今天小编分享的教育经验：黄仁勋 2 个半小时演讲，英伟达已经进入「Agentic AI」时代，欢迎阅读。
作者 | 宛辰 李源 张勇
来源 | 人工智能产业链 union 管理智慧 AI+
咨询合作 | 13699120588
文章仅代表作者本人观点
资本看空，只是在让英伟达股票更「亲民」而已。
「AI 届春晚」过去以来一直是 GTC 的外号之一，但在 GTC2025 的开幕主题演讲中，这个梗被英伟达创始人、爱穿皮衣的老黄「偷了」。「我觉得 GTC 已经变成了 AI 界的超级碗」
黄仁勋这样介绍 GTC 的盛况。「但在这里，AI 会让我们每个人都成为赢家」。
在 GTC，没有输家好吗｜图片来源：英伟达
Agentic 拯救英伟达
黄仁勋秀出了 AI 技术发展的路径｜图片来源：英伟达
DeepSeekR1 的 Reasoning 模型给出了近 20 倍于传统大模型的 Token 量｜图片来源：英伟达
长思考的模型对于 Token 的需求有数倍提升｜图片来源：英伟达
在性能、Token 和收入的多维度曲线下，厂商依然有盈利的机会｜图片来源：英伟达
而要想达到「Revenue」那个切面、让 AI 应用实现商业化闭环，还得买英伟达，依旧是「买得多省得多」——不，现在是「买得多，赚得多」。
「AI 工厂」的作業系統—— Dynamo
不久前，最了解英伟达的「DeepSeek 靠软硬一体优化实现了 550% 的理论利润率」新闻刷屏。别忘了，了解英伟达的，也包括他自己。DeepSeek 在 Infra 上的弹药，老黄也给你配齐了！
英伟达此次推出了一个新的「AI 工厂」引擎的作業系統，Dynamo。有了它，tokens 的吞吐和延迟还能大幅优化！
黄仁勋讲解 Dynamo 如何实现 pd 分离｜图片来源：英伟达
引入 FP4 和 Dynamo 后 Blackwell 与 Hopper 系列芯片性能的对比｜图片来源：英伟达
100 兆瓦数据中心算账题｜图片来源：英伟达
不只有 Blackwell「超大杯」，还有光芯片落地
BlackwellUltra 作为「超大杯」登场 | 图片来源：英伟达
下一代 AI 芯片代号为 Rubin| 图片来源：英伟达
这些也正是硅光子技术大显身手的场景，硅光子芯片有潜力彻底改变数据处理速度，同时加快推动量子计算技术的发展。同时新光子技术还将为数据中心的 GPU 集群节省数兆瓦的能源。
「人工智能工厂是一种具有极端规模的新型数据中心，网络基础设施必须进行改造以跟上步伐。」黄仁勋这样介绍硅光子芯片在数据中心的应用前景。
Quantum-XInfiniBand 交换机采用特殊的线缆来加速运行 | 图片来源：英伟达
直到 2028 年的英伟达 AI 芯片硬體路线图 | 图片来源：英伟达
根据老黄公布的路线图，Feynman 架构将于 2028 年登场——或许到那个时候，我们真的能看到量子计算技术出现重大突破了。
英伟达机器人生态完整成型
去年老黄在 GTC 上，伸出手臂，和一排人形机器人站在一起，已经成为经典一幕，
而今年，仿真数据和机器人，仍然出现在 GTC 的各个角落中。甚至在演讲的一开始，老黄的讲稿中，直接就把物理 AI 放在了 AI 发展的最高点上。
AI 发展的阶段：后三个阶段分别为生成式 AI、AgenticAI、物理 AI｜图片来源：英伟达
而通过几届 GTC 下来，英伟达已经全面补齐了数据的生产流程：
Omniverse 和 Cosmos 的机器人数据效果｜图片来源：英伟达
而针对人形机器人，英伟达还特别推出了一系列其他的工具，比如今年主推的蓝图（blueprint）工具中的 Mega，就可以测试大规模的机器人部署的效果。
英伟达希望人形机器人的开发者能够先采集一部分现实世界的数据，导入 Omniverse 里面，然后利用 Cosmos，将这部分现实世界的数据转换成多样化的虚拟数据，直接导入英伟达的 IssacLab 中进行后期训练——或者模仿学习复制行为，或者强化学习在试错中学习新技能。
在落地更快的自动驾驶领網域，这种 Ominiverse 和 Cosmos 相互依仗的数据能力已经初见成效。此次的 GTC，英伟达宣布通用汽车（GM）已选择与英伟达合作，共同打造未来的自动驾驶车队。除了对利用仿真环境对工厂和汽车的设计进行改进之外，英伟达还将帮助通用汽车改进智驾体验。
其中，通用汽车重点看中的，应该就是 Cosmos 的整套端到端的 AI 训练体系。3D 合成数据生成（3DSyntheticDataGeneration）能够通过 Omniverse，将日志数据转化为高精度 4D 驾驶环境，结合地图和影像生成真实世界的数字孪生，包括像素级的语义分割。Cosmos 再通过这些数据扩展训练集，生成更多准确且多样化的驾驶场景，缩小仿真与现实（sim-to-real）的差距。
同时 Cosmos 为模型训练也做了专门的优化，可以进行模型蒸馏和闭环训练。
而落地更慢的人形机器人领網域，在去年到今年的 GTC 之间，我们甚至看到英伟达在算法上，也在发力。
在去年发布了 GR00T 模型之后，今年英伟达发布了 GR00TN1 模型。英伟达宣布这是全球首个开放的、完全可定制的通用人形机器人推理与技能基础模型。
GrootN1 基于合成数据生成与仿真学习的技术基础，采用了「快思考与慢思考」的双系统架构。其中，「慢思考」系统让机器人能够感知环境、理解指令，并规划正确的行动，而「快思考」系统则将规划转换为精准、连续的机器人动作。
GrootN1 架构｜图片来源：英伟达
GrootN1 本身并不是一个重大的技术突破——之前 FigureAI 的 Helix 等模型，都是采取了类似的双系统架构。
英伟达很明显，希望的是通过将一套先进的模型开源，再加上完整的合成数据生成与机器人学习管道，人形机器人开发者可以在全球各个行业的不同环境和任务场景中对 GrootN1 进行后期训练——正如 DeepSeek 对人工智能产业的带动一样。
英伟达在机器人领網域的进展似乎一直没有停歇，一直在不断补齐产业链上的每一个空缺，速度惊人。似乎要让机器人开发，变得像目前的 AI 应用开发一样容易，才能停歇。
专门针对机器人的研发，今年英伟达还与 DeepMind、迪士尼研究院（DisneyResearch）共同合作，联合推出了一款新的物理引擎 Newton。
黄仁勋与迪士尼机器人互动｜图片来源 : 英伟达
当前的大多数物理引擎都是针对特定需求设计的，例如大型机械模拟、虚拟世界或电子游戏等，而机器人需要的，是能够精确模拟刚体、软体材料，支持触觉反馈、时间序列技能学习、执行器控制，基于 GPU 加速，从而在超实时的虚拟世界中，以惊人的速度训练 AI 模型的物理引擎。
在演讲的结束，一款小小的 Blue 机器人登台亮相了。Blue 机器人内置了两个英伟达芯片，而它的训练，则是完全是在英伟达的建设的训练体系和 Newton 引擎中，通过实时模拟完成的。
英伟达对于机器人的投入看来不会停止，机器人演示不断出现小故障，抢走老黄的风头，似乎也将成为接下来几年英伟达 GTC 经常性的看点了。
演讲结束前的经典画面｜图片来源：光轮智能创始人 &CEO 谢晨
在 GTC 主演讲结束之前，老黄在视频播放的间隙，摆了一个 Pose。你可以说是随性，但从某种意义上来看，这个经典画面——明显是名画「创造亚当」的一个镜像——可能会在以后 AI 科技的历史中不断出现。
