今天小編分享的教育經驗：黃仁勳 2 個半小時演講，英偉達已經進入「Agentic AI」時代，歡迎閱讀。
作者 | 宛辰 李源 張勇
來源 | 人工智能產業鏈 union 管理智慧 AI+
咨詢合作 | 13699120588
文章僅代表作者本人觀點
資本看空，只是在讓英偉達股票更「親民」而已。
「AI 屆春晚」過去以來一直是 GTC 的外号之一，但在 GTC2025 的開幕主題演講中，這個梗被英偉達創始人、愛穿皮衣的老黃「偷了」。「我覺得 GTC 已經變成了 AI 界的超級碗」
黃仁勳這樣介紹 GTC 的盛況。「但在這裡，AI 會讓我們每個人都成為赢家」。
在 GTC，沒有輸家好嗎｜圖片來源：英偉達
Agentic 拯救英偉達
黃仁勳秀出了 AI 技術發展的路徑｜圖片來源：英偉達
DeepSeekR1 的 Reasoning 模型給出了近 20 倍于傳統大模型的 Token 量｜圖片來源：英偉達
長思考的模型對于 Token 的需求有數倍提升｜圖片來源：英偉達
在性能、Token 和收入的多維度曲線下，廠商依然有盈利的機會｜圖片來源：英偉達
而要想達到「Revenue」那個切面、讓 AI 應用實現商業化閉環，還得買英偉達，依舊是「買得多省得多」——不，現在是「買得多，賺得多」。
「AI 工廠」的作業系統—— Dynamo
不久前，最了解英偉達的「DeepSeek 靠軟硬一體優化實現了 550% 的理論利潤率」新聞刷屏。别忘了，了解英偉達的，也包括他自己。DeepSeek 在 Infra 上的彈藥，老黃也給你配齊了！
英偉達此次推出了一個新的「AI 工廠」引擎的作業系統，Dynamo。有了它，tokens 的吞吐和延遲還能大幅優化！
黃仁勳講解 Dynamo 如何實現 pd 分離｜圖片來源：英偉達
引入 FP4 和 Dynamo 後 Blackwell 與 Hopper 系列芯片性能的對比｜圖片來源：英偉達
100 兆瓦數據中心算賬題｜圖片來源：英偉達
不只有 Blackwell「超大杯」，還有光芯片落地
BlackwellUltra 作為「超大杯」登場 | 圖片來源：英偉達
下一代 AI 芯片代号為 Rubin| 圖片來源：英偉達
這些也正是矽光子技術大顯身手的場景，矽光子芯片有潛力徹底改變數據處理速度，同時加快推動量子計算技術的發展。同時新光子技術還将為數據中心的 GPU 集群節省數兆瓦的能源。
「人工智能工廠是一種具有極端規模的新型數據中心，網絡基礎設施必須進行改造以跟上步伐。」黃仁勳這樣介紹矽光子芯片在數據中心的應用前景。
Quantum-XInfiniBand 交換機采用特殊的線纜來加速運行 | 圖片來源：英偉達
直到 2028 年的英偉達 AI 芯片硬體路線圖 | 圖片來源：英偉達
根據老黃公布的路線圖，Feynman 架構将于 2028 年登場——或許到那個時候，我們真的能看到量子計算技術出現重大突破了。
英偉達機器人生态完整成型
去年老黃在 GTC 上，伸出手臂，和一排人形機器人站在一起，已經成為經典一幕，
而今年，仿真數據和機器人，仍然出現在 GTC 的各個角落中。甚至在演講的一開始，老黃的講稿中，直接就把物理 AI 放在了 AI 發展的最高點上。
AI 發展的階段：後三個階段分别為生成式 AI、AgenticAI、物理 AI｜圖片來源：英偉達
而通過幾屆 GTC 下來，英偉達已經全面補齊了數據的生產流程：
Omniverse 和 Cosmos 的機器人數據效果｜圖片來源：英偉達
而針對人形機器人，英偉達還特别推出了一系列其他的工具，比如今年主推的藍圖（blueprint）工具中的 Mega，就可以測試大規模的機器人部署的效果。
英偉達希望人形機器人的開發者能夠先采集一部分現實世界的數據，導入 Omniverse 裡面，然後利用 Cosmos，将這部分現實世界的數據轉換成多樣化的虛拟數據，直接導入英偉達的 IssacLab 中進行後期訓練——或者模仿學習復制行為，或者強化學習在試錯中學習新技能。
在落地更快的自動駕駛領網域，這種 Ominiverse 和 Cosmos 相互依仗的數據能力已經初見成效。此次的 GTC，英偉達宣布通用汽車（GM）已選擇與英偉達合作，共同打造未來的自動駕駛車隊。除了對利用仿真環境對工廠和汽車的設計進行改進之外，英偉達還将幫助通用汽車改進智駕體驗。
其中，通用汽車重點看中的，應該就是 Cosmos 的整套端到端的 AI 訓練體系。3D 合成數據生成（3DSyntheticDataGeneration）能夠通過 Omniverse，将日志數據轉化為高精度 4D 駕駛環境，結合地圖和影像生成真實世界的數字孿生，包括像素級的語義分割。Cosmos 再通過這些數據擴展訓練集，生成更多準确且多樣化的駕駛場景，縮小仿真與現實（sim-to-real）的差距。
同時 Cosmos 為模型訓練也做了專門的優化，可以進行模型蒸餾和閉環訓練。
而落地更慢的人形機器人領網域，在去年到今年的 GTC 之間，我們甚至看到英偉達在算法上，也在發力。
在去年發布了 GR00T 模型之後，今年英偉達發布了 GR00TN1 模型。英偉達宣布這是全球首個開放的、完全可定制的通用人形機器人推理與技能基礎模型。
GrootN1 基于合成數據生成與仿真學習的技術基礎，采用了「快思考與慢思考」的雙系統架構。其中，「慢思考」系統讓機器人能夠感知環境、理解指令，并規劃正确的行動，而「快思考」系統則将規劃轉換為精準、連續的機器人動作。
GrootN1 架構｜圖片來源：英偉達
GrootN1 本身并不是一個重大的技術突破——之前 FigureAI 的 Helix 等模型，都是采取了類似的雙系統架構。
英偉達很明顯，希望的是通過将一套先進的模型開源，再加上完整的合成數據生成與機器人學習管道，人形機器人開發者可以在全球各個行業的不同環境和任務場景中對 GrootN1 進行後期訓練——正如 DeepSeek 對人工智能產業的帶動一樣。
英偉達在機器人領網域的進展似乎一直沒有停歇，一直在不斷補齊產業鏈上的每一個空缺，速度驚人。似乎要讓機器人開發，變得像目前的 AI 應用開發一樣容易，才能停歇。
專門針對機器人的研發，今年英偉達還與 DeepMind、迪士尼研究院（DisneyResearch）共同合作，聯合推出了一款新的物理引擎 Newton。
黃仁勳與迪士尼機器人互動｜圖片來源 : 英偉達
當前的大多數物理引擎都是針對特定需求設計的，例如大型機械模拟、虛拟世界或電子遊戲等，而機器人需要的，是能夠精确模拟剛體、軟體材料，支持觸覺反饋、時間序列技能學習、執行器控制，基于 GPU 加速，從而在超實時的虛拟世界中，以驚人的速度訓練 AI 模型的物理引擎。
在演講的結束，一款小小的 Blue 機器人登台亮相了。Blue 機器人内置了兩個英偉達芯片，而它的訓練，則是完全是在英偉達的建設的訓練體系和 Newton 引擎中，通過實時模拟完成的。
英偉達對于機器人的投入看來不會停止，機器人演示不斷出現小故障，搶走老黃的風頭，似乎也将成為接下來幾年英偉達 GTC 經常性的看點了。
演講結束前的經典畫面｜圖片來源：光輪智能創始人 &CEO 謝晨
在 GTC 主演講結束之前，老黃在視頻播放的間隙，擺了一個 Pose。你可以說是随性，但從某種意義上來看，這個經典畫面——明顯是名畫「創造亞當」的一個鏡像——可能會在以後 AI 科技的歷史中不斷出現。
