鸡西在线会议直播系统

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，无疑属于英伟达独创东谈主兼CEO黄仁勋。这位被业界称为"黄衣教主"的业界首级抛出中枢判断："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，无疑属于英伟达独创东谈主兼CEO黄仁勋。这位被业界称为"黄衣教主"的业界首级，定于好意思国时候1月5日下昼1点开讲，却让慕名而至的听众早早体验了"将来热度"——网易科技上昼11点到达时，场外列队队伍已鬈曲近500米。有前来参会的中国KOL惊奇："咱们等的不仅是黄仁勋，更是在等一个谜底：将来十年，东谈主与机器将如何重新单干。而有些谜底，似乎只在现场能力听见。"

黄仁勋比预定时候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，打算机行业正履历十年一遇的"平台重置"：咱们正从"编程软件"时间跨入"检修软件"时间，打算的基础本事栈（所谓的"五层蛋糕"），每一层都在被重新发明。

2025年被黄仁勋界说为"智能体系统"普及的元年。AI不再只是是事先录制的设施，而是具备推理、筹划、以至在实时运行中进行"念念考"的智能体。他特地问候了中国开源模子DeepSeek R1的打破，觉得开源力量正让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"。英伟达正戮力于让AI统一重力、惯性、因果相干等物理定律。为此，黄仁勋发布了寰宇首个会念念考、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解释"为什么这样开"。这标志着AI认真从屏幕后的对话框，走向现实寰宇的自动驾驶汽车与东谈主形机器东谈主。

面对AI打算量每年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改换。

黄仁勋强调，英伟达的变装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开发库，英伟达正通过"三台打算机"（检修、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，将东谈主类好意思丽带入万物皆有智能的新时间。

以下为黄仁勋CES 2026演讲实录（经剪辑略有修改，小标题为后加）：

时间定调：两大"平台迁徙"与AI的重塑之力

拉斯维加斯，新年喜跃！迎接来到CES。

约莫每十到十五年，打算机行业就会履历一次重置。平台会发生一次根人性的调养，从大型机到个东谈主电脑，再到互联网、云打算、移动开垦。每一次，应用生态都会对准一个新的平台，这即是所谓的"平台迁徙"。每次，你都要为新的打算平台编写新的应用设施。但这一次，事实上，有两个平台迁徙在同期发生。

当咱们迈向东谈主工智能时间时，应用设施将构建在AI之上。伊始，东谈主们觉得AI本人即是应用，事实也照实如斯。但将来，你将要在AI之上构建应用设施。除此除外，软件的运行方式和开发方式也发生了根人性改变。

打算机工业的整个这个词基础本事栈正在被重新发明。你不再"编程"软件，而是"检修"软件；你不再在CPU上运行它，而是在GPU上运行它。往常的应用设施是事先录制、事先编译并在你的开垦上运行的，而现在的应用设施能够统一高下文，每一次、每一个像素、每一个token都是从零运转生成的。由于加快打算，由于东谈主工智能，打算已经被透彻重塑。阿谁"五层蛋糕"（指本事栈）的每一层如今都在被重新发明。

这意味着，往常十年蕴蓄的价值约十万亿好意思元的打算机基础设施，现在正被当代化改良，以适合这种新的打算方式。每年额外千亿以至上万亿好意思元的风险投资正在涌入，用于当代化改良和发明这个新寰宇。

这也意味着，一个百万亿好意思元范畴的产业，其研发预算中有几个百分点正在转向东谈主工智能。东谈主们问钱从那儿来？这即是来源。从传统AI到当代AI的当代化改良，研发预算从经典方法转向现在的东谈主工智能方法，海量投资正涌入这个行业，这解释了为什么咱们如斯勤劳。

往常这一年也不例外。2025年是不可念念议的一年。看起来似乎整个事情都在吞并时候发生，事实上可能也照实如斯。第一件事天然是蔓延定律（Scaling Laws）。2015年，我觉得第一个信得过会产生影响的模子BERT出现了，它照实带来了巨大影响。

2017年，Transformer架构问世。直到五年后的2022年，"ChatGPT时刻"才发生，它叫醒了寰宇对东谈主工智能可能性的相识。那之后一年发生了一件相配重要的事。ChatGPT的第一个推理模子o1面世，"测试时缩放"这个观念也随之产生。

咱们不仅预检修让模子学习，还在后检修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，这试验上是"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打算量，而打算定律仍在握续蔓延，谎言语模子握续变得更好。

开源改换：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，扩散到简直每个边缘。具备推贤达商、能查找信息、进行磋磨、使用用具、筹划将来、模拟末端的智能体模子，蓦然运转责罚相配重要的问题。我最心爱的智能体模子之一叫作念Cursor，它透彻改变了英伟达里面的软件开发方式。智能体系统将信得过从这里升空。

天然，还有其他类型的AI。咱们知谈谎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，咱们都能教一种话语模子去统一那种信息，统一其表征，并将其泛动为一种AI。其中最重要的一种是物理AI，即能够统一天然定律的AI。天然，物理AI也触及AI与寰宇交互。但寰宇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，你有与物理寰宇交互的AI，也有统一物理定律物理AI。

临了，旧年发生的最重要事情之一是开源模子的高出。咱们现在可以知谈，当开源、当开放创新、当全寰宇每个行业、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年信得过升空了。

事实上，旧年咱们看到了DeepSeek R1的高出，这是第一个开源推理系统。它让寰宇大吃一惊，现辞寰宇各地有各样不同类型的开源模子系统。开源模子已经达到了前沿水平，天然仍过期前沿模子约莫六个月，但每六个月就有新模子出现，而且这些模子越来越智谋。

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、磋磨员、学生，简直每个国度都想参与AI改换。

智能——数字样式的智能——怎么可能抛下任何东谈主呢？因此，开源模子旧年真的透彻改变了东谈主工智能，整个这个词行业将因此被重塑。

其实咱们对此早有猜测。你可能传奇过，几年前，咱们运转建造和运营我方的AI超等打算机——DGX Cloud。许多东谈主问，你们要进攻云打算业务吗？谜底是申辩的。咱们建造这些DGX超等打算机是供我方使用的。末端是，咱们额外十亿好意思元的超算在运行，以便开发咱们的开源模子。

它运转诱导全球百行万企的关怀，因为咱们在浩荡不同范畴进行着前沿的AI模子管事：咱们在卵白质、数字生物学（La Proteina）方面的管事，用于合成和生成卵白质；OpenFold 3，用于统一卵白质结构；EVO 2，用于统一和生成多种卵白质；以及开源的细胞表征模子的开首。

Earth-2 AI，统一物理定律的AI；咱们在ForecastNet方面的管事；咱们在Cordiff方面的管事，真的透彻改变了东谈主们进行天气预告的方式。Nemotron，咱们现在正在那里进行始创性的管事。第一个夹杂Transformer SSM模子，速率快得惊东谈主，因此可以进行永劫候念念考，或者快速念念考（不那么永劫候）并产生相配相配智能的谜底。你们可以期待，咱们在不久的将来发布Nemotron 3的其他版块。

Cosmos，一个前沿的开放寰宇基础模子，统一生界如何运作。Groot，一个东谈主形机器东谈主系统，触及关节末端、移动性、畅通。这些模子，这些本事现在正在被集成，而况在每一种情况下，都对寰宇开源。今天，咱们也将谈谈Alpamayo，咱们在自动驾驶汽车方面所作念的管事。

咱们不仅开源模子，还开源用于检修这些模子的数据，因为只好这样，你能力信得过信任模子的产生历程。咱们开源整个模子，咱们匡助你基于它们进行繁衍开发。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的人命周期管理系统，让你能够处理数据、生成数据、检修模子、创建模子、评估模子、为模子设立驻扎栏，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，咱们以一种相配特殊的方式构建：咱们完全以开放的方式构建，以便让每家公司、每个行业、每个国度都能成为这场AI改换的一部分。

这些模子不仅具备前沿智商、是开源的，它们还在各种名次榜上名列三甲。咱们有统一多模态文档（即PDF）的重要模子。寰宇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解析器是寰宇级的。咱们的语音识别模子统统是寰宇级的。咱们的检索模子，试验上是当代AI时间的搜索、语义搜索、AI搜索、数据库引擎，亦然寰宇一流的。是以咱们遍及占据榜首。

整个这些都是为了服务于你构建AI智能体的智商。这确凿一个始创性的发展范畴。当ChatGPT刚出刻下，东谈主们觉得其产生的末端很酷爱，但幻觉也很严重。产生幻觉的原因在于，它可以记取往常的一切，但无法记取将来和当前的一切。是以它需要基于磋磨来"接地气"。

在回应问题之前，它必须进行基础磋磨。能够推理是否需要磋磨、是否需要使用用具、如何将问题领会成更多门径。ChatGPT能够将这些门径组合成一个序列，来完成它从未作念过、从未被检修过的事情。这即是推理的魅力所在。咱们可以遭遇从未见过的情况，并将其领会成咱们往常履历过、知谈如何处理的情况、知识或章程。

因此，AI模子现在具备的推贤达商极其刚劲。智能体的推贤达商为整个这些不同的应用灵通了大门。咱们不再需要在第一天就检修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，推理出如何责罚某个问题。谎言语模子现在已经已矣了根人性的飞跃。

使用强化学习、念念维链、搜索、筹划等不同本事和强化学习的智商，使咱们具备了这种基本智商，而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。我第一次强项到他们同期使用多个模子。我觉得这完全是天才之举。AI在推理链的任何重要，能调用寰宇上整个优秀的AI来责罚它想责罚的问题。这即是为什么AI试验上是多模态的，它们统一语音、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恰当任务的任何模子。因此，它试验上是"多云"的，因为这些AI模子位于整个这些不同的场地。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开垦，偶然它在边缘，偶然在无线基站，偶然在企业里面，或者是在病院等需要实时处理数据的场地。换言之，由于将来的应用构建在AI之上，这即是将来应用的基本框架。

这个基本框架，这种能够完成我所描述的、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，现在你也可以松驰定制我方的AI，教它那些唯一无二的手段。这恰是咱们开发Nemotron、NeMo等开源模子的筹划。你只需要在AI前边加一个智能路由管理器，它会笔据你的教唆，自动遴荐最合适的模子来责罚问题。

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检修它；同期，它又能恒久保握本事最初，随时用上最新的智商。

浮浅来说，你的AI既能高度个性化，又能即开即用，恒久保握在前沿。

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

这是不是很不可念念议？使用话语模子。使用事先检修好的、专有的、前沿的话语模子，与定制的话语模子结合到一个智能体框架、一个推理框架中，允许你考察用具和文献，以至可能团结到其他智能体。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相配快。

谨慎，即使你给它从未见过的应用设施信息，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，并尽最大发愤通过数据和信息去尝试统一如何责罚问题。这即是东谈主工智能。

这个基本框架现在正在被整合，而我刚才描述的一切，咱们有幸与一些寰宇最初的企业平台公司合营。例如Palantir，他们整个这个词AI和数据处理平台正在集成，并由英伟达加快。还有寰宇最初的客户服务和职工服务平台ServiceNow、全球顶级的云霄数据平台Snowflake。CodeRabbit，咱们在英伟达里面无为使用。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。

但重要的是：这不仅是你现在开发应用的方式，它还将成为你平台的用户界面。是以，无论是Palantir、ServiceNow照旧Snowflake，以及咱们正在合营的许多其他公司，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，整个这些多模态信谢绝互都成为可能。你与平台交互的方式变得愈加浮浅，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彻改变。

物理AI解围：训诲机器统一与交互确切寰宇

下一件事是物理AI。这是你们听我批驳了好几年的范畴。事实上，咱们已经为此管事了八年。问题是：如何将打算机内通过屏幕和扬声器与你交互的智能体，酿成能与寰宇交互的智能体？这意味着它能统一生界运作的知识：物体恒存性（我移开视野再归来，物体还在那里）、因果相干（我推它，它会倒下）。

它统一摩擦力、重力以及惯性，知谈一辆重型卡车在路上行驶需要更多时候能力停驻，一个球会不绝滚动。这些主见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能够学习物理寰宇的知识、学习其规则，天然也能从数据中学习。而数据止境稀缺。而况需要能够评估AI是否灵验，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宇对其当作的响应，它怎么知谈我方实施的当作是否稳妥预期？

这个基本系统需要三台打算机：一台是咱们熟知的、英伟达制造的用于检修AI模子的打算机；第二台是用于推理模子的打算机。推理模子试验上是在汽车、机器东谈主、工场或任何边缘场地运行的机器东谈主打算机；但必须有另一台为模拟设计的打算机，因为模拟是英伟达简直整个事情的中枢，这是咱们最驾轻就熟的场地。模拟照实是咱们所作念的一切物理AI管事的基础。

是以咱们有三台打算机，以及运行在这些打算机上、让它们变得有用的多个本事栈和库。Omniverse是咱们的数字孪生、基于物理的模拟寰宇。Cosmos是咱们的基础模子，不是话语基础模子，而是寰宇基础模子，而况也与话语对王人。你可以问"球怎么样了？"，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，咱们必须作念的最重要的事情之一即是创建数据来检修AI。这些数据从何而来？不像话语那样，因为咱们创造了一堆被觉得是"确切情况"的文本，AI可以从中学习。咱们如何训诲AI物理寰宇的"确切情况"？尽管有大批的视频，但远远不及以捕捉咱们需要的交互的各样性和类型。

因此，一些伟大的头脑聚首在沿途，将蓝本用于打算的资源泛动为数据。现在，运用以物理定律为基础和条目、以确切情况为基础和条目的合成数据生成本事，咱们可以有遴荐地、巧妙地生成数据，然后用来检修AI。例如，咱们可以运用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是寰宇最初的基础模子、寰宇基础模子。它已被下载数百万次，辞寰宇各地使用，让寰宇为这个物理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。通过打算机模拟，咱们能够灵验地行驶数十亿、数万亿公里。

今天，咱们通知推出Alpamayo，寰宇上首个会念念考、会推理的自动驾驶汽车AI。Alpamayo是端到端检修的，从录像头输入到驱动输出。检修数据包括它我方行驶的大批里程、东谈主类驾驶示范，以及由Cosmos生成的大批里程。除此除外，还额外十万个相配仔细标记的例子，以便咱们教汽车如何驾驶。

Alpamayo独有之处在于。它不仅领受传感器输入并驱动标的盘、刹车和加快器，还会推理它行将遴选什么行为。它会告诉你它将遴选什么行为，遴选该行为的原因，天然还有轨迹。整个这些都平直耦合，并通过东谈主类检修数据和Cosmos生成数据的巨大组合进行特地检修。末端量配不可念念议。

不仅汽车能像你欲望的那样驾驶，而且驾驶得相配天然，因为它平直从东谈主类示范中学习。但在每一个场景中，当它遭遇某个场景时，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。这之是以如斯重要，是因为驾驶的"长尾"问题。

咱们不可能浮浅地网罗寰宇上每个国度、每种情况、整个东谈主口可能遭遇的整个可能的场景。关联词，每个场景若是被领会成一系列更小的场景，很可能都是止境常见的、你能统一的。因此，这些长尾场景将被领会成汽车知谈如何处理的止境常见的情况，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相识到，深度学习和东谈主工智能将透彻重塑整个这个词打算本事栈。若是咱们想要统一如何引颈我方、如何带领行业走向这个新将来，就必须闪耀构建整个这个词本事栈。

打算跃进：Rubin平台与全栈芯片的终艰辛构

正如我之前提到的，AI是一个"五层蛋糕"。最底层是地盘、电力和外壳。在机器东谈主范畴，最底层即是汽车本人。往上一层是芯片：GPU、集会芯片、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认真开源了。

咱们设计有一天，谈路上的十亿辆汽车都将已矣自动驾驶。你可以遴荐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，或者遴荐我方驾驶。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-疾驰汽车。

一言以蔽之，这个本事栈是英伟达初次尝试构建的齐备本事栈。咱们一直为此发愤，相配安稳英伟达的首款自动驾驶汽车将于第一季度在好意思国启程，然后欧洲是第二季度，亚洲好像是第三、第四季度。刚劲之处在于，咱们将不停用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。它训诲了咱们大批对于如何匡助寰宇其他地区构建机器东谈主系统的潜入统一。通过我方构建整个这个词基础设施，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-疾驰CLA刚刚被NCAP评为寰宇上最安全的汽车。

据我所知，这是唯逐个个每一瞥代码、芯片、系统都经过安全认证的系统。整个这个词模子系统基于此，传感器是各样且冗余的，自动驾驶汽车本事栈亦然如斯。Alpamayo本事栈是端到端检修的，领有惊东谈主的手段。关联词，除非无尽期地驾驶，不然没东谈主知谈它是否统统安全。

因此，咱们通过另一个软件本事栈、一个齐备的自动驾驶本事栈来为其设立驻扎栏。阿谁齐备的本事栈被构建为完全可追想的。咱们花了约莫五年（试验上是六七年）来构建阿谁第二本事栈。这两个软件本事栈相互照射。

然后咱们运用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奉赵到一个更浮浅、更安全的驻扎栏系统，那么就回到经典的自动驾驶本事栈。这是寰宇上唯一同期运行这两个自动驾驶本事栈的汽车。整个安全系统都应该具备各样性和冗余性。

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。咱们一直在野着阿谁将来发愤。这整个这个词本事栈是垂直集成的。天然，在梅赛德斯-疾驰的案例中，咱们沿途构建了整个这个词本事栈，咱们将部署汽车、运营本事栈，只须咱们还存在，就会爱戴这个本事栈。

关联词，就像咱们公司所作念的其他一切一样，咱们构建整个这个词本事栈，但整个这个词本事栈对生态系统开放。与咱们合营构建L4级和自动驾驶出租车的生态系统正在蔓延，无处不在。我完全信托，这已经是咱们的一项巨伟业务，因为客户用它来检修、处理检修数据，以及检修他们的模子。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打算机和芯片，有些公司与咱们进行全栈合营，有些则合营部分重要。

整个这个词系统现在是开放的。这将成为第一个大范畴、主流的AI物理AI市集。从非自动驾驶汽车到自动驾驶汽车的转机点，很可能就在此时运转，并在将来十年内发生。我止境肯定，寰宇上很大比例的汽车将是自动驾驶或高度自动驾驶的。

但是，我刚才描述的这个基本本事（使用三台打算机、运用合成数据生成和模拟），适用于整个样式的机器东谈主系统。可能只是一个关节、一个机械臂，可能是移动机器东谈主，也可能是齐备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样不同的尺寸。

这些机器东谈主身上有小型Jetson打算机，它们是在Omniverse里面检修出来的。机器东谈主模拟器叫Isaac Sim和Isaac Lab。咱们有许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集成到他们整个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，无论是电子设计自动化照旧系统设计自动化，以及将来的机器东谈主系统，咱们将领有基本上与创造你们相通的本事，现在将透彻革新这些设计本事栈。

在芯片设计范畴，Synopsys和Cadence是完全不可或缺的。Synopsys在逻辑设计和IP范畴最初，而Cadence在物理设计、布局布线、仿真和考证方面最初。Cadence在仿真和考证方面作念得相配出色。他们两家都正在进入系统设计和系统仿真的范畴。是以将来，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。

西门子也在作念相通的事情。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宇中。原因如下：起初，咱们设计芯片，将来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合营，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。咱们必须建造坐褥它们的工场、设计拼装它们的坐褥线。而这些制造工场试验上将是巨型机器东谈主。是以，机器东谈主将在打算机中被设计，在打算机中被制造，在打算机中被测试和评估。咱们现在创造的本事已经达到了饱胀进修和刚劲的水平，可以反过来匡助他们透彻革新它们所在的行业。

放眼全球的模子景况，毫无疑问，OpenAI是现在最初的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。我猜跟着时候的推移，因为有如斯多的公司、如斯多的磋磨东谈主员、如斯多不同类型的范畴和模态，开源模子将成为范畴最大的群体。

在此历程中，离不开Rubin。这个平台的降生，是为了应酬咱们面对的一个根人性挑战：AI所需的打算量正在飙升，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、一个数目级的范畴增长。更毋庸说，o1模子的引入是AI的一个转机点。推理不再是一次性给出谜底，现在是一个念念考历程。为了训诲AI如何念念考，强化学习和极其大批的打算被引入了后检修阶段。它不再是监督式微调（也称为效法学习或监督检修），现在有了强化学习，试验上是打算机通过自我尝试不同迭代来学习如何实施任务。末端，用于预检修、后检修、测试时缩放的打算量爆炸式增长。

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，遍及能给出更好的谜底。因此，测试时缩放导致生成的token数目每年增多5倍。

与此同期，AI的竞赛正在强烈进行。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的资本就运转下落，降幅约莫是10倍。每年下落10倍这件事试验上阐发了不同的情况：它标明竞赛如斯强烈，每个东谈主都在发愤达到下一个水平，而况照实有东谈主正在达到阿谁水平。

因此，整个这一切试验上都是一个打算问题。你打算得越快，就能越早达到下一个水蔼然前沿。整个这些事情都在同期发生，是以咱们决定，必须每年都推动打算本事的水平，一年都不成过期。

咱们一年半前出货GB200。面前，咱们正在进行GB300的大范畴坐褥。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已进入全面坐褥阶段。

咱们还推出了基于Rubin架构的新一代打算集群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著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，因此咱们每年能得到的晶体管数目，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下落速率。

若是行业要不绝前进，要想跟上这样的速率是不可能的。除非咱们经受激进的极致协同设计，基本上即是在整个芯片、整个这个词本事栈上同期进行创新。为此，咱们决定，在这一代平台上重新设计每一个芯片。

起初是Vera CPU。在一个受功率管理的寰宇里，它的性能是上一代的两倍，每瓦性能是寰宇上其他最先进CPU的两倍。它的数据速率是荒诞的，专为处理超等打算机而设计。Grace曾是一款出色的CPU，而Vera则将单线程性能、内存容量和整个方面都显贵擢升了。这是一次巨大的飞跃。

Vera CPU团结到Rubin GPU！这是一个巨大的芯片，有88个CPU中枢，这些中枢设计为支握多线程。但Vera的多线程特质设计得让176个线程中的每一个都能得到其齐备的性能，是以试验上就像有176个中枢，但只好88个物理中枢。这些中枢经受了一种叫作念空间多线程的本事设计，性能惊东谈主。

其次是Rubin GPU。它的浮点性能是Blackwell的5倍，但晶体管数目只好Blackwell的1.6倍。这些许阐发了现在半导体物理的水平。若是咱们不进行协同设计，不在整个这个词系统的每一个芯片层面进行极致的协同设计，咱们怎么可能已矣这种性能水平？

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，它是一个齐备的处理器单位，懂得如何动态、自适合地调养其精度和结构，以处理Transformer的不同端倪，从而在可以亏损精度的场地已矣更高的婉曲量，在需要的时候归附到最高的可能精度。这种动态调养智商无法通过软件已矣，因为它运行得太快了。是以必须在处理器里面自适合地完成。这即是NVFP4的意旨。

咱们已经发表了对于NVFP4的论文。它所达到的婉曲量和精度保握水平是完全不可念念议的。这是始创性的管事。将来行业但愿咱们将这种样式和结构定为行业轨范，我少量也不会感到不测。这完全是改换性的。这即是为什么咱们能够在晶体管数目仅增多1.6倍的情况下，已矣如斯巨大的性能飞跃。

第四，咱们革新了整个这个词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，现在则只须五分钟，而且100%液冷。

第五，将这些团结到顶层机架交换机、处理东西向流量的，叫作念Spectrum-X网卡。这是寰宇上毫无疑问最好的网卡。Mellanox的算法、芯片设计、整个互连、其上运行的整个软件栈、RDMA，统统是无与伦比的寰宇最好。现在它还具有可编程的RDMA和数据旅途加快器功能，让咱们的合营伙伴（如AI实验室）可以创建我方的算法来决定如安在系统中移动数据。

第六，ConnectX-9和Vera CPU是协同设计的。无人不晓，ConnectX-8和Spectrum-X透彻改变了用于东谈主工智能的以太网本事。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。两年前咱们通知了Spectrum-X。今天，英伟达已成为全球有史以来最大的集会公司。

它相配胜利，在各样设施中无为使用，正在席卷整个这个词AI范畴。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约莫500亿好意思元）时。若是集会性能能让你额外得到10%的收益——以Spectrum-X为例，已矣25%更高的婉曲量并不荒僻——只是是10%的擢升，就价值50亿好意思元。等于集会资本完全免费了。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方式，它的处理器叫作念BlueField-4，允许咱们管理一个相配庞大的数据中心，阻遏其不同部分，以便不同用户可以使用不同部分，确保整个资源在需要时都可以被编造化。这样，你就能卸载许多编造化软件、安全软件以及南北向流量的集会软件。是以，BlueField-4是每个打算节点的轨范建树。

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。寰宇才刚刚达到200Gb/s，而这是每秒400Gb/s的交换机。这之是以如斯重要，是因为它能让每个GPU都能同期与其他整个GPU进行通讯。这个位于机架背板上的交换机，使咱们能够以止境于全球互联网数据总量两倍的速率移动数据。全球互联网的横截面带宽约莫是每秒100太字节，而这个是每秒240太字节，让每个GPU都能同期与其他整个GPU协同管事。

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，是打算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。这里面系数有长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，让整个这个词生态系统、咱们整个的供应链都能基于这些组件进行轨范化。组成这些HGX系统的组件约莫有8万个。

若是咱们每年都改变它，那将是巨大的徒然。从富士康到广达、纬创，再到惠普、戴尔、渴望，整个主要的打算机制造商都知谈如何构建这些系统。是以，尽管性能高得多，而且相配重要的少量是，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，这本人即是一个遗址。

进入系统的空气流量大致相通。更重要的是，进入的水温相通，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打算机，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，峰值检修性能是3.5倍。它们通过顶部的Spectrum-X团结起来。

这是寰宇上第一款经受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本事。这使咱们能够将硅光子平直集成到芯片上。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，以便透彻改变集会团结的方式。以太网照实易于管理，每个东谈主都有以太网本事栈，寰宇上每个数据中心都知谈如何处理以太网。而其时咱们使用的另一种本事叫作念InfiniBand，用于超等打算机。InfiniBand蔓延相配低，但它的软件栈和整个这个词可管感性对使用以太网的东谈主来说相配生疏。是以咱们决定初次进入以太网交换机市集。Spectrum-X依然推出就大成效利，使咱们成为寰宇上最大的集会公司。

生态闭环：从基础设施到行业浸透的全栈布局

但就像我之前说的，AI已经重塑了整个这个词打算本事栈的每一层。同理可证，当AI运转辞寰宇各地的企业部署时，它也必将重塑存储的方式。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、临时的挂念，叫作念KV缓存（键值缓存）。但试验上，KV缓存即是AI的管事内存。AI的管事内存存储在HBM内存中。

对于生成的每一个token，GPU都会读入整个这个词模子、整个这个词管事内存，产生一个token，然后将这个token存回KV缓存。下一次它再作念相通的事情时，它会再次读入整个这个词内存，流经GPU，生成另一个token。它就这样重迭进行。显着，若是你永劫候与AI对话，这个内存——这个高下文内存——将会急剧增长。更毋庸说模子本人在增长，咱们与AI交互的轮次在增多。咱们以至但愿这个AI能作陪咱们一生，记取咱们与它进行过的每一次对话，对吧？我要求它磋磨的每一个畅达……天然，分享超等打算机的用户数目也会握续增长。

因此，这个最初能放进HBM的高下文内存，现在已经不够大了。旧年，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平直团结到Hopper，平直团结到Blackwell，以蔓延高下文内存。但即使那样也不够。是以，下一个责罚有筹划天然是走集会。但是，若是有大批AI同期在运行，阿谁集会将不再饱胀快。

是以谜底很明确：需要一种不同的方法。因此，咱们引入了BlueField-4，以便咱们能够在机架内领有一个相配快速的KV缓存高下文内存存储。这是一种全新的存储系统类别。业界对此相配本心，因为这是简直整个今天进行大批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缓存移动所导致的集会流量。

因此，咱们创建一个新平台、一个新处理器来运行整个这个词Dynamo KV缓存/高下文内存管理系统，并将其放在相配集聚机架其他部分的场地，这完全是改换性的。

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将得到额外的16太字节内存。现在，在这个节点里面，每个GPU蓝本约莫有1太字节内存。现在有了这个位于吞并东西向流量上、数据速率完全相通（每秒200Gb）的复古存储，横跨整个这个词打算节点的集会结构，你将得到额外的16太字节内存。

Vera Rubin有几个方面真的相配不可念念议。第少量我刚才提到过：整个这个词系统的能效是前代的两倍。天然功耗是前代的两倍，能耗亦然两倍，但打算智商是数倍于此。进入系统的液体温度仍然是45摄氏度。这使咱们能粗略全球数据中心约莫6%的电力，这是件大事。

第二件大事：整个这个词系统现在支握秘要打算，意味着所额外据在传输中、静态时和打算历程中都是加密的，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。是以它是秘要打算安全的。这让公司可以坦然，即使他们的模子由别东谈主部署，也弥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管事负载的特质，它会在已而激增。这个叫作念"全归约"的打算层所使用的电流量、能量同期飙升，通常会蓦然激增25%。现在，咱们在整个这个词系统中已矣了功率平滑，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%的能源被徒然或闲置。现在，你可以用满整个这个词功率预算，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超等打算机的东谈主会心爱的图表。这需要……需要这里的每一个芯片、每一个系统的完全重新设计，并重写整个这个词软件栈，才使其成为可能。

咱们作念的事情其实围绕三个中枢重要：

第一是检修速率。检修AI模子越快，就能越早把下一代前沿模子推向寰宇。这平直决定本事最初性、上市时候和订价权。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进行检修。在相通的检修周期（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——在相通的时候里，你能检修更大、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500亿好意思元进入，而电力是硬性管理。若是你的打算架构每瓦性能更高，相通的电力就能产生更多算力，平直泛动为数据中心的产出和收益。布莱克韦尔平台比较前代已矣了约10倍的能效擢升，而鲁宾将在此基础上再次擢升近10倍。

第三是推理资本。也即是试验生成每个token的资本。Rubin平台将这一资本裁减到原来的约十分之一。

这即是咱们推动整个这个词行业走向下一个前沿的方式——让检修更快、能效更高、推理更经济，从而复古AI握续向更大范畴、更高水平发展。

如环球所见，今天的英伟达早已不仅是芯片公司。咱们构建的是齐备的全栈AI体系——从芯片、系统、基础设施，到模子和应用。咱们的管事是打造齐备的本事栈，让在座的每一位都能在此基础上，为寰宇创造令东谈主咋舌的AI应用。

谢谢环球到场，祝环球在CES获利满满！

—— · END · ——

重磅推出：