夜雨聆风
来源：瓜哥AI新知本文内容整理自 Nvidia CEO Jensen Huang 在 NVIDIA频道 的专访，公开发表于2026年06月01日。原始内容参考：https://www.youtube.com/watch?v=wSp6AiNIrsY
内容提要：黄仁勋在 NVIDIA GTC 台北 2026 的主题演讲
实用级智能体 AI 时代已来： AI 已不再局限于生成式内容，而是演进为能够观察、推理、规划并使用工具的“智能体（Agentic AI）”。这标志着 AI 已从单纯的预测模型，跃升为 GDP 的创造者和核心生产力引擎。 计算模式的彻底重构： 智能体 AI 需要一种全新的分布式、异构计算模型。为此，NVIDIA 已从一家传统的 GPU 公司，彻底蜕变为全栈式基础设施公司，致力于构建高效运转的“AI 工厂”。 Vera Rubin 系统与量产交付： 作为专为智能体时代打造的多机架 Pod 级超级计算机，Vera Rubin 现已进入全面量产阶段。它通过极致的协同设计，实现了每瓦吞吐量（Token 产出）的全球领先。 专为智能体打造的 Vera CPU： 传统的 CPU 是为人类设计的，而 Vera CPU 则是为智能体量身定制。它针对极短延迟、极高单线程性能及超大带宽进行了深度优化，确保智能体在使用工具和访问数据库时，绝不会因计算瓶颈而产生延迟。 算力即营收的商业新逻辑： AI 基础设施的每瓦吞吐量，直接决定了企业的盈利能力。通过极致的系统集成和电源管理（如 DSX Max LPS 技术），AI 工厂能够最大化每瓦 Token 产出，从而实现资本效益的最大化。 重塑 PC 产业与 RTX Spark： NVIDIA 携手微软重塑个人电脑，推出 RTX Spark 芯片及全新的 Windows 计算平台，将个人 PC 转变为能够运行本地智能体、处理复杂任务且无计费焦虑的“AI 超级终端”。 物理 AI 与 Cosmos 3 全能模型： 鉴于物理世界的数据获取极难，Cosmos 3 作为面向物理 AI 的全能模型，通过将计算转化为合成数据，赋能自动驾驶（Alpamayo 2）和人形机器人（Isaac Groot），使其能够在任何视角下理解、推理和行动。 生态系统的全方位覆盖： 从底层芯片、封装技术（CoWoS）、CUDA X 库，到上层的操作系统（Open Shell）及各行业垂直工具，NVIDIA 通过深度协同设计赋能开发者和合作伙伴，推动各行各业全面转型为智能体驱动型企业。
演讲全文
主持人： 欢迎登台，NVIDIA 创始人兼首席执行官，黄仁勋(Jensen Huang)。
黄仁勋： 很高兴见到大家。回家的感觉真好。我也带父母回家了。我爸妈在哪儿？各位，请把掌声送给我的爸爸妈妈。
同时，也请把掌声送给我们开场秀的超级巨星们，女士们先生们，看看他们有多可爱——他们是台湾的超级巨星。今天现场来了这么多人。我们目前正在向全台湾其他 70 个分会场进行直播；70 场不同的会议正在同时进行，所有人都在观看这场主题演讲。
我们有很多事情想和大家分享，也有太多合作伙伴要感谢。我们在台湾的生态系统规模之大，令人难以置信。大多数时候，当人们提到生态系统时，往往想到的是我们的软件堆栈(Software Stack)以及建立在 NVIDIA 计算系统之上的开发者生态。
然而，NVIDIA 的生态系统向上游一直延伸到我们在台湾的整个供应链——这也是一切的起点，向下游则一直延伸到数据中心，并最终触及终端用户。今天，我们将探讨这个生态系统的方方面面。有太多的人需要感谢，我真心热爱我们在这里的生态系统。现场来了非常多的公司，包括我最喜欢的一些生态合作伙伴。
黄仁勋： 台湾拥有极其丰富的生态系统，这是最繁荣的生态系统，也是世界上最顶尖的供应链生态系统。真是不可思议。感谢大家的到来。今年，我们共同的业务都在实现惊人的增长。事实上，昨晚有人告诉我，台湾的年度 GDP 即将增长近 10%。难以置信。好了，我们要聊的话题很多，让我们开始吧。
两年前我在这里时，曾和大家谈到 AI 将如何从生成式 AI (Generative AI) 演变为即将到来的其他 AI 浪潮。下一波浪潮就是智能体 AI (Agentic AI)。今天我们可以宣告：智能体 AI 已经到来，实用型 AI 已经到来。
这究竟意味着什么？以 GitHub 为例。这显然是智能体 AI (Agentic AI) 的首批应用之一：软件编程。这是最具价值的职业之一，背后有一个由 3000 到 4000 万名专业软件开发者组成的庞大生态系统支撑，此外还有数以亿计的学生和爱好者。
本质上，这 3000 到 4000 万开发者以写代码为生，而这个平台代表了他们中的绝大多数。在 GitHub 上，当他们下载软件进行修改时，这叫“拉取请求(Pull Request)”；当他们将修改后的代码推回平台时，这叫“提交(Commit)”。如果你审视这个过程，就能看到 AI 带来的巨大影响。
2023 年，代码提交(Commit)量为 3 亿次。2024 年是 4 亿次。2025 年达到了 5 亿次。而在 2026 年的头几个月里，这个数字几乎翻了三倍。这说明了什么？
3000 万名软件开发者创造了约 3 万亿美元的 GDP——这正是他们每年的薪资总额（3 万亿美元），而这正在为其他所有行业带来经济增长。可以说，全球 100 万亿美元规模的产业都受到了这 3 万亿美元薪资所创造价值的影响。如今，这 3 万亿美元的薪资正在创造近三倍的产出。实际上，这意味着 3 万亿美元的薪资转化出了 9 万亿美元的生产力。这听起来是不是很不可思议？这种差异绝对是颠覆性的。
这，就是 AI 的无限潜能；这，就是 AI 许下的郑重承诺。
实际上，软件工程师的数量正在增加。有人说 AI 会导致工作岗位减少，这完全是无稽之谈。它反而促使企业雇佣更多的软件工程师，原因非常简单。
如果你雇佣一名软件工程师就能创造出价值 9 万亿美元的生产力，你为什么不想雇佣更多的软件工程师呢？如果产出曲线是平的，人们显然会减少招聘。但正因为产出如此惊人，人们才更渴望雇佣更多的软件工程师。这一点很快就会在我们的经济体系中显现出来。
因此，第一点结论就是：实用型 AI 已经到来。
那么，从行业的角度来看，这意味着什么？从行业角度看，这意味着对词元(Token)的需求如今异常旺盛——因为如果你能实现这样的惊人产出，你自然会渴望生产更多，也因为词元(Token)现在已经成为盈利的单元。词元(Token)现在是创造利润的营收单元。正因为它能带来盈利，AI 公司希望构建和生成海量的词元(Token)，建造更多的 AI 工厂(AI Factories)，这就是为什么台湾的计算需求会呈现爆炸式增长。这正是各位如此忙碌、业务如此红火的根本原因。事实上，这增长曲线看起来就像是在座某些公司的股价走势图。
计算模式已经改变。一切都变了。所以，第一个核心观点是：实用型 AI 已经到来。AI 现在是一台利润生成器，是一台 GDP 引擎。在其背后，是一种全新的计算模式。不仅是大型语言模型(LLM)，更是智能体(Agent)。今天我们要探讨的几乎所有内容，都将基于这一点。所以让我花点时间，向大家展示一下我所说的究竟是什么。在内部，这就是一个智能体。它是一个智能体应用程序(Agent Application)。在过去，这可能仅仅是一个普通的应用程序。
过去是代码，是操作系统。应用程序，以及运行在应用程序和操作系统内的代码。而今天，它变成了智能体(Agent)，由一个或多个大型语言模型(LLM)组成。它们驻留在一个控制框架(Harness)中，这个框架协助并对其进行编排(Orchestrate)，从而完成生产性工作。这就是输入。当输入信息到达时，它必须去理解、观察、推理、行动，并调用工具。这些工具可以是电子表格、网页浏览器、数据处理引擎，或者是数据库引擎。
这一切都是经过编排的；这个控制框架(Harness)在每一次信息触达时，都会对信息的路由进行编排——无论是处理上下文、理解正在发生的事情、推理下一步该做什么，还是制定一个可以执行的计划。这个编排路径由软件来管理，本质上，这就是一个智能体(Agent)。
它能像我们人类一样，处理短期记忆（即工作记忆）和长期记忆。正因如此，内存管理系统变得极其重要。这整个系统就被称为智能体(Agent)。大型语言模型被用来进行思考，而控制框架则将所有要素连接在一起，其运作方式就像一个操作系统。
这就是全新的计算模型，智能体(Agent)能够实现令人难以置信的壮举。这是一次重大突破：大型语言模型现在能够在思考、推理、规划和使用工具方面表现得非常出色，与此同时，我们现在也拥有了能够管理内存和编排工具调用的控制框架(Harness)，两者的同步融合让我们现在能够成就非凡。让我给大家举几个例子。
这是一个提示词(Prompt)。这是生成的代码。然后得出了这个结果。这是输入，这是输出。
大家觉得如何？这非常神奇，对吧？我们在这里使用的是 Claude Code，但 CodeAct 的表现同样非常出色。再看一个例子。这是输入内容：制作一个 GIF 动图，生成散布在黑色背景上的 NVIDIA 绿色圆点，聚合成台湾 101 大楼的形状，接着渐变(Morph)为“GTC 台北 2026”的字样，再渐变为 NVIDIA 的“眼睛(Eye)”标志，然后散开并循环重复。对吧？你们看到了，这就是提示词(Prompt)。
看下一个。我的遥控器电池盖弄丢了，它原本长这个样子。请生成一个 CAD 文件。它调用了工具，创建了一个 CAD 文件，可以直接用于 3D 打印来制造一个新的。明白了吗？
这就是如今全新的计算模式。过去，我们需要启动应用程序，进行点击和打字输入。现在，我们将其替换为直接向 AI 解释我们的意图和需求，AI 就会自行生成代码或调用工具，并产出我们所需的最终结果。
这就是未来计算机的运作方式，这就是代理型AI（Agentic AI）。两年来，我们一直致力于此，现在它终于到来了。如今，最大的突破之一无疑是工具的使用。许多人曾说：“黄仁勋，人工智能时代来了，代理型AI要来了，所有的软件公司都要倒闭了。”但我说情况恰恰相反，因为未来将涌现出无数的智能体（Agents）。
世界将不再受限于人类的数量。因此，这些智能体将比以往任何时候都更频繁地使用各种工具。对于软件公司而言，这实则是一个不可思议的黄金时代。
但软件必须以智能体能够调用的方式呈现给它们，这是一项重大突破。事实上正如大家所知，NVIDIA真正的无价之宝，就是我们所有的CUDA库。我将其称为CUDA X库，这是NVIDIA的核心资产。
今天，我们能够将这些CUDA X库提供给智能体，它们使用这些库的效率甚至远超人类。因此，这对CUDA X库来说是一个绝佳的发展时机。让我们来看一看。
20年前，我们构建了CUDA，这是一种用于加速计算的单一架构，我们彻底重塑了计算方式。上千个CUDA X库正在帮助开发者在科学和工程的各个领域取得突破。CUDA X库正是智能体的工具。
例如：用于计算光刻的QLitho；用于决策优化的CUOpt；用于直接稀疏求解器的QDSS；用于对结构化和非结构化文档进行深度研究的AIQ；用于AI无线接入网（RAN）的Aerial；用于可微物理的Warp；以及用于基因组学的Parabricks。它们的基础都是算法，而且它们极其优美。
让我们为数学鼓掌，数学是美的。软件的计算范式（Computing Pattern）即将改变。事实上，让我们回到这一点，这就是智能体，它是终极的：解耦与分布式的计算模型。为了运行这个智能体，无数台不同的计算机将被激活。智能体由模型（Model）、外围框架（Harness）、工具与技能（Tools and skills）以及运行时环境（Runtime）组成。所有这些组件都在数据中心的不同位置运行。你可以把模型想象成大脑，把外围框架想象成身体。
而它在运行时环境中使用的工具，可以想象成一个车间。所以，这就好比一个工人正在车间里使用工具工作。当然，这一切都是在极其庞大的规模下完成的，每一个步骤都在计算机的不同部分运行。你可以看到大语言模型正在思考：
处理上下文、观察、理解环境、推理、制定计划并执行计划。每一次这一过程发生时，整整一机架的Grace Blackwell NVLink 72就会被激活，它正在通过大语言模型进行思考。而每当它使用工具时，就会调用CPU。该工具可能是：
一个C编译器，可能是Python，可能是JavaScript，也可能是加速计算任务。
今天的智能体在工具使用上还相对简单。但到了明天，它们将成为熟练掌握复杂工具的高手，这就是我向你们展示的CUDA X库之所以会受到智能体极大青睐的原因。
它们解决了世界上一些最重要的问题。我们所有的CUDA X库现在都将附带智能体可以学习使用的“技能”。CUDA X库加上这些技能，基本上就像是一本说明手册，AI阅读后会恍然大悟：“啊，原来是这样使用的。”
智能体驾驭这些库的能力将是令人难以置信的。工具运行在CPU、GPU和大语言模型上，而安全框架则运行在CPU和一个名为DPU（即NVIDIA的Bluefield）的安全处理器上。这一切的编排工作由CPU执行，它充当整个系统的中枢并管理所有任务。
最困难的环节之一是内存。你可以想象，所谓的工作内存——即KV缓存（KV Caching）——涉及极其复杂的挑战：如何决定记住什么，如何进行精简压缩（Compaction）而不只是数据压缩（Compression），以及如何检索信息。
此外，你还必须考虑检索过程：你是检索结构化数据还是非结构化数据？所有这些不同类型数据之间的本体（Ontology）及其相互关系是什么？整个处理过程极其复杂。
最终，AI的内存系统将引发整个存储系统的彻底革命。正如你所看到的，这正在深刻影响计算的方方面面。
这种模型、这种计算范式，这种被称为“智能体”的新型应用，与过去应用程序的运行方式有着本质的区别。以前是大量的软件代码封装在一个二进制文件里，运行在操作系统内。正因如此，这种解耦的、分布式的、异构的计算挑战，正是我们构建下一代架构的原因：
Vera Rubin。Vera Rubin不仅仅是一块芯片。Vera Rubin也不仅仅是一个GPU。它以GPU为起点，但整个Vera Rubin系统强大得令人难以置信。这整个系统，就是Vera Rubin。
从端到端来看，它拥有GPU、Vera Rubin、NVLink 72。它由我即将为您详细介绍的Vera CPU进行编排。存储系统是革命性的Vera，配合CX9以及我们名为DOCA的软件栈，再加上内置的安全处理器，确保一切数据在静态存储（at rest）：
传输中（in motion）以及使用中（in use）都是完全加密的。整个链路中的每一个环节都是安全的，因为AI模型太宝贵了。这就是为什么整个系统都严格遵循机密计算（Confidential Computing）原则。这里的每一个子系统本身，都堪称一场彻底的革命。Vera Rubin是我们公司历史上最雄心勃勃的项目。
我们全公司所有40,000名工程师都参与了Vera Rubin的研发。更不用说在座的各位了，你们每一个人都参与了这个庞大系统的创造。Vera Rubin确实是一个奇迹，它不只是一块芯片，而是由海量组件构成的系统。
不仅如此。很久以前，NVIDIA曾是一家GPU公司。但多年来，我们已经演变为一家系统公司。你们现在看到的，是有史以来设计的最复杂、且完全从底层构建（ground-up）的系统。
归根结底，我们的客户和合作伙伴不想只是买计算机，他们想要建造的是“AI工厂”（AI Factories），这也是NVIDIA再次开启自我转型的原因。
你可以看到，我们如此多的技术现在已经达到了整个基础设施的规模（Infrastructure Scale）。我们的合作伙伴正在基础设施的规模上开展运营，涵盖发电机、冷却系统和电网供应商。如今已有如此多工业领域的公司成为了我们生态系统的一部分。
归根结底，我们正在努力构建一个完整的技术栈。就像我们构建Grace Blackwell NVLink 72时一样，我们现在正在构建全栈系统，以便我们的客户能够打造出令人惊叹的AI基础设施。让我们来看一看。
全世界都在竞相建设AI工厂，这是人类历史上最大规模的基础设施建设浪潮。AI工厂极其复杂，每一层——芯片、机架、网络、电源、冷却、电网——都必须从端到端进行协同设计，因为算力就是收益（Compute is revenues）。
NVIDIA DGX是一份蓝图，也是一个用于构建和运营最高效、最高收益AI工厂的参考设计。一切始于DGX Sim。通过DGX Sim Omniverse蓝图，合作伙伴可以在第一台机架真正落地之前，设计并验证NVIDIA Vera Rubin AI工厂。
他们可以规划布局、模拟电力和冷却、设计网络、验证每一个集成环节，并在数字孪生（Digital Twin）中测试每一次更改。当工厂启动时，DGX OS将接管并负责配置、运营、监控和修复基础设施，
将已安装的系统转化为值得信赖的、多租户的、具备弹性的AI就绪算力。如今的AI工厂往往会将电源超额配置高达40%。DGX Max LPS允许运营商在相同的电力预算内安全部署更多的GPU，从而每年增加数十亿美元（billions）的收入。
在摄氏45度下的突破性温水液冷技术（Hot Liquid Cooling），消耗了更少的水和能源。让更多的电力能够用于产生收益的计算，这太不可思议了。动态功率分配可以在机架之间智能引导电力，回收闲置电力，将其精准输送到真正需要处理工作负载的地方。
机架内（In-Rack）电源平滑技术可以削平峰值电流尖峰和电源浪涌。在整个工厂中，AI智能体团队与DGX Max LPS协同作战，持续平衡冷却和电力，以完美匹配工作负载需求。
DGX AI工厂是灵活的能源资产，可与电网协同运作。DGX Flex能够读取实时电网信号，并在电网需要缓解压力时动态调整工厂功耗。在本年代末之前，将有100吉瓦（gigawatts）的AI工厂上线。NVIDIA DGX AI工厂以最高效率运行，以最低的成本生成词元（Tokens），并让电网变得更加稳固。
过去我给大家展示过生态系统架构图，在那些图里，NVIDIA的计算层和软件栈被集成到其他人的平台、第三方平台以及服务终端市场的库中。那是一个计算生态系统。
这是一个AI工厂生态系统。它远远处于你们所有人的下游。对我而言，上游是你们所有人，而我们的下游则是这个生态系统。
因为归根结底，英伟达不仅是在制造GPU，也不仅仅是在构建系统。我们正在帮助客户构建这些极其复杂的人工智能工厂（AI factories）和人工智能基础设施（AI infrastructures）。
这些工厂中，每一个吉瓦（Gigawatt）级别的项目，最初耗资200亿到300亿美元。现在已经达到500亿到600亿美元，不久之后，每吉瓦的投资将达到800亿甚至1000亿美元。
向一座AI工厂投入1000亿美元，它必须一次性成功，并且必须即刻运转。其资本成本高得惊人，复杂程度也令人难以置信。正如你们所见，过去我们是在计算机里设计芯片，然后在计算机里模拟系统。而今天，正如你们刚才看到的，一切都是在 Omniverse 中构建的。我与大家在 Omniverse 上合作已久，这简直梦想成真。它让我们能够在真正破土动工或投入资金之前，在一个数字框架、数字模拟器和数字世界中，预先构建起这些真实世界所需的宏大系统。
所以，这就是我们的生态系统。我们称之为 DSX。正如 RTX 代表我们的 GPU，DGX 代表我们的系统，DSX 则代表我们的基础设施。我们在整个全栈（Full Stack）——包括系统和软件——中所做的工作，正是我们能够与小公司合作，并赋能它们成为世界级AI云的原因。
我即将向你们展示的每一家公司，直到不久前都规模不大。现在，CoreWeave 的估值已达500亿、600亿或700亿美元，并且增长极其迅速。最近，我们与 Nebius 合作，他们也在以惊人的速度增长。每一家云服务商都服务于极具潜力的卓越客户：Cursor（软件代码公司）、Black Forest Labs（图像生成）、World Labs（世界基础模型）、Revolut（领先的金融服务AI公司）以及 Shopify。
这是另一个例子：NScale，其客户包括英国电信（British Telecom）和谷歌（Google）。谷歌正在使用我们的一个AI云，此外还有前沿实验室公司 Thinking Machines——这非常令人兴奋。我们还有韩国的 Naver Cloud，服务于韩国央行和现代汽车。这里有许多令人惊叹的公司，包括印度的 Yotta。
都是了不起的公司。这里有一家总部位于新加坡、在澳大利亚进行基础设施建设的云服务商，还有 Together AI 和 AI Singapore。这是来自印度尼西亚的一家公司。这里的每一家公司，都在服务区域甚至全球的客户。AI 将无处不在，每一家公司都将由 AI 驱动。
各个地区都将建设属于自己的AI基础设施。印度尼西亚有 IndoSat；在台湾，有 GMI Cloud。没错，在台湾，有 GMI。（观众掌声）大家可以鼓掌。这些都是了不起的公司，拥有不可思议的机遇，但它们都需要具备几个核心要素。
当然，它们需要计算栈（Computing Stack）——也就是底层的整个全栈架构。这正是英伟达闻名于世的根本。我们所有的硬件、软件和函数库（Libraries），加上我们与全球第三方开发者生态系统的紧密连接，使得任何人都有能力构建起自己的AI云。
然而，如今的AI云极度复杂。前面提到的是软件层面和计算机科学层面的概念。
而资本层面、资产层面的概念，就是我之前向你们展示的——它是一座巨型工厂。仅仅拥有构建系统的能力是不够的，这就是英伟达向AI基础设施公司转型的根本原因。
把这件事做好，极尽所能地帮助客户建设并部署AI工厂，是至关重要的。原因就在于：算力即营收，算力即利润（Compute is revenue. Compute is profit）。没有营收和利润，就是亏损。因此，我们必须深刻意识到基础设施上线时的表现有多么重要。以下是一个AI基础设施上线的例子，它可能……
它可能快速上线，也可能迟迟无法交付。它的吞吐量可能很高，也可能很低；它的弹性和可靠性可能很好，也可能很差；它的使用寿命可能很长，也可能很短。因为这代表着500亿、600亿甚至将达1000亿美元的巨额投资，所以这条生命周期曲线至关重要。这也正是为什么英伟达是如此卓越的合作伙伴。选择与我们合作，是因为我们具备全栈整合能力。我们绝不只是停留在PPT纸上谈兵，我们打造了整个基础设施，将所有环节无缝连接，并亲自斥资数十亿美元进行内部建设和测试，以确保一切运行完美。正因如此，我们实现“首个Token输出（Time to First Token）”、“首次推理（Time to First Inference）”以及启动训练的时间都要快得多。
其次，我们的每瓦吞吐量、每瓦Token产出（Tokens per Watt）绝对是世界级的。原因在于我们整合了一切，从底层开始从头设计，模拟整个系统，并采用极致的软硬件协同设计（Co-design）。正如我刚才向你们展示的 Vera Rubin 机架一样，所有设计的初衷都是为了实现这种惊人的吞吐量。
如果你的数据中心或工厂只有一吉瓦（1GW）的电力容量，它就不会有更多。一吉瓦就是一吉瓦，这就是你所能获取的全部电力限制。在仅有一吉瓦电力的情况下，每瓦吞吐量直接等同于营收，因为每一个 Token 都是有利可图的，每一个 Token 就是一笔营收。
这就是未来。算力即营收，每瓦性能即营收。仅仅因为芯片便宜而选择错误的架构是得不偿失的，也毫无意义。你需要确保最大化你的“每瓦营收”。买得越多，赚得越多。这就是“每瓦Token产出”的核心逻辑。第三点是可靠性（Reliability）。如果你有机会亲眼看看这些数据中心，你会发现里面有数不清的运转部件和上百万条线缆。
要让所有这些计算机和谐、可靠地协同工作，概率极低，难度极大。我们已经在超大规模运营领域深耕了很长时间。这种经验至关重要。这其中的差异，尤其是中断平均间隔时间（Mean Time Between Interrupts, MTBI），显得极为关键。最后一点，
这非常艰难。即这些系统的生命周期。软件无时无刻不在发生变化。四年前的 Hopper 时代，AI 经历了彻底的变革；六年前的 Ampere 时代，AI 同样发生了翻天覆地的变化。我们一开始讨论的是卷积神经网络（CNN），接着是 Transformer，再后来是混合专家模型（MoE）。而现在，我们探讨的是智能体系统（Agentic Systems）。每一个代际更迭，甚至每隔几个月，软件行业就会涌现出新技术。如果你的架构不够灵活，如果你的生态不够丰富，那么系统生命周期的这条曲线就无法长久。
你无法预测你的系统能撑多久，但我能。英伟达的系统遍布全球，软件开发者都是从英伟达的 CUDA 起步的。因此，从定义上讲，系统的生命周期、生态系统以及资产的有效使用期都会长得多。这种差异本质上就是成本的差异。你可以将其视为营收，但营收的硬币反面就是成本。如果资产的寿命长，总体拥有成本（TCO）就会显著降低。这就是差距所在，这也是计算力展现出的真实威力。
买得越多，赚得越多。现在，你们所有人都在与我一起见证和体验这一点，不是吗？
面对庞大的需求，你们的工厂正在满负荷运转。全台湾的员工都在夜以继日地拼搏，因为每个人都想抓住这个赚钱的机遇。
大家已经意识到，实用且真正能盈利的AI时代已经到来。计算需求高得惊人，而算力短缺正是目前的唯一瓶颈。
让我们齐心协力，全力以赴，帮助全世界在各地建立起AI工厂。这就是为什么这件事如此重要。此时此刻站在你们面前，我感到非常高兴。我宣布：Vera Rubin 已全面投入量产！Vera Rubin 已经全面量产！
我们为 Vera Rubin 打造的供应链规模，是 Grace Blackwell 的两倍。这简直不可思议。
以前组装一个 Grace Blackwell 机架需要两个小时，现在仅需五分钟！因此，不仅产能更高了，吞吐速度也大幅提升，而我们需要这一切来满足激增的市场需求。
这个生态系统是非凡的。数百万平方英尺的工厂空间已经上线以支持 Grace Blackwell 的生产，现在正全副武装，加速为 Vera Rubin 产能爬坡。
我要感谢大家。Vera Rubin 现已全面量产。谢谢！
让我们来看一段视频。大语言模型（LLM）能生成答案，而现在的AI智能体（AI Agents）能够真正执行任务。但处理智能体AI，是一个截然不同的挑战。智能体会观察、推理、规划并调用工具。它们在工作记忆（Working Memory）和长期记忆（Long-term Memory）之间自如切换，处理海量的上下文信息。它们还会根据需求，随时启动子智能体（Sub-agents）或专家模型来协同工作。
英伟达 Vera Rubin 是一款专为处理智能体AI而打造的、多机架 Pod 级别（Pod-scale）的系统，目前已全面投入量产。能够亲眼见证整个供应链在制造、自动化和统筹协作方面所展现出的力量，简直是一个奇迹。
我们的征程始于推出首款人工智能超级计算机——NVIDIA DGX-1。在过去的十年里，我们不断突破每一块芯片和系统的极限：从 Pascal 架构和首个 NVLink，到首台机架级(Rack-scale)人工智能超级计算机 Grace Blackwell。而现在，Vera Rubin 问世了，它是专为智能体时代(Agentic Age)打造的首款多机架、集群级(Pod-scale)超级计算机。
一切始于台积电（TSMC）。构成 Vera Rubin 的七款新芯片经过数百道加工步骤成型：采用 3 纳米工艺、CoWoS-R 和 CoWoS-L 封装技术，以及来自美光（Micron）、SK 海力士（SK Hynix）和三星（Samsung）的 HBM4 内存。
Vera Rubin 计算板集成了 6 万亿个晶体管，单块主板上包含超过 18,000 个组件。Vera Rubin NVL72 负责执行思考、提示词与上下文理解、推理以及规划任务。
接下来是全新的模块化计算托架，其设计通过全新的 PCB 中板(Mid-plane)得到了精简。它配备了超级芯片(Superchip)、ConnectX-9 SuperNIC 以及 BlueField-4 DPU，所有组件均采用无缆化设计，以确保人工智能工厂规模下的可靠性。该系统集成了 18 个计算托架、9 个支持热插拔的 NVLink 交换机托架，以及全新的高效歧管和液冷母线，载流量超过 5,000 安培——相当于 20 辆处于全速加速状态的电动汽车。
130 万个组件共同构成了这一第三代 MGX 机架设计。
祝贺微软成功运行其 Vera Rubin NVL72 工程机架，同时也祝贺戴尔（Dell）和 Coreweave 成功部署了他们的 Vera Rubin NVL72 工程机架。
接着是 Vera CPU 机架：单机架液冷系统包含 256 颗 CPU，负责统筹模型、调度内存并启动工具。
在富士康（Foxconn）和广达（Quanta），Groq3 LPX 系统正在成型，其分布在 16 个托架上的 256 颗 Groq3 LPU，凭借高达 40 PB/s 的 SRAM 带宽实现了超低延迟。
虽然 NVL72 专注于以最高吞吐量生成 Token，但 Groq LPX 则侧重于以最低延迟生成 Token。Vera BlueField 4 STX 是人工智能存储其记忆的地方。由 BlueField 4 加速的存储处理，将内存、存储与芯片级安全性紧密相连。
此外还有 NVIDIA Spectrum-X 以太网光子技术，这是全球首款搭载 200 Gigabit 共封装光学器件（CPO）的以太网交换机，融合了台积电的 COUPE 工艺、芯片级封装，以及基于磷化铟的超高功率激光裸片。
Vera Rubin，这五大互联的机架级(Rack-scale)系统，是一台专为人工智能智能体打造的超级计算机。它汇聚了台湾地区 150 家供应链合作伙伴，占地数百万平方英尺的厂房，数百个生产基地；在这里，芯片、封装、系统与数据中心在尺寸、功耗和规模上均被推向了极限。这就是我们所说的极致协同设计(Extreme Co-design)。我们与台湾共同完成了这一切。我们齐心协力，为人工智能时代重塑了计算。在起步之初，台湾就与我们并肩同行；时至今日，当我们将 Vera Rubin 推向世界时，台湾依然在这里。
谢谢你，台湾。
黄仁勋： Vera Rubin 不仅仅是为人工智能而生，它不仅仅是为了运行人工智能而构建，Vera Rubin 的使命是运行智能体(Agents)。
这是一个智能体系统(Agentic System)。想象一下它的复杂性，这正是为什么智能体能成为计算机科学领域的最新突破。智能体经历了漫长的岁月，才得以展现其潜力并发挥实际效用。
顺理成章地，运行它们的计算机必须是世界上最先进的。这就是 Vera Rubin。让我们看一看，能把 Vera Rubin 推出来吗？
Janine，机架和系统准备好了吗？看起来很沉。这就是 Vera Rubin。Vera Rubin NVLink 72。
这是 Groq LPX。在下一届 GTC 大会上，我将向大家分享更多相关细节。今天我们要聊的话题实在太多了。这是 Vera CPU 机架，包含 256 颗 CPU，全部采用液冷技术。稍后我会详细介绍 Vera。这是 Vera BlueField 存储处理系统以及安全系统。当然，还有我们的 Mellanox 网络技术，全球首款 CPO（共封装光学）交换机。
这就是 Vera Rubin。令人难以置信的技术汇聚于此。大家知道，当初我们构建 Hopper 架构时，是为了预训练(Pre-training)。预训练是当时我们所面临的最重要的应用和工作负载。后来，当我们研发 Grace Blackwell 时，所有人都说：“Jensen，NVIDIA 在预训练方面确实很出色。”
“但推理(Inference)很简单。” 你们还记得吗？人们常说：“推理很简单，我们也能做。” 但正如你们所知，推理意味着巨大的商业价值。而且现在的模型（如混合专家模型 MoE）极其复杂。要想在保持极高响应速度和快速交互能力的同时，实现超高吞吐量，这极其困难，而这正是我们创造 NVLink 72 的原因。如今，NVIDIA 的 Token 生成成本是全球最低的，不是便宜了 10%，而是成倍、呈数量级地降低。这一切都要归功于我们所实施的极致协同设计(Extreme Co-design)，归功于我们对推理计算模式的深刻理解，从而创造了 NVLink 72。现在，对于 Vera Rubin 而言，它已经超越了单纯的推理，它是在智能体系统中的推理。这就是 Vera Rubin：没有线缆，没有软管，没有风扇。
上次我向大家展示时，系统里到处都是线缆。那些线缆看起来虽然壮观，但现在，我们采用了一块 PCB 中板将两侧连接起来。曾经需要两小时的组装工作，现在只需五分钟。Vera Rubin 的可靠性和弹性(Resilience)将达到前所未有的水平。
这是我们的 Vera CPU 托架，搭载了有史以来最先进的 CPU。稍后我会向大家展示。这是我们的存储托架，配备两颗 Vera CPU 和四个 ConnectX-9 (CX9)，集成了极其庞大的软件堆栈。
这是我们全新的 LPX，即 LPU30 Groq 系统，专为超低延迟推理而设计。吞吐量由 Vera Rubin 提供，并通过 NVLink 72 进行扩展。如果你想进一步扩展，还可以配置 Groq LPU。
这里展示的是 Vera Rubin NVLink 交换机托架。中间是交换机，这是一项革命性的设计。
正是因为 Vera Rubin，因为我们发明并创造了 NVLink 72 和 NVLink 交换机，再加上我们用于横向扩展(Scale-out)的以太网交换机，这一切才得以实现。
令人惊叹的是，我们最初是为 Grace Blackwell 推出了这两套系统。这两套系统是专为 Grace Blackwell 打造的。而今天，NVIDIA 已经成为全球最大的网络公司。我为我们的网络团队感到无比自豪。
这是推动我们各项事业的不可思议的赋能者。现在，我要与大家聊聊我们将要涉足的下一个核心行业。谢谢大家。Janine？谢谢。
我想后面大概有 2,000 人在合力拉动那个机架。好了，我们来谈谈 CPU，也就是 Vera CPU。这是专为人工智能时代打造的 CPU。在此之前的所有 CPU都是为人类而设计的。我们是用户，我们是租户。对于人类使用 CPU 的方式，我们生活在一个以“秒”为单位的世界里。我们在云端租借 CPU 的方式是：你拥有的 CPU 核心越多，能租借出的算力就越多。传统 CPU 的使用场景及其背后的经济模型，与智能体(Agents)有着根本上的不同。智能体……
……是没有耐心的。它们不生活在以秒为单位的世界，它们生活在纳秒(Nanosecond)级的世界里。当智能体使用工具时，它希望响应时间越快越好；当它访问数据库时，数据必须立刻返回。智能体等待的每一刻，都在阻碍它迈向下一步、再下一步。因此，将 CPU 的延迟降到最低、将交互性提升到极至关重要。这就是我们为人工智能时代打造 Vera CPU 的初衷。目前在我们的系统中，它有三种主要的应用方式。第一种，当然是用于 Vera Rubin。
用于执行“思考”。在 Vera Rubin 机架内，已经集成了两颗 CPU。如大家所知，我们正在制造并销售数以百万计的 Vera Rubin，我们也已经售出了数百万台 Grace Blackwell。NVIDIA 早已是全球最大的 CPU 制造商之一。Vera Rubin 机架中包含两颗 CPU。第一颗，
用于统筹和管理 GPU，管理 KV 缓存(KV Cache)，以及处理在机架内运行的所有软件。我们还配备了用于安全和隔离的 Grace BlueField。
Vera计算平台用于支撑整个框架、AI模型的编排、工具调用以及数据库访问。数据服务器就在这里——Vera Bluefield，这是世界上最快的存储服务器，也是有史以来最快的存储系统。它之所以如此至关重要，是因为智能体(Agents)访问内存的速度快得惊人。这些系统，这些存储服务器……
现在，CPU已经成为数据中心最昂贵部分的关键路径。这种昂贵是有充分理由的。AI工厂的经济学本质(Economics)就是Token。
Token就是在这里生成的。因此，你当然希望尽可能多地制造和生成Token。这是你投入所有经济成本的地方，所以它绝不能成为瓶颈。因此，CPU架构面临着巨大的压力，这正是我们从零开始构建全新架构的原因——打造一款前所未见的CPU。我们称之为Vera。
这是专为智能体打造的CPU。过去的CPU皆为人类设计，而这款CPU专为智能体(Agents)而生。 关于它，大家只需牢记四个核心要点。
第一点，Vera的每时钟周期指令数(IPC)必须极高，因为我们需要极低的延迟，必须优化处理时间。单线程性能(Single-threaded performance)——而非单纯的吞吐量——必须达到世界级水平，做到绝对的最强。这就是Vera的IPC如此之高的原因，它是目前全球最高的。
它能在每个时钟周期内获取、解码并执行 10 条指令，这是我们的首要任务。现在，看第二点。
CPU移进和移出数据所需的带宽必须是绝对的世界级水平。因此，第二点是单核带宽(Bandwidth per core)。第三点，就是极致的整体带宽。
请记住，我之前说过，智能体系统(Agentic systems)在本质上是解耦(Disaggregated)和分布式的(Distributed)。解耦，且分布式。
当计算走向解耦和分布式时，网络就成了瓶颈。因此，我们必须在CPU核心之间、CPU与存储之间，以及CPU与GPU之间，以极快的速度移动数据。
系统周围以及CPU核心内部的带宽必须达到绝对的世界级。这是很长一段时间以来我们打造的第一款真正达到光刻掩膜版极限(Reticle limits)的CPU，它连接所有CPU核心的互联架构(Fabric)快如闪电，带宽高达每秒 3.6 TB。
没有小芯片性能损耗(Chiplet taxes)，没有跨芯片边界的延迟，因为我们需要把所有东西整合在一起，确保CPU核心之间能以极高的带宽进行通信。它们不是论核出租的算力孤岛，而是作为一个整体并肩作战。
Vera的横截面带宽(Cross-sectional bandwidth)简直爆表。它是首款支持PCIe Gen 6的CPU，也是首款采用LPDDR5且带宽达到 1.2 TB/s 的CPU。它的外部带宽是最高性能CPU的 2 到 3 倍，内部带宽是其 3 倍。单核带宽和整体带宽都是世界级的。现在，回想一下我之前给大家展示的画面。
CPU核心的数量、CPU的总量将会非常庞大。原因十分简单：过去，我们为人类制造CPU，而人类只有 10 亿（PC时代用户量）。
但未来，将会涌现数十亿个智能体(Agents)。这些智能体在使用CPU时毫无耐心，因为它们旁边的GPU成本极其高昂，实在太珍贵、太有价值了。 因此，这些CPU不仅要具备极高的性能，
它们还必须具备极致的能效，这样我们才能在不抢占Token生成功耗的前提下，往工厂里塞进尽可能多的CPU——因为我们都知道，生成Token才是赚钱的关键。这四大特性：每时钟周期指令数(IPC)或单线程性能，
单核带宽、芯片内外总带宽，以及能效，共同定义了Vera。它是绝对的世界级杰作。当你将它与性能最高的x86 CPU相比时，它的表现简直爆表。当你对比真实的单线程性能、真实的运行表现时，它依然爆表。
在CPU领域，能实现 5% 的性能提升已属不可思议，实现 10% 的提升更是极其惊人。但这种级别的性能飞跃，简直闻所未闻。这就是NVIDIA Vera。大家觉得怎么样？
让我们来看一段视频。智能体AI(Agentic AI)正在重塑CPU的角色。如今，CPU是指挥家，而GPU是交响乐团。 传统CPU是为上一个时代打造的：最大化每个插槽的核心数，将其切分、虚拟化，然后按小时出租。
在智能体时代，CPU反而成了GPU利用率的瓶颈，直接影响着Token的吞吐量、延迟以及用户体验。NVIDIA Vera正是专为智能体循环(Agentic loop)打造的CPU，它将NVIDIA定制的数据中心CPU核心与可扩展的一致性互联架构(Scalable coherency fabric)完美结合，实现了性能核心与带宽的绝佳平衡，从而将AI工厂的产出最大化。
Vera的心脏是NVIDIA Olympus核心，专为现代数据中心工作负载量身定制，轻松应对分支密集的Python运行时、工具调用和沙盒代码执行。每个核心都针对吞吐量进行了深度调优：搭载神经分支预测器(Neural branch predictor)，每个周期可评估两个分支；配备10宽解码引擎，让每个周期能引入更多任务；拥有大型乱序执行引擎，确保指令高速流转；更有配备了新型图引擎的高级预取器(Prefetcher)，能精准预判下一个数据路径。
然而，只有当数据准确无误且及时送达时，极速的核心才有意义。Vera是首款采用LPDDR5X内存，且能在不影响带宽的前提下同时纠正多个错误的CPU。因此，Vera的峰值内存延迟比x86架构低 40%，确保核心在检索、数据分析和沙盒执行等环节都能得到及时的数据供给。
NVIDIA的第二代可扩展一致性互联架构(Scalable coherency fabric)将所有 88 个Olympus核心统一在一个单片网格(Monolithic mesh)上，并为内存和I/O配备了独立的裸片。由于核心没有分散在不同的小芯片(Chiplets)上，该架构使核心间的通信速度比传统CPU快了 50%。此外，具备内存一致性的NVLink C2C (芯片间直连)将GPU直接连接到互联架构中。除了GPU，NVLink C2C还能将Vera扩展至多路插槽，从而在CPU之间实现海量带宽。最终，Vera实现了x86 CPU 1.8 倍的智能体沙盒(Agentic sandbox)性能。
独立的Vera机架负责运行智能体沙盒、工具、代码以及数据管道。通过与Rubin GPU紧密耦合，Vera时刻保持加速工作流的高效运转。而NVIDIA Vera Bluefield 4 STX则为上下文内存和AI存储提供强大动力。
计算、网络、存储齐备。Vera就是专为智能体时代打造的CPU。它将成为我们新的核心增长引擎。目前媒体的评测已经陆续出炉了。
评价相当不错，非常硬核的产品。大家要记住，Grace和Vera同时也是AI界最受认可的CPU。因为每一个数据中心、每一朵云、每一家企业，只要是与NVIDIA在AI领域合作的公司，都已经全面验证过Grace。
整个软件栈都已经为Grace进行了深度优化。所有的公司接下来都会开始验证Vera。Vera必将成为全球优化得最好的智能体CPU，原因很简单，因为它将与Vera Rubin架构并肩作战，并且我们已经完成了最艰难的底层切换。
事实上，在过渡到Grace Blackwell架构时，最大的风险就是从外部的x86 CPU迁移到Grace Blackwell。那次过渡极其惊险，但我们执行得堪称完美。现在，Grace实际上已经成为了Grace Blackwell的代名词；当人们谈起Blackwell时，他们说的其实就是Grace Blackwell，因为它已经无处不在。
每家公司的软件栈和安全栈都已为其做好了优化。而现在，Vera来了。我对此感到无比兴奋。
接下来，让我们看几组性能数据。
速度提升能说明很多问题。想要加速SQL——这个有史以来最著名的领域特定语言(DSL)——是极其困难的。
大家知道，在CUDA诞生之前，就有了SQL。在OpenGL出现之前，也有了SQL。它由IBM发明，时至今日，它已成为驱动整个地球的结构化数据库引擎。每个人都在用SQL。
如今，SQL的运行速度提升了 3 倍——不是快了 10%，也不是快了 25%，而是整整 3 倍。太不可思议了。
下一个，是实时流处理。请记住，你的AI将不再只是阅读文档。你的AI将时刻监测遥测数据(Telemetry)，尤其是在工厂内部，或者证券交易所里。
你需要持续不断地分析遥测信息。涌入的数据洪流将直接进入CPU。这就是Vera CPU正在为纽约证券交易所(New York Stock Exchange)运行的实时流处理。纽约证券交易所总裁Lynn Martin非常慷慨地选择与我们合作。这个系统目前在全球范围内运行实时流处理。Vera CPU，带来了 6 倍的性能提升！这一切全都归功于它的带宽、它的单线程指令执行能力，以及它内部核心间与外部连接的超大带宽。Vera是彻头彻尾的革命性产品。
这是非常罕见的。大家知道，通常只有在谈论GPU时，才会用到“X倍提升(X factors)”这个词。在CPU相关的实际工作负载(Real workload)上，很少有人能谈论多少倍的提升。所以我为团队感到无比骄傲，你们做得太棒了。未来，我们还将呈现一条非凡的产品路线图。
但真正令人兴奋的是，几乎每个人都在支持 Vera。他们和我们一样激动。这是 Vera 的全面开放。它开辟了一个全新的市场。智能体(Agents)——智能体是一种全新的工作负载(Workload)。
过去，我们为人类打造 CPU。现在，我们需要为智能体和智能体系统(Agentic Systems)打造 CPU。它们的特性截然不同，传统的 CPU 怎么可能还适用呢？
我们正在制造数以百万计的 Vera。台湾的 ODM（原始设计制造商）、计算机制造商以及所有的 OEM（原始设备制造商）厂商都将与我们携手推向市场——你们已经看到了早期的采用者。这些早期采用者就是那些智能体公司(Agentic Companies)。
这是一个新市场的开端，一个前所未有的市场。它不会蚕食旧有市场，而是开辟了一片全新天地。
为智能体而生的 CPU。这个市场必将超越过往。原因在于，智能体的数量将远远超过人类的数量。而且，智能体是非常“缺乏耐心”的。所以，NVIDIA、Vera，全新的 CPU。谢谢大家。
这是最重要的一张幻灯片，也是核心要点：这是应用的新模式，也是未来十年的计算模式(Computing Pattern)。智能体(Agents)与编排框架(Harnesses)。
编排(Orchestrating)大语言模型是下一个前沿领域。每家公司都将运行这些模型，每家公司都将成为“智能体公司”，在内部运行各种智能体。随着这一转变的发生，每家公司都会意识到，这些智能体需要专属的操作系统。
如今每家公司都在问我们：我们该如何安全地运行智能体？如何为特定工作负载构建属于自己的智能体？为了满足这些需求，我们开发了 NVIDIA 企业级 AI 智能体工具包(NVIDIA Agent Toolkit for Enterprise AI)。
你们亲眼见证了我一步步构建这一切。如果你回顾我五年前或十年前的 GTC 演讲，你会发现 NVIDIA 今天所做的一切，都是早有规划并于今日开花结果的。
这件事我已经谈论了好几年，因为我们一直在为这一刻做准备。企业要想构建“智能体即服务(Agents as a Service)”或让智能体运行起来，需要具备四个要素。
首先是模型，当然是大语言模型。越聪明越好，越便宜越好，越快越好。
其次，你需要一个编排框架(Harness)来统筹这一切。
第三，这些模型需要使用工具，而这些工具自带各种技能。我向你们展示过 CUDA-X 库，它们将成为未来智能体极其强大的工具。
最后，你需要一个运行时(Runtime)。你需要一个将这一切串联起来的操作系统。这就是 NVIDIA 智能体工具包(NVIDIA Toolkit for Agents)。
它包含了你可以修改的模型——NVIDIA 世界级的开源模型，我还要向你们展示更多内容。你可以运行来自任何人的智能体。你可以运行 Claude Code，不可思议的智能体；运行 Codex，同样不可思议。你可以将它们运行在一个名为 Open Shell 的框架内，它将为你的企业内部提供高度的安全保障。这个 Shell 能保护智能体，并确保其严格遵循安全策略。
隐私得到保护，权限与特权被明确分配，身份也得到验证；正因如此，Open Shell 正被全球广泛采用。NVIDIA Open Shell 是开源的，你们会看到许多公司采用它。Red Hat、Canonical 和微软(Microsoft)——它将无处不在。
这是一个重要的运行时，并且针对无处不在的 NVIDIA AI 平台进行了全面优化。你可以在任何云端、本地数据中心，甚至终端设备上运行 Open Shell。
现在，你不仅可以使用工具和库，还可以修改或直接使用模型。此外，你还拥有 OpenClaw 和 Hermes 这样不可思议的智能体框架。这些智能体框架(Agentic Harnesses)现在可以在本地或任何其他地方为你运行。
这四个组件构成了现代企业的操作系统。那么，我们该如何使用它呢？
智能体让我最喜欢的应用场景之一，就是芯片设计师(Chip Designers)。这是 NVIDIA 最为核心的业务。因此，我们理所当然地要与 Cadence 合作，共同构建“超级智能体(Super Agent)”——一个芯片设计超级智能体。它由 Codex 或 Claude Code 进行编排，以 RTL（寄存器传输级代码）、架构图、原理图或规格说明书作为输入，并能修复任何你需要解决的问题。我们共同创造了一些这样的超级智能体。
它们基于 Nemotron，专为 NVIDIA 运行时(Runtime)进行了优化。让我们来看一段视频，这真的很不可思议。
Cadence 和 NVIDIA 正合作开发芯片设计智能体。数十万颗 NVIDIA 芯片协同工作，组成了驱动全球前沿 AI 模型的“AI 工厂”。
设计这些芯片及其运行的系统，是工程学上最艰巨的挑战之一。数以万亿计的晶体管、三维电路和微观尺度——每一个门电路、每一根导线，都必须以皮秒级的精度同步，完美协调，不允许出现丝毫误差。
物理原型制作既缓慢又昂贵，因此工程师们在数字世界中进行设计。每颗芯片都始于一套架构规格说明，然后被转化为芯片设计语言——RTL。
RTL 必须在仿真中进行验证。一个微小的 Bug 就可能导致芯片延期数月。在 NVIDIA，这涉及数千名工程师、每年数十亿小时的计算时间，以及数以百万计的测试编写、运行和调试工作——这一周期传统上需要团队耗费数周时间。
为了压缩这一周期，Cadence 和 NVIDIA 构建了一个设计验证智能体。Codex 编排整个过程，Cadence Chipstack 启动由 Nemotron 驱动并由 NVIDIA OpenShell 保障安全的 RTL 验证循环。它会调用在 RTL 生成、测试平台(Test Bench)创建、回归测试和调试方面的专家级子智能体(Sub-agents)。
系统实现全自动驱动。Chipstack 智能体利用 Cadence Xcelium 运行数百次仿真，并通过 Jasper 执行形式验证(Formal Verification)。设计缺陷被即时揭示，代码中的 Bug 也随之修复。
曾经耗时数周的工作，现在只需数小时即可完成，验证周期提速了 40 倍以上。NVIDIA 和 Cadence 正利用 AI 智能体共同重塑芯片设计。
从数周缩短到数小时。NVIDIA 拥有数千名芯片设计师，未来我们将“聘用”数十万个与我们协同工作的 Cadence 超级智能体。这将使我们能够加速公司的发展，树立更宏大的雄心，创造更多令人惊叹的成果，并以更快的速度狂奔。
你们刚才看到了包含模型、编排框架(Harnesses)和工具的工具包。在这个案例中，工具指的就是 Cadence 的仿真器、验证器和形式验证系统。
这就是我们之所以如此倾力与 Cadence 合作，在 CUDA 上加速他们所有工具的原因，因为智能体是非常“缺乏耐心”的。智能体想要立刻得到答案，所以我们提供了模型和编排框架。
经过加速的 CUDA，经过加速的库和工具，再加上运行时(Runtime)。你们刚才看到的就是这一切的完美结合。而这一切的起点，是一个出色的基础模型，Cadence 可以对其进行修改和微调(Tune)，使其精通 Cadence 的工作流和专业技能，从而利用他们的专有知识，打造出 Cadence 专属的超级智能体。
他们必须从一个卓越的模型开始起步。我们称之为 Nemotron。NVIDIA 致力于为世界构建开源模型，以便在座的各位，以及我们所有人，都能创造属于自己的智能体。今天，我们正式发布 Nemotron 3 Ultra。没错，这是我们的下一代开源模型。而且它非常聪明。
Nemotron 不仅为您提供模型本身，我们还将提供用于训练它的所有数据。而且，得益于我们由众多出色合作伙伴组成的联盟——你们可以在这里看到所有的合作伙伴——我们通力合作，并互相贡献数据。
Nemotron 是在全球规模最大的长逻辑推理(Long-running Reasoning)、任务求解和工具使用数据集之一上训练而成的。得益于所有这些出色的合作伙伴关系，模型本身、训练脚本以及数据都将完全向您开放。
这是开源模型(Open Models)的极致体现，并得到了全球最顶尖的开源模型系统策略的支持。我们纯粹的目标是：让你们能够获取这一切，在此基础上不断添砖加瓦，使其更加完善，最终将其变成你们自己的利器。
Nemotron 3 Ultra。速度提升 5 倍。这是全球首个基于 SSM（状态空间模型）与 MoE（混合专家模型）混合架构的模型。这种架构的速度快得令人难以置信。我们之所以将其打造得如此之快，是为了让它能快速思考。当思考速度变快时，在同等成本下，它就能进行更长时间的深度思考。因此，速度提升了 5 倍。同时它还——
便宜了 30%。在总浮点运算量(FLOPs)和总推理时间上，其运行成本甚至比全球最具性价比的模型还要低 30%。我们对标的是全球最顶尖的开源模型。前沿级的智能(Frontier smart)。速度快 5 倍。成本低 30%。完全开源。我们对此倾注了全部心血。这就是今天的 Nemotron 3，而我们目前已经在着手研发 Nemotron 4 了。
从模型、框架(Harnesses)、工具、技能到运行时(Runtimes)，正是凭借这整套工具包，如今全球所有企业都有能力打造专属的智能体(Agent)，正如 Cadence 打造其超级智能体那样。我们正与众多企业展开合作，包括 Cadence、CrowdStrike、达索系统(Dassault)、Palantir、SAP 和 ServiceNow。过去总有人对我说：“Jensen，
这些智能体会颠覆市场。”但我说的恰恰相反，如今大家也看到了：智能体将为我的合作伙伴和朋友们创造史无前例的巨大机遇。 为此，我们推出了 NVIDIA 企业级 AI 智能体工具包——NeMo，来助他们一臂之力。
看吧。第一，Vera Rubin 架构已全面投产；第二，Vera CPU，专为新一代智能体打造的 CPU；第三，NVIDIA 企业级 AI 工具包，让所有企业及企业级软件公司都能构建自己的智能体。
我与大家的渊源便始于此。在座的许多台湾朋友和合作伙伴，你们的公司也同样起步于此。从很多层面来看，这就是现代计算机产业的开端，距今已有 40 年。
NVIDIA 成立至今已有 33 年。当时的 PC 产业正迈向 Windows 1.0、Windows 2.0，以及 Apple I 和 Apple II 时代。当我们入局时，Windows 3.1 就是 PC 的代名词。正如大家所知，Windows 95 真正让 PC 实现了“个人化”。它将 PC 从企业专属转变为消费电子设备。“人手一台”的愿景，如今已然成真。这就是一切的起点。这个计算平台在几个方面做得极其聪明：
Windows 不仅仅做到了解耦(Disaggregated)，它还实现了恰到好处的抽象(Abstracted)。它的架构设计堪称完美：系统 BIOS、开放式芯片组，以及带有驱动程序的操作系统。
这些驱动可以在运行时(Runtime)连接并安装，再加上带有媒体 API 的抽象层，共同开启了我们今天所熟知的 PC 时代。这里的每一个要素，对于 PC 的普及都至关重要。
40 年后的今天，微软(Microsoft)与 NVIDIA 即将重塑 PC。这将是全新的 PC。明晚——按我们的时间应该是明晚，我将与萨提亚(Satya)同台。我们将深入探讨双方正在开展的合作。过去三年里，微软与 NVIDIA 历经打磨，彻底重构了 PC 的运行方式，只为迎接这一刻的到来。
正如我之前提到的，智能体这种计算模式不仅将运行在 AI 云端、企业内部，也将运行在你的 PC 上。当一台 PC 拥有了自主智能体(Autonomous Agent)后，会发生什么？
一个能协助你、理解你的智能体。你可以与它交谈，它可以观察你，你可以让它阅读文件、帮忙做些研究。它能做的远不止于此，稍后我会为大家展示。
当然，全新的操作系统，本质上就是传统操作系统加上大语言模型(LLMs)。在许多方面，大语言模型就是现代版的 DirectX。
它们有输入和输出；能理解提示词(Prompts)和计算机视觉，还能生成视频与音频。它们是现代计算机的扩展，是智能的扩展。此外，正如我之前提到的，传统的应用程序将被“智能体运行时(Agentic Runtime)”所取代。智能体，就是现代意义上的应用程序。现在，让我们看看它到底能做什么。
一切始于星星之火。一个理念：在 AI 时代，进行 40 年来的首次 PC 重塑。在一个由智能体构成的世界里，我们的个人电脑将何去何从？
智能体原生运行，连接至本地或云端模型，成为我们的专属个人 AI。它们在沙盒(Sandbox)中安全地持续运行，帮你完成各项工作。为此，芯片和操作系统必须随之进化。
隆重推出 RTX Spark。我们将过去 33 年的毕生所学，凝练在了这一枚芯片之中。它搭载了拥有 6,144 个 CUDA 核心的 Blackwell RTX GPU，提供一千万亿次(1 Petaflop)的 AI 性能。同时配备了我们与联发科(MediaTek)合作定制的 20 核 Grace CPU。两者通过 NVLink 完美融合。
128GB 统一内存，台积电 3 纳米工艺，700 亿个晶体管。此外，我们与微软紧密合作，打造出了专为智能体而生的 Windows 平台。
我们正在为创作、为游戏、为智能体，全面重塑个人电脑。这是新一轮个人计算革命的黎明，而这一切，都始于 NVIDIA RTX Spark。
看，就是它。当然，我必须向大家展示最精彩的部分——电子游戏。这也是我们最热爱的事业。这是《极限竞速》(Forza)。顺便说一下，这是新的《007》游戏。我非常期待能玩上它，我觉得我长得还有点像他。
女士们先生们，这就是 NVIDIA RTX Spark 笔记本电脑。谢谢大家。我口袋里装的东西实在太多了。
好了。这是世界上迄今为止打造的最惊艳的芯片。这就是我们与联发科合作打造的 N1X。我刚才好像看到 Rick (蔡力行) 了。这就是 N1X，一枚无与伦比的芯片。
坦率地说，打造它需要 33 年的深厚积淀。原因在于，NVIDIA 100% 的软件栈都能在它上面运行。想跑数字生物学？没问题。做地震数据处理？没问题。天体物理学？也没问题。所有基于 CUDA 生态的应用，无论是物理学、生物学、基因组学还是 AI，通通不在话下。所有的计算机图形处理，也毫无压力。NVIDIA 曾开发过的每一个应用，以及 Windows 曾运行过的每一个应用，都能在这里完美运行。
微软和 NVIDIA 对所有细节进行了精心优化，使得这台电脑几乎能运行世界上诞生过的所有程序，而且现在，它还能运行智能体。这是一台不可思议的电脑，我为它感到无比自豪。
好，在看下一段视频时，请大家牢记刚才的话。想象一下，刚才展示的一切都将运行在你的 PC 上。这台电脑可以运行本地的 Nemotron 3 Ultra 模型、Nemotron 3 Super 模型，也可以调用云端的 Claude、Codex 或网络上的其他模型。它们将协同运作，创造奇迹。请看演示。
每一栋房屋的设计，都始于一个灵感。从初步想法到最终设计，往往需要大量工具、专业知识和漫长的时间。现在，运行在 RTX Spark 上的本地智能体，就能帮我设计房屋。它能在 OpenShell 沙盒中利用我笔记本上的工具，运行 Hermes 框架，并连接到云端的 Claude Sonnet 模型。我只需选择场地，分享概念草图和情绪板(Mood Board)来激发设计灵感，再输入提示词——即对需求的文本描述。
以及设计意图。接着，我的智能体就开始工作了。它会调用我笔记本上的工具，自动打开 Rhino 开始场地建模，塑造地形、设定退线距离并构建建筑外壳。随后，它会提出兼顾成本、舒适度与质量的最优建筑形态方案。
基本形态确定后，我的智能体会自动生成室内布局。墙壁、动线、房间开始初具雏形。在此期间，我可以随时介入，进行调整和修改。门窗及结构元素会被自动放置。更厉害的是，智能体甚至能自动发现并修复自己的错误。
在我确认无误后，智能体会将模型从 Rhino 导出至 Blender。材质和对象属性会被无损迁移，完整保留设计上下文。我只需微调材质，让外观达到理想效果，然后选取视角，Blender 就会渲染出房屋图像。接着，我的智能体会利用 Flux2 模型的生成式 AI，将其转化为照片级的逼真渲染图。多视角、多光照条件的复杂工作流，现在都由我的智能体引导并极大简化了。
在 RTX Spark 上创作，让设计的速度跟上想象的翅膀。这就是智能体时代的 PC。 开发者们对此激动不已。这是一台极其强大的计算机，凭借其全方位的加速性能和配套的软件能力，我们正与每一位开发者携手，为你们打造出不可思议的体验。
接下来是 Adobe。他们拥有一套令人惊叹的工具套件，全球有数千万人在使用。如今，他们重新设计了 Adobe Photoshop 和 Premiere 的核心架构，并即将发布专为 RTX Spark 打造的新版本。它的处理速度翻了一倍！它原本就已经很快了，现在更是快上加快。不仅如此，它的设计还对智能体极其友好(Agent-friendly)。通过其 MCP 服务器，它现在可以直接与你笔记本上的智能体进行无缝交互。
看到如此多的客户和合作伙伴对将 RTX Spark 推向市场感到如此兴奋，真是令人难以置信。这是 40 年来整个 PC 产品线的首次革新与重塑。我非常高兴在座的各位以及全球生态系统能够加入我们。基本上，所有人都参与进来了。所有人都将支持 RTX Spark，并将与我们一起打造极其智能、强大且精美的笔记本电脑。非常感谢大家。
但这还不是全部。RTX Spark 是对笔记本电脑的重塑。但事实上，微软和英伟达正在重塑整个 PC 产业。今天，我们宣布推出一个全新的产品系列。
三款革命性的 Windows 机器，涵盖台式机、笔记本电脑和工作站，100% 兼容 Windows，100% 支持 CUDA，100% 搭载英伟达 AI 张量核心(Tensor Core)。你在全球各地不同英伟达平台上看到的、运行的一切内容，在这里也都能运行。
这是 40 年来首次对 PC 产品线进行彻底的重新设计与重塑。现在，真正令人惊叹的是这个。看，这是 RTX Spark 笔记本电脑，这是台式机。这台来自微星(MSI)。Joseph，这台是你的。
看看它有多精美。这个智能体(Agent)可以全天候 24 小时运行，无需按量计费(Meter-free)。你可以下载你的智能体，在这里“养你的 Llama 模型”。它就像你的时钟一样，始终在运行。完全没有计费焦虑。
它就放在这里，连接着你的整个家庭——连接你的笔记本电脑、显示器、所有的摄像头、烘干机、饮水机、热水器、安防系统，以及任何你想要的设备。所有这些都连接到这台设备上，它将成为你的专属个人 AI 智能体。
随着时间的推移，它会变得越来越聪明，因为今天我们有 Nemotron 3 Ultra，明天会有 Nemotron 4，接着是 Nemotron 5 和 Nemotron 6；我们会不断让它变得越来越智能。同时，它会待在家里帮你处理各种日常事务。如果你想预订行程，没问题，交给它办。
如果你需要一个不可思议的强大系统，这有一台适用于 Windows 的 DGX 工作站。它完全兼容 Windows，可以运行 Windows 上的所有内容，并且拥有 768GB 的内存。因此，你可以直接运行万亿参数(Trillion-parameter)的模型。这简直令人难以置信。20 Petaflops（千万亿次）的算力，每秒 8TB 的内存带宽，而它就放在你的办公桌旁。
基本上，如果你是大语言模型或智能体的开发者，把它放在桌旁就能为你提供所需的所有算力，当你需要部署时，再将其上传到云端即可。现在，如果你看着它并仔细思考，你会发现，一场深刻的变革正在发生。
回想十五、二十年前，我们对“手机”有一种固有的概念。今天，我们对“PC”也有一个固有的概念。但如今，当你想到手机时，你最不可能用它做的事，反而可能就是打电话。
你用它做几乎所有其他事情。所以，现在的手机对你而言，意义与过去完全不同。我敢肯定，同样的变革也将发生在这里：10 年后的 PC，与你今天心目中那个仅仅用来启动应用、点击和打字的 PC，将截然不同。 我的理论是：我完全可以想象，就像今天每个家庭——或者说许多家庭——都有家庭影院和大电视一样。
就像家里有割草机、洗碗机一样，我完全可以想象，未来的某一天，你的家里会实实在在地拥有一台 AI 超级计算机。它运行着你所有的智能体和助手，时刻为你处理各种各样的任务。
你必须在家里配备这样一台设备，就像你家里有家庭影院、音响和游戏机一样。你最终会在家里运行一台 AI 智能体计算机。随着时间的推移，对你来说，它会变得更像 R2-D2 或 C-3PO（《星球大战》中的机器人），而不再是一台冷冰冰的传统 PC。毫无疑问，这次对计算机的重塑，其意义丝毫不亚于当年手机向智能手机的伟大进化。而这，仅仅是那段旅程的起点。
这是一个全新产品线的开端，我们已经为此制定了明确的路线图(Roadmap)。对我们来说，这是一个全新的产品家族。在每一代架构中，我们都会同步推出台式机、笔记本电脑和工作站。
令我感到无比欣慰和荣幸的是，全球 100% 的 PC 产业都已加入我们，共同重塑 PC。新的产品线，新的开始。
如大家所知，代理式 AI(Agentic AI) 就是一个数字机器人。它能理解、推理、规划、采取行动并使用工具。代理式 AI 将运行在所有这些计算机上。随着时间的推移，你们已经听我谈论过其中的每一个领域。我们正在研发人形或各类机器人计算机，我们在研发自动驾驶汽车计算机，我们还在研发卫星计算系统。
你们有搭载了张量核心(Tensor Cores)的 GeForce 显卡。我刚刚还谈到了全新的 PC 系列。未来，农业设备、制造设备、重工业设备都将具备代理能力(Agentic)。你甚至会拥有一个属于自己的小型智能体助手。
甚至你们的基站，未来的无线电基站也将具备代理能力。它们能感知网络流量，思考如何与其他基站协调，从而以最少的能耗提高利用率和频谱效率。因此，万物都将运行智能体。今天，英伟达在很大程度上正处于这一浪潮的中心。
但我非常肯定，未来世界各地将有数百亿，甚至随着时间推移达到数千亿的智能体系统和智能体计算机在运行。
目前最大的问题在于数据。以语言模型为例，我们在互联网上用于训练的所有英语及其他语言数据，都是基于我们人类的视角——我们编写了它们，我们也在阅读它们。
然而，为了给 AI 和机器人创造数据，必须从机器人自身的感知和视角出发。世界上绝大多数视频数据都是第三人称视角的，而非第一人称。因此，智能体系统和机器人系统必须解决这一难题。
对于物理 AI(Physical AI) 来说，数据是最难攻克的问题。你们已经看到我们在不断向上攀登。我们从远程操作(Teleoperation)开始，这基本上就是人类演示。这与强化学习中“基于人类反馈的强化学习(RLHF)”这一重大突破没有本质区别。然后，我们引入了模拟(Simulation)，这就是 Omniverse 发挥作用的地方。这与强化学习中的“可验证奖励(Verifiable Rewards)”同理。于是，我们利用这些系统来冷启动(Bootstrap)AI 模型，也就是物理 AI 模型。最终，我们能够从第三人称视角学习，并将其重投影到第一人称视角。现在，通过不断的冷启动(Bootstrapping)，我们拥有了一个“世界基础模型(World Foundation Model)”，它可以从你想要的任何视角理解物理世界。无论是第三人称、第一人称、由外而内还是由内而外，统统不在话下。
这确实是一个重大突破。今天，我们宣布推出 Cosmos 3。Cosmos 3 代表着物理 AI 的最前沿(Frontier)。在语言模型领域，我们处于前沿，且有很多人参与其中。但在物理 AI 领域，我们绝对是世界第一。我为团队取得这样的成就感到无比自豪。这是你们所有工作的基础模型。无论何时你想打造一个机器人，无论你想打造一个工厂机器人还是在工厂里工作的机器人，任何涉及……
……物理世界的机器人，现在你都有了一个好帮手——Cosmos 3。它具备理解和推理能力，能够生成内容，能够在闭环中进行模拟，甚至可以直接充当策略(Policy)本身。它在全球各大排行榜上名列前茅。我为 Cosmos 感到无比自豪，今天我们正式宣布推出 Cosmos 3。让我们一起来看看。
真实世界是无限且不可预测的。物理 AI 需要数据，但真实世界的数据不可能无限扩展。对于物理 AI 而言，算力就是数据。 这就是 Cosmos，一个面向物理 AI 的开源前沿全能模型(Omni-model)，构建在全新的混合 Transformer 架构(Mixture of Transformers Architecture)之上。像素、动作、声音和语言流入自回归 Transformer，它进行推理、规划，并指令扩散 Transformer (Diffusion Transformer) 生成下一步的内容。
开发者可以跨越不同的具身实体(Embodiments)和用例对 Cosmos 进行后训练(Post-train)。作为视觉语言模型(VLM)，Cosmos 能够观察物理世界，理解正在发生的事情，描述场景并标记关键信息。作为世界模型(World Model)，Cosmos 可以根据图像、文本或视频，生成绝对符合物理规律的合成视频。
作为模拟器(Simulator)，Cosmos 闭合了策略训练和评估的循环。作为英伟达 Omnidreams（一个基于动作条件的世界模型）的基础，Cosmos 可以逐帧预测未来。对 Cosmos 进行后训练，它就会变成一个世界动作模型(World Action Model)。
感知、推理、规划并生成动作。适用于各类机器人，适用于所有会移动的物体。这是一种由计算机生成的新型数据，也是一位全新的数字导师。
Cosmos，物理 AI(Physical AI) 时代开发者的基石。输入数据与算力，产出人工智能。
如今我们拥有了 AI，算力即数据(Compute is data)。 因此，利用 Cosmos 3，可以训练出海量的 AI 模型。Cosmos 是一个极其出色的开放模型系统，与 Nemotron 如出一辙。我们开源了模型、开源了数据，甚至公开了训练方法，让你能够对其进行强化，将 Cosmos 转化为你的专有模型(Proprietary Model)。我们在众多不同行业都拥有极其优秀的合作伙伴。模型本身自然是 AI 技术栈(AI Stack)中最易于理解的部分，但整个技术栈却极其复杂。它包含生成器(Generators)、模型、仿真器(Simulators)以及运行时(Runtime)。正如智能体系统(Agentic Systems)一样，这些汽车——本质上就是化身为自动驾驶汽车的物理 AI 智能体机器人——同样拥有如此复杂的架构。今天，我们正式发布 Alpamayo 2，一款专为自动驾驶汽车打造的开源模型。
我们正与全球的车企展开合作。看看这些已经签约采用 NVIDIA Hyperion 架构并正在打造 Hyperion 汽车的品牌，它们占据了全球约 80% 的汽车产量。这些制造商代表了全球 80% 的汽车份额。
我们将拥有海量的 NVIDIA Hyperion 系统，它们能够完美运行 Alpamayo 或任何第三方的自动驾驶技术栈(AV Stack)。
我们还接入了出行服务网络。全球约 97% 的出行服务正在与我们互联，因此，当我们在搭载 Halos 操作系统的 Hyperion 运行时(Runtime)上部署 Alpamayo 时，便能与全球所有的出行服务无缝对接。
让我们来看一段演示。
“嘿，梅赛德斯，带我去我最爱的那家三明治店。”
AI： 正在规划前往目的地的路线。车道畅通。驶出以开始行程。因前方有静止车辆阻挡车道，向左微调避让。
减速并在控制路口的停车标志前停下。停车让行行人，因为有人正处于我们的车道上。避让从左侧加塞(Cut-in)的车辆。
向左微调，避开右侧阻挡车道的停放车辆。与加塞车辆保持距离，因为它正汇入我们的车道。因停放的车辆阻挡了车道的一侧，向左微调避让。
停车，与前车保持距离。与车道正前方的车辆保持安全距离。与车道正前方的车辆保持安全距离。
在停车标志处停下，因为路口设有交通管控。停车让行横穿车流(Cross traffic)。与前车保持距离。因卡车阻挡车道左侧，向右微调避让。因卡车阻挡车道，向左微调避让。与前车保持距离。
您的目的地在右侧。
画外音： Alpamayo，全球首款——
黄仁勋： ——具备推理能力的自动驾驶汽车(Reasoning Autonomous Vehicle)。如果你让它一直发声，它会把你逼疯的。但我们很高兴它一直在进行“内心独白”，这正是所谓的“思考”。因此，Alpamayo 是一辆会推理的汽车。我们创造的这项技术同样适用于人形机器人(Humanoids)。当然，这需要实现许多新的技术突破。NVIDIA Isaac GR00T 是我们的人形机器人技术栈模型。
涵盖数据生成、仿真测试以及运行时，包括操作系统。这一切构成了 GR00T 平台，即 Isaac GR00T 平台。正如你所见，我们的每一个系统都遵循着完全相同的范式：无论是云端智能体系统、PC 端智能体系统，还是自动驾驶汽车的机器人系统，亦或是人形机器人的系统，全都是一样的。当然，在每一个场景中，我们都进行了从底到顶的完整构建。
我们进行全栈的垂直构建，通过极致的软硬件协同设计(Co-design)实现完全集成。然后我们将它开源，让所有人都能按需取用。无论你想使用哪一部分，我们甚至可以协助你进行深度定制修改。
但目前唯一缺失的是，我们需要一个机器人系统的参考平台(Reference Platform)。这些机器人系统极其复杂，布满了各种电机和传感器，并且非常脆弱；然而，我们必须找到一种方式来交付这些参考平台，就像我们交付 PC、DGX、云服务器和自动驾驶汽车那样。现在，我们将为机器人实现这一壮举。
今天，我们正式发布 NVIDIA Isaac GR00T，这是一款完全集成的参考级人形机器人。它的每只手配备了由 Shadow 公司制造的具有 25 个自由度的灵巧手，机器人本体拥有 31 个自由度——身高 6 英尺，体重 150 磅，和我简直一模一样。
（其实我的）第一个数字（身高）要矮一点，第二个数字（体重）要大一点。除此之外，挺接近的。这个平台运行着全新的 Thor 芯片以及我们完整的软件栈：数据生成栈、数据仿真栈、运行时，所有这些都集成在一台旨在供所有人使用的机器人中。我们专门为高等教育和大学研究人员打造了它，因为让他们从零开始造这台机器实在是难如登天。那么，让我们来看一段视频。
AI 的下一次飞跃是通用机器人——即人形机器人。 但构建一台人形机器人极其困难。每个团队都要从零开始，费力拼凑仿真器、遥操作(Teleop)系统、数据流水线和训练基础设施。在研究正式开始前，光是环境搭建就要耗费数月。NVIDIA Isaac GR00T，专为人形机器人打造的开放式开发平台。拥有开源模型、仿真与训练库、数据生成器，外加机器人计算机。全链路打通(Fully pipelined)，数小时内即可部署就绪。首先，在 Isaac Lab 中搭建仿真环境。
利用 Isaac Teleop 在真实或虚拟机器人上捕捉动作演示。借助 Omniverse 和 Cosmos 生成合成数据，将一次演示裂变为成千上万次。训练策略(Policies)，并在 Isaac Lab Arena 中进行评估。
通过 Isaac ROS 进行部署，运行在 Jetson 和 Thor 平台上。每一个组件都是模块化的。
你可以直接使用我们的组件，也可以无缝替换为你自己的。GR00T 正在为从研究实验室到工厂车间的各个领域、各个学科的机器人研究提供澎湃动力。一个统一的开放平台。而现在，又添新军。
Isaac GR00T 参考设计机器人。基于 NVIDIA 开放平台构建。为任何地点、任何实验室的前沿研究严阵以待。机器人时代，由此开启。 NVIDIA Isaac GR00T。形态各异的机器人。
我们正与全球几乎所有致力于机器人或机器人系统研发的团队并肩作战。
让我再重申一次我之前说过的话：计算机行业已经被彻底颠覆了。 在过去的六个月里，一切都变了。天翻地覆的原因在于，智能体(Agents)化为了现实，并与最新的前沿模型(Frontier Models)深度融合，使得 AI 现在真正能够执行有用的工作。
这种计算范式将会一遍又一遍地重演。该范式由三个部分组成：作为模型的智能体、能够运用工具与技能的运行框架(Harness)，以及一个运行时(Runtime)环境。运行时环境因所处位置而异——可能在云端、在本地 PC 上，也可能在机器人体内；但对于所有这些场景，它们的计算范式是完全一致的。
你可以根据偏好选择不同的运行框架，根据需求选择不同的模型。你可以为了自己的专有用途去优化它们，你甚至能创造出“超级智能体(Super Agents)”，将其出租给他人，助力他们完成工作。
这种智能体范式(Agentic Pattern)正是我们战略的核心。NVIDIA 拥有企业级 AI 工具包，这是大家与 AI 互动的绝佳途径，对我们而言，这也意味着一个惊人的增长机遇。
Vera Rubin 已经全面投产。如果说打造 Grace Blackwell 是为了处理 AI 任务（尤其是推理），那么打造 Vera Rubin 就是为了运行智能体。它已全面量产。它绝不仅仅是一块 GPU，而是一个完整的、解耦的分布式智能体处理系统。NVIDIA 已经真正蜕变为一家基础设施公司——不再仅仅是一家 GPU 公司，也不仅仅是一家系统公司，而是一家致力于帮你实现营收最大化、利润最大化，并助你以最快速度达成目标的基础设施公司。
智能体世界开启了一种全新的计算方式，现在的 CPU 不再为人类而建，而是为智能体而生。 智能体专属的 CPU 有着特殊的需求，而我们的 NVIDIA Vera 是具有革命性意义的。我对它的产能爬坡(Ramp)感到无比振奋；目前的爆满订单，已经注定它将成为我们公司历史上发布最快、最成功的产品。
NVIDIA 和微软共同打造了一个全新的电脑产品系列。这是一个新的开端。当然，我刚才描述的那种智能体处理模式（Agentic processing pattern）也将运行在各种终端设备上。我提到了个人电脑，但在未来，它将应用在机器人、卫星、基站和工厂中——无论是云端、本地（On-prem）还是边缘侧。这种智能体 AI 系统、这种智能体计算模式，将在世界各地的计算机中全面普及。我们对个人电脑的认知，极有可能发生彻底的颠覆。
我要感谢各位的鼎力合作与深厚友谊。没有我们同心协力，就不会有今天的成就。看到大家在过去一年大获成功，我深感自豪，并期待明年我们能再创辉煌。
参考资料: https://www.youtube.com/watch?v=wSp6AiNIrsY，公开发表于2026年06月01日
中关村金融科技产业发展联盟
Zhongquancun Fintech Industry Development Alliance
中关村金融科技产业发展联盟（简称“中金联盟”）是在北京市科委、中关村管委会，海淀区人民政府等单位指导下，由中关村互联网金融研究院、中科软、蚂蚁科技、第四范式、博彦科技、网联清算、光大银行、中关村银行、龙盈智达、度小满金融、神州信息等金融科技头部企业和专业服务机构共同发起，经民政部门批准在全国开展业务的社团组织，现有会员单位300余家，联盟以创新为动力，以技术为核心，以应用为导向、以产业为主线，打造中关村乃至全国金融科技产业服务中心，搭建金融科技产学研用合作平台，助推金融科技产业转型升级。
课题承接、会议合作和专题培训
联系电话：18304446664
邮箱：fangrui@zfida.org.cn
入会咨询
