英伟达后续两代芯片架构Rubin、Feynman或分别于2026年、2028年问世。

　　GTC大会素有“AI届春晚”的外号，而在当地时间3月18日举行的GTC 2025的开幕主题演讲中，英伟达（NVDA.US）创始人黄仁勋主动玩起了“梗”。他说，“GTC大会被称为AI届的‘超级碗’，但唯一的区别是，在这里AI会让每个人成为赢家。”

　　在这场大会上，黄仁勋再次重申对“Scaling law”（扩展定律）的信仰，称推理和代理AI使计算需求激增，并基于此将在今年下半年推出新品Blackwell Ultra，性能是前代产品的1.5倍。

　　“全世界几乎都对Scaling Law看走眼”

　　与以往GTC开场即抛出“硬通货”不同，今年GTC开场，黄仁勋用约40分钟解读英伟达在Agentic AI时代的立身之本——愈发高效处理tokens（词元），而tokens也被视为AI的语言与货币。

　　“AI真正进入大众视野仅仅过去十年而已。”黄仁勋回顾了AI已经历的三代技术范式的转移。最早从perception AI（感知AI）——计算机视觉和语音识别开始，然后是Generative AI（生成式AI），再到当下热门的Agentic AI（代理AI），未来是会影响世界的Physical AI（物理AI）。

　　过去两三年，技术范式进入Agentic AI，出现人工智能的根本性飞跃。Agentic AI的基础是推理，其具备主动性，能感知并理解当前语境的上下文，能思考如何回答并解决问题，能制定并执行计划。而在Agentic AI之后，下一波浪潮正在发生，机器人领域的AI进展由Physical AI推动，是理解物理世界、三维世界的AI——这种理解能力将开辟AI的新纪元，使智能机器人变得可行。

　　黄仁勋表示，从本质上说，每个阶段的AI，都涉及三大根本问题。第一，如何解决数据问题。因为AI是一门数据驱动的数据科学，需要数字化的经验来学习、获取知识。第二，如何在没有人工参与的情况下进行模型训练。因为人工干预是有极限的，而人们想要AI能以超越人类的速度来实时学习，而且规模足够大到人类无法企及。第三，如何进行扩展（Scale）。如何使得人们提供越多的算力、数据等资源，AI模型就变得越聪明，这被称为“Scaling law”。

　　Scaling Law背后蕴含的逻辑是“大力出奇迹”。而在去年，AI界掀起Scaling Law是否失效的讨论，引起市场对算力需求不再坚挺的担忧，而黄仁勋在演讲中提出了截然相反的观点。“针对Scaling law放缓，过去一年几乎全世界都看走眼了。”黄仁勋谈到，由于Agentic AI及推理的出现，如今所需的计算量比一年前的预期至少高出100倍。AI的计算需求及其扩展定律其实更具韧性，甚至加速。

　　由此可以预见，AI所生成的token数量会急剧增多。黄仁勋表示，AI的底层技术本质仍是根据上一个token来预测下一个token。不同的是，现在“下一个token”对应的是推理的某个步骤——AI生成第一步的token，然后把这一步的输出再次输入给AI，用来生成后续推理。这样一来，AI不再只是一字一句地往外“吐”token，而是生成一大段文字来表示推理的步骤，最终产生的token量会大大增加。

　　“如果我们想让模型具备交互性、实时性，不因它‘思考’太久而让人失去耐心，就要把计算速度提高10倍。”黄仁勋表示，伴随着token、速度双双增加，推理所需的算力远超以往。

　　与今年2月业绩会上的表述一致，黄仁勋对英伟达未来业务增长表示乐观。演讲中，黄仁勋提到推理与强化学习的需求推动AI计算的需求，并用Hopper在四大CSP（云服务提供商）中的出货量来解读AI基础设施的激增，他预计数据中心建设将会达到万亿美元规模。

　　公布芯片架构路线图，开启AI推理新纪元

　　本次主题演讲中，黄仁勋宣告了新产品发布，预告了接下来两代AI芯片架构进展，并公布了英伟达接下来的芯片路线图。

　　黄仁勋表示，英伟达将推出新品Blackwell Ultra芯片，在今年下半年出货。下一次芯片升级则是在2026年下半年，预计将推出下一代AI芯片架构“Rubin”，该架构以“证实暗物质存在”的女性科学先驱Vera Rubin来命名，而Rubin Ultra将于2027年下半年推出。

　　据介绍，英伟达将于今年下半年推出的新品Blackwell Ultra基于公司一年前推出的Blackwell架构，包含GB300 NVL72机架级解决方案和NVIDIA HGX B300 NVL16系统，预计将比前代产品GB200 NVL72提供1.5倍的AI性能，而与使用NVIDIA Hopper构建的工厂相比，Blackwell的AI工厂收入机会增加了50倍。

　　据介绍，GB300 NVL72机架级解决方案集成了72个Blackwell Ultra GPU和36个基于Arm Neoverse架构的NVIDIA Grace CPU，形成一个庞大的单体GPU，专为测试时的扩展推理而打造。通过GB300 NVL72，AI模型可以利用平台增强的算力，探索不同的解决方案，并将复杂请求拆解为多个步骤，从而实现更高质量的响应。

　　将在2026年下半年问世的英伟达下一代架构Rubin则是一个全新架构，“只保留现有的机箱和底层基础设施。”黄仁勋表示，Rubin和定制CPU Vera 对标现在的Blackwell和Grace CPU。据介绍，Vera Rubin由Rubin GPU和Vera CPU组成，后者拥有88个定制Arm核心、176个线程。而Rubin Ultra系统由Rubin Ultra GPU和Vera CPU组成。Rubin Ultra由4块掩模尺寸的GPU组成，FP4峰值推理能力可达100PFLOPS。

　　同时，黄仁勋还在大会现场展示了两个机架级解决方案——Vera Rubin NVL144和Rubin Ultra NVL576。Vera Rubin NVL144的FP4推理算力可达到3.6EFLOPS，FP8训练算力可达到1.2EFLOPS，是新发布的GB300 NVL72的3.3倍。Rubin Ultra NVL576的FP4峰值推理算力高达15EFLOPS，FP8训练算力达到5EFLOPS，是GB300 NVL72的14倍。

　　同时黄仁勋还公布了英伟达接下来的芯片路线图，在Rubin之后的下一代芯片的架构已经被命名为Feynman，将于2028年问世，该架构以著名理论物理学家Richard Feynman命名。

　　在介绍完英伟达完整路线图后，黄仁勋表示，英伟达的节奏是“一年一次”，每年都会带来一次新架构，每两年一次大的产品线迭代，每次都实现数量级提升，“我们会分步承担硅片、网络、机箱等方面的风险，从而推动整个行业不断前进，朝着这些不可思议的技术迈进。”

　　机器人、自动驾驶……AI迈进千行百业

　　除了公布芯片架构路线图，黄仁勋还在演讲中发布了多项产品，并公布多个合作伙伴。他表示，AI将会进入各行各业，涉及机器人、自动驾驶汽车、工厂和无线网络领域。

　　在汽车领域，黄仁勋表示，英伟达与汽车行业的合作方式十分灵活，面向车企需求，提供三种计算机：训练计算机、仿真计算机、自动驾驶计算机，以及基于其的整套软件栈、模型和算法。

　　同时，黄仁勋还宣布了英伟达与通用汽车在自动驾驶领域的合作。通用汽车将利用英伟达的平台构建人工智能系统，为工厂规划训练人工智能制造模型；并使用英伟达的人工智能芯片和软件开发未来的自动驾驶技术。此外，英伟达推出用于自动驾驶汽车的综合安全系统Halos，涵盖芯片和软件、工具等。

　　在机器人领域，黄仁勋宣布推出全球首款开源人形机器人功能模型GR00T N1，并发布了Simulation Frameworks，用于加速机器人开发。此外，黄仁勋透露，英伟达、谷歌DeepMind和迪士尼合作开发了一个用于机器人模拟的Newton开源物理引擎。

　　“现在已经是机器人时代了，机器人能与物理世界交互，执行纯数字世界无法实现的工作。”黄仁勋进一步表示，到21世纪20年代末，全球至少有5000万劳动力短缺，物理AI和机器人正在飞速发展，可能会成为规模最大的产业。