DeepSeek真帮黄仁勋了，你们怎么不信呢？

今天小编分享的科技经验：DeepSeek真帮黄仁勋了，你们怎么不信呢？，欢迎阅读。

北京时间 3 月 19 日凌晨，站在圣何塞 GTC 大会的舞台上，连黄仁勋自己都调侃：GTC 是 AI 届的超级碗。

几周以来，外界已经对黄仁勋在 GTC 的演讲万分期待。这个演讲可不好做，在 DeepSeek 的冲击之下，英伟达今年的股价已经下跌了 12%。

这不再是发布新产品，高喊 AI 就是未来就可以完成任务的演讲，今年，黄仁勋需要回答很多问题。

而这场持续了两个半小时的演讲也的确和往年有很大的不同，黄仁勋在一开始就花了很长的时间去解释为什么推理时代缩放定律没有死、为什么英伟达依然非常重要。

而后，他不仅拿出了 Blackwell 的超大杯产品，还透露了下一代芯片，甚至下下代架构，时间一直蔓延到 2028 年。压轴出场的，则和黄仁勋勾画的 AI 发展路线图中的最后一站 " 物理 AI" 相关。

黄仁勋拯救了英伟达股价吗？至少从当日来看，截至收盘英伟达股价跌了 3.43%，总市值缩水至 2.82 万亿美元。

到底是市场还需要几天时间消化，还是黄仁勋 " 游说 " 失败，还得等等看。

演讲要点：

1、发布超大杯 Blackwell Ultra，性能提升 1.5 倍。

2、下一代 AI" 超级芯片 "Vera Rubin，计划 2026 年底推出，并透露下下代芯片架构为 Feynman，计划 2028 年推出。

3、AI 工厂的作業系統 Dynamo，推理框架，资源利用最大化，搭配 Blackwell 强上加强。

4、推出 "AI 超级电腦 "DGX Spark、DGX Station，提高本地运行大型 AI 模型的能力。

5、宣布网络组件的最新动作，推出 Spectrum X 和 Quantum X 交换机。

4、发布首个开放式人性机器人基础模型 Isaac GROOT N1；并宣布与谷歌 DeepMind 和迪士尼研究院合作开发 Newton 开源物理引擎。

01 现场 " 开课 "，

黄仁勋：你们真的都搞错了

自从号称训练只用了几百万美元的 DeepSeek 推理模型问世，世界就没有停止对英伟达的质疑。

起先，黄仁勋不语。然后，他开始发声，在采访中和财报会议上表示推理时代仍然需要大量计算，仍然需要英伟达的力量。

这次，他终于把这点摊开揉碎地说明了一番。

在发布会上，老黄拿出例子，让 Llama3.3（LLM 的代表）和 DeepSeek R1（推理模型的代表）回答同一个问题：

" 在我的婚礼上，需要 7 个人围坐同一桌。我的父母和岳父岳母不能挨着坐。此外，我妻子坚称她在我左手边的话，拍照更好看。同时，我需要坐在伴郎身边。我们怎么安排座位？如果我们邀请牧师和我们坐一起呢？"

看完这个问题，大部分人可能已经头大了。要回答它，不仅要识别其中包含多少个不同的需求，还要同时满足所有需求。有意思的是，最后又有一个进一步的问题，需要先回答主问题再补充这个问题的答案。

Llama 3.3 非常简单粗暴，回答得很快，只用了 439 个 tokens。但是，它的回答并不正确，未能满足所有要求。快、省但对于提问的人来说无用。

DeepSeek R1 则反复思考，尝试了很多可能，反复检验答案，最终消耗了 8559 个 tokens，才最终给出了答案。时间久，消耗大，但是给出的答案准确。

而每一个 token 生成的背后，都是整个模型的加载。推理模型更复杂，也就需要更多地计算。DeepSeek R1 的参数规模达到 6800 亿，下一代有可能达到数万亿参数规模。

两相对比，DeepSeek R1 比 Llama 3.3 多生成了 20 倍的 tokens，计算需求高出 150 倍。

" 大模型推理是一种极限计算。" 老黄表示。

通过这个对比，老黄很直观地告诉大家：推理模型也许预训练的时候消耗少，但推理起来可是实打实的吸金兽啊。英伟达 GTC 的官方博文中，把 Tokens 视为 AI 的语言和货币。

" 去年，关于扩展定律 Scaling Law，全世界几乎都预测错了。" 老黄在台上再次强调。他进一步指出，如今扩展定律从一个变成了三个：预训练、后训练（微调）和推理。

那英伟达在推理时代要做什么呢？两方面：一方面，让芯片能在部門时间内处理更多 tokens，另一方面，让部門算力的成本和能耗降低。

黄仁勋此前就在财报会议上表示，Blackwell 就是为推理而生的，这次演讲中在说清楚推理模型为什么需要更多算力之后，黄仁勋也拿出图表，展开讲了讲这一点。

以 Blackwell 和 Hopper 做对比，都是 1 兆瓦功耗，Hopper 数据中心每秒生成 250 万 tokens。Blackwell 数据中心提高了 25 倍，如果是推理模型，则比 Hopper 好 40 倍。

这让图表中出现了一个向上鼓的曲线，这个曲线正是黄仁勋想让各位 AI 制造商关注的 " 赚钱要点 "。

黄仁勋称，成本是 AI 输出的 token，收益就是用户获得的 token。如果纵轴是前者，横轴是后者，横轴扩张更多时——也就是收益比成本扩张更多时——一个漂亮的利润弧线就出现了。

为了强调 Blackwell 是为推理而生这一点，老黄甚至不惜 " 拉踩 "Hopper，称：" 当 Blackwell 开始大量出货的时候，就算你送 Hopper，别人基本也不会要的。"

以前老黄总说，（英伟达 AI 芯片）买得越多越省钱，现在他更进一步，告诉大家，买得越多越赚钱。

02 软硬兼施，

Blackwell 超大杯与 "AI 工厂作業系統 "Dynamo

花了 40 分钟讲明白为什么英伟达依然能打，为什么说 Blackwell 是为推理而生之后，黄仁勋当然还得说说新产品。

首先是 Blackwell Ultra，专为 AI 推理时代而打造，Ultra 的后缀大家也不陌生了，超大杯。

" 我们专为这一刻设计了 Blackwell Ultra，一个多功能平台，（利用它）可以高效地进行预训练、后训练和推理。"

其中 GB300 NVL72 在一个机架规模设计中连接了 72 个 Blackwell Ultra 芯片，并包含 36 个基于 Arm Neoverse 的 Grace CPU。较上一代性能提升 1.5 倍，与 Hopper 相比收入潜力提高 50 倍。还是以 DeepSeek R1 为例，老款 Hopper 运行这个模型时每秒只能处理 100 tokens，而 GB300 NVL72 每秒能处理 1000 tokens。

这意味着用户获得回答的速度大大提高。

而 HGX B300 NVL16 系统相比于 Hopper 一代，推理速度提升 11 倍，计算能力提升 7 倍，内存大 4 倍。

英伟达一直都有软硬兼施的策略，此前也针对自家的芯片做了不少优化（不过，DeepSeek 的开源周展示的一些优化甚至比英伟达还强），这次黄仁勋也同步官宣了开源推理框架 Dynamo。

黄仁勋将之称为 "AI 工厂的作業系統 "。这样说可能有点抽象，具体来说，Dynamo 像一个交通指挥官，帮助 GPU 之间实现更好的通信。对思考和生成可以进行独立优化，高效利用资源。如此一来，（还是回到演讲开头强调的 token 问题上）每秒就能产生更多 token 了。

不过，黄仁勋也表示，Hopper 虽然也可以用 Dynamo 优化，但是效果不会那么明显。

为推理而生的 Blackwell 再加上为推理优化而生的 Dynamo，就是强上加强，DeepSeek R1 的吞吐量一下提高 30 倍。

03 下一代更好

2028 年还不够远，黄仁勋勾勒 AI 发展路径图

除了现在，黄仁勋当然还得谈到未来。

英伟达下一代 AI 芯片 Vera Rubin 首次走到台前，黄仁勋介绍，该名称来源于天文学家 Vera Rubin（以暗物质研究著称）。

其中 CPU Vera 内容容量是前代的 4 倍多，内存带宽是前代的 2 倍多，而 GPU Rubin 讲配备 299GB 的 HRM4。

用老黄的话说就是 " 几乎所有细节都是新的 "。

这一代 Grace Blackwell（GB）将在今年下半年发货，Vera Rubin 将在 2026 年下半年发货。

黄仁勋也预告了 Vera Rubin 的超大杯，Rubin Ultra，对比 GB300 性能提升 13 倍，预计 2027 年下半年发货。

除此之外，连 Vera Rubin 之后的下一代 AI 芯片架构也被揭露，它被命名为 Feynman，这个名字同样取自于一位科学家，对量子计算领網域有突出和贡献的 Richard Phillips Feynman。黄仁勋预告，Feynman 甲沟将于 2028 年登场。

此外，值得注意的是，在演讲一开始，黄仁勋给出了 AI 的发展路线图，从 2012 年深度学习突破的起点 AlexNet 开始，经历 Perception AI（感知 AI，这个阶段 AI 主要用于理解数据，如识别语音、图片等）、Generative AI（生成式 AI，也就是现阶段的以 ChatGPT 为代表的技术）。