英伟达创始人兼 CEO 黄仁勋周二在公司年度 AI 开发者大会上向数千名观众表示，人工智能正处于“关键拐点”。
在这个被誉为“AI 界超级碗”的 GTC 2025 上，黄仁勋的主题演讲聚焦于英伟达在 AI 领域的最新突破，并分享了他对未来几年行业发展的预测。
他指出，全球四大云服务提供商对 GPU 的需求激增，并预计英伟达的数据中心基础设施收入将在 2028 年突破 1 万亿美元。黄仁勋表示，要推动人工智能的发展，特别是朝着 AI 代理（AI Agent）和推理 AI 模型（Reasoning AI Model）的方向迈进，需要强大的计算能力，甚至远超当前水平。
这一趋势向 AI 代理和推理 AI 迈进，意味着“训练和推理这些模型所需的计算量大幅增长”。
相比之下，传统的大语言模型（LLM）计算需求较低，并能立即生成回答。而推理模型则需要在回答之前进行多轮内部推理，因此计算需求大得多，响应时间也更长。“为了保持模型的响应速度，让用户不会因等待而失去耐心，我们现在需要将计算速度提高 10 倍，”黄仁勋表示，“而整体计算需求则轻松增长至 100 倍。”
黄仁勋此番言论，意在强调 AI 行业仍然需要大量的英伟达 GPU。
然而，今年 1 月，AI 初创公司 DeepSeek 透露，他们仅使用 2000 颗较慢的英伟达 H800 芯片，就训练出高性能的基础 AI 模型，而 OpenAI 等公司通常需要成千上万甚至更多的 GPU。
此消息一度引发市场担忧，导致英伟达股价暴跌，一天内市值蒸发近 6000 亿美元，华尔街投资者担心 GPU 需求被高估。
但黄仁勋认为，未来 AI 代理和推理 AI 的发展将带来更大需求。他预测，未来全球 10 亿知识工作者身边将有 100 亿 AI 代理协同工作。
市场需求的强劲增长已有迹可循。
黄仁勋透露，在英伟达 Hopper 架构 GPU 需求巅峰的那一年，公司向 AWS、微软、谷歌和甲骨文这四大云计算公司交付了 130 万颗芯片。而最新的 Blackwell 架构 GPU 在推出第一年，就已经出货 360 万颗。
此外，演讲中，黄仁勋展示了一场 AI 模型对决——Meta 的 Llama 开源模型与 DeepSeek 的 R1 推理模型。用户向两款模型提出了一个婚礼座位安排问题：在 7 个座位的桌子上，确保新娘和新郎的父母不相邻，并满足其他约束条件。
Llama 迅速给出答案，生成了 439 个 token（每个 token 约等于 0.75 个单词），但答案是错误的。而 R1 虽然正确解答，但计算时间更长，生成了 8,559 个 token。由于用户需按 token 付费，计算成本也更高。
黄仁勋表示，虽然有优化技术可以提高 AI 计算效率，从而减少计算资源消耗，但整体需求仍将持续增长。
AI 计算效率也是诸多初创公司正在攻克的难题。例如，斯坦福大学、加州大学洛杉矶分校和康奈尔大学教授联合创立的 Inception Labs，正研发并行计算技术，使 AI 生成 token 的过程由传统的逐个生成，改为并行生成，从而降低 GPU 计算时间。
重磅：Blackwell Ultra 与 Rubin AI 芯片在万众期待的发布环节，黄仁勋透露了英伟达下一代 GPU 架构的更多细节：- Blackwell Ultra：计划于 2025 年下半年推出；
- Vera Rubin（RubinAI 芯片，以著名天文学家 Vera Rubin 命名）：预计 2026 年底发布；
在长达两个多小时的演讲中，黄仁勋回顾了 AI 领域的“非凡进步”。
他表示，在过去十年间，AI 已从最初的感知和计算机视觉发展到生成式 AI，而如今正迈向具备推理能力的智能 AI（Agentic AI）。这意味着 AI 不仅能理解和生成内容，还具备自主推理和智能决策的能力。
此次 GTC 2025 的发布，标志着英伟达在 AI 计算领域迈向新阶段，也预示着 AI 未来发展将进入更高维度。
为推进机器人 AI 训练，黄仁勋发布了 Isaac GR00TN1，一款开源基础模型，专为类人机器人开发而设计。这款模型将与升级版 Cosmos AI 结合，生成模拟训练数据，帮助机器人进行更高效的学习。“这真的令人兴奋。提供一个开源平台，意味着更多人可以学习强化学习技术，”宾夕法尼亚大学电子与系统工程教授 Benjamin Lee 评价道，“不仅仅是行业巨头，学术研究者也可以使用这些合成数据进行实验。”黄仁勋还提到，Cosmos 系列 AI 模型可低成本生成高逼真度视频，用于机器人和自动化系统的训练。今年年初的 CES 大会上，他首次介绍了该系列模型。
这一开源模型能够与英伟达 Omniverse 物理仿真工具无缝对接，使得 AI 训练视频更加真实，同时大幅降低传统数据采集成本。相比之下，传统方法如让汽车在现实道路上采集数据，或让人类重复训练机器人，成本极高且耗时漫长。
除了 AI 计算需求，英伟达还宣布与通用汽车（GM）合作，共同开发 AI 定制系统，用于汽车制造、工厂管理和机器人应用。通用汽车的工厂和机器人将借助英伟达 Omniverse 和 Cosmos AI 基础模型进行优化。这些技术可用于创建装配线的“数字孪生”（Digital Twin），通过虚拟测试和生产模拟来减少停机时间。此外，双方还计划训练现有的机器人，使其更高效地完成物料搬运、运输以及精密焊接等任务。在汽车端，通用计划采用英伟达的 Drive AGX 系统，提升高级驾驶辅助系统（ADAS）和安全性能。此前，通用汽车已在 AI 训练中使用英伟达 GPU，而此次合作进一步扩展至汽车工厂的设计和运营领域。英伟达还宣布与谷歌及其母公司 Alphabet 展开合作，以加速 AI 在机器人、医疗、制造和能源领域的应用。双方工程师正携手研发具备抓取能力的机器人、重塑药物研发流程、优化能源网络等。与此同时，英伟达还与 GE HealthCare 合作，利用其最新的 Isaac for Healthcare 医疗设备模拟平台开发自主 X 光技术和超声波应用。该平台集成了预训练模型和基于物理的模拟，可在实际部署前对自主影像系统进行训练和验证，提高准确性和可靠性。此次合作的目标是扩大全球医疗影像技术的可及性。目前，全球约三分之二的人口仍无法获得先进的医学影像服务，而通过引入机器人技术，该合作希望让更多患者受益。英伟达还发布了 Nvidia DGX 系列桌面超级计算机，采用其 Grace Blackwell 平台，提供强大的 AI 计算能力。
- DGX Spark：此前以“Project Digits”亮相，是一款掌上型超级计算机，可提供高达 1000 万亿次运算（TOPS），专为 AI 微调和推理设计。
- DGX Station：一款桌面级超级计算机，具备数据中心级别的计算性能，适用于高强度 AI 计算任务。
英伟达表示，AI 开发者、研究人员、数据科学家和学生都可以使用这些设备，在本地或云端进行模型原型开发、微调和推理。此外，华硕、戴尔、惠普和联想等知名厂商将负责生产这些计算设备。另外，在量子计算领域，英伟达也在加快布局，宣布在波士顿成立英伟达加速量子研究中心（Nvidia Accelerated Quantum Research Center）。该中心将结合量子硬件与 AI 超级计算机，推动量子计算技术的发展，并计划于 2025 年正式投入运营。在演讲的最后，黄仁勋发布了一款开源物理引擎 Newton，专为机器人仿真而设计。这款引擎由英伟达、Google DeepMind 和 Disney Research 共同开发，旨在提升机器人在模拟环境中的训练效果，使其更接近真实世界的物理规律。随后，现场迎来了一位特别的“嘉宾”——小型方形机器人 Blue。它从舞台地板的暗门中跃出，发出电子音回应黄仁勋，并按照指令行动，最终停在他身旁。
原文来源于：
1.https://apnews.com/article/nvidia-gtc-jensen-huang-ai-457e9260aa2a34c1bbcc07c98b7a0555
2.https://www.pymnts.com/artificial-intelligence-2/2025/nvidia-ceo-why-the-next-stage-of-ai-needs-a-lot-more-computing-power/
中文内容由元宇宙之心（MetaverseHub）团队编译，如需转载请联系我们。
最新行业深度研究报告发放中！ 资本实验室全新发布 37 页量化报告《 2023 全球区块链应用市场暨产业图谱报告（2023） 》，收录 1000+ 应用案例 ，探索区块链应用趋势 ， 入群即可免费领取 。
单卡性能超越 DeepSeek！谷歌最新模型 Gemma 3 突破性能与成本双重壁垒
十大维度碾压 Gemini，一文读懂 DeepSeek 的弯道超车之路
