英偉達(dá)在此次GTC上交付了一套完整的AI工業(yè)革命基礎(chǔ)設(shè)施。從Grace BlackwellGB200到到NVLink-72全互聯(lián)機(jī)架，再到Omniverse DSX數(shù)字孿生工廠，英偉達(dá)的戰(zhàn)略核心是：通過“極致協(xié)同設(shè)計(jì)”（Extreme Co-Design）來打破物理定律的限制，將AI推理（Inference）這個(gè)新的計(jì)算核心成本降至最低，從而持續(xù)驅(qū)動(dòng)AI工業(yè)發(fā)展的良性循環(huán)。
你可以構(gòu)建在理解層面具有空間特性、針對空間感知能力進(jìn)行了優(yōu)化的模型。你可以擁有針對長序列進(jìn)行優(yōu)化、在較長時(shí)間內(nèi)識(shí)別微妙信息的模型。有如此多不同類型的模型。在這些模型之上，還有構(gòu)建在這些模型架構(gòu)之上的架構(gòu)——這些就是應(yīng)用程序。
過去的軟件產(chǎn)業(yè)致力于創(chuàng)造工具。Excel是一個(gè)工具，Word是一款工具，網(wǎng)頁瀏覽器是一種工具。我之所以知道這些是工具，是因?yàn)槟闶褂盟鼈儭９ぞ咝袠I(yè)，正如螺絲刀和錘子，其規(guī)模有限。就IT工具而言，它們可以是數(shù)據(jù)庫工具，這些IT工具的價(jià)值約為一萬億美元左右。
但AI并非工具，AI是工作，這就是本質(zhì)上的區(qū)別。AI實(shí)際上就是能夠真正使用工具的勞動(dòng)者。我特別興奮的一件事，就是歐文在Perplexity公司開展的工作。Perplexity使用網(wǎng)頁瀏覽器預(yù)訂假期或購物，本質(zhì)上就是一個(gè)使用工具的AI。Cursor是一款A(yù)I系統(tǒng)，是我們在英偉達(dá)使用的具有自主決策能力的AI系統(tǒng)。英偉達(dá)的每位軟件工程師都在使用Cursor，它極大地提高了我們的生產(chǎn)效率。它基本上是每位軟件工程師的代碼生成助手，并且它使用了一個(gè)工具，它使用的工具名為VSCode。因此，Cursor 是一個(gè)基于VSCode的智能代理式AI系統(tǒng)。
所有這些不同的行業(yè)，無論是聊天機(jī)器人、數(shù)字生物學(xué)、AI助手研究員，還有在自動(dòng)駕駛出租車內(nèi)，當(dāng)然，AI司機(jī)是無形的。但顯然有一個(gè)AI司機(jī)在工作，而他完成這項(xiàng)工作的工具就是汽車。因此，我們迄今為止所創(chuàng)造的一切，整個(gè)世界，我們迄今為止創(chuàng)造的一切，都是工具，供我們使用的工具。技術(shù)如今首次能夠承擔(dān)工作，并幫助我們提高生產(chǎn)力。機(jī)遇清單源源不斷，這正是AI能夠觸及IT從未涉足的經(jīng)濟(jì)領(lǐng)域的原因。
IT是支撐著100萬億美元全球經(jīng)濟(jì)的工具之下，蘊(yùn)藏著數(shù)萬億美元價(jià)值的基石。如今，AI將首次參與這100萬億美元的經(jīng)濟(jì)體，并提升其生產(chǎn)力，讓它增長得更快，變得更大。我們面臨嚴(yán)重的勞動(dòng)力短缺問題，擁有能夠增強(qiáng)勞動(dòng)力的AI將助力我們實(shí)現(xiàn)增長。
從科技產(chǎn)業(yè)的角度來看，這點(diǎn)同樣耐人尋味：除了AI作為新興技術(shù)正在開拓經(jīng)濟(jì)新領(lǐng)域之外，AI本身也是一種新興產(chǎn)業(yè)。正如我先前所解釋的，這個(gè)tokens，這些數(shù)字，在你將所有不同模態(tài)的信息進(jìn)行分詞處理之后，有一家工廠需要生產(chǎn)這些數(shù)字。
與過去的計(jì)算機(jī)行業(yè)和芯片行業(yè)不同，如果你回顧過去的芯片行業(yè)，芯片行業(yè)約占數(shù)萬億美元IT 產(chǎn)業(yè)的5%至10%，可能更少。原因在于，使用Excel、使用瀏覽器、使用Word并不需要太多的計(jì)算量。我們進(jìn)行計(jì)算，但在這個(gè)新世界里，需要一臺(tái)始終理解上下文的計(jì)算機(jī)。它無法預(yù)先計(jì)算出結(jié)果，因?yàn)槊看文阌秒娔X進(jìn)行AI操作時(shí)，每次你讓AI做某事時(shí)，上下文都不同，因此它必須處理所有這些信息。
例如自動(dòng)駕駛汽車的情況，它必須處理車輛的上下文信息，進(jìn)行上下文處理。你要求AI執(zhí)行什么指令？然后它必須一步一步地分解問題，思考此事，制定計(jì)劃并付諸實(shí)施。該步驟中的每個(gè)操作都需要生成大量tokens。這就是為什么我們需要一種新型系統(tǒng)的原因，我稱之為AI工廠。這絕對是個(gè)AI工廠。
它與過去的數(shù)據(jù)中心截然不同。這是一座AI工廠，因?yàn)檫@座工廠只生產(chǎn)一種東西。不同于過去包攬一切的數(shù)據(jù)中心——為我們所有人存儲(chǔ)文件，運(yùn)行各種不同的應(yīng)用程序，你可以像使用電腦一樣使用該數(shù)據(jù)中心，運(yùn)行各種應(yīng)用程序，你某天可以用它來玩游戲，可以用它來瀏覽網(wǎng)頁，可以用它來做賬。因此，那是一臺(tái)屬于過去的計(jì)算機(jī)，一臺(tái)通用計(jì)算機(jī)。
我在此所說的計(jì)算機(jī)是一座工廠，它基本上只運(yùn)行一件事。它運(yùn)行AI，其目的在于生成價(jià)值最大化的tokens。這意味著他們必須聰明。而你希望以驚人的速度生成這些tokens，因?yàn)楫?dāng)你向AI提出請求時(shí)，你希望它做出回應(yīng)。請注意，在高峰時(shí)段，這些AI的響應(yīng)速度正變得越來越慢，因?yàn)樗獮楹芏嗳俗龊芏喙ぷ鳌Ｒ虼四阆Ｍ芤泽@人的速度生成有價(jià)值的tokens，而你希望它能以經(jīng)濟(jì)高效的方式實(shí)現(xiàn)。我使用的每個(gè)詞都符合AI工廠的特征，與汽車廠或任何工廠一樣。這絕對是工廠，而且這些工廠以前從未存在過。而這些工廠里堆積著成山的芯片。
這便引出了今天。過去幾年發(fā)生了什么？事實(shí)上，去年發(fā)生了什么？其實(shí)今年確實(shí)發(fā)生了一件相當(dāng)深刻的事情。若你回顧年初，每個(gè)人對AI都有自己的看法。這種態(tài)度通常是：這會(huì)是個(gè)大事件，那將是未來。而幾個(gè)月前，不知怎么的，它啟動(dòng)了渦輪增壓。
原因有以下幾點(diǎn)。第一點(diǎn)是，在過去的幾年里，我們已經(jīng)摸清了如何讓AI變得聰明得多。與其說只是預(yù)訓(xùn)練，不如說預(yù)訓(xùn)練本質(zhì)上表明：讓我們把人類創(chuàng)造過的所有信息都拿出來，讓我們把它交給AI來學(xué)習(xí)吧，本質(zhì)上就是記憶和概括。這就像我們小時(shí)候上學(xué)一樣，學(xué)習(xí)的第一階段。預(yù)訓(xùn)練從來就不是終點(diǎn)，正如學(xué)前教育也從來不是教育的終點(diǎn)。
學(xué)前教育，本質(zhì)上就是培養(yǎng)你掌握智力發(fā)展的基礎(chǔ)技能，讓你懂得如何學(xué)習(xí)其他一切知識(shí)。沒有詞匯量，不理解語言及其表達(dá)方式，如何思考，這是無法學(xué)到其他一切的。接下來是培訓(xùn)后階段。培訓(xùn)之后，在培訓(xùn)之前，是傳授你解決問題的技能，分解問題，思考它，如何解決數(shù)學(xué)問題，如何編寫代碼，如何逐步思考這些問題，運(yùn)用第一性原理推理。而之后才是計(jì)算真正發(fā)揮作用的階段。
眾所周知，對我們許多人來說，我們?nèi)ド蠈W(xué)了，就我而言，那是幾十年前的事了。但自那以后，我學(xué)到了更多，思考得也更深了。而原因在于我們始終在不斷汲取新知識(shí)來充實(shí)自己。我們不斷進(jìn)行研究，也持續(xù)思考。思考才是智力的真正本質(zhì)。
因此，我們現(xiàn)在擁有三項(xiàng)基礎(chǔ)技術(shù)能力。我們擁有這三項(xiàng)技術(shù)：預(yù)訓(xùn)練，仍需投入巨大資源，海量的計(jì)算量。我們現(xiàn)在有后訓(xùn)練，它使用了更多的計(jì)算資源。而如今，思考給基礎(chǔ)設(shè)施帶來了難以置信的計(jì)算負(fù)荷，因?yàn)樗跒槲覀兠總€(gè)人代勞思考。因此，AI進(jìn)行思考所需的計(jì)算量，這種推論，實(shí)在相當(dāng)非凡。
以前我常聽人說推理很容易，英偉達(dá)應(yīng)該進(jìn)行培訓(xùn)。NVIDIA要搞的，你知道的，他們在這方面真的很厲害，所以他們要進(jìn)行培訓(xùn)，這個(gè)推論很簡單。但思考怎么可能容易？背誦記憶的內(nèi)容很容易，背誦乘法表很容易。思考是艱難的，這正是這三把尺子的緣由。這三條新的標(biāo)度律，即全部內(nèi)容都在其中全速運(yùn)轉(zhuǎn)，給計(jì)算量帶來了巨大壓力。
現(xiàn)在又發(fā)生了另一件事。從這三條標(biāo)度律中，我們獲得了更智能的模型。而這些更智能的模型需要更強(qiáng)的計(jì)算能力。但當(dāng)你獲得更智能的模型時(shí)，你便獲得了更高的智能水平，人們使用它。你的模型越聰明，使用的人越多。現(xiàn)在它更接地氣了，它能夠進(jìn)行推理。它能夠解決以前從未學(xué)過如何解決的問題，因?yàn)樗茏鲅芯浚チ私馑貋聿鸾馑伎既绾谓鉀Q你的問題，如何回答你的問題，然后去解決它。思考的深度正使模型變得更智能。它越智能，使用的人就越多。它越智能，就需要進(jìn)行越多的計(jì)算。
但事情是這樣的。過去一年，AI行業(yè)迎來了轉(zhuǎn)折點(diǎn)。這意味著AI模型如今已足夠智能，他們正在創(chuàng)造價(jià)值，他們值得為此付費(fèi)。NVIDIA為每份Cursor許可證付費(fèi)，我們樂意如此。我們樂意為之，因?yàn)镃ursor正助力身價(jià)數(shù)十萬美元的軟件工程師或AI研究員實(shí)現(xiàn)多重價(jià)值，效率高出許多倍。當(dāng)然，我們非常樂意為您效勞。這些AI模型已經(jīng)足夠優(yōu)秀，值得為此付費(fèi)。Cursor、ElevenLabs、Synthesia、Abridge、OpenEvidence，名單還在繼續(xù)。當(dāng)然，OpenAI，當(dāng)然，Claude。這些模型如今如此出色，人們?yōu)榇烁顿M(fèi)。
而且因?yàn)槿藗冋跒榇烁顿M(fèi)并使用得更多，每次他們使用更多時(shí)，你需要更多計(jì)算能力。我們現(xiàn)在有兩個(gè)指數(shù)函數(shù)。這兩個(gè)指數(shù)，其中一個(gè)是三階縮放定律中的指數(shù)計(jì)算需求。第二個(gè)指數(shù)函數(shù)是，模型越聰明，使用的人越多，使用的人越多，它需要的計(jì)算量就越大。
兩個(gè)指數(shù)級增長的趨勢正對全球計(jì)算資源施加壓力，而就在不久前我才告訴過你們，摩爾定律已基本終結(jié)。那么問題來了，我們該怎么辦？如果我們有這兩項(xiàng)指數(shù)級增長的需求，如果我們找不到降低成本的方法，那么這個(gè)正反饋系統(tǒng)，這個(gè)本質(zhì)上稱為良性循環(huán)的循環(huán)反饋系統(tǒng)——對幾乎所有行業(yè)都至關(guān)重要，對任何平臺(tái)型行業(yè)都至關(guān)重要——就可能無法持續(xù)。
這對英偉達(dá)至關(guān)重要。我們現(xiàn)已進(jìn)入CUDA的虛擬周期。應(yīng)用程序越多，人們創(chuàng)建的應(yīng)用程序越多，CUDA就越有價(jià)值。CUDA越有價(jià)值，購買的CUDA計(jì)算機(jī)就越多。購買的CUDA并行計(jì)算機(jī)越多，越來越多的開發(fā)者希望為其創(chuàng)建應(yīng)用程序。經(jīng)過三十年的發(fā)展，英偉達(dá)終于實(shí)現(xiàn)了這一虛擬循環(huán)。十五年后，我們終于在AI領(lǐng)域?qū)崿F(xiàn)了這一目標(biāo)。AI現(xiàn)已進(jìn)入虛擬循環(huán)階段。
因此你用得越多，因?yàn)锳I很聰明，而我們?yōu)榇烁顿M(fèi)，產(chǎn)生的利潤就越多。產(chǎn)生的利潤越多，投入的計(jì)算資源就越多。在電網(wǎng)中，投入到AI工廠的計(jì)算資源越多，計(jì)算能力越強(qiáng)，AI變得越來越聰明。越聰明，使用它的人越多，使用它的應(yīng)用程序就越多，我們能解決的問題就越多。
這個(gè)虛擬循環(huán)正在運(yùn)轉(zhuǎn)。我們需要做的是大幅降低成本。因此，其一，用戶體驗(yàn)得以提升，當(dāng)你向AI發(fā)出指令時(shí)，它會(huì)更快地作出響應(yīng)。其二，通過降低其成本來維持這個(gè)虛擬循環(huán)的運(yùn)轉(zhuǎn)，以便它能變得更智能，以便更多人會(huì)使用它，諸如此類。那個(gè)虛擬循環(huán)正在運(yùn)轉(zhuǎn)。
但當(dāng)摩爾定律真的達(dá)到極限時(shí)，我們該如何突破呢？答案就是極致協(xié)同設(shè)計(jì)。你不能僅僅設(shè)計(jì)芯片，就指望在芯片上運(yùn)行的東西會(huì)變得更快。在芯片設(shè)計(jì)中，你所能做的最好就是添加——我不知道，每隔幾年晶體管數(shù)量就會(huì)增加50%。如果你再增加更多晶體管的話……你知道嗎，我們可以擁有更多的晶體管，臺(tái)積電是一家了不起的公司，我們只會(huì)繼續(xù)增加更多晶體管。
然而，這些都是百分比，而非指數(shù)增長。我們需要復(fù)合指數(shù)增長來維持這個(gè)虛擬循環(huán)的運(yùn)轉(zhuǎn)。我們稱之為極致協(xié)同設(shè)計(jì)。
4、從數(shù)據(jù)中心到“AI工廠”的進(jìn)化
英偉達(dá)是當(dāng)今世界上唯一一家能夠真正從一張白紙開始，構(gòu)思全新基礎(chǔ)架構(gòu)的公司，包括計(jì)算機(jī)架構(gòu)、新型芯片、新型系統(tǒng)、新型軟件、新型架構(gòu)、新型應(yīng)用程序，同時(shí)兼顧。在座的許多人之所以在此，是因?yàn)槟銈兌际悄菍咏Y(jié)構(gòu)的不同組成部分，在與NVIDIA合作時(shí)，是該堆棧的不同部分。我們從根本上重新構(gòu)建了所有架構(gòu)。
然后，由于AI是一個(gè)如此龐大的問題，我們擴(kuò)大規(guī)模。我們打造了一臺(tái)完整的計(jì)算機(jī)，這是首臺(tái)能夠擴(kuò)展至整機(jī)架規(guī)模的計(jì)算機(jī)。這臺(tái)計(jì)算機(jī)配備單張GPU，隨后我們通過發(fā)明名為Spectrum-X的新型AI以太網(wǎng)技術(shù)實(shí)現(xiàn)橫向擴(kuò)展。
人人都說以太網(wǎng)就是以太網(wǎng)。但以太網(wǎng)根本算不上以太網(wǎng)。Spectrum-X以太網(wǎng)專為AI性能而設(shè)計(jì)，這正是它如此成功的原因。即便如此，那也不夠大。我們將用AI超級計(jì)算機(jī)和GPU 填滿整個(gè)房間。這仍然不夠大，因?yàn)锳I的應(yīng)用數(shù)量和用戶數(shù)量正在持續(xù)呈指數(shù)級增長。
我們將多個(gè)這樣的數(shù)據(jù)中心相互連接起來，我們稱之為Spectrum-XGS的規(guī)模——Giga Scale X-Spectrum。通過這樣做，我們在如此巨大的層面上進(jìn)行協(xié)同設(shè)計(jì)，達(dá)到如此極致的程度，其性能提升令人震驚，并非每代提升50%或25%，但遠(yuǎn)不止于此。
這是我們迄今為止打造的最極致的協(xié)同設(shè)計(jì)計(jì)算機(jī)，坦率地說，是現(xiàn)代制造的。自IBM System/360 以來，我認(rèn)為還沒有哪臺(tái)計(jì)算機(jī)像這樣被徹底重新設(shè)計(jì)過。這個(gè)系統(tǒng)的創(chuàng)建過程極其艱難。
我馬上讓你見識(shí)它的妙處。但本質(zhì)上我們所做的，好吧，這有點(diǎn)像美國隊(duì)長的盾牌。所以NVLink72，如果我們要制造一枚巨型芯片，一塊巨型 GPU，它看起來會(huì)是這樣。這就是我們必須進(jìn)行的晶圓級加工的程度，太不可思議了。
所有這些芯片現(xiàn)在都被裝入一個(gè)巨大的機(jī)架中。是我干的還是別人干的？放入那個(gè)巨大的架子…… 你知道嗎，有時(shí)候我覺得自己并不孤單。僅憑這組巨型支架，便使所有芯片協(xié)同運(yùn)作，渾然一體。這簡直令人難以置信，我這就向你展示其中的好處。情況是這樣的。所以…… 謝謝，珍妮。我——我喜歡這個(gè)。嗯。好的。女士們、先生們，賈妮娜·保羅。哇！明白了。在未來……
接下來，我就像雷神那樣去干。就像你在家里，卻夠不到遙控器，你只要這樣做，就會(huì)有人把它送給你。就是這樣。嗯。如果你看一下列表。這種事從不會(huì)發(fā)生在我身上，我只是在做夢罷了。
看起來你實(shí)際能基準(zhǔn)測試的GPU 列表大約有 90% 是 NVIDIA。好吧，所以不管怎樣，我們基本上…… 但是。這是 NVLink 8。如今，這些模型如此龐大，我們的解決方式是將模型將這個(gè)龐然大物拆解成眾多專家。這有點(diǎn)像一個(gè)團(tuán)隊(duì)。因此，這些專家擅長處理特定類型的問題。我們召集了一大批專家。
因此，這個(gè)價(jià)值數(shù)萬億美元的巨型AI 模型匯聚了眾多不同領(lǐng)域的專家。我們將所有這些不同領(lǐng)域的專家都集中到一個(gè) GPU 上。現(xiàn)在，這是 NVLink 72。我們可以把所有芯片都集成到一塊巨型晶圓上，每位專家都能相互交流。因此，這位首席專家能夠與所有在崗的專家進(jìn)行交流，以及所有必要的上下文、提示和我們必須處理的大量數(shù)據(jù)，一堆tokens，我們必須發(fā)送給所有專家。專家們會(huì)…… 無論哪位專家被選中解答問題，都會(huì)隨即嘗試作出回應(yīng)。
然后它就會(huì)開始逐層逐層地執(zhí)行這個(gè)操作，有時(shí)八人，有時(shí)十六人，有時(shí)這些專家有時(shí)是64，有時(shí)是 256。但關(guān)鍵在于，專家的數(shù)量正越來越多。嗯，這里，NVLink 72，我們擁有 72 個(gè) GPU。正因如此，我們才能將四位專家整合到單個(gè) GPU 中。
你需要為每塊GPU 做的最重要的事就是生成tokens，即您在HBM 內(nèi)存中擁有的帶寬數(shù)量。我們擁有一臺(tái) H 系列 GPU，為四位專家提供計(jì)算支持。與這里不同，因?yàn)槊颗_(tái)計(jì)算機(jī)最多只能安裝八個(gè) GPU，我們必須將 32 位專家整合到單個(gè) GPU 中。因此這塊 GPU 需要為 32 位專家進(jìn)行思考，相比之下，該系統(tǒng)中每塊 GPU 只需處理四項(xiàng)任務(wù)。正因如此，速度差異才如此驚人。
這剛發(fā)布。這是由SemiAnalysis 完成的基準(zhǔn)測試。他們干得非常、非常徹底。他們對所有可進(jìn)行基準(zhǔn)測試的 GPU 進(jìn)行了基準(zhǔn)測試。全球各地的供應(yīng)鏈都在制造它，因此我們現(xiàn)在可以向所有這些地區(qū)交付這種新架構(gòu)，從而使資本支出投資于這些設(shè)備，這些計(jì)算機(jī)能夠提供最佳的總體擁有成本。
現(xiàn)在在這之下，有兩件事正在發(fā)生。所以當(dāng)你看這個(gè)時(shí)，實(shí)際上是相當(dāng)非同尋常的。無論如何，這相當(dāng)非同尋常。現(xiàn)在同時(shí)發(fā)生著兩次平臺(tái)轉(zhuǎn)變。
記住，如我之前跟你提到的，加速計(jì)算用于數(shù)據(jù)處理、圖像處理、計(jì)算機(jī)圖形學(xué)。它確實(shí)執(zhí)行各種計(jì)算。它運(yùn)行SQL，運(yùn)行 Spark，它運(yùn)行…… 你知道，你讓它，你告訴我們你需要運(yùn)行什么，這可是件大事。它說我們現(xiàn)在可以更快地做出回應(yīng)，但這才是更重大的事。
因此在下面層面，不管是否有AI，世界正從通用計(jì)算轉(zhuǎn)向加速計(jì)算。不管是否有 AI。事實(shí)上，許多 CSP 早已提供在 AI 出現(xiàn)之前就存在的服務(wù)。記住，它們是在機(jī)器學(xué)習(xí)時(shí)代被發(fā)明的，像 XGBoost 這樣的經(jīng)典機(jī)器學(xué)習(xí)算法，像用于推薦系統(tǒng)的數(shù)據(jù)框，協(xié)同過濾，內(nèi)容過濾。所有這些技術(shù)都誕生于通用計(jì)算的早期時(shí)代。
即便是那些算法，即便是那些架構(gòu)，如今在加速計(jì)算的加持下也變得更加強(qiáng)大。因此，即使沒有AI，全球云服務(wù)提供商也將投資于加速技術(shù)。NVIDIA 的 GPU 是唯一能同時(shí)實(shí)現(xiàn)上述所有功能并支持 AI 的 GPU。專用集成電路或許能夠?qū)崿F(xiàn)AI，但它無法完成其他任何任務(wù)。
NVIDIA完全能夠做到這一切，這也解釋了為什么完全采用 NVIDIA 架構(gòu)是如此穩(wěn)妥的選擇。我們現(xiàn)已進(jìn)入良性循環(huán)，抵達(dá)了轉(zhuǎn)折點(diǎn)，這實(shí)在非同尋常。
我在這間會(huì)議室里有許多合作伙伴，而你們所有人都是我們供應(yīng)鏈的重要組成部分。我知道你們大家工作多么努力。我想感謝你們所有人，你們工作多么努力。非常感謝。
現(xiàn)在我將向你展示原因。這就是我們公司業(yè)務(wù)的現(xiàn)狀。正如我剛才提到的所有原因，我們看到Grace Blackwell正呈現(xiàn)出非凡的增長態(tài)勢。它由兩個(gè)指數(shù)函數(shù)驅(qū)動(dòng)。我們現(xiàn)在已掌握情況。
我認(rèn)為，在Blackwell以及Rubin早期增長態(tài)勢上，2026年我們很可能是歷史上首家能夠看到5000億美元業(yè)務(wù)規(guī)模的公司。正如你所知，2025 年尚未結(jié)束，2026 年也尚未開始。這就是賬面上的業(yè)務(wù)量，迄今為止已達(dá)半萬億美元。
在這些產(chǎn)品中，我們已在前幾個(gè)季度售出了六百萬臺(tái)Blackwell 設(shè)備。我猜生產(chǎn)的前四個(gè)季度，四分之三的產(chǎn)量。2025 年還有一個(gè)季度要走。然后我們有四個(gè)季度。因此未來五個(gè)季度，將有 5000 億美元。這相當(dāng)于Hopper增長率的五倍，這多少說明了些什么。
這就是Hopper的全部人生。這不包括中國和亞洲。所以這只是西方市場。Hopper，在其全部生命周期中，四百萬塊 GPU。Blackwell，每個(gè) Blackwell 在一個(gè)大封裝中包含兩塊 GPU。在 Rubin 的早期階段有 2000 萬塊 Blackwell GPU。令人難以置信的增長。
因此，我要感謝我們所有的供應(yīng)鏈合作伙伴。大家。我知道你們工作多么辛苦。我制作了一段視頻來慶祝你的工作。我們來玩吧。
（視頻內(nèi)容）
極致版Blackwell GB200Nv 與Grace Blackwell NVLink 72 的協(xié)同設(shè)計(jì)，使我們實(shí)現(xiàn)了十倍代際性能提升。簡直難以置信。現(xiàn)在，真正令人難以置信的部分是這個(gè)。這是我們制造的第一臺(tái)AI超級計(jì)算機(jī)。這是2016 年，我將其交付給舊金山的一家初創(chuàng)公司，結(jié)果發(fā)現(xiàn)是 OpenAI。這就是那臺(tái)電腦。
為了制造那臺(tái)計(jì)算機(jī)，我們設(shè)計(jì)了一枚芯片。我們設(shè)計(jì)了一款新芯片。為了我們現(xiàn)在能夠進(jìn)行協(xié)同設(shè)計(jì)，看看我們得處理的這么多芯片。這就是需要的。你不可能拿一塊芯片就讓計(jì)算機(jī)速度提升十倍，那不可能發(fā)生。
使計(jì)算機(jī)速度提升十倍的方法在于我們能夠持續(xù)實(shí)現(xiàn)性能的指數(shù)級增長。我們能夠以指數(shù)級持續(xù)壓低成本的方法，是極端協(xié)同設(shè)計(jì)以及同時(shí)在所有這些不同芯片上并行工作。我們現(xiàn)在把Rubin 接回家了。這是 Rubin。
這是我們的第三代NVLink 72 機(jī)架級計(jì)算機(jī)。第三代。GB200 是第一代。遍布全球的所有合作伙伴們，我知道你們付出了多么艱辛的努力。這真的是極其艱難。第二代，順滑得多。而這一代，看這個(gè)，完全無線纜。完全無線纜。而這一切現(xiàn)在又回到了實(shí)驗(yàn)室。
這是下一代，Rubin。在我們發(fā)貨GB300 的同時(shí)，我們正在準(zhǔn)備讓 Rubin 進(jìn)入量產(chǎn)。你知道的，就在明年的這個(gè)時(shí)候，也許會(huì)稍微早一點(diǎn)。因此，每一年，我們都會(huì)提出最激進(jìn)的協(xié)同設(shè)計(jì)系統(tǒng)，以便不斷提高性能并持續(xù)降低tokens生成成本。
看看這個(gè)。這是一臺(tái)令人難以置信的漂亮計(jì)算機(jī)。這是100 PetaFLOPS。我知道這沒有任何意義。100 PetaFLOPS。但與我十年前交付給 OpenAI 的 DGX-1 相比，性能提升了 100 倍。就在這里。與那臺(tái)超級計(jì)算機(jī)相比是 100 倍。一百臺(tái)那種的，來算算看，一百臺(tái)那種大概相當(dāng)于 25 個(gè)這樣的機(jī)架，都被這一樣?xùn)|西替代了。一個(gè)維拉·魯賓。
所以，這是計(jì)算托盤。所以這是Vera Rubin 超級芯片。可以嗎？這是計(jì)算托盤。就在這里，上方。安裝起來非常容易。只需把這些東西掀開，塞進(jìn)去。就連我也能做到。這是 Vera Rubin 計(jì)算托盤。
如果你決定要添加一個(gè)特殊處理器，我們添加了另一個(gè)處理器，稱為上下文處理器，因?yàn)槲覀兲峁┙oAI 的上下文量越來越大。我們希望它在回答問題之前先讀取大量 PDF，希望它能讀取大量歸檔論文，觀看大量視頻，在回答我的問題之前先去學(xué)習(xí)所有這些內(nèi)容。所有這些上下文處理都可以被添加進(jìn)去。
因此您可以看到底部有八個(gè)ConnectX-9 新型 SuperNIC 網(wǎng)卡。你有八個(gè)。您擁有 BlueField-4，這款新型數(shù)據(jù)處理器，兩個(gè) Vera 處理器，以及四個(gè) Rubin 軟件包，或八個(gè) Rubin GPU。這一切都集中在這個(gè)節(jié)點(diǎn)上。完全無線，100% 液冷。
至于這款新處理器，今天我就不多說了。我時(shí)間不夠，但這完全是革命性的。而原因在于，你們的AI 需要越來越多的內(nèi)存。你與它的互動(dòng)更頻繁了，你希望它能記住我們上次的對話。你為我所學(xué)的一切，等我下次回來時(shí)，請千萬別忘記。
因此，所有這些記憶將共同構(gòu)筑出名為KV 緩存的東西。而 KV 緩存，檢索它時(shí)，你可能已經(jīng)注意到，每次你進(jìn)入你的會(huì)話，你們現(xiàn)在的 AI 刷新和檢索所有歷史對話的時(shí)間越來越長了。而且原因在于我們需要一款革命性的新處理器。這被稱為 BlueField-4。
接下來是NVLink交換機(jī)。這正是使我們能夠?qū)⑺杏?jì)算機(jī)連接在一起的關(guān)鍵所在。而這個(gè)交換機(jī)的帶寬現(xiàn)已達(dá)到全球互聯(lián)網(wǎng)峰值流量的數(shù)倍。因此，該主干將同時(shí)向所有 GPU 傳遞并傳輸所有數(shù)據(jù)。
除此之外，這是Spectrum-X 開關(guān)。這款以太網(wǎng)交換機(jī)的設(shè)計(jì)使得所有處理器能夠同時(shí)相互通信，而不會(huì)造成網(wǎng)絡(luò)擁塞。堵塞網(wǎng)絡(luò)，這很技術(shù)性。可以嗎？所以這三者結(jié)合起來。然后這就是量子開關(guān)。這是 InfiniBand，這是以太網(wǎng)。我們不在乎你想用什么語言，無論您采用何種標(biāo)準(zhǔn)，我們都為您準(zhǔn)備了卓越的橫向擴(kuò)展架構(gòu)。
無論是InfiniBand、Quantum 還是 Spectrum 以太網(wǎng)，這款采用硅光子技術(shù)，并提供完全共封裝的選項(xiàng)。基本上，激光會(huì)直接接觸硅片，并將它與我們的芯片連接起來。可以嗎？這就是 Spectrum-X 以太網(wǎng)。哦，這就是它的樣子。這是一個(gè)機(jī)架。這是兩噸。150萬個(gè)部件和這根脊柱，這根脊柱在一秒鐘內(nèi)承載著整個(gè)互聯(lián)網(wǎng)的流量。相同的速度，能在所有這些不同的處理器之間遷移。100%液冷。所有這一切，都是為了世界上最快的tokens生成速度。可以嗎？所以那就是機(jī)架的樣子。
現(xiàn)在，那是一個(gè)機(jī)架。一個(gè)千兆瓦級的數(shù)據(jù)中心會(huì)有，來算算，16個(gè)機(jī)架大約是姑且叫它 9,000，8,000 個(gè)這樣的將是一個(gè)一千兆瓦的數(shù)據(jù)中心。所以那將是未來的 AI 工廠。
如你所見，NVIDIA起初是設(shè)計(jì)芯片，隨后我們開始設(shè)計(jì)系統(tǒng)，并且我們設(shè)計(jì) AI 超級計(jì)算機(jī)。現(xiàn)在我們正在設(shè)計(jì)完整的 AI 工廠。每次我們將更多問題整合進(jìn)來進(jìn)行解決時(shí)，我們都會(huì)想出更好的解決方案。我們現(xiàn)在構(gòu)建完整的AI工廠。
這個(gè)AI工廠將會(huì)是…… 我們?yōu)?Vera Rubin 構(gòu)建的東西。我們創(chuàng)造了一項(xiàng)技術(shù)，使我們所有的合作伙伴都能夠以數(shù)字化方式集成到這個(gè)工廠中。讓我向你展示。
（視頻內(nèi)容）
完全、完全是數(shù)字化的。在Vera Rubin 作為真實(shí)計(jì)算機(jī)出現(xiàn)之前很久很久，我們已經(jīng)把它作為數(shù)字孿生計(jì)算機(jī)來使用。很久在這些 AI 工廠出現(xiàn)之前，我們就會(huì)使用它，我們會(huì)設(shè)計(jì)它，我們會(huì)規(guī)劃它、優(yōu)化它，并以數(shù)字孿生的方式來運(yùn)行它。
因此，所有與我們合作的合作伙伴，我非常高興你們所有支持我們的人。Gio在這里，G Ver... Vernova在這里，Schneider。我想，Olivier在這里，Olivier Blum在這里。西門子，令人難以置信的合作伙伴。好的。羅蘭·布什，我想他在看。嗨，羅蘭。總之，真的，非常非常棒的合作伙伴與我們一起工作。
起初，我們有CUDA，以及各種不同的軟件合作伙伴生態(tài)系統(tǒng)。現(xiàn)在，我們有Omniverse DSX，并且正在構(gòu)建AI工廠。同樣地，我們也有這些與我們合作的令人驚嘆的合作伙伴生態(tài)系統(tǒng)。
讓我們來談?wù)勀Ｐ停貏e是開源模型。在過去幾年里，發(fā)生了幾件事。一是開源模型因?yàn)榫邆渫评砟芰Χ兊梅浅?qiáng)大；它們之所以非常強(qiáng)大，是因?yàn)樗鼈兪嵌嗄B(tài)的，并且由于蒸餾技術(shù)，它們的效率非常高。因此，所有這些不同的功能已經(jīng)使開源模型首次對開發(fā)人員極其有用。它們現(xiàn)在是初創(chuàng)公司的命脈。顯然，這些初創(chuàng)公司的生存命脈在不同的行業(yè)中各不相同，正如我之前提到的，每個(gè)行業(yè)都有其自身的用例、其自身的數(shù)據(jù)、自己的已用數(shù)據(jù)，自己的飛輪。所有這些能力，那些領(lǐng)域?qū)ｉL需要能夠嵌入到模型中，開源使這成為可能。研究人員需要開源，開發(fā)者需要開源，世界各地的公司，我們需要開源。開源模型真的非常非常重要。
美國也必須在開源方面處于領(lǐng)先地位。我們擁有極其出色的專有模型，我們擁有令人驚艷的專有模型，我們同樣需要令人驚艷的開源模型。我們的國家依賴它，我們的初創(chuàng)公司依賴它，因此NVIDIA致力于去實(shí)現(xiàn)這一目標(biāo)。我們現(xiàn)在是最大的，我們在開源貢獻(xiàn)方面處于領(lǐng)先地位。我們在排行榜上有23個(gè)模型。我們擁有來自不同領(lǐng)域的這些語言模型，我將要討論的物理AI模型、機(jī)器人模型到生物學(xué)模型。每一個(gè)這些模型都有龐大的團(tuán)隊(duì)，這也是我們?yōu)樽约簶?gòu)建超級計(jì)算機(jī)以支持所有這些模型創(chuàng)建的原因之一。我們擁有第一的語音模型、第一的推理模型、第一的物理AI模型，下載量非常非常可觀。我們致力于此，原因在于科學(xué)需要它，研究人員需要它，初創(chuàng)公司需要它，企業(yè)也需要它。
我很高興AI初創(chuàng)公司以NVIDIA為基礎(chǔ)構(gòu)建。他們這樣做有好幾種原因。首先，當(dāng)然我們的生態(tài)系統(tǒng)很豐富，我們的工具運(yùn)行得非常好。我們所有的工具都能在我們所有的GPU上運(yùn)行，我們的GPU無處不在。它實(shí)際上存在于每一個(gè)云中，它可以在本地部署，你可以自己構(gòu)建。你可以自己搭建一個(gè)發(fā)燒友級別的游戲電腦，里面裝多塊GPU，然后你可以下載我們的軟件棧，它就是能用。我們有大量開發(fā)者在不斷豐富生態(tài)系統(tǒng)，使其越來越強(qiáng)大。所以我對我們合作的所有初創(chuàng)公司感到非常滿意，我對此心存感激。
同樣，許多這些初創(chuàng)公司現(xiàn)在也開始創(chuàng)造更多方式來利用我們的GPU，例如CoreWeave、Nscale、Nebius、Lambda、Crusoe等。這些公司正在建立這些新的GPU云來為初創(chuàng)公司服務(wù)，我非常感激這一點(diǎn)。這一切之所以成為可能，是因?yàn)镹VIDIA無處不在。
我們將我們的庫整合在一起，所有我剛才跟你提到的CUDA X庫、我提到的所有開源AI模型、我提到的所有模型，例如，我們已經(jīng)集成到AWS中。真的很喜歡和Matt共事。例如，我們已與Google Cloud集成。真的很喜歡和Thomas共事。每一個(gè)云都集成了NVIDIA GPUs和我們的計(jì)算、我們的庫，以及我們的模型。很喜歡與微軟Azure的Satya一起合作，很喜歡與Oracle的Clay一起合作。每一個(gè)這些云都集成了NVIDIA堆棧。因此，不論你去哪里，無論你使用哪個(gè)云端，它的工作效果令人難以置信。
我們還將NVIDIA的庫集成到全球的SaaS中，以便這些SaaS最終都能成為具代理能力的SaaS。我喜歡Bill McDermott對ServiceNow的愿景。那里有人，對，就這樣。我想那可能是Bill。嗨，Bill。那么ServiceNow是什么？全球85%的企業(yè)級工作負(fù)載、工作流。SAP，全球80%的商業(yè)交易。Christian Klein和我正在合作將NVIDIA庫集成起來，將CUDA X、NeMo和NeMotron，以及我們所有的AI系統(tǒng)集成到SAP中。
與Synopsys的Sassine合作，加速全球的CAE，使CAD、EDA工具更快且可擴(kuò)展，幫助他們創(chuàng)建AI代理。有朝一日，我很想雇傭一個(gè)AI代理ASIC設(shè)計(jì)師來與我們的ASIC設(shè)計(jì)師合作，從本質(zhì)上來說，就是Synopsys的AI代理。我們正在與Anirudh一起合作，Anirudh，是的，我今天早些時(shí)候見過他，他參與了賽前節(jié)目。Cadence做著令人難以置信的工作，加速他們的技術(shù)棧，創(chuàng)建AI代理，使得Cadence的AI ASIC設(shè)計(jì)師和系統(tǒng)設(shè)計(jì)師能夠與我們協(xié)同工作。
今天，我們宣布一個(gè)新的項(xiàng)目。AI將大幅提升生產(chǎn)力，AI將徹底改變每一個(gè)行業(yè)。但AI也會(huì)極大地增強(qiáng)網(wǎng)絡(luò)安全挑戰(zhàn)，那些惡意的AI。因此我們需要一個(gè)強(qiáng)大的防御者，我無法想象有比CrowdStrike更好的防御者。我們與CrowdStrike合作，將網(wǎng)絡(luò)安全的速度提升到光速，以創(chuàng)建一個(gè)在云端擁有網(wǎng)絡(luò)安全AI代理的系統(tǒng)，同時(shí)在本地或邊緣也擁有表現(xiàn)極為出色的AI代理。這樣一來，每當(dāng)出現(xiàn)威脅時(shí)，你就能在瞬間檢測到它。我們需要速度，我們需要一個(gè)快速的自主智能、超智能的AI。
我有第二個(gè)聲明。這是世界上發(fā)展最快的企業(yè)公司，可能是當(dāng)今世界上最重要的企業(yè)級堆棧，Palantir Ontology。這里有來自Palantir的人嗎？我剛才還在和Alex聊天。這是Palantir Ontology，他們獲取信息、獲取數(shù)據(jù)、獲取人為判斷，并將其轉(zhuǎn)化為商業(yè)洞察。我們與Palantir合作，加速Palantir的所有工作，以便我們能夠進(jìn)行數(shù)據(jù)處理，以更大規(guī)模和更高速度進(jìn)行數(shù)據(jù)處理，更大規(guī)模、更多速度。無論是過去的結(jié)構(gòu)化數(shù)據(jù)，當(dāng)然也包括我們將擁有結(jié)構(gòu)化數(shù)據(jù)、人為記錄的數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)，并為我們的政府處理這些數(shù)據(jù)，用于國家安全，以及為全球的企業(yè)服務(wù)，以光速處理這些數(shù)據(jù)并從中發(fā)現(xiàn)洞見。這就是未來的樣子。Palantir將與NVIDIA集成，以便我們能夠以光速和極大規(guī)模進(jìn)行處理。
5、進(jìn)軍物理AI、機(jī)器人技術(shù)與自動(dòng)駕駛
讓我們來談?wù)勎锢鞟I。物理AI需要三臺(tái)計(jì)算機(jī)。正如訓(xùn)練一個(gè)語言模型需要兩臺(tái)計(jì)算機(jī)一樣，一臺(tái)用于訓(xùn)練它、評估它，然后用于推理它。所以你看到的是大型的GB200。為了用于物理AI，你需要三臺(tái)計(jì)算機(jī)。你需要這臺(tái)計(jì)算機(jī)來訓(xùn)練它，這是GB，即Grace Blackwell NVLink-72。我們需要一臺(tái)能夠運(yùn)行我之前用Omniverse DSX展示的所有模擬的計(jì)算機(jī)。它基本上是一個(gè)數(shù)字孿生，讓機(jī)器人學(xué)習(xí)如何成為一個(gè)優(yōu)秀的機(jī)器人，并使工廠實(shí)質(zhì)上成為一個(gè)數(shù)字孿生。那臺(tái)計(jì)算機(jī)是第二臺(tái)計(jì)算機(jī)，即Omniverse計(jì)算機(jī)。這臺(tái)計(jì)算機(jī)必須在生成式AI方面表現(xiàn)卓越，并且必須在計(jì)算機(jī)圖形學(xué)方面表現(xiàn)出色，傳感器模擬、光線追蹤、信號處理。這臺(tái)計(jì)算機(jī)被稱為Omniverse計(jì)算機(jī)。一旦我們訓(xùn)練好模型，就在數(shù)字孿生中模擬該AI，而該數(shù)字孿生可以是一個(gè)工廠的數(shù)字孿生，以及大量機(jī)器人的數(shù)字孿生體。然后，你需要操作那臺(tái)機(jī)器人，這就是機(jī)器人計(jì)算機(jī)。這個(gè)可以裝進(jìn)一輛自動(dòng)駕駛汽車?yán)铮渲幸话肟梢匝b進(jìn)一臺(tái)機(jī)器人里。可以嗎？或者你實(shí)際上可以擁有，比如說，機(jī)器人在操作中非常靈活且非常快速，可能需要兩臺(tái)這樣的計(jì)算機(jī)。這就是Thor，Jetson Thor機(jī)器人計(jì)算機(jī)。這三臺(tái)計(jì)算機(jī)都運(yùn)行CUDA，這使我們能夠推進(jìn)物理AI，能夠理解物理世界、理解物理定律的AI，因果關(guān)系、持久性，物理AI。
我們有令人難以置信的合作伙伴與我們一起打造工廠的物理AI。我們自己也在使用它來打造我們在德克薩斯的工廠。現(xiàn)在，一旦我們建成了機(jī)器人工廠，我們里面有一堆機(jī)器人，這些機(jī)器人也需要物理AI，將物理AI應(yīng)用于數(shù)字孿生內(nèi)部，并在其中運(yùn)行。讓我們看看它。
（視頻內(nèi)容）
這就是制造業(yè)的未來，未來的工廠。我要感謝我們的合作伙伴富士康。在這里。但所有這些生態(tài)系統(tǒng)合作伙伴使我們能夠創(chuàng)造未來的機(jī)器人工廠。這個(gè)工廠本質(zhì)上是一個(gè)機(jī)器人，它正在協(xié)調(diào)機(jī)器人去制造出具有機(jī)器人性質(zhì)的東西。要做到這一點(diǎn)所需的軟件量非常龐大，除非你能夠在數(shù)字孿生中去規(guī)劃它、去設(shè)計(jì)它、在數(shù)字孿生中去運(yùn)營它，否則讓這個(gè)方案奏效的希望幾乎不可能。
我也很高興看到Caterpillar，我的朋友Joe Creed，以及他那家有著百年歷史的公司也在將數(shù)字孿生技術(shù)融入他們的制造方式。這些工廠將配備未來的機(jī)器人系統(tǒng)，其中最先進(jìn)的之一是Figure。Brett Adcock今天在這里。他三年半前創(chuàng)辦了一家公司，他們現(xiàn)在市值接近400億美元。我們正在共同訓(xùn)練這個(gè)AI，訓(xùn)練機(jī)器人、模擬機(jī)器人，當(dāng)然還有裝入Figure的機(jī)器人電腦。真的非常驚人。我有幸見證了這一點(diǎn)，這真的相當(dāng)非凡。很可能類人機(jī)器人會(huì)出現(xiàn)，而且，我的朋友Elon也在做這方面的工作，這很可能會(huì)成為最大的消費(fèi)類產(chǎn)品之一，新的消費(fèi)電子市場，當(dāng)然還有最大的一類工業(yè)設(shè)備市場之一。
Peggy Johnson和Agility的團(tuán)隊(duì)正在與我們合作開發(fā)用于倉庫自動(dòng)化的機(jī)器人。Johnson & Johnson的團(tuán)隊(duì)再次與我們合作，訓(xùn)練機(jī)器人，在數(shù)字孿生中進(jìn)行仿真，并且還要操作機(jī)器人。這些Johnson & Johnson外科手術(shù)機(jī)器人甚至將進(jìn)行完全非侵入性的手術(shù)，達(dá)到世界前所未有的精確度。
當(dāng)然，史上最可愛的機(jī)器人，迪士尼的機(jī)器人。這是與我們息息相關(guān)的某件事。我們正在與Disney Research合作開發(fā)一個(gè)全新的框架和仿真平臺(tái)，基于一種名為Newton的革命性技術(shù)。而那款Newton模擬器使得機(jī)器人在具備物理感知的環(huán)境中學(xué)習(xí)如何成為一名優(yōu)秀的機(jī)器人。讓我們看看它。
（視頻內(nèi)容）
現(xiàn)在，人形機(jī)器人仍在開發(fā)中，但與此同時(shí)，有一款機(jī)器人明顯處于拐點(diǎn)上，它基本上就在這里，那是一個(gè)帶輪子的機(jī)器人。這是一個(gè)無人駕駛出租車。無人駕駛出租車本質(zhì)上就是一個(gè)AI司機(jī)。現(xiàn)在，我們今天正在做的事情之一，我們宣布推出NVIDIA DRIVE Hyperion。這是一件大事。我們創(chuàng)建了這個(gè)架構(gòu)，以便世界上每一家汽車公司都能制造車輛，可以是商用的，也可以是乘用的，可以是專用于無人出租車，制造出具備無人出租車準(zhǔn)備能力的車輛。配備環(huán)視攝像頭、雷達(dá)和激光雷達(dá)的傳感套件使我們能夠?qū)崿F(xiàn)最高級別的全方位感知套件與冗余，這是實(shí)現(xiàn)最高安全級別所必需的。Hyperion DRIVE，DRIVE Hyperion現(xiàn)在已被設(shè)計(jì)進(jìn)Lucid、梅賽德斯-奔馳、我的朋友Ola Källenius，Stellantis的團(tuán)隊(duì)，還有許多其他車型即將到來。
一旦你有了一個(gè)基本的標(biāo)準(zhǔn)平臺(tái)，那么自動(dòng)駕駛系統(tǒng)的開發(fā)者們，他們中有很多非常有才華的團(tuán)隊(duì)，例如 Wayve、 Waabi、 Aurora、 Momenta、 Nuro、 WeRide等，有這么多公司可以把他們的AV系統(tǒng)移植到標(biāo)準(zhǔn)底盤上運(yùn)行。基本上，標(biāo)準(zhǔn)底盤現(xiàn)在已經(jīng)變成了一個(gè)移動(dòng)的計(jì)算平臺(tái)。并且因?yàn)樗菢?biāo)準(zhǔn)化的，且傳感器套件非常全面，他們都可以將他們的AI部署到上面。我們來快速看一下。好的。
（視頻內(nèi)容）
那就是美麗的舊金山，正如你所見，自動(dòng)駕駛出租車的拐點(diǎn)即將到來。未來，每年將有萬億英里被駕駛，每年制造1億輛汽車，全球大約有5000萬輛出租車將會(huì)被大量無人駕駛出租車所增強(qiáng)。所以這將是一個(gè)非常龐大的市場。為了將其連接并在全球部署，今天我們宣布與Uber建立合作伙伴關(guān)系。Uber的Dara，Dara要走了。我們正在合作，將這些NVIDIA DRIVE Hyperion汽車連接成一個(gè)全球網(wǎng)絡(luò)。而在未來，你將能夠召喚到這些汽車中的一輛，生態(tài)系統(tǒng)將非常豐富，我們會(huì)在全世界看到Hyperion或無人駕駛出租車出現(xiàn)。這將成為我們的一個(gè)新的計(jì)算平臺(tái)，我預(yù)計(jì)它會(huì)非常成功。好的。
這就是我們今天所討論的內(nèi)容。我們討論了很多很多事情。請記住，其核心是兩點(diǎn)，是從通用計(jì)算向加速計(jì)算的兩次平臺(tái)轉(zhuǎn)變。NVIDIA CUDA及其名為CUDA-X的一系列庫使我們能夠應(yīng)對幾乎所有行業(yè)，我們正處于拐點(diǎn)，現(xiàn)在它正如虛擬循環(huán)所示地增長。第二個(gè)拐點(diǎn)現(xiàn)在已經(jīng)到來，從傳統(tǒng)手寫軟件到AI的轉(zhuǎn)變。兩個(gè)平臺(tái)同時(shí)發(fā)生轉(zhuǎn)變，這就是我們感受到如此驚人增長的原因。
量子計(jì)算，我們已經(jīng)提到過。我們談到了開源模型。我們談到了與CrowdStrike的企業(yè)應(yīng)用，以及Palantir，加速他們的平臺(tái)。我們談到了機(jī)器人技術(shù)，一個(gè)新的可能成為最大規(guī)模的消費(fèi)電子和工業(yè)制造行業(yè)之一。當(dāng)然，我們還談到了6G，NVIDIA有了用于6G的新平臺(tái)，我們稱之為Aria。我們有一個(gè)用于機(jī)器人汽車的新平臺(tái)，我們把它稱為Hyperion。我們有新的平臺(tái)，即便是面向工廠，也是兩類工廠，我們把那個(gè)AI工廠稱為DSX，然后把工廠與AI結(jié)合，我們稱之為MEGA。