颠覆性GTC，老黄再扔炸弹 |【经纬低调出品】

9月前

被称为科技“春晚”的大会之一的GTC带来了哪些颠覆性的产品？

今日凌晨，黄仁勋穿着标志性皮夹克，登上演唱会般布局的舞台。站在舞台中央，黄仁勋先是用一张图回顾了英伟达的发展历史，期间还着重提了下自己亲自讲首台DGX One送给OpenAI的故事。

随即，黄仁勋向开发者英伟达最新一代产品和最新进展——在这场两个小时的演讲中，黄仁勋公布了搭载B200芯片的GB200 Grace Blackwell超级芯片系统，以及英伟达在AI软件（NIM微服务）、Omiverse云、具身智能方面的最新进展。

作为Hopper 的继任者，Blackwell B200这颗重磅炸弹实现了怎样的代际飞跃？黄仁勋宣布的GR00T的项目，意欲在机器人和具身智能做出哪些突破性工作？英伟达成为业界公认的“产业风向标”，又一次将人工智能行业推向又一个先锋时刻？以下，Enjoy：

强势发布「新作」

英伟达持续探索科技的边界

Hopper的继任者——算力炸弹Blackwell B200来袭！

几乎每六个月就翻一番的大型语言模型，让算力成为了行业必需，也让英伟达GPU成了抢手货。

这次GTC，英伟达再次发布新品“Blackwell B200”，以继承Grace Hopper的位置，成为下一代数据中心和AI GPU。

Blackwell和Hopper的对比

‍

黄仁勋表示：“Hopper很棒，但我们需要更大的GPU。”

Blacewell B200也确实从各种意义上完成了「继承」与「超越」：

保留 Grace CPU 架构，同时能够与更新的 Blackwell GPU 进行配对。
世界上晶体管数量最多的芯片，包含2080亿晶体管，是H100的两倍多。
第二代Transformer引擎，至多可以提供的4 petaflops的AI计算，提升了推理能力和模型大小。
使用台积电定制4NP TSMC工艺加持，支撑双芯片配置，是对Hopper H100的改进版本。
配备18个第五代NVLink连接，是H100链接数量的18倍。能够提供高达1.8TB/s的双向吞吐量，可以支撑大规模GPU间的高速通信。
配备 192GB HBM3e 内存，足以提供高达 8 TB/s 的带宽。

老黄在现场也展示了Grace-Blackwell系统（两个Blackwell GPU、四个die与一个Grace Cpu连接在一起）。GB200能够将两个B200 Blackwell GPU与一个基于Arm的Grace CPU进行配对。

还有专门为 AI 训练推出的 GB200 NVL72 机群，它将 36 个 CPU 和 72 个 GPU 插入一个单一的液冷机架中，总共有 720 petaflops 的 AI 训练性能或 1440 petaflops（也称为 1.4 exaflops）的推理能力。内部有近两英里长的电缆，有 5000 根独立电缆，包含 72 个 Blackwell GPU 和 36 个 Grace CPU，通过第五代 NVLink 互连。

英伟达表示，该系统可以部署一个拥有 27 万亿参数的模型，而 GPT-4 大约是一个拥有 1.7 万亿参数的模型。据称，亚马逊、谷歌、微软和甲骨文都已计划在其云服务产品中提供 NVL72 机架。

老黄对新芯片信心满满，并表示，人工智能是经济发生根本性变革的驱动力，而Blackwell芯片将成为“推动这场新工业革命的引擎”。他预计，Blackwell支持构建实时生成式AI的性能将有用武之地。许多组织都将采用Blackwell，例如亚马逊网络服务、戴尔、谷歌、Meta、微软、OpenAI、甲骨文、特斯拉和XAI等等。

如同Wedbush Securities分析师Dan Ives曾表示：“这代表着人工智能行业展望未来的又一个先锋时刻。”

不过，英伟达没有提供新款GB200或其使用系统的成本。据分析师估计，英伟达基于Hopper的H100芯片成本在2.5万至4万美元之间，而整个系统的成本高达20万美元。

NIM+NeMo：英伟达版企业用GPTs来了？

芯片炸弹以外，英伟达用软件再次给AI行业带来「亿点点」震撼。

发布会上，英伟达推出了集大成的新服务，也是新创收产品：NVIDIA NIM。

它甚至可以让企业“简单粗暴”地部署并利用使用自己数据打造的专属模型。

NIM支持使用旧的英伟达GPU进行推理，并允许公司继续使用他们已经拥有的数亿个英伟达GPU。

NIM的出场，让新人工智能模型的初始训练推理所需的算力更少。从商业策略角度来看，购买英伟达服务器的客户需要注册英伟达企业版，每个GPU每年收取费用4500美元。

黄仁勋表示，该软件还将帮助在配备GPU的笔记本电脑上运行人工智能，而不是在云服务器上运行。这又为客户提供了坚持使用英伟达芯片的理由，将英伟达生态环环相扣。

据英伟达高管表示，该公司正逐步从纯粹的芯片供应商转变为平台提供商，类似微软或苹果。

计算光刻平台

发布会上，英伟达还宣布台积电和新思科技（Synopsys）正推进部署使用英伟达的计算光刻平台。台积电和新思科技已决定在其软件、制造工艺和系统中集成英伟达的 cuLitho 计算光刻平台，加快芯片制造速度，并在未来支持最新一代英伟达 Blackwell 架构 GPU，以加速制造并推动下一代先进半导体芯片的物理极限。

NVIDIA 创始人兼首席执行官黄仁勋表示：“计算光刻技术是芯片制造的基石。我们与 TSMC 和 Synopsys 围绕 cuLitho 展开合作，通过加速计算和生成式 AI 为半导体微缩开辟了新的方向。”

英伟达还推出了全新的生成式人工智能算法，增强了用于 GPU 加速计算光刻技术的库 cuLitho，相比较目前基于 CPU 的方法，显著改善了半导体制造工艺。

英伟达开发了应用生成式人工智能的算法，以进一步提升 cuLitho 平台的价值。在通过 cuLitho 实现的加速流程基础上，新的生成式人工智能工作流程还能额外提高 2 倍的速度。

英伟达表示 cuLitho 的优势已经在台积电生产过程中显现，两家公司共同实现了曲线流程速度（curvilinear flows）提高 45 倍，传统的曼哈顿式流程（traditional Manhattan-style flows）提高近 60 倍。

Project GR00T 人形机器人

英伟达目前正在构建包括NVIDIA IAI、Omniverse、ISAAC三大与机器人产业高度关联的平台。

发布会上，黄仁勋推出了Project GR00T 人形机器人项目。GR00T 脱胎于英伟达的 Isaac 机器人平台工具，基于新的通用基础模型，GR00T 驱动的人形机器人能够接受文本、语音、视频甚至现场演示的输入，并对其进行处理以采取特定的操作，包括理解自然语言、模拟人类行为、在现实世界中导航和交互。

同时，基于英伟达Omniverse构建的ISAAC Lab也进行了同步更新。

同时，NVIDIA Omniverse Cloud将可以连接到苹果公司混合头显Vision Pro。

ISAAC Lab还整合了用于辅助提升机械臂的灵敏度与精确度的加速库平台ISAAC MANIPULATOR，以提升机器人的感知能力。

除了对于机器人的图片介绍外，现场，还展示了迪士尼的orange和green机器人。该机器人应用的是英伟达为机器人专门设计的首款AI芯片Jetson。

如果说，上一个万亿增幅空间的市场来源于算力和GPU，那么，下一个万亿增幅空间的选择上，机器人是英伟达的一条路。

2‍

黄仁勋干货发言回顾：向远看、向前看

英伟达成为业界公认的“产业风向标”，黄仁勋的发言也备受关注。

此前，黄仁勋曾表示，加速计算和生成式 AI 已达到一个转折点。而黄仁勋（Jensen Huang）先后参加了斯坦福商学院SIEPR经济峰会以及View From The Top 系列活动，围绕着加速计算的本质、模型训练的未来、人工智能（AGI）何时实现，AI增长需要多少额外芯片产能等方面，分享了不少真知灼见。

而在过去30多年的时间里，英伟达一直致力于一种称为加速计算的新型计算方式。研究加速计算的核心原因是，通用计算并不适合每一个工作领域，开发一种解决通用计算不擅长问题的计算方式。“事实上，我们在特定计算领域有效地做到了这一点。这本质上是算法的可以并行化。我们已经将计算机的计算成本降低到接近零。”

黄仁勋看来，AI是被加速计算所支持，可能是技术产业中最伟大的发明。AI很可能是21世纪最重要的事物。英伟达擅长的是加速计算，但英伟达的架构不仅能加速算法，而且是可编程的，这意味着你可以用它来处理SQL，他们可以加速量子物理、加速所有的流体和粒子代码等等广泛领域，其中之一才是生成式AI。

我们需要回到基本原理，思考生成式AI是什么。以往，信息被预先记录然后根据算法进行检索，而未来，信息处理的方式将从根本上发生变化。生成式AI将从一个信息“种子”出发，计算的未来将高度依赖生成而非检索。

如果在未来，内容将是AI生成式的，那么，计算形态会发生怎样的改变？

现在我们训练模型然后应用模型，再训练、再推理，在未来，我们将有持续的训练，甚至我们可以选择是否把训练的结果部署到应用中，AI通过观看视频和文本，不断地自我改进

学习过程和训练过程。推理过程、训练过程、部署过程、应用过程将变得一体，而且这种循环将是持续的。所以，未来的AI计算机也会做类似的事情，它会合成数据，再进行强化学习，再继续以真实世界的经验为基础，它会想象一些事情，然后用真实世界的经验来测试，整个循环就是一个巨大的循环。这就是当你能够将计算成本降低到接近零时，会发生的事情。

可我们什么时候能实现AGI？黄仁勋的回答是“如果对AGI的定义是它通过人类的数学、推理、医学、律师等测试，那么我会告诉你5年内就会做得很好。如果是拥有人类般的智能，那我不确定。但我们都在努力让它变得更好。”

这就离不开芯片。那么，为了支持AI的增长，需要多少额外的芯片产能？

简单说，我们是需要更多的fab。然而，我们也在不断改进算法和处理过程，效率在时间上有了巨大的提升。并不是说计算的效率就是今天这样，因此需求就是这么多。与此同时，我每10年都在提高计算能力一百万倍，而需求却增长一万亿倍，这两者必须相互抵消。然后还有技术扩散等等，这只是时间问题，但这并不改变这样一个事实：总有一天，世界上所有的计算机都将100%地改变，每一个数据中心，价值数万亿美元的基础设施，将完全改变，然后在这之上还会建造新的基础设施。

此外，黄仁勋还提到下一个即将到来的是液冷技术。它以数据中心的规模进行计算。在未来的10年里，我们将深度学习的计算能力再提高100万倍，会发生什么在未来，我们将有持续学习。我们可以决定是否将那个持续学习的结果部署到世界上的应用中，但计算机将观察视频和新文本，并从所有互动中不断改进自己。液冷GPU将以数据中心的规模进行计算。对于未来是否愿意为一定规模的客户定制解决方案，“如果是在现有生态系统基础上扩展，我们将非常乐意。”

没有一家公司可以仅靠一股热潮就能拔地而起。在黄仁勋看来，英伟达所做的每一件事，都是在创造技术，同时创造市场。过去三十余年，英伟达向下扎根，几乎每项工作围绕技术和市场展开。同时，他们也会向上攀岩——“对于未来，我们会做更多的计算，会将计算的边际成本降低到接近零。”