文｜硅兔赛跑 Xuushan
编辑｜伊凡
现场一票难求，线上股价狂跌。
“买得越多，省得越多，赚得越多。”
英伟达GTC大会上黄仁勋打响了今年AI界带货最强Slogan。
在加利福尼亚州圣何塞SAP中心，一身标志性皮衣的黄仁勋快步上台，表示今年的GTC大会，是AI超级碗——AI正在解决更多行业与公司的更多问题，作为科技行业的风向标，这场大会涉及1000场会议、2000名演讲者和近400家参展商，超25000+参会人员。门票在会前被炒到了万元高价，并且早已售罄。
此次GTC大会对英伟达来说，是至关重要的一战。
外界所关注的，AI的热潮是否已经达到顶峰？AI芯片的销售是否放缓？当DeepSeek证明了另一条性价比更高的计算路线时，还在坚持大算力的英伟达还能否坐稳AI基建王者的宝座？
会前投资者的种种质疑在黄仁勋为GTC准备长达120分钟的演讲之后逐渐消散。英伟达不仅直接公开了四年三代GPU架构路线图，Blackwell Ultra、Rubin、Rubin Ultra、Feynman等芯片悉数上台，而且还提及了AI、数据中心、机器人、CUDA生态等诸多进展。
业界表明，股价下跌的原因主要由于黄仁勋的演讲基本在华尔街的意料之中，许多新的技术进展已在今年的CES中有所涉及，而黄仁勋提及的关于量子计算、具身智能的部分，很难在短期内看到有实质增长的可能。
以下是今日GTC大会主题演讲干货提炼：
1、芯片全家桶全面升级：Blackwell芯片销量提速，将是Hopper的3倍；Blackwell Ultra将是首个拥有288GB HBM3e的GPU，并配有GB300 NVL72机架、HGX B300 NVL16机架组合系统方案，将是今年下半年的主推产品；
首次公布未来三年技术蓝图：2026年推出Rubin架构（FP4算力达100P Flops），2027年Rubin Ultra支持576个GPU集群，Rubin的AI工厂性能或能达到Hopper的900倍；2028年发布Feynman架构；
英伟达还与台积电联合封装光网络芯片，并于今年下半年将推出新版以太网芯片；
2、打造超算中心工厂：面向开发者以及企业研发场景，推出全球最小AI超级计算机DGX Spark以及AI超算DGX Station；推出搭载Blackwell Ultra GPU的DGX SuperPOD，提供AI工厂超级计算，并同步推出DGX GB300和 DGX B300系统，组合提供开箱即用的 DGX SuperPOD AI 超级计算机；上线英伟达Instant AI Factory，实现AI托管服务等；
3、推出AI推理模型系列：推出AI推理服务软件Dynamo，旨在为部署推理 AI 模型的AI工厂最大化其token收益，可将DeepSeek-R1模型生成tokens数量提升30倍以上，每秒处理超30000tokens；推出全新Llama Nemotron推理模型，并帮助企业构建企业级AI数据平台；
5、巩固CUDA生态：推出搭载GH200超级芯片的CUDA-X库，让CUDA-X与最新的超级芯片架构协同工作实现，计算工程工具的速度可提高11倍，计算量可扩大5倍；首次设立量子计算日，并升级cuQuantum库，推动量子计算研究。
会上，英伟达还多次提及中国AI大模型DeepSeek，提及DeepSeek整体有利于英伟达更快速推动生态建设，并不会对英伟达造成负面影响，黄仁勋对此前大幅跳水的股价做出回应。事实上，通过每年迭代一代架构的速度，英伟达将AI算力密度提升周期逐渐缩短。
生成式AI第三年，英伟达通过GTC 2025大会正式宣告其构建AI全栈基建生态的野心，从硬件代际差、生态垄断性和行业标准制定权，英伟达围绕“技术-商业”双闭环的护城河逐渐完善，短期时间内，英伟达在AI基建领域几乎毫无对手。
四年三架构技术路线图揭晓！黄仁勋：tokens是一切的基础
“去年的一切都是错的，Scaling Law（扩展定律）远没有结束。”黄仁勋直言，扩展定律正在以超过人们预期的方向发展。当AI从过去依赖经验和预训练数据进行学习并推理，转向采用思维链的方式，生成完整推理步骤，对算力的需求指数级提升。
在现场他用Llama 3.3 70B和DeepSeek R1模型进行演示，向他们同时提出一个排座位的问题。传统的Llama模型仅适用439tokens进行训练，最后给出一个错误的答案，而推理模型DeepSeek R1则使用了8559tokens进行反复思考，是Llama的20倍，其中调用的计算资源也是Llama的150倍，最终给出一个正确的答案。
黄仁勋认为数据仍是一切核心，尽管是R1也花费了6080亿的训练数据，而下一代的模型提升或许需要数万亿的数据。Scaling Law所引领的大算力思路在英伟达的叙事中，仍然奏效。甚至，此次大会上，英伟达提出的Scaling Law的三大阶段：Pre-Training Scaling、Post-Training Scaling、Test-Time Scaling“Long Thinking”阶段。整个行业也将会从Agentic AI（AI代理）逐步转向Physical AI（物理AI：指的是让机器人、自动驾驶汽车和智能空间等自主系统能够感知、理解和执行真实世界中的复杂动作。由于它能够生成见解和动作，因此也经常被称为“生成物理 AI”。）。
表明了数据和算力仍是AI时代最关键的两大方向之后，黄仁勋开始秀起了自己家的百宝箱。从2025年，英伟达将会在四年时间内先后推出Blackwell、Rubin、Feynman三大架构系列芯片。
Blackwell Ultra将承担今年下半年主力产品，该系列其包括GB300 NVL72机架级解决方案以及NVIDIA HGX B300 NVL16系统。GB300 NVL72机架将把72个Blackwell Ultra GPU与36个基于Arm Neoverse的Grace CPU相连，Blackwell Ultra预计将比前代产品（H100）提供1.5倍的FP4推理能力，可以显著加速AI推理能力。
可以看出，Blackwell Ultra相比上一代产品有些提升，但整体性能提升也没有很惊喜，算是小版本升级。
芯片性能的“大升级”或在明年，承载英伟达希望的Rubin系列，将在2026年问世。此前，黄仁勋称其计算能力能够实现“巨大飞跃”。Rubin主要是以发现暗物质的天文学家Vera Rubin的名字命名。
今天，英伟达则进一步透露有关Rubin系列最新信息。明年，Rubin将作为GPU的旗舰芯和Vera作为CPU旗舰芯同期发布。
用一个比喻或许就能表现出英伟达在AI时代的野心——英伟达正在构建一个从市区、高速公路再到郊区的庞大AI帝国。
CPU是市区，GPU是正在开发的高新区，在这两者之间，需要通过一个叫做PCIE的通道连接，车流量就是数据量。如果数据量大，就需要扩大道路，或增加车道。只有CPU能够决定这个分配。一直以来，CPU生态被Arm和英特尔的X86长期垄断。现在，英伟达对他们发起了挑战。
Vera Rubin是英伟达CPU+GPU战略的重要落子，其将于2026年下半年发布，将配备一个名为Vera的定制Nvidia设计CPU。Nvidia 声称，与其前身 Grace Blackwell 相比，Vera Rubin 的性能有了显著提升，尤其是在 AI 推理和训练任务方面。
其中，Vera有88个定制ARM结构的内核和176个线程。同时，Vera还会有一个1.8TB/s NVLink的内核接口，用于与Rubin GPU连接。与传统的互联技术相比，英伟达的这种互联技术的速度更快，能够通过的“车辆”更多。Vera将会取代现有的Grace CPU。据英伟达透露，Vera的新架构设计将会比Grace CPU快两倍。在2021年的GTC大会上，英伟达推出了其第一款CPU——Grace，以Arm架构为核心。
看回Rubin系列，Rubin这次仍然是拼接式的设计，也就是它其实是两个GPU在电路板上拼接在一起，组成了一个新的GPU。性能上，与B300相比，Rubin计算性能提高了3.3倍，能提供1.2 ExaFLOPS FP8训练。
Vera Rubin可提供50 petaflops浮点运算的FP4 推理性能，是Blackwell Ultra在类似机架配置的3.3倍。
2027年，Rubin Ultra将内含4个GPU，支持576个GPU集群，在机架层面，将会比Rubin NVL144配置强大约四倍。同时，英伟达计划在。此外，Feynman同样将会采用Vera CPU。
从最新的技术路线图中可以看出，目前英伟达的GPU更新基本维持在两年一个大版本升级，一年一个小迭代的节奏上行稳步推进，而CPU方向新品节奏稍缓，或许3年左右才会有较大的一个版本升级。
但无论如何，英伟达自研的GPU+CPU生态已经逐渐完善，根据摩根斯坦利统计，英伟达占据了全球AI专用芯片将近77%的市场份额。同时英伟达还一直是台积电的VVVIP客户，几乎拿下了台积电的大半产能，拥有强大的供应链优势。英伟达的Rubin采用了台积电3nm工艺、CoWoS（Chip on Wafer Substrate）封装技术。最先进的制造和封装工艺，意味着这款芯片的性能将大幅度提升，英伟达也将在与台积电的合作中积累丰富的先进制程IP。一位芯片从业人士告诉硅兔君，先进制程的产能一般是有限的，大客户能够获得内测以及订单的优先级。
再加上，英伟达一直在和各行各业的头部公司合作，了解行业内最先进的技术、创新动向以及行业Know-how。可以说，在AI训练侧，英伟达的芯片组合拳几乎无人能挡。这也是英伟达能一路无阻地登上AI基建宝座的核心关键，同样数据中心也为英伟达贡献了大部分营收。
再加上，英伟达一直在和各行各业的头部公司合作，了解行业内最先进的技术、创新动向以及行业Know-how。可以说，在AI训练侧，英伟达的芯片组合拳几乎无人能挡。这也是英伟达能一路无阻地登上AI基建宝座的核心关键，同样数据中心也为英伟达贡献了大部分营收。
卖铲人的财富传奇还远没有结束，财报显示，该公司截至1月份的2025财年销售额增长了一倍多，达到1246.2亿美元。
投资分析师Vellante 表示：“我们相信GTC 2025将树立另一个里程碑，标志着未来极端并行计算不仅限于最大的公司，而是所有公司的日常。”
但同时，我们也注意到近期财报显示，Blackwell芯片的毛利率正在小幅下跌，下一代GPU能否够顺利投产，下一代GPU是否能继续成为英伟达的“摇钱树”，或许市场还需验证。
Agentic AI+Physical AI，英伟达的下一代增长涡轮
“AI正在经历一个拐点，它将变得更智能、更有用。”
黄仁勋回忆道两年前，ChatGPT出现的时候，很多复杂的问题和很多简单的问题，它都难以回答。无论训练多少次，研究过多少信息，但对所有问题，它都只思考一次，就像人类的脱口而出一样。但现在有了推理，AI也有了反复思索的能力，思维链的技术能够逐步完善。
黄仁勋认为未来每个企业都会有两个工厂，一个是他们建造的工厂，而另一个则是他们的AI工厂，主要为了科研或者是培训。他在主题演讲一开始就提到Agentic AI以及Physical AI将会是今年讨论的核心。
如果AI在未来将会无孔不入地深入到各行业的每一根毛细血管，那么英伟达正在建立一个更大更强的CUDA生态，这个生态，未来将成为各行业的生长土壤——只要这个行业与AI相关——用的人越多，生态越强、软硬件适配度越好。
迄今为止，英伟达已构建了900多个特定领域的CUDA-X库和AI模型，降低加速计算的准入门槛。今年，CUDA-X将走入更前沿的工程学科，像是天文学、粒子物理学、量子物理学、汽车、航空航天和半导体设计。
“如果整个发布会只讲一张PPT，那么就是这张。”
黄仁勋提到，如果没有CUDA，没有英伟达的基建底座，这些前沿库对任何一个开发者都将不起作用。他详细介绍了主攻医疗的MONAI、主攻天气的Earth-2、以及量子计算的cuQuantum库的最新动向，这些库也成为了英伟达在垂直AI领域中最新的落地成果，并围绕着垂直领域的数据信息吸引着大批的开发者加入到CUDA生态中去。
英伟达还推出了AI推理服务软件Dynamo，旨在为部署推理 AI 模型的AI工厂最大化其token收益，据英伟达透露，可将DeepSeek-R1模型生成tokens数量提升30倍以上，每秒处理超30000tokens。
Dynamo拥有GPU 规划器、智能路由器、低延迟通信库以及显存管理器四大部分组成。同时，Dynamo推理平台还支持分离服务，将LLM 不同计算阶段分配给不同的GPU。
目前，已有多家AI创企与英伟达表示了合作意向。AI提供商Cohere计划使用Dynamo为其Command系列模型中的代理式AI功能提供支持；Together AI希望能够通过Dynamo能够动态地解决模型管线各个阶段的流量瓶颈。
此外，英伟达今天还发布具有推理功能的开源Llama Nemotron模型系列，旨在为开发者和企业提供业务就绪型基础，助力构建能够独立工作或以团队形式完成复杂任务的高级 AI 智能体。
结合新发布的Dynamo，英伟达全新Llama Nemotron推理模型，可以使用高级推理技术来改进上下文理解和响应生成，并通过分离服务使得每个阶段可以进行单独的微调和资源调配，从而提高吞吐量并更快地响应用户。
Llama Nemotron模型系列包括Nano、Super和Ultra三种规模。Nano 模型可在PC和边缘设备上提供最高准确性；Super模型能够在单个 GPU 上提供最佳的准确性和最高的吞吐量；而Ultra 模型将在多 GPU 服务器上实现最高代理准确性。
据英伟达透露，与基础模型相比，Llama Nemotron推理模型对多步数学运算、编码、推理和复杂决策能力提供了加强，加强后，模型的精度提高多达20%；与其他领先的开放推理模型相比，优化推理速度达到了5倍。
除了Agentic AI，Physical AI则是以一种巧妙的方式融入到GTC大会之中。
走进展会中心，参会者将会看到一个AI雕塑机器人，这个机器人是人工智能艺术家Emanuel Gollob使用脑电波测量设计，并通过AI进行编排设计的。
在会展旁边，我们还可以看到了一款人形机器人当起了会展顾问，它可以回答参会者有关活动、论坛时间、地点等问题。该人形机器人是由初创公司IntBot开发的。
在主题演讲的结尾，黄仁勋与谷歌DeepMind、迪士尼联手打造的机器人Blue上台互动。据他介绍，Blue拥有两大个人超算，十分聪明。对于黄仁勋的指令，Blue也能够听懂指令及时反馈。尽管Blue是一个双足机器人，但从其表现形态上来看，Blue更像是一个机器狗，主要是提供一定情绪价值。
可以看出在此次大会现场，机器人几乎无处不在。黄仁勋提到具身智能主要有三大挑战有待解决：如何处理数据问题、选择什么样的模型架构以及机器人行业的Scaling Law是什么。
事实上，黄仁勋并没有给出具体的答案，但他通过英伟达的产品布局给出了英伟达自己的思考思路。
英伟达强化提升了世界基础模型Cosmos，引入了开放式、可完全定制的物理AI开发推理模型，让开发者更好地控制世界生成。
Cosmos Transfer可简化感知AI训练，将Omniverse中创建的3D 仿真或真值转换为逼真视频，用于大规模可控合成数据生成。Cosmos Transfer WFM 能够吸收结构化视频输入，如分割图、深度图、激光雷达扫描、姿态估计图和轨迹图等，以生成可控、逼真的视频输出。Cosmos Reason 是一个开放式、可完全定制的 WFM，具有时空感知能力，它使用思维链推理来理解视频数据，并能够预测交互结果，如一个人走进人行道或一个盒子从架子上掉下来。
期望值回落，英伟达面对自研芯挑战
从本次GTC大会活动现场来看，黄仁勋明显表现得没有2023年那般得意气风发。演讲现场多次卡壳，能够明显感受到，回应关键问题，提到关键产品的时候，黄仁勋稍显紧张。
2025年开年以来，英伟达的市值一路震荡下跌。这其中，有美股大环境的影响，也有DeepSeek的冲击，但更多的则是投资者们对英伟达的期望值逐渐回落，更加理性地看待英伟达的增长曲线。情绪回落后，英伟达的市值也逐渐趋于稳定。
PitchBook数据显示，英伟达在2024年加大了风险投资力度，参与了44轮人工智能公司融资，较2023年的34轮融资大幅增加。英伟达旗下的企业风险投资基金NVentures也在2024年参与了24笔交易投资。
但新的挑战也在出现。近期，谷歌、亚马逊、Meta等大厂希望自研芯片（如TPU、Trainium）减少对英伟达GPU的采购。据悉，亚马逊通过Graviton芯片节省10%-40%计算成本。不过，这些大厂的自研芯片更多自用，对于软硬件能力差的公司，英伟达仍然是他们最好的选择。
另一方面，在GPU所涉的数据中心业务上，英伟达中国市场营收在总营收中的占比已从2023财年的19%降至2024财年的约5%。此外，量子芯片、光子芯片等新的芯片架构正在加速开发与落地，或许新的技术变革将会给英伟达带来新的冲击。