“我只想让大家知道，此刻站在这里，全凭临场发挥。”北京时间3月19日凌晨1点，英伟达CEO黄仁勋迎着台下上万名观众的欢呼声，开启了2025年度GTC大会的主题演讲。
没有预备发言稿，也没有提词器，但黄仁勋在两个多小时的演讲可谓“信息量爆炸”：Blackwell进展、AI市场判断、机器人、光电共封装CPO新品……这些备受业界关注的焦点，英伟达一件不落地给出了最新官方回应。
显然，临场发挥的黄仁勋必须“有备而来”，抓住这一令全球目光聚焦的时刻，不仅亟需证明英伟达本身，更要证明英伟达对AI押下的赌注是正确的。
GTC现场，黄仁勋与小机器人同台互动
信号一：Agentic AI时代，计算需求或将暴增
拨开GTC演讲的大幕，黄仁勋最先也最想释放出的信号与AI市场直接相关。
人工智能真正进入全球公众视野，大约是在十年前。在这十年光景里，人工智能经历了不同阶段的变化。一开始是感知人工智能，包括计算机视觉、语音识别；接着是过去五年逐渐受到关注的生成式人工智能：在一个模态与另一个模态之间进行转换，例如文生图、图生文、文生视频。
“生成式人工智能从根本上改变了计算的方式，从检索式计算模型转变为生成式计算模型。”黄仁勋表示。
此次GTC大会，“Agentic AI”（代理式AI）成为英伟达频频提及的关键词。黄仁勋对其进行了解释：“Agentic AI”从根本上说，是指具备“自主性”（agency）的AI，它能够感知和理解环境的上下文，很重要的一点是它能进行推理，思考如何回答或解决问题，制定并执行计划，还能使用工具。黄仁勋认为，Agentic AI 的基础是推理。
英伟达Dynamo 开源库加速并扩展 AI 推理模型
“今年的GTC被称为AI界的‘超级碗’。唯一的区别在于，在这场‘超级碗’里，每个人都是赢家。”黄仁勋做出如此比喻，透露出其对AI前景的乐观态度。
以DeepSeek为代表的开源推理大模型的问世，曾一度令英伟达遭受资本市场的质疑。今年2月，黄仁勋首次正面表达了对于DeepSeek问世将利好英伟达未来的信心。在本次GTC大会上，黄仁勋再次对AI需求问题作出回应：
“过去这一年，几乎整个世界在这方面都看走眼了。AI的计算需求及其扩展定律其实更具韧性，甚至可以说是超加速。由于Agentic AI、推理的出现，如今我们所需的计算量比一年前的预期至少高出100倍。”
上述判断如何得出？答案藏在被英伟达视为人工智能基本构成单元的“token”身上。
黄仁勋表示，现在我们有了能逐步推理的AI，它利用“Chain of Thought”（思维链）、取多种解法里最优和一致性检查等多种技术，一步一步地分解问题，进行推理。由此可以想见，AI所生成的token数量会急剧增多。
那么，前文的“100倍”具体意味着什么？黄仁勋用数字给出解释：这也许是生成了100倍的token数量；又或者，模型本身更复杂，只生成10倍的token，但若想让模型具备交互性、实时性，就要把计算速度再提高10倍。这样一来，10倍的token、10倍的速度，就相当于需要100倍的计算量。因此，推理所需的计算量远超以往。
信号二：芯片路线图按节奏推进
如果AI计算需求持续呈倍数级增长，英伟达如何应对？
“英伟达未来几年的路线图，大约保持一年一次的迭代节奏，就像时钟滴答一样稳定。”黄仁勋表示。
借助今年GTC大会，黄仁勋提前透露了一张涉及未来几年的芯片架构路线图，将每年升级全栈AI系统、发布一条新产品线：2025年下半年推出Blackwell Ultra，2026年下半年推出Rubin，2027年下半年推出Rubin Ultra，预计2028年推出采用下一代HBM的Feynman平台。
Blackwell 系列工作站和服务器GPU
具体来看，英伟达于去年3月发布了AI芯片与超级计算平台Blackwell架构，并推出GB200芯片。此次黄仁勋表示，目前Blackwell已经全面投产。今年，Blackwell新一代芯片的正式名字为Blakwell Ultra。据悉，Blackwell Ultra由台积电N4P工艺的Blackwell GPU+Grace CPU+更大容量的HBM封装而来。英伟达表示，Blackwell Ultra也适用于AI智能体，以及用于训练机器人和汽车自动驾驶的“物理AI”。
此外，英伟达公布了继Hopper、Blackwell之后的下一代GPU架构Rubin——以在暗物质研究领域取得突破性进展的天文学家Vera Rubin命名，以及Rubin Ultra的计划配置。据悉，Rubin平台拥有全新的CPU和网络架构，性能将是Hopper的两倍，且内存更大，将为AI应用提供更强大的支持。Rubin Ultra系统由Rubin Ultra GPU和Vera CPU组成。Rubin Ultra由4块掩模尺寸的GPU组成，拥有1TB HBM4e内存，FP4峰值推理能力可达100PFLOPS。
值得一提的是，此次黄仁勋还宣布了Rubin之后的下一代AI芯片架构“Feynman”。该名称源自对量子计算领域有着重要贡献的科学家Richard Phillips Feynman。
提前公布未来三年路线图的原因何在？黄仁勋给出的解释是，现在要建的是AI工厂，这需要多年规划。
“这可不是买台笔记本电脑那么简单，也不是一笔随心所欲的支出，而是必须经过对土地、电力、资金、工程团队等各方面的长远计划。”黄仁勋在演讲中说道， “所以我们必须给出一个2—3年的预告，而不是等到某个月份突然说‘嘿，下个月又有一个超棒的新系统’”。
信号三：关于未来还有更多“宏大叙事”
AI行业并非一个单点，而是从技术到设施再到应用的一个立体面。因此，作为AI行业走在前面的那一批，英伟达的故事只讲“芯片”还远远不够。此次，黄仁勋从一些侧面传达出英伟达在整个AI产业链的布局。
英伟达正式发布硅光网络交换机
从上游技术层面来看，AI光通信时代背景下，数据中心规模持续扩大，带宽容量与高速数据传输速率的需求明显增加。光电共封装（Co-Packaged Optics，CPO）作为一种新型的光电子集成技术，受到产业界众多头部企业关注。此次，英伟达正式发布硅光子网络交换机Spectrum-X和Quantum-X，目的是推动AI工厂扩展到数百万GPU级别。值得关注的是，英伟达的硅光生态系统伙伴包括了台积电、康宁、Browave、Coherent等知名公司。
“AI工厂是一种超大规模的新型数据中心，必须采用全新的网络基础设施才能跟上它的发展步伐。”黄仁勋表示，英伟达将硅光直接集成到交换机中，打破了超大规模和企业网络的旧有限制，为百万GPU AI工厂打开大门。”据悉，英伟达的硅光交换机创新地集成了光器件，减少了4倍的激光器数量，与传统方法相比，能源效率提高到3.5倍，信号完整性提高到63倍，大规模组网可靠性提高到10倍，部署速度提高到1.3倍。
在下游应用层面，机器人赛道是当前人工智能应用中最受关注的领域之一。此次的GTC大会，英伟达发布了全球首个开源且完全可定制的人形机器人基础模型Isaac GR00T N1，并推出加速机器人开发的仿真框架。其中，英伟达、谷歌DeepMind和迪士尼合作开发新一代开源物理引擎Newton，旨在加速人形机器人学习与开发。
“物理AI和机器人正在飞速发展，可能会成为规模最大的产业。”黄仁勋表示，一切的核心挑战跟之前类似：数据从哪来、模型架构是什么、以及如何做扩展（scaling）。在机器人领域，同样需要能大量生成或获取数据，需要强大的算力来训练模型，以及让AI越训越强的扩展性。
