作者 | ZeR0
编辑 | 漠影

芯东西美国圣何塞3月19日现场报道，美国科技圈最瞩目的AI技术盛会英伟达（NVIDIA）GTC大会正在火热举行。今日，英伟达创始人兼CEO黄仁勋在GTC大会上与芯东西等全球媒体进行交流，回应中美摩擦对英伟达的影响、对中国GPU产品出口计划、Blackwell GPU的定价与销售策略、台积电CoWoS供需情况等20个关键问题。

▲黄仁勋微笑聆听记者提问（芯东西摄）

英伟达最新发布的旗舰AI芯片Blackwell GPU为双芯设计方案，而上一代H100、H200是单芯片方案，在定价上不好做出直接的对比。黄仁勋强调说，不同系统会存在价格差异，相比只卖芯片，英伟达盯上的是整个数据中心的生意。

此外，据黄仁勋透露，在HBM3E竞争中严重掉队的三星已搭上英伟达这辆豪华巨轮——英伟达正在测试三星HBM，并宣布将使用它。

这两天，GTC大会肉眼可见地人气爆棚，圣何塞会议中心周围四处飘扬着英伟达GTC大会的道旗广告，街上到处都是佩带标志性英伟达绿badge的参会者。还有一些英伟达合作伙伴们花式助阵，比如宇树科技派出机器狗阵队，当街调戏美国本土狗；WEKA别出心裁地在附近街边停靠了几辆吸睛的紫色汽车，汽车前盖上大字写着“现已获得NVIDIA DGX SuperPOD认证”。

▲GTC会场附近路边停靠着吸睛的紫色汽车及广告标语（芯东西摄）

除了英伟达新品，黄仁勋还在接受媒体提问时分享了对OpenAI视频生成模型Sora、OpenAI CEO Sam Altman扩大芯片规模的计划、怎么预测AGI时间表、AI是否会灭掉码农、如何回应AI芯片创企Groq的叫嚣的观点。

特别是与Groq的交锋，快演成反转电视剧了，昨天英伟达GTC主题演讲刚结束，以碰瓷科技大佬出圈的大模型推理芯片创企Groq就发文，指名道姓地硬刚英伟达表态：“依然更快”。今天Groq又追加一句“……而且也依然功耗更少”。

在媒体沟通会上，被问到对此事的看法时，黄仁勋回应说：“我真的不太了解，无法明智地作出评价……芯片的存在是用来实现这个软件的。我们的工作是促进下一个ChatGPT的发明。如果是Llama-7B，我会感到非常惊讶和震惊。”

事情还没完，Groq创始人兼CEO Jonathan Ross随即在社交平台上发文并晒出跟黄仁勋的合照：“我之前见过黄仁勋，他的团队本周专门更新了GTC，以回应Groq，所以对Groq不太了解似乎不太可能。也就是说，***Groq运行700亿参数模型的速度比英伟达运行70亿参数模型的速度快。***体验一下：groq.com”

锋芒毕露的美国AI芯片公司们显然对GTC高度重视并紧密关注。

最近刚发布第三代晶圆级芯片的Cerebras，今日在距离GTC展区步行不到10分钟的地方举办Cerebras AI Day，在这里宣布“拥有4万亿颗晶体管的世界最快AI芯片CS-3”、“选择高通在AI推理中提供前所未有的性能”、算力达8EFLOPS的AI超级计算机G42破土动工，并分享了晶圆级架构的核心、AI能力鸿沟、GPU挑战、大模型在大芯片上训练得最好、新的多模态大模型发布。

▲路过Cerebras AI Day会场（芯东西摄）

Cerebras不忘发文踩一脚GPU：“在CS-3上，与GPU相比，我们能够以数量级的性能优势进行大规模训练。但即便是我们最大的集群本身也是作为单个设备运行的……现在鼓掌！”

以下是黄仁勋媒体沟通会20个问答（为方便阅读，部分问题及回答在尽可能不违背原意的前提下进行了精编处理）：

一、中美摩擦，对英伟达的影响有多大？

1、中美紧张局势如何影响生产制造和系统？

黄仁勋回答说：“是的，有两件事我们必须做，一是确保我们理解并遵守政策，二是尽我们所能地增强供应链的弹性。”

世界供应链很复杂，他举例说，HGX有35000个零件，其中8个零件来自台积电，其它中很大一部分来自中国，汽车和国防行业也是如此。

他相信各国的目标并不是对立的：“世界末日的情景不太可能发生，我希望这不会发生。我们能做的事情与弹性和合规性相关。”

2、英伟达与台积电的关系过去两年如何发展，包括芯片、封装以及Blackwell双芯设计？

黄仁勋称英伟达与台积电的合作关系是“业界最密切的合作关系之一”。英伟达做的事情很难，但台积电做得很好。英伟达有计算die、CPU die、GPU die、CoWoS基板，内存来自美光、SK海力士、三星，在台湾组装。供应链并不简单。这需要大公司的协调，替英伟达做这件事。

“他们也意识到需要更多的CoWoS。我们会全部解决的。”他谈道，跨公司协作是好的，你组装它们，另一家公司负责测试，再由另一家公司来构建系统，你需要一台超级计算机来测试超级计算机，制造层是一个巨大的数据中心。

“Blackwell是个奇迹，但我们必须在系统层面实现它。人们问我是否像SoC一样制造GPU，但我看到的是机架、电缆和开关，这是我对GPU的心理模型。台积电对我们至关重要。”黄仁勋说。

3、对于台积电，企业总是想要得到更多，能谈谈今年明年年英伟达的供需情况吗？比如今年英伟达的CoWoS需求是去年的3倍？

“你想要确切的数字，很有意思。”黄仁勋说，英伟达今年对CoWoS需求非常高，明年会更高，因为正处于AI转型的开始阶段——只有1000亿美元投入这一旅程，还有很长的路要走。

黄仁勋对台积电的增长非常有信心，称他们是很好的合作伙伴，理应成为现在的样子。他认为人们工作得非常努力，技术处在完美的位置。生成式AI正处于不可思议的位置。

4、英伟达新的网络技术计划出售给中国多少、能否告知中国在计算芯片上集成其他技术的具体倾向？

黄仁勋说：“我今年几乎没宣布过，有点贪心了哈。这是我们要宣布的。无论何时何地卖给中国，当然有出口管制，所以我们就会考虑这个问题。对于中国，我们有L20和H20。我们正在尽最大努力为中国某些客户优化它。”

5、当云计算厂商纷纷开始自研芯片，英伟达正转向云业务，你怎么看这一现象？他们自研芯片会影响价格吗？英伟达在中国的云计算战略和解决方案是什么？

黄仁勋解答说，英伟达生产HGX，然后卖给戴尔，戴尔把它放进计算机里，再卖出去。英伟达开发了在戴尔（设备）上运行的软件，创造了市场需求，来帮助销售这些计算机。

“我们与云服务提供商合作，将NVIDIA Cloud放到他们的云中。”他强调说，“我们不是云计算公司，我们的云叫DGX Cloud，但实际上我们是他们云中的一员，我们的目标是把客户带到云上，让客户在这台机器上交易。”

“我们将培养开发者，我们将创造对云服务的需求。”他谈道，“这与任何人的芯片无关——英伟达是一家计算平台公司，必须发展我们自己的开发者——这就是GTC存在的原因。”

“如果我们是x86公司，为什么还要办开发者大会？”黄仁勋犀利发问，“开发者大会是干什么的？因为架构仍在被接受，它的使用是复杂的，我们还没克服，所以DRAM不需要开发者大会，互联网不需要开发者大会，但向我们这样的计算平台需要，因为我们需要开发者，这些开发者会感激英伟达在每个云上都无处不在。”

二、解释Blackwell定价：没想卖GPU，数据中心才是追求

Raymond James分析师估计英伟达制造每个H100成本约为3320美元，B200成本约为6000美元，GB200解决方案成本远高于80GB内存的单芯片GH100；一个H100售价2.5万~3万美元，新GPU价格将比H100高出50%~60%。

不过英伟达并未公开其定价，这也是英伟达少见地没在官网直接列出B200的详情页，仅仅放出DGX B200和DGX B200 SuperPOD的介绍信息，Blackwell架构介绍页面也还没有上线。

▲英伟达官网目录截图拼接（绿色部分为本届GTC大会发布新品）

这周在接受CNBC专访时，黄仁勋透露新GPU架构的研发预算大概是100亿美元，Blackwell GPU的售价约为3万~4万美元。对于这一问题，黄仁勋在今日的媒体沟通会上做了补充说明：

6、Blackwell定价范围是多少？你之前提到每个Blackwell GPU价格是3万-4万美元。还有TAM，你想在2500亿美元TAM中占多大比例?

黄仁勋回复说：“我只是想让大家对我们产品的定价有大概的了解，并不打算报价——我们卖得不是芯片，而是系统。”

据他解释，Blackwell对不同系统的定价不同，不仅是Blackwell，系统还包括NVLink，分区是不同的，英伟达会给每个产品定价，定价将一如既往来自TCO。“英伟达并不制造芯片，英伟达构建数据中心。”黄仁勋强调道。

英伟达构建了全栈系统和所有软件，通过调试，使它具有高性能，构建数据中心。英伟达把数据中心分解成很多个模块，这样客户就能根据需求选择如何配置，自行决定买多少、怎么买。

一个原因是，也许你的网络、存储、控制平台、安全性、管理是不同的，所以英伟达和你一起分解所有的东西，帮你探索如何把它们整合到你的系统中，并有专门团队来提供帮助。

因此这不是买芯片，不是人们过去卖芯片的方式，是关于设计和集成数据中心的，英伟达的商业模式反映了这一点。

至于英伟达想在2500亿美元TAM中占多大比例？黄仁勋说，英伟达的机会不是GPU的机会，而是芯片的机会。GPU市场与英伟达所追求的市场截然不同，英伟达正在追求数据中心。全球数据中心大约是2000亿欧元，这是其中的一个建筑。英伟达的机会是这2500亿美元的一部分，现在将会增长，AI被证明是相当成功的，去年是2500亿美元，符合增长率为20-25%，长期机会将会是1万亿~2万亿美元，取决于时间表。

7、在构建像Blackwell这样的平台时，你是如何估计（客户）的计算需求的？目标基本上是增加计算，你如何考虑电力、效率和可持续性?

“我们必须弄清楚物理极限，达到极限，并要超越极限。”黄仁勋说，如何超越，是让事情变得更节能，例如，你可以用1/4的功率训练GPT。

Hopper需要用8000个GPU的任务，Blackwell只需2000个GPU，相同时间只消耗更少能效。因为能效更高，可以挑战极限。能源效率和成本效率是首要任务。英伟达把从大语言模型生成tokens提速30倍，以此节省很多能源，即生产相同tokens所需的能源减少到原来的1/30。

8、除了HBM之外，怎么看待三星和SK海力士的生产？

黄仁勋调侃说：“这就像问台积电，除了代工，除了GPU，你还喜欢英伟达吗？”

据他分享，HBM是复杂的，附加值很高。英伟达在HBM上花了很多钱！

“我们正在测试三星HBM，我们将使用它。”黄仁勋透露道，“三星是一个很好的合作伙伴。韩国是世界先进存储器生产量最多的国家。HBM非常复杂，它不像DDR5。这是一个科技奇迹。这就是它这么快的原因。HBM就像逻辑，而且越来越复杂，越来越半定制化。”

他称赞HBM是一个奇迹，由于生成式AI，整个数据中心的DDR已经成为过去，未来属于HBM。

“三星和SK海力士的升级周期令人难以置信。我们的合作伙伴将与我们一起成长。我们将用HBM替换数据中心中的DDR。能效提高了很多。”黄仁勋说，这就是英伟达让世界更可持续发展的方式——更先进的内存，更低的功耗。

9、英伟达AI代工厂与企业合作的整体战略和长期目标是什么？

黄仁勋说，代工厂的目标是制造软件，不是作为工具的软件，但别忘了，英伟达一直是一家软件公司。英伟达很久以前创建了两个重要软件，一个叫OptiX，后来变成了RTX；另一个叫cuDNN，是一个AI库，我们有很多不同的库。

未来的库是一种微服务，不仅是用数学来描述，在AI中也有描述。这些库，英伟达叫cuFFT、cuBLAS、cuLitho——未来它们将是NIM。这些NIM是一些超级复杂的软件，英伟达将其打包，所以你能访问网站来使用它，或下载它，在云上或者计算机、工作站上运行它。英伟达将使得NIM性能更好。

当企业运行这些库时，自定义操作系统会进行授权，授权费用为4500美元/GPU/年，你可以在上面运行任意多的模型。

三、AI芯片竞争对手公开挑衅，黄仁勋回击“真的不了解”

10、你对Groq这样的芯片创企有何评论，Groq昨天发了一条推文，说要比你的“孩子”更快？

“我真的不太了解，无法做出明智的评价。”黄仁勋认为token生成很难，取决于你想要的模型，每个模型都需要自己特殊的分区方式。

在他看来，成为Transformer并不是所有模型的终结——每个Transformer都是相关的，因为都有注意力；但它们又都是完全不同，有些是前馈或MoE（混合专家），有些MoE是2个专家，有些是4个，分工方式都是不同的，所以这些模型中的每一个都需要非常特殊的优化。

如果计算机太脆弱，被设计来做一些非常具体的事情，它就变成了一台可配置的计算机，而不是可编程的计算机。它不会让你从软件创新的速度中获益。

黄仁勋认为，不能低估CPU奇迹的原因——由于可编程，CPU随着时间推移已经克服了主板上、PC上这些可配置的东西。软件工程师的天才可以通过CPU来实现，如果把它固定到芯片中，那就切断了软件用户的芯片才华。它真正要做的是从两者中获益。

他说，英伟达已经找到了一种特殊的计算形式，采用并行流计算模型，具有容错性，性能非常好，并且可编程。有一个架构从AlexNet开始就存在了，贯穿了所有的模型，最终Transformer出现了，有一大堆变种，这些模型在状态空间、内存和体系结构中不断发展。

“我们能做出一个有水平的模型是很重要的。”黄仁勋说，“芯片的存在是用来实现这个软件的。我们的工作是促进下一个ChatGPT的发明。如果是Llama-7B，我会感到非常惊讶和震惊。”

四、怎么看OpenAI CEO的芯片工厂网络计划？

11、Sam Altman一直在和整个芯片产业的人充分谈扩大范围和规模。你跟他聊过吗？你怎么看他想做什么？这对你和英伟达有什么影响?

“我不知道他的意图，除非他认为生成式AI是一个巨大的市场机会，我同意。”黄仁勋说。

他从基本原理谈起，今天计算机生成像素、检索、解压缩、显示。人们认为整个过程只需要很少的能量，但事实恰恰相反。原因是每个提示词、每件事、每次你用手机，它都要传到某个地方的数据中心，以一种从推荐系统的角度来看有意义的方式获得一些响应，然后把它发回给你。

例如，假如每次问他一个问题，他都要跑到自己的办公室，而不是直接回答，这就很浪费时间和精力。他认为一起工作的方式应该是扩大AI生成。未来越来越多的计算将是生成的，而不是检索，一代代必须是聪明的，并且上下文相关。

“我相信，我想Sam也相信，几乎每个计算机上的每个像素，每次你与计算机交互时，都由一个生成式芯片生成。”他希望Blackwell和后续迭代能继续在这个领域做出很大贡献。

“如果每个人的计算机体验都是生成式的，我不会感到惊讶。但今天还不是这样。这是个很大的机会，我想我会同意这个问题。”黄仁勋说。

五、AI替写代码，人类不用学编程了？

12、你之前说过没人需要学编程了，是在暗示人们不应该学习编程技能吗?

黄仁勋认为人们在学很多技能，像钢琴、小提琴这样的技能真的很难，并认为无论是数学、代数、微积分还是微分方程，人们应该尽可能多地学习这些技能。但对于成功者来说，编程技能并不是必不可少的。

“曾经有段时间，全世界很多大佬都在提倡，每个人都必须学习编程，因此你效率低。”他分享说，“但我认为这是错误的，学C++不是一个人的工作，这是计算机的工作来让C++起作用。”

在他看来，AI已经对社会做出了最大的贡献——你不必是一个C++工程师才能成功，只要做一个及时的工程师。例如，人类通过对话进行交流，我们需要学习如何提示AI，就像在运动中提示队友获得你想要的结果一样，这取决于你想要做的工作、想要取得的高质量结果、是否寻找更多想象力，或者是否想在结果中更具体。根据不同的答案、不同的人，你会给出不同的提示。

“我相信AI所做的第一件伟大的事，是缩小技术鸿沟。看看YouTube上所有的视频，都是人们创建AI，而不是编写任何程序，所以我认为这很有趣。”黄仁勋说，“但如果有人想学习编程——请这样做。我们正在招聘程序员！”

六、给AGI设定时间表，是否害怕AGI？

13、你之前提到AGI将在5年内实现，这个时间表还在吗？你害怕AGI吗？

黄仁勋略带回怼地回答道：“首先，定义AGI。”他沉默了一会儿，接着说道：“我停顿了一下，是因为现在，正如我所说的，我确信每个人都很难做到这一点。我想让你具体定义一下AGI，这样我们每个人都知道我们什么时候能到达。”

他直接表达出对此前新闻报道断章取义做法的不满：“每次回答这个问题，我都会指定AGI规范。但每次报道时，都没有人具体说明。所以这取决于你的目标是什么。我的目标是和你交流。你的目标是弄清楚你想讲什么故事。”

“OK，所以我相信AGI，正如我所指出的，可能在5年内，AGI，也就是通用智能，我不知道我们是如何互相定义对方的，这就是为什么我们有这么多不同的词来形容彼此的智力。”他谈道。

在黄仁勋看来，预测我们何时会看到一个通用的AGI，取决于如何定义AGI，需要明确AGI在问题中的具体含义。

他举了两个例子，比如定义圣克拉拉在哪里，它的位置很具体；再比如定义新年，尽管所处时区不同，每个人都知道新年什么时候到来。

但AGI有些不同。黄仁勋说，如果我们将AGI指定为具体特定的东西，比如一个软件程序做完一组测试成绩可以达到优秀（80%以上），比大多数人甚至比所有人都好，你认为计算机能在5年内做到这一点吗？答案可能是肯定的。

这些测试可以是数学、阅读、逻辑、学术、经济测试以及律师资格、医学预科考试等。

14、未来我们的生活如何随着大语言模型和基础模型而改变？

黄仁勋认为，问题是我们如何拥有自己的大语言模型。

“有几个方法可以做到，一开始，我们认为你不断微调，但微调很耗时，然后我们发现了提示调优，发现了长上下文窗口、工作记忆。我认为答案是所有这些因素的结合。”他谈道。

在他看来，未来你只用调整一层权重就能微调。你不需要调整所有的，只需像LoRA一样微调一层。低成本微调、提示工程、上下文、记忆存储，所有这些一起构成你的定制大语言模型。它可以在某个云服务里，也可以在你自己的电脑。

15、软件最大的增长机会在哪儿？是微服务吗?

黄仁勋说，英伟达最近的机会是两种类型的数据中心计算，一个是关于数据中心的现代化计算，另一个是数据中心的新提示生成。

英伟达这样做是想帮助客户制造AI。Llama、Mixtral、Grok……很多团队创造了AI，但这些AI很难使用。基础模型是原始的，不好用。

英伟达将创建其中的一些，然后选择一些主流的开源合作伙伴，并将这些模型转化为产品质量的可用模型。它还需提供服务，比如NeMo。

“我们不只会发明AI，还要制造AI软件，这样每个人都能使用它们。我们的软件大约是10亿美元运行率，我认为制造AI肯定能做相当多的事。”黄仁勋说。

16、一些关键任务要求100%正确，AI幻觉问题可以得到解决吗？

黄仁勋认为，幻觉是可以解决的，只要确保答案得到充分研究。

他谈道，添加一条规则，对于每个答案，你都必须查找答案，这就是RAG检索增强生成。如果你做一个查询，它应该先做搜索，不会编造一个答案并输出，而是优先考虑最准确地回答内容，然后反馈给用户。这个AI如果很重要，它不只是回答你，会先做研究，确定哪个答案是最好的，然后总结。这不是幻觉，是一个研究助理。这也取决于临界情况——更多的护栏或及时的工程。

对于关键任务的答案，例如健康建议或类似问题，黄仁勋认为，可能检查核对多种资源和已知的事实来源才是前进的方向。

17、你谈到用生成式AI和模拟来大规模训练机器人，但很多东西不好模拟，尤其当机器人走出建筑环境时，你认为模拟会有什么限制？当我们碰到这些限制时应该怎么做?

黄仁勋说，有几种不同的方式来思考这个问题。首先是构建你对大语言模型的想法。请记住，大语言模型是在一个不受约束的、非结构化的世界中运行的。这可能是个问题，但它从中吸取了很多教训。大语言模型的泛化能力是神奇的，然后通过迭代或通过提示来获取上下文窗口。

例如你要在厨房里做煎蛋卷，只有你才能具体说明问题，指定背景、你能用的工具，描述机器人的环境，这个机器人应该能够有效地泛化。

这是机器人的ChatGPT时刻。仍有一些问题需要解决，但可以看到推断。这一切都可以产生token，这些token在机器人看起来像这样前就已经生成了。机器人学对软件是有意义的。软件不懂其中的区别，只是个token。所以你必须组织所有的姿势，将所有输出标注化，概括环境，输入上下文，加强人类反馈，给它一大堆适当的问答例子，在哲学、化学、数学中的适当答案。

其中一些在页面中进行了描述。你可能需要1万多个大模型示例才能做出ChatGPT。我们的大脑可以区分文字和机器人动作之间的区别，计算机只能看到数字，它不知道这些东西的区别。

18、关于电脑游戏，去年你说每个像素都会被生成、渲染，你认为我们离这个每个像素都以实时帧速率生成的世界还有多远？你对游戏/非游戏的愿景是什么?

黄仁勋认为几乎所有的技术，S曲线都不会比技术长。一旦它变得实用和更好，就像ChatGPT一样，我想用不了10年的时间。在10年时间里，你是另一种专家；5年后，事情在实时变化，一切正在发生。所以你只需要决定我们在这方面走了多远。现在大概是2年了。在接下来的5-10年里，情况基本上就是这样。

19、您曾说过很多行业都将迎来ChatGPT时刻，能挑个令你兴奋的讲讲吗?

黄仁勋说，有些让他兴奋的是技术原因，有些是因为第一次接触，有些是因为影响。

“我对Sora非常兴奋，OpenAI做的很棒，去年我们在自动驾驶公司Wayve上看到了同样的情况，你也看到了我们所做的一些例子，差不多两年前，关于从作品中生成视频。”他谈道。

为了生成视频，模型必须了解物理，所以当你把杯子放下时，杯子是在桌子上，而不是在桌子的中间。它有感受力。它不必遵守物理定律，但它必须是明智的，理解所有的物理定律。

其次，黄仁勋认为英伟达对Earth-2气候数字孪生云平台的生成式AI模型CoreDiff所做的工作对预测2-3公里范围内的天气有巨大影响。英伟达使其能效提高了3000倍，同时速度提高了1000倍，可以预测极端天气下的飞行路线，在混乱天气的情况下，可以更频繁地采样，采样1万次。这个例子得到最可能答案的能力有很大提升。

第三，在分子生成、药物发现方面所做的工作，在具有目标蛋白质非常理想的特性的可药物分子中。可以把它放在像AlphaGo这样的强化学习循环中，生成各种分子与蛋白质的连接，进而探索巨大的空间。这是非常令人兴奋的。

20、请深入谈谈你对药物发现、蛋白质结构预测和分子设计的看法，这对其他领域有何影响?

黄仁勋说：“我们可能是最大的不制造量子计算机的量子计算公司。我们这样做的原因是因为我们相信它，我们想在这里，我们只是认为没有必要再建立一个。”QPU是一个加速器，就像GPU一样，用于一些非常特定的事情。

英伟达打造了cuQuantum，来模拟量子计算机。可以有34-36个量子比特。人们用它来模拟量子电路。我们可以做后量子加密，让世界为量子做好准备，因为当量子到来时，所有数据都被正确地编码、加密。英伟达可以为所有人做出贡献，与世界上大多数量子计算公司合作。黄仁勋相信还需要一段时间才能带来突破。

对于数字生物学来说，NIM的敏感性来源于数字生物学。BioNeMo是英伟达的第一个NIM。这些模型太复杂了，所以英伟达想用一种特殊的方式来封装它们，以便所有研究人员都能使用。BioNeMo在很多地方都得到了应用。输入一对化学蛋白，它会告诉你结合能是否有效；或者发送一种化学物质，并要求它产生其他化学物质。

附：黄仁勋15分钟演讲干货信息实录

现场媒体沟通会分为两部分。在进行媒体问答前，黄仁勋先做了15分钟的单人演讲。期间，黄仁勋特别提到对OpenAI视频生成模型Sora的看法，并从对生成式AI趋势、AI编程的见解，聊到英伟达重点产品线的技术规划和布局逻辑，包括新架构Blackwell的革命性进展、Omniverse API、系统模块化设计等。

以下是黄仁勋15分钟演讲精编：

行业正同时经历两个转型：一是从通用计算到加速计算；二是生成式AI新工具出现。

生成式AI被一些人称作数据中心。一个标准数据中心有文件，而生成式AI产生token，它生成的浮点数会变成文字、图像、声音。

未来，这些token将是蛋白质、化学物质、动画机器、机器人。如果计算机能说话，为什么它不能像机器人一样移动呢？

生成器是一个新的类别、新的行业，这就是为什么说新工业革命正在发生。这些房间、建筑被称作AI工厂。上一次工业革命，投入水和燃料，产生电。现在进入AI工厂的是数据，输出的是token，token可以分布到全世界，纳入公司成本、运营费用、资本支出。

在新世界，软件非常复杂，越来越大，需要很多不同的东西。今天它通过文字、图像、视频、强化学习、合成数据，通过像AlphaGo一样的辩论来学习。随着时间推移，这些模型会变得越来越复杂，它会学习很多方法。

黄仁勋着重分享了3个突破：

1、节能省钱：英伟达为万亿参数的未来创造了全新一代计算，由Blackwell实现。Blackwell非常高效节能。以训练GPT-MoE-1.8T参数模型为例，H100是90天15MW电力，而Blackwell是4MW，节省了11MW。“我们降低了这项工作量。”黄仁勋说这节省了很多很多的能源、很多很多的钱。

2、AI生成：游戏玩家总将GPU看作一个生成式引擎，生成图像和像素。你看到的所有图像都是由最大的GPU生成的。未来，图像、视频、文本、蛋白质、分子都将由GPU生成。GPU从图形生成发展到AI训练、AI推理，现在是AI生成。我们几乎所有的计算经验都将在大量产生，一切都将被预记录、个性化生成。未来一切都将被创造出来，而这需要一个特殊的处理器。英伟达打造了Blackwell，有第二代Tranformer引擎、下一代NVLink、多GPU并行。

3、软件：未来，软件是AI，你只要跟它说话，就能进行互动，非常易用。API如此自然，可以将很多AI连接在一起。英伟达打造了NIM微服务，把它们连在一起，让公司可以用现成的、定制的。NeMo服务可帮助客户定制NIM，这被称作AI代工厂。英伟达拥有实现该目标的技术、专业知识、基础设施，这就是代工厂，英伟达可帮助每个公司来构建定制AI，把AI技术推向世界。

在黄仁勋看来，对于下一波AI浪潮，AI必须理解物理世界。

“我们从OpenAI看到了一些革命性的、令人惊叹的AI，叫作Sora。当Sora生成的视频是有意义的，汽车停在路上转弯，一个沉思的人走在街上有倒影，显然AI理解这一点，理解物理定律。”他解释说，“如果我们把它发挥到极限，那么AI就能在物理世界中行动，这就是机器人技术。”

因此，下一代需要新的计算机来运行新的机器人、新的工具Omniverse、数字孪生，必须开发新的基础模型。英伟达以技术平台而非工具制造商的身份进入市场。企业可使用Omniverse API来创建数字孪生。黄仁勋对于该任务的成功感到非常高兴，称连接到这些工具是“超级充电”。

Blackwell是芯片的名字，也是计算机系统的名字。英伟达有一个沿用之前版本的x86系统，叫HGX，你可以把Hopper的托盘拉出来，然后把Blackwell推进去。由于支持生产的基础设施已经存在，生产转换和客户增长将变得容易得多。

英伟达也有DGX，液冷新架构，可以创建大型NVLink域，支持在一个域中采用8个GPU，即16个die。如果想打造更大的机器，英伟达有Blackwell和Grace Blackwell超级芯片的堆叠版本，以及NVLink Switch。

黄仁勋说，NVLink Switch是“世界上性能最高的交换机”，是非常模块化的，很受欢迎。