DGX SuperPOD，包含1152个GPU，散播在16个机架中，每个机架有72个Rubin GPU。

咱们设计了六种不同的芯片。起初，咱们公司里面有一个原则：每一代新平台不应该有卓越一两个芯片发生变动。但问题来了：咱们知谈摩尔定律已经基本放缓，因此咱们每年能赢得的晶体管数目，不可能跟上模子每年10倍的增长速率，不可能跟上每年生成的token数目5倍的增长，也不可能跟上令牌资本如斯激进的着落速率。

若是行业要继续前进，要想跟上这样的速率是不可能的。除非咱们接收激进的极致协同设计，基本上即是在通盘芯片、通盘这个词期间栈上同期进行创新。为此，咱们决定，在这一代平台上再行设计每一个芯片。

起初是Vera CPU。在一个受功率敛迹的寰球里，它的性能是上一代的两倍，每瓦性能是寰球上其他最先进CPU的两倍。它的数据速率是荒诞的，专为处理超等计较机而设计。Grace曾是一款出色的CPU，而Vera则将单线程性能、内存容量和通盘方面都权臣晋升了。这是一次巨大的飞跃。

Vera CPU结合到Rubin GPU！这是一个巨大的芯片，有88个CPU中枢，这些中枢设计为支合手多线程。但Vera的多线程特点设计得让176个线程中的每一个都能赢得其好意思满的性能，是以本色上就像有176个中枢，但唯有88个物理中枢。这些中枢接收了一种叫作念空间多线程的期间设计，性能惊东谈主。

其次是Rubin GPU。它的浮点性能是Blackwell的5倍，但晶体管数目唯有Blackwell的1.6倍。这若干证据了面前半导体物理的水平。若是咱们不进行协同设计，不在通盘这个词系统的每一个芯片层面进行极致的协同设计，咱们奈何可能终了这种性能水平？

第三，咱们作念的一件伟大的发明叫作念NVFP4 Tensor Core。咱们芯片中的Transformer引擎不单是是咱们放入数据通路的某种4位浮点数，它是一个好意思满的处理器单位，懂得若何动态、自稳健地调整其精度和结构，以处理Transformer的不同档次，从而在可以赔本精度的场所终了更高的糊涂量，在需要的时候规复到最高的可能精度。这种动态调整智商无法通过软件终了，因为它运行得太快了。是以必须在处理器里面自稳健地完成。这即是NVFP4的意旨。

咱们已经发表了对于NVFP4的论文。它所达到的糊涂量和精度保合手水平是完全不可念念议的。这是始创性的行状。畴昔行业但愿咱们将这种格式和结构定为行业轨范，我少许也不会感到有时。这完全是编削性的。这即是为什么咱们能够在晶体管数目仅加多1.6倍的情况下，终了如斯巨大的性能飞跃。

第四，咱们革新了通盘这个词HGX机箱。这个节点以前有43条电缆，现在0条；6根水管，现在0根。以前拼装这个需要两小时，现在则只消五分钟，而且100%液冷。

第五，将这些结合到顶层机架交换机、处理东西向流量的，叫作念Spectrum-X网卡。这是寰球上毫无疑问最好的网卡。Mellanox的算法、芯片设计、通盘互连、其上运行的通盘软件栈、RDMA，皆备是无与伦比的寰球最好。现在它还具有可编程的RDMA和数据旅途加快器功能，让咱们的谐和伙伴（如AI实验室）可以创建我方的算法来决定如安在系统中出动数据。

第六，ConnectX-9和Vera CPU是协同设计的。人人皆知，ConnectX-8和Spectrum-X透澈改变了用于东谈主工智能的以太网期间。AI的以太网流量要密集得多，要求更低的蔓延，流量的瞬时激增是传统以太网从未见过的。是以咱们创建了Spectrum-X，即AI以太网。两年前咱们晓谕了Spectrum-X。今天，英伟达已成为全球有史以来最大的集聚公司。

它特殊告捷，在各种设施中平淡使用，正在席卷通盘这个词AI规模。其性能令东谈主难以置信，尤其是当你领有一个200兆瓦的数据中心，或者一个千兆瓦的数据中心（价值数百亿好意思元，一个千兆瓦数据中心简短500亿好意思元）时。若是集聚性能能让你额外赢得10%的收益——以Spectrum-X为例，终了25%更高的糊涂量并不暴虐——只是是10%的晋升，就价值50亿好意思元。等于集聚资本完全免费了。这即是为什么每个东谈主都在使用Spectrum-X的原因。

第七，现在，咱们发明了一种新式的数据处理神色，它的处理器叫作念BlueField-4，允许咱们料理一个特殊弘远的数据中心，龙套其不同部分，以便不同用户可以使用不同部分，确保通盘资源在需要时都可以被诬捏化。这样，你就能卸载好多诬捏化软件、安全软件以及南北向流量的集聚软件。是以，BlueField-4是每个计较节点的轨范建树。

第八是NVLink-6交换机。每个机架交换机里面有四个芯片，每颗芯片都有历史上最快的SerDes。寰球才刚刚达到200Gb/s，而这是每秒400Gb/s的交换机。这之是以如斯进击，是因为它能让每个GPU都能同期与其他通盘GPU进行通讯。这个位于机架背板上的交换机，使咱们能够以相配于全球互联网数据总量两倍的速率出动数据。全球互联网的横截面带宽简短是每秒100太字节，而这个是每秒240太字节，让每个GPU都能同期与其他通盘GPU协同行状。

后头是NVLink脊柱，基本上是两英里长的铜缆。铜是咱们所知的最好导体。这些都是屏蔽铜缆、结构铜缆，是计较系统中有史以来使用最多的。咱们的SerDes以每秒400Gb的速率驱动这些铜缆从机架顶部一直到机架底部。这里面所有有长3200米、5000根铜缆，这使NVLink脊柱成为可能。这项革新信得过开启了咱们的HGX系统，咱们决定创建一个行业轨范系统，让通盘这个词生态系统、咱们通盘的供应链都能基于这些组件进行轨范化。组成这些HGX系统的组件简短有8万个。

若是咱们每年都改变它，那将是巨大的糜费。从富士康到广达、纬创，再到惠普、戴尔、欲望，通盘主要的计较机制造商都知谈若何构建这些系统。是以，尽管性能高得多，而且特殊进击的少许是，功耗是前代的两倍，Vera Rubin的功耗是Grace Blackwell的两倍——但咱们仍然能将Vera Rubin塞进这个框架里，这本人即是一个遗迹。

进入系统的空气流量大致沟通。更进击的是，进入的水温沟通，45摄氏度。在45摄氏度下，数据中心不需要冷水机。咱们基本上是用滚水来冷却这台超等计较机，效用高得令东谈主难以置信。

是以，这是新的机架：晶体管数目是1.7倍，但峰值推感性能是5倍，峰值试验性能是3.5倍。它们通过顶部的Spectrum-X结合起来。

这是寰球上第一款接收台积电新工艺制造的芯片，这个新工艺是咱们共同创新的，叫作念CoWoS，是一种硅光子集成工艺期间。这使咱们能够将硅光子径直集成到芯片上。这里有512个端口，每个端口200Gb/s。这即是新的以太网AI交换机——Spectrum-X以太网交换机。

几年前咱们推出了Spectrum-X，以便透澈改变集聚结合的神色。以太网如实易于料理，每个东谈主都有以太网期间栈，寰球上每个数据中心都知谈若何处理以太网。而那时咱们使用的另一种期间叫作念InfiniBand，用于超等计较机。InfiniBand蔓延特殊低，但它的软件栈和通盘这个词可料感性对使用以太网的东谈主来说特殊目生。是以咱们决定初次进入以太网交换机阛阓。Spectrum-X也曾推出就大获告捷，使咱们成为寰球上最大的集聚公司。

生态闭环：从基础设施到行业渗入的全栈布局

但就像我之前说的，AI已经重塑了通盘这个词计较期间栈的每一层。同理可证，当AI运转谢寰球各地的企业部署时，它也必将重塑存储的神色。AI不使用SQL，AI使用语义信息。当AI被使用时，它会创建一种临时的知识、临时的牵挂，叫作念KV缓存（键值缓存）。但本色上，KV缓存即是AI的行状内存。AI的行状内存存储在HBM内存中。

对于生成的每一个token，GPU都会读入通盘这个词模子、通盘这个词行状内存，产生一个token，然后将这个token存回KV缓存。下一次它再作念相同的事情时，它会再次读入通盘这个词内存，流经GPU，生成另一个token。它就这样重叠进行。显着，若是你永劫刻与AI对话，这个内存——这个高下文内存——将会急剧增长。更不必说模子本人在增长，咱们与AI交互的轮次在加多。咱们以致但愿这个AI能作陪咱们一世，记着咱们与它进行过的每一次对话，对吧？我要求它商量的每一个纠合……天然，分享超等计较机的用户数目也会合手续增长。

因此，这个最初能放进HBM的高下文内存，现在已经不够大了。昨年，咱们创建了Grace Blackwell的快速高下文内存，这即是为什么咱们将Grace径直结合到Hopper，径直结合到Blackwell，以蔓延高下文内存。但即使那样也不够。是以，下一个处罚决策天然是走集聚。然则，若是有大量AI同期在运行，阿谁集聚将不再阔绰快。

是以谜底很明确：需要一种不同的顺次。因此，咱们引入了BlueField-4，以便咱们能够在机架内领有一个特殊快速的KV缓存高下文内存存储。这是一种全新的存储系统类别。业界对此特殊昂扬，因为这是简直通盘今天进行大量token生成的东谈主的痛点。AI实验室、云服务提供商，他们真的受困于KV缓存出动所导致的集聚流量。

因此，咱们创建一个新平台、一个新处理器来运行通盘这个词Dynamo KV缓存/高下文内存料理系统，并将其放在特殊围聚机架其他部分的场所，这完全是编削性的。

每个这样的机架后头有四个BlueField-4。每个BlueField-4后头有150太字节的高下文内存。分管到每个GPU上，每个GPU将赢得额外的16太字节内存。现在，在这个节点里面，每个GPU原来简短有1太字节内存。现在有了这个位于吞并东西向流量上、数据速率完全沟通（每秒200Gb）的补助存储，横跨通盘这个词计较节点的集聚结构，你将赢得额外的16太字节内存。

Vera Rubin有几个方面真的特殊不可念念议。第少许我刚才提到过：通盘这个词系统的能效是前代的两倍。诚然功耗是前代的两倍，能耗亦然两倍，但计较智商是数倍于此。进入系统的液体温度仍然是45摄氏度。这使咱们能省俭全球数据中心简短6%的电力，这是件大事。

第二件大事：通盘这个词系统现在支合手玄妙计较，意味着所少见据在传输中、静态时和计较历程中都是加密的，每个总线现在都是加密的——每个PCIe、每个NVLink、每个HBM……CPU与内存、CPU与GPU之间、GPU与GPU之间，一切现在都是加密的。是以它是玄妙计较安全的。这让公司可以沉静，即使他们的模子由别东谈主部署，也永远不会被任何东谈主看到。

这个特定系统不仅能效极高，还有另一个不可念念议之处。由于AI行状负载的特点，它会在一忽儿激增。这个叫作念"全归约"的计较层所使用的电流量、能量同期飙升，通常会遽然激增25%。现在，咱们在通盘这个词系统中终表现功率平滑，这样你就不需要过度建树25%的容量，或者若是你过度建树了，你也不必让那25%的能源被糜费或闲置。现在，你可以用满通盘这个词功率预算，而不需要过度建树。

临了，天然是性能。让咱们望望它的性能。这些都是构建AI超等计较机的东谈主会可爱的图表。这需要……需要这里的每一个芯片、每一个系统的完全再行设计，并重写通盘这个词软件栈，才使其成为可能。

咱们作念的事情其实围绕三个中枢重要：

第一是试验速率。试验AI模子越快，就能越早把下一代前沿模子推向寰球。这径直决定期间最初性、上市时刻和订价权。比如绿色部分代表一个10万亿参数模子（咱们称之为DeepSeek++），需要基于100万亿token进行试验。在相同的试验周期（比如一个月）里，用Rubin平台只需四分之一的系统数目就能完成——在相同的时刻里，你能试验更大、更先进的模子。

第二是数据中心效用。数据中心是AI的"工场"，投资巨大。一个千兆瓦级数据中心可能需要500亿好意思元参加，而电力是硬性敛迹。若是你的计较架构每瓦性能更高，相同的电力就能产生更多算力，径直滚动为数据中心的产出和收益。布莱克韦尔平台比拟前代终表现约10倍的能效晋升，而鲁宾将在此基础上再次晋升近10倍。

第三是推理资本。也即是现实生成每个token的资本。Rubin平台将这一资本缩小到原来的约十分之一。

这即是咱们推动通盘这个词行业走向下一个前沿的神色——让试验更快、能效更高、推理更经济，从而补助AI合手续向更大范围、更高水平发展。

如大众所见，今天的英伟达早已不仅是芯片公司。咱们构建的是好意思满的全栈AI体系——从芯片、系统、基础设施，到模子和应用。咱们的责任是打造好意思满的期间栈，让在座的每一位都能在此基础上，为寰球创造令东谈主咋舌的AI应用。

谢谢大众到场，祝大众在CES得益满满！

—— · END · ——

重磅推出：