当地时间3月18日，英伟达GTC 2025大会在美国圣何塞举办，英伟达CEO黄仁勋身着标志性皮衣，全程脱稿演讲。发布了涵盖芯片架构、AI工厂、机器人技术及软件生态的全栈战略。
当地时间3月18日，英伟达GTC 2025大会在美国圣何塞举办，英伟达CEO黄仁勋身着标志性皮衣，全程脱稿演讲。发布了涵盖芯片架构、AI工厂、机器人技术及软件生态的全栈战略，给我们带来了Blackwell Ultra芯片、Vera Rubin路线图和开源模型矩阵。黄仁勋在主题演讲开场时表示，去年在这里办的GTC，就像一场摇滚演唱会，而今年GTC被描述为‘AI的超级碗”。
技术迭代速度能否持续刺激市场需求？
英伟达以“一年一架构”的激进节奏推动硬件升级：Blackwell Ultra芯片较前代性能提升50%，专为AI推理设计；2026年推出的Vera Rubin平台算力再翻倍，2028年Feynman架构则将突破物理极限。黄仁勋直言：“Blackwell只是起点，Rubin将把成本压至新低。”这种“自我颠覆”策略虽巩固技术护城河，却也让客户陷入升级焦虑——AWS、微软等云巨头已启动自研芯片计划，试图降低对英伟达的依赖。
DeepSeek会否成为英伟达的“特洛伊木马”？
黄仁勋在演讲中多次以中国大模型DeepSeek-R1为例，展示Blackwell集群在推理任务中30倍的Token生成效率跃升，试图回应市场对“轻量化模型冲击算力需求”的担忧。英伟达的开源推理框架Dynamo通过“思考-生成”阶段分离技术，将LLM推理吞吐量提升至Hopper架构的11倍，进一步绑定开发者生态。
行业分歧：廉价模型可能加速企业AI普及，但也可能延长硬件更新周期。分析师认为，这枚“硬币”的最终走向取决于企业ROI（投资回报率）的平衡点。
AI工厂愿景是蓝图还是泡沫？
“未来数据中心将是生产智能的AI工厂”，黄仁勋的预言需要依托Blackwell Ultra NVL72机架的支撑——其72颗GPU通过NVLink 5互联，铜缆总长度超2英里，单机架算力达720 Petaflops，专为万亿参数模型推理优化。英伟达预测，到2028年全球数据中心建设支出将达1万亿美元，而能源、土地资源可能成为扩张瓶颈。
企业级市场会否被英伟达生态“垄断”？
从DGX Spark个人AI超算到NIM微服务，英伟达正构建覆盖云端、边缘和本地的全栈工具链。开源模型Llama Nemotron系列（Nano/Super/Ultra）针对不同场景优化，已被SAP、ServiceNow等企业用于开发行业智能体。通用汽车与英伟达合作推进自动驾驶工厂，更被视为“AI+制造”的标杆案例。
机器人革命离爆发还有多远？
黄仁勋将物理AI（Physical AI）定义为技术演进的终局，并发布全球首个开源人形机器人模型Isaac GR00T N1。该模型采用“双系统”架构——“快速反应”与“战略规划”协同工作，结合迪士尼合作的Newton物理引擎，可实现复杂动作交互。Blackwell集群在模拟训练中的效率提升，使得人形机器人成本有望压至5万美元/年，接近制造业人力成本阈值。
生态博弈下的“全能选手”困境
英伟达以每年千亿级研发投入维系技术代差，但其“全栈通吃”策略正遭遇双重夹击：向上需应对谷歌TPU、亚马逊Trainium的定制化冲击，向下面临DeepSeek类模型对算力需求的稀释。黄仁勋的底牌在于——通过Dynamo等软件工具将硬件性能转化为不可替代的生产力，正如其在演讲中所说：“AI工厂的操作系统，才是定义下一个十年的关键。”
