黃仁勳在11日舉行的GTC大會上宣布，計劃在歐洲新建20家“人工智慧工廠”，歐洲的AI算力將在兩年內增長10倍，將配備10000個GPU。量子運算正迎來關鍵拐點，未來幾年將強大到足以"解決一些有趣的全球性問題"。輝達計畫打造全球首個工業人工智慧雲端平台，協助歐洲製造業發展。6月11日，輝達舉行GTC大會。 CEO黃仁勳在會上發表演說。他宣布，計劃在歐洲新建20家“人工智慧工廠”，歐洲的AI算力將在兩年內增加10倍。黃仁勳表示，計劃中的多個數據中心將是“超級工廠”，將配備10000個圖形處理單元（GPU），包括輝達DGX™ B200系統和輝達RTX PRO™伺服器，並助力歐洲的工業領軍企業加速所有製造應用，涵蓋從設計、工程和仿真到工廠數位和機器人技術的各個環節。他還稱，量子計算正迎來關鍵拐點，未來幾年將強大到足以"解決一些有趣的全球性問題"。市場瞬間沸騰，量子計算概念股盤前暴漲。 D-Wave Quantum大漲約2%，IonQ暴漲3.6%，Rigetti Computing飆漲4.5%，而Quantum Computing Inc.更是狂飆8.4%。01輝達將在歐洲建立全球首個工業人工智慧雲輝達正在德國協助打造一個支援歐洲製造商工業人工智慧工作負載的人工智慧工廠。該工廠將配備10,000台GPU，包括輝達DGX B200系統和輝達RTX PRO伺服器，並運行來自西門子、ANSYS、Cadence和Rescale等領先軟體供應商的輝達CUDA-X™庫、輝達RTX™和輝達Omniverse™加速工作負載。該人工智慧工廠將按照輝達Omniverse藍圖中突出顯示的框架進行建設，用於人工智慧工廠的設計和運作。作為此藍圖的一部分，Cadence的現實數位孿生平台將用於在實體上精確的虛擬環境中模擬和優化整個人工智慧工廠，使工程團隊能夠建造一個更智慧、更可靠的設施。02數據中心將成為“AI工廠”黃仁勳在演講中表示，傳統的資料中心正在轉向「AI工廠」。他認為，智能體系統代表AI從被動接受指令到主動感知、決策和執行的演化。它預示著AI將能夠更自主地完成複雜任務，並在更廣泛的領域中發揮作用。而AI工廠則代表著AI基礎設施的規模化和工業化，它將整合強大的運算能力、高效的資料處理流程以及優化的演算法，從而加速AI模型的訓練、部署和應用。他表示，未來的資料中心不再只是儲存文件和資料的倉庫，而是能夠產生智慧、創造價值的生產設施。這些AI工廠的核心任務是生產“智慧通證（intelligent tokens）”，就像發電廠產生電力一樣，為各行各業提供動力，開啟一場新的工業革命。為支撐AI工廠的龐大算力需求，黃仁勳詳細介紹了輝達的新一代架構Blackwell。他將GB200系統形容為一台專為思考而生的“思維機器”，其設計初衷就是為了應對AI模型日益增長的“推理”需求。該系統透過全新的NVLink技術實現內部連接，其背板頻寬高達驚人的130TB每秒，超過了全球互聯網的峰值流量。黃仁勳指出，正是這種架構上的巨大飛躍，使得AI的思考速度和處理能力得以實現數十倍的世代表現提升。「在人工智慧時代，每個製造商都需要兩個工廠：一個用於製造產品，另一個用於創造驅動這些產品的智慧。透過打造歐洲首個工業人工智慧基礎設施，我們正在協助該地區的領先工業企業推進以模擬為先導、人工智慧驅動的製造模式。 」03量子計算正迎來“拐點”黃仁勳也表示，量子計算正迎來拐點。輝達將在Grace Blackwell 200晶片上搭載CUDA-Q軟體工具包。量子演算法堆疊可以在Blackwell200上加速。他預測量子系統將快速變得"更加穩健、高性能和有韌性"。他透露，輝達的晶片將用於支援量子運算，該公司的整個cuQuantum量子運算演算法堆疊，將在Grace Blackwell 200晶片上可用並加速。量子電腦的核心優勢在於平行處理能力－傳統電腦的位元只能是0或1，必須依序處理，而量子電腦的量子位元可以保持"疊加態"，在整個運算完成前不被賦值，從而實現協同工作而非獨立運算。"就像摩爾定律一樣，我完全可以預期每五年邏輯量子位元成長10倍，每10年成長100倍。"值得注意的是，今年1月，這位AI教父還在潑冷水，聲稱"非常有用"的量子電腦可能還需要幾十年才能實現。而包括微軟和谷歌在內的科技巨頭已經在這個領域耕耘數十年，技術難題和高成本一直讓實用化系統停留在實驗階段。04AI的下一波浪潮是機器人黃仁勳對AI下一階段的重點智能體AI（Agentic AI）做出預判。他認為，AI已經超越了辨識資訊和生成內容的階段，正邁向一個能夠理解任務、進行推理、規劃並執行複雜任務的全新浪潮，這種能力的物理化身便是機器人。現場，他透過一個名為「Greg」的機器人展示了這個概念，這個機器人在Omniverse建造的數位孿生虛擬世界中學會行走和與環境互動後，才被部署到物理世界。 BMW、賓士、豐田等眾多企業已開始利用Omniverse建造其工廠或產品的數位孿生體。05輝達與多家歐洲公司建立深度合作作為在歐洲的重磅活動，黃仁勳特別強調了與歐洲夥伴的深度合作。輝達也宣布，包括寶馬集團、瑪莎拉蒂、梅賽德斯-奔馳和舍弗勒在內的歐洲製造商正在透過運行來自ANSYS、Cadence和西門子等軟體領導者提供的輝達加速應用，轉變其從模擬產品設計和工廠規劃到人工智慧驅動的營運和物流的端到端產品生命周期。他宣布，將與法國AI公司Mistral合作建立一個龐大的AI雲，並與施耐德電氣等公司合作，以數位化的方式設計和營運未來的AI工廠。他透露，輝達正在七個不同的國家建立AI技術中心，以推動當地的生態系統建設和合作研發。黃仁勳總結道，一個全新的運算時代已經開啟，而輝達正透過提供從晶片、軟體到系統和AI模型的全端平台，賦能全球的開發者和企業抓住這次機會。以下為黃仁勳講話全文，由AI翻譯：這是輝達在巴黎的首次GTC大會。這太令人難以置信了。感謝所有合作夥伴與我們一同出席。多年來，我們與眾多夥伴合作，雖然這是我第一次在巴黎舉辦GTC，但我有很多內容要跟大家分享。輝達曾經想要打造一個全新的運算平台，去做一般電腦無法做到的事。我們加速了CPU，創造了一種名為加速運算的新運算方式，而我們最早的應用之一是分子動力學。從那時起，我們已經取得了長足的進步，開發出許多不同的函式庫。事實上，加速運算的特別之處在於，它不僅僅是一個新的處理器，你可以軟體將編譯到上面。你必須重新思考如何進行計算，重新設計你的演算法。事實證明，要讓人們將軟體和演算法重新設計為高度並行化是非常困難的。因此，我們為每個市場、每個應用領域開發了函式庫，以實現加速。這些庫為開發者開啟了新的機會，也為我們和我們的生態系統合作夥伴帶來了新的成長機會。計算光刻技術可能是當今半導體設計中最重要的應用之一，它在台積電、三星等大型半導體工廠中運作。在晶片製造之前，它會通過一個逆物理演算法，即計算光刻技術、直接稀疏求解器、代數多重網格求解器——我們剛剛開源了一個非常令人興奮的應用程式庫。這個庫加速了決策制定，優化了具有數百萬變數和數百萬約束條件的問題，例如旅行商問題。Warp是一個用於表達幾何和物理求解器的Python框架，非常重要。 cuDF、cuML用於結構化資料庫、資料框和經典機器學習演算法。 cuDF可以加速Spark，無需修改程式碼。 cuML可以加速scikit-learn，同樣無須修改程式碼。還有Triton和cuDNN。 cuDNN可能是輝達有史以來最重要的函式庫之一，它加速了深度神經網路的基本原語。而Triton是我們全新的函式庫，能夠在整個AI工廠中調度、協調和分配極其複雜的推理工作負載。cuPy等變性和cuTensor收縮演算法。等變性是用於遵循幾何定律的神經網絡，例如蛋白質、分子，這是一個非常重要的框架，能夠支持AI在6G Earth 2中運行，這是我們的天氣和氣候模型基礎模型的模擬環境，分辨率極高，達到平方公里水平。MONAI是我們的醫學影像框架，非常受歡迎。 Parabricks求解器用於基因組學分析，也非常成功。 CUDA Quantum（CUDA-Q），我稍後會詳細說明，用於量子計算，以及CuPy用於加速NumPy和SciPy的數值計算。如大家所見，這些只是部分庫的例子。我們還有400多個其他函式庫，每個函式庫都加速了一個應用領域，每個函式庫都帶來了新的機會。其中最令人興奮的是CUDA-Q。 CUDA-Q是一套用於加速應用和演算法的函式庫。在CUDA的基礎上，我們現在有了CUDA-Q，用於量子計算，基於GPU的經典量子計算。我們已經研究CUDA-Q好幾年了。今天，我可以告訴大家量子計算正在迎來一個轉捩點。如大家所知，第一個實體量子位元大約在30年前被展示出來，1995年發明了一種糾錯演算法，而在2023年，也就是近30年後，Google展示了世界上第一個邏輯量子位元。從那以後，又過了幾年，邏輯量子位元的數量開始成長，它們由許多具有糾錯功能的物理量子字節成，就像摩爾定律一樣。我可以完全預期，每五年邏輯量子位元的數量會增加10倍，每十年增加100倍。這些邏輯量子位元將具備更好的糾錯能力，更加穩健、性能更高、更具韌性，當然也會繼續可擴展。量子計算正在迎來一個轉捩點。我們與世界各地的量子計算公司以多種方式合作。但在歐洲，這裡有一個龐大的社區。昨晚我見到了帕斯卡爾，也見到了巴塞隆納超級運算中心的團隊。現在，我們已經接近能夠在未來幾年內將量子計算（量子經典計算）應用於解決一些有趣問題的領域。這是一個非常令人興奮的時刻。因此，我們與所有超級計算中心都進行了合作。現在非常清楚的是，在未來幾年，或至少在下一代超級電腦中，每一台都將配備一個量子處理單元（QPU），並且QPU將與GPU連接。 QPU將用於量子運算，而GPU將用於預處理、控制和糾錯，這些任務的運算強度極高。在兩種架構之間進行後處理等任務，就像我們加速了CPU一樣，現在QPU與GPU協同工作，推動下一代運算的發展。今天，我們宣布我們的整個量子演算法堆疊已經在Grace Blackwell 200上加速，其加速效果令人難以置信。我們以多種方式與量子計算行業合作。其中一種方式是使用KU量子來模擬量子位元或模擬運行在這些量子電腦上的演算法，本質上是用經典電腦來模擬或模擬量子電腦。在另一個極端，非常重要的是CUDA-Q。基本上是發明了一種新的CUDA，將CUDA擴展到量子經典計算中。因此，在量子電腦到來之前，開發在CUDA-Q上的應用可以以模擬方式運行，而在量子電腦到來之後，可以以協作方式運行，採用量子經典加速計算方法。今天，我們宣布CUDA-Q已可用於Grace Blackwell。這裡的生態系統非常豐富，當然，歐洲在科學、超級運算專長以及這一領域的傳承方面都底蘊深厚。在未來幾年看到量子運算在這裡取得進展並不令人意外。我們將迎來一個非常精彩的轉捩點。總之，對於過去三十年來一直致力於量子運算產業的所有人，我祝賀你們今天的驚人成就和里程碑。謝謝。讓我們來談談人工智慧。你可能會驚訝於我會和你們談論人工智慧。我剛才提到的那些應用程式所使用的同一種GPU，也推動了人工智慧走向世界。我們首次接觸是在2012年。就在那之前，我們與開發人員合作，研究一種名為深度學習的新演算法，並促成了2012年AlexNet引發的人工智慧大爆炸。在過去大約15年裡，人工智慧發展得非常迅速。第一波人工智慧是電腦的感知能力，讓電腦能夠辨識資訊並理解它。第二波人工智慧，也就是我們過去五、六年一直在談論的，是生成式人工智慧。它是多模態的，這意味著人工智慧能夠同時學習圖像和語言。因此，你可以用語言提示它，它就能產生圖像。人工智慧的多模態能力以及其翻譯和生成內容的能力推動了生成式人工智慧革命。生成式人工智慧生成內容的能力對我們提高生產力至關重要。我們現在開啟了人工智慧的新一波浪潮。在過去的幾年裡，我們看到了人工智慧能力的巨大進步。從根本上來說，智能是關於理解、感知、推理、規劃任務、解決如何解決問題，然後執行任務。感知、推理、規劃，這些都是智慧的基本循環。它使我們能夠應用一些以前學到的規則來解決我們從未見過的問題。這就是為什麼聰明的人被認為聰明，他們能夠將一個複雜的問題分解為逐步解決的步驟，推理如何解決問題，也許去做一些研究，也許去學習一些新信息，尋求幫助，使用工具，逐步解決問題。我剛剛描述的這些能力，如今透過所謂的代理人工智慧（Agentic AI）已經成為可能。我馬上會向你們展示其物理實現，也就是代理人工智慧的具象化和運動。現在，生成能力正在生成運動。它不再是生成影片、圖像或文本，而是生成局部運動，例如行走、伸手抓取東西、使用工具的能力。人工智慧以物理形式具象化，本質上就是機器人技術。這些能力，即實現資訊機器人（代理）和具象化人工智慧（實體機器人）的基礎技術，如今已經到來。這是人工智慧令人興奮的時代，但一切始於Ge Force，Ge Force帶來了電腦圖形。這是我們曾經從事過的第一個加速計算應用，電腦圖形學的發展令人難以置信。 Ge Force將CUDA帶給了世界，這使得機器學習和人工智慧研究人員能夠推動深度學習的發展。隨後，深度學習徹底改變了電腦圖形學，使我們能夠將電腦圖形學提升到一個全新的水平。今天我要展示給你們的一切，我要提前給大家劇透一下，但今天我要展示的全部是電腦模擬，而不是動畫，是光子模擬、物理模擬、粒子模擬。所有的一切本質上都是模擬，而不是動畫，也不是藝術。它看起來非常美，是因為這個世界本身就是美的，數學也是美的。讓我們來看看。這就是數位在發揮作用，這本質上就是類比的本質。看著它非常令人賞心悅目。但正是由於我們現在能夠以如此大規模和高速度模擬幾乎所有事物，我們可以將一切轉化為數位孿生。因為一切都可以成為數位孿生，所以它可以在進入物理世界之前，完全以可視化的方式進行設計、規劃、優化和操作。我們現在正處於這樣一個時代：我們將一切建構於軟體之中。所有實體實體都將透過數位化構建，所有宏偉的建築都將透過數位化構建，所有大規模運營的事物都將首先透過數位化構建，並且會有數位孿生進行操作。因此，今天我們將大量討論數位孿生。我們最初從一張Ge Force顯示卡起步。這裡有人知道什麼是Ge Force嗎？好的。那麼，從Ge Force起步的東西現在看起來是這樣的。這是新的Ge Force。它重達2噸到2.5噸，由120萬個零件組成，價值約300萬美元，功率為120千瓦，由150家工廠生產，200家技術合作夥伴與我們合作，研發預算可能高達400億美元，用於打造GB200，現在正邁向GB300。它已經完全投入生產。這台機器被設計成一台“思考機器”，它能夠推理，並且能夠規劃。它花費大量時間與自己對話，就像你們一樣。我們大多數時間都在為自己的大腦產生文字和圖像，然後才付諸實行。因此，「思考機器」在架構上正是Grace Blackwell的設計目標。它被設計成一個巨大的GPU。我將其與Ge Force進行比較是有原因的。 Ge Force是GPU，GB200也是一個GPU。它是一個巨大的虛擬GPU。現在，我們需要將其拆分成許多組件，創造許多新的網路技術和伺服器技術，開發極其低功耗、高能效的互連技術，將所有這些晶片和系統連接在一起，形成一個虛擬GPU。這是霍珀版本。這是舉世聞名的霍珀系統。這8個GPU透過MV Link連接在一起。這裡沒有顯示的是一個帶有雙CPU和系統記憶體的CPU托盤，它與這些部件共同組成一個節點。這代表著一台人工智慧超級電腦的一個節點，大約價值一百萬美元。這就是霍珀系統。正是這個系統真正讓我們在人工智慧領域聲名鵲起。它曾經很長一段時間都供不應求，因為市場發展得太快了。但這就是著名的霍珀系統。整個系統，包含CPU，都被這個Grace Blackwell節點取代了。這就是一個計算托盤。我們將用它來取代整個系統。它是完全液冷的，CPU與GPU直接相連。你可以看到，兩個CPU與GPU相連的效能比整個系統還要強大。但真正令人驚嘆的是這一點。我們想要將許多這樣的系統連結在一起。如何將它們連接起來對我們來說曾經是一個難題。於是我們進行了解構。我們把整個主機板解構成了這個，這就是具有革命性的MV Link系統。擴展運算規模並不難，只要透過乙太網路連接更多的CPU即可。擴展規模並不難，難的是向上擴展。你只能建造出你能夠設計出來的最大規模的電腦。將你能放入一個記憶體模型中的技術與電子元件數量最大化是極其困難的。因此，我們決定創造一種新的互連技術，名為MV Link。它是一種記憶體語意互連，是一種運算架構，而不是網路。它直接連接到所有這些不同MV Link系統的CPU，也就是運算節點。這是交換器。九個這樣的設備放在頂部，九個放在底部。中間是NVLink交換機，而將它們連接在一起的就是這個奇蹟。這是NVLink主幹。這是100%的銅同軸電纜。它直接連接所有的MV Link晶片與所有的GPU，透過整個主幹直接相連，使得144個Blackwell晶片（分佈在72個不同的封裝中）能夠同時相互通信，且互不阻塞。這個主幹的頻寬大約是每秒130兆字節。 132兆字節，我知道，稍等，等我說完。每秒130兆字節。如果換算成比特，它比全球網路尖峰流量還要高。是的，這就是如何將互聯網「縮小」到一個MV Link中。我們之所以這麼做，是因為未來你對電腦的思考方式將從根本上改變。我會花更多時間來解釋這一點，但它是為了讓Blackwell在性能上遠遠超越霍珀而設計的。還記得摩爾定律嗎？半導體物理學只能讓你的性能每三到五年提升大約兩倍。那麼我們該如何在一代產品中達到30到40倍的效能提升呢？我們需要30到40倍的效能提升，因為推理模型正在與自己對話。不再是單次的ChatGPT，現在的推理模型會產生大量更多的標記。當你在思考時，你會逐步分解問題，進行推理，嘗試許多不同的路徑，也許是思考鏈，也許是思考樹。它會反思自己的答案，你可能見過這些研究模型在反思自己的答案，說：「這是一個好答案嗎？你能做得更好嗎？」然後它們會說：「哦，我能做得更好。」於是它們會回去再思考。這些推理模型實現了令人難以置信的性能，但它們需要更多的運算能力。結果呢？ MV Link 72的架構使得Blackwell的效能實現了巨大的飛躍。解讀這張圖的方式是：X軸表示它思考的速度，Y軸表示工廠的輸出能力，也就是同時支援大量使用者的能力。因此，你希望工廠的吞吐量盡可能高，以便支援盡可能多的人，從而使工廠的收入盡可能高。你希望這個軸盡可能大，因為這裡的人工智慧比這裡更聰明。它思考得越快，它在回答你問題之前能思考得越多。這與標記的平均售價（ASP）有關，也與工廠的吞吐量有關。這兩者結合在那個角落，就是工廠的收入。基於Blackwell的工廠能夠產生更多的收入，這是由於架構的優勢。我們為你們製作了一部電影，只是為了讓大家感受一下建構Grace Blackwell所投入的巨大工程量，讓我們來看看吧。Blackwell是個工程奇蹟。它始於一片空白的矽片。經過數百次晶片處理和紫外光刻步驟，2000億個電晶體逐層建構在一個12吋的矽片上。矽片被分割成單獨的Blackwell晶片，經過測試和分類，將好的晶片篩選出來。晶片在晶圓上封裝在基板上的製程將32個Blackwell晶片和128個HBM堆疊在客製化的矽中介層上。金屬互連痕跡直接蝕刻進去，將Blackwell GPU和HBM堆疊連接到每個系統和封裝單元中，將所有零件固定到位。然後，整個組件經過烘烤、模塑和固化，製造出Blackwell B200超級晶片。每個Blackwell晶片都在125攝氏度的烤箱中進行壓力測試，並在數小時內被推向極限。機器人晝夜不停地工作，將超過10,000個組件放置在Grace Blackwell PCB上。同時，客製化的液冷銅塊正在準備中，以保持晶片處於最佳溫度。在另一個工廠，ConnectX-7超級網卡被製造出來，以實現擴展規模的通信，而BlueField-3 DPU則用於卸載和加速網路、儲存和安全任務。所有這些部件匯聚在一起，並精心整合到GB中。200個運算托盤的NV Link是輝達發明的突破性高速鏈接，用於連接多個GPU並向上擴展成一個巨大的虛擬GPU。 NV Link交換器托盤由NV Link交換晶片構建，提供每秒14.4兆字節的全互連頻寬。 MV Link主幹形成了一個客製化的盲配背板，5000根銅纜將所有72個Blackwell晶片（或144個GPU晶片）連接成一個巨大的GPU，提供每秒130兆字節的全互連頻寬，比全球網路的峰值流量還要高。來自世界各地的零件被熟練的技術人員組裝成一個機架規模的人工智慧超級電腦。總計有120萬個零件、兩英里長的銅纜、130兆個晶體管，重達近兩噸。 Blackwell不僅僅是一個技術奇蹟，它是全球協作和創新力量的證明，這些力量將推動塑造我們未來的發現和解決方案。無論在那裡，我們都致力於幫助當代的天才完成他們一生的事業。我們迫不及待想看到你們帶來的突破。Grace Blackwell系統已經全面投入生產。這真是個奇蹟。從技術角度來看，這是一個奇蹟，但將這些GB200系統組合在一起的供應鏈也是一個奇蹟。每個系統重達兩噸，我們現在每周生產1000套。此前從未有人以如此大規模量產超級電腦。每一個機架本質上都是一台完整的超級電腦。 2018年，最大的Volta系統－2018年的Sierra超級電腦的效能還不及這些機架中的任何一個，而那套系統的功耗是10兆瓦，而我們現在這套系統只有100千瓦。因此，從2018年到現在，從一代到另一代，我們真正地將超級計算，尤其是人工智慧超級計算提升到了一個全新的水平，我們現在以如此巨大的規模生產這些機器，而這只是一個開始。事實上，你們看到的只是一個系統——Grace Blackwell。全世界都在談論這個系統，都在急切地希望它能夠部署到全球的資料中心，用於訓練、推理和生成式人工智慧。然而，並非每個人、也並非每個資料中心都能處理這些液冷系統。有些資料中心需要企業級堆疊，需要運行Linux、Red Hat、Newtonics或VMware儲存系統，這些系統來自Dell、EMC、Hitachi、NetApp、VAST、WECA等眾多不同的供應商。有這麼多不同的儲存系統和IT系統，而這些系統的管理必須與傳統IT系統保持一致。我們有這麼多的新電腦需要投入生產，我很高興地告訴你們，所有這些系統現在都已經投入生產。你們可能還沒有看到它們，但它們正在從貨架上飛速下架，從生產線飛速下線。例如，DGX Spark讓你們能夠在桌面上擁有Grace Blackwell系統，無論是Spark Desktop還是DGX Station。這樣一來，你們在開發軟體或開發人工智慧時，不需要坐在超級電腦前，但你們又希望架構完全相同。從架構角度來看，這些系統是完全相同的。從軟體開發者的角度來看，它們看起來完全一樣，唯一的區別是規模和速度。而在這一側則是所有x86系統。全球的IT組織仍然更傾向於x86，並且在能夠利用最先進的AI原生系統的地方，他們也會這麼做。而在他們無法做到的地方，他們希望將這些系統整合到企業級IT系統中，我們現在為他們提供了這種能力。其中最重要、也最耗費時間去建構的系統是因為軟體和架構非常複雜，那就是如何將AI原生架構融入傳統的企業級IT系統。這是我們全新的RTX Pro伺服器，這是一個令人難以置信的系統。主機板經過了全新的設計。女士們、先生們，Jenny Paul。這塊主機板看起來很簡單，然而在這塊主機板上，有八個Super Next交換機，它們透過一個200Gbps的最先進的網路晶片連接八個GPU，然後將這八個GPU和這些全新的Blackwell RTX Pro 6000 GPU連接起來。八塊這樣的GPU組成一台伺服器。那麼它有什麼特別之處呢？這台伺服器是世界上唯一能夠運行人類所編寫的一切內容以及人類所開發的所有視訊內容的伺服器。它運行人工智慧、Omniverse RTX用於視訊遊戲，它運行Windows，運行Linux，運行Kubernetes和VMware。基本上，它能夠運行一切。如果你想從電腦將Windows桌面串流到遠端設備，沒問題。如果你想串流Omniverse，也沒問題。如果你想運行你的機器人堆棧，也沒問題。這台機器的QA（品質評估）簡直令人驚嘆。它運行的應用程式基本上是通用的。人類所開發的一切內容都應該能夠在這裡運行，包括如果你是一名電玩玩家，包括《危機》（Crysis）。如果能夠運作《危機》，就能運作任何東西。好的，這是RTX Pro伺服器，全新的企業級系統。所以，有些事情正在改變。我們知道人工智慧是一項極為重要的技術。我們現在已經確信，人工智慧是一種能夠徹底改變、轉型每個產業的軟體。它能夠做到我們所熟知的那些令人驚嘆的事物。我們也知道，處理人工智慧的方式從根本上不同於我們以往處理手動編寫軟體的方式。機器學習軟體的開發方式不同，運作方式也不同。系統的架構、軟體的架構完全不同。網路的工作方式完全不同。存取儲存的方式也完全不同。因此，我們知道這項技術能夠做到不同的事情，令人難以置信的事情。它是智能的。我們也知道，它的開發方式從根本上不同，需要新的電腦。真正有趣的是，這對我們所有人，對國家、公司、社會到底意味著什麼？這是我們在近十年前就做出的觀察，現在每個人都開始意識到：事實上，這些人工智慧資料中心根本就不是資料中心。它們並不是傳統意義上用於儲存檔案、供你檢索的資料中心。這些資料中心並不是用來儲存我們的文件的。它們只有一個職責，而且只有一個職責，那就是生產智慧標記，產生人工智慧。這些人工智慧工廠看起來像是資料中心，因為它們內部有許多計算機，但這就是唯一相似的地方。它們的設計方式、製造規模、設計和建造方式、使用方式、編排和配置方式、運作方式，以及你對它們的思考方式，都完全不同。例如，沒有人會把資料中心當作一個創收設施來考慮。當我說出這句話時，每個人都會點頭說：「是的，你說得對。」沒有人會把資料中心當作一個創收設施來考慮，但他們會把工廠、汽車工廠當作創收設施來考慮，並且迫不及待地想再建一個工廠，因為每當你建了一個工廠，收入就會在不久之後增長，因為你能夠為更多的人生產更多的東西。這些人工智慧工廠的理念與之完全相同。它們是創收設施，它們被設計用來製造標記。這些標記可以被重新定義為許多產業的生產力智慧。因此，人工智慧工廠現在已經成為一個國家基礎設施的一部分，這也是為什麼你們會看到我到處跑，和各國元首交談，因為他們都希望擁有人工智慧工廠。他們都希望人工智慧成為他們基礎設施的一部分。他們都希望人工智慧成為他們的成長型製造業，這是真正深刻的。我認為，正因為如此，我們正在經歷一場新的工業革命，因為每個產業都受到影響。一個新的產業正在誕生，就像電力最初被描述為一種技術、被展示為一種技術時，它被理解為一種技術。但隨後我們意識到，它也是一種大型產業。然後是資訊產業，我們現在稱之為網路。而這兩者，因為它們影響瞭如此多的行業，都成為了基礎設施的一部分。我們現在有了一個新的產業——人工智慧產業，它已經成為一種新的基礎設施的一部分，這種基礎設施被稱為智慧基礎設施。每個國家、每個社會、每家公司都會依賴它。從規模來看，這是一個被廣泛討論的話題。這就是「星際之門」（Stargate）。它看起來不像一個資料中心，而像一個工廠。這是一個1吉瓦的設施，將容納大約50萬個GPU晶片，並產生大量的智能，可供所有人使用。歐洲現在已經意識到這些人工智慧工廠的重要性，意識到人工智慧基礎設施的重要性，我很高興看到這裡如此活躍。這是歐洲電信業者正在建造人工智慧基礎設施。與輝達合作的，是歐洲雲端服務供應商，他們正在影片中展示人工智慧基礎設施的建設。這是歐洲超級運算中心正在建造下一代人工智慧超級電腦和基礎設施，同樣在影片中展示。而這只是一個開始。這只是公有雲之外的部分。這是歐洲本土公司為歐洲市場建造的人工智慧基礎設施。此外，還有20多個正在規劃中，20多個人工智慧工廠，其中一些是吉瓦級的工廠。總共來說，在短短兩年內，我們將使歐洲的人工智慧運算能力增加10倍。因此，研究人員、新創公司、你們的人工智慧短缺、你們的GPU短缺，很快就會得到解決。它正在向你們走來。現在，我們正在與每個國家合作，發展他們的生態系統。因此，我們在七個國家建立了人工智慧技術中心。這些人工智慧技術中心的目標是：第一，進行合作研究；第二，與新創公司合作；第三，建立生態系統。讓我向你們展示一個生態系統是什麼樣的。在英國，我昨天才去過那裡。生態系統是建立在輝達架構之上的。例如，正如你們所知，輝達是唯一在每個雲端平台上都可用的人工智慧架構。它是除了x86之外唯一無所不在的運算架構。我們與每個雲端服務供應商合作，加速來自全球最重要軟體開發人員的應用程序，例如歐洲的西門子、Cadence、Red Hat等。現在，我們已經重新發明了運算架構。如你所知，計算不僅僅是計算機，還包括計算、網路和儲存。這三個層次、這三個架構的每一層都已經被重新發明。與思科（Cisco）建立了偉大的合作夥伴關係，他們昨天在其會議上宣布了基於輝達的新模型。還有與戴爾（Dell）、NetApp、NVIDIA等的眾多優秀夥伴關係。正如我之前提到的，軟體開發方式已經從根本上發生了變化。它不再只是寫C程式、編譯C程式、交付C程序，而是現在變成了DevOps、MLOps、AI Ops。因此，整個生態系統正在被重新發明。我們到處都有生態系統合作夥伴，當然還有解決方案整合商和供應商，他們可以幫助每家公司整合這些能力。在英國，我們與一些特殊的公司合作，這些公司非常出色，從研究人員到開發人員，再到合作夥伴，幫助我們提升當地的人才和企業，這些企業消費技術，當然還有雲端服務提供者。我們在英國擁有偉大的合作夥伴。在德國，我們擁有令人難以置信的合作關係。在義大利，我們擁有偉大的合作關係。當然，在法國，我們也有令人驚嘆的合作關係。法國總統麥康（Mccon）稍後會到這裡。我們將討論一些新的公告，所以我們必須對人工智慧表現出一些熱情。好的，是的，就是這樣。為他展示一些熱情。因此，我們在法國擁有偉大的合作關係。我想特別強調其中一個，我們與施耐德（Schneider）的合作，正在建造這些人工智慧工廠。我們現在以數位化方式建造它們，以數位化方式設計它們，以數位化方式運作它們，甚至最終以數位化方式優化它們，並完全在數位孿生中操作它們。這些人工智慧工廠非常昂貴，未來可能會花費500億美元，甚至1000億美元。如果工廠的利用率沒有達到最高水平，對工廠所有者的成本將是巨大的。因此，我們需要盡可能地將它們數位化，並使用人工智慧，將所有內容放入Omniverse中，以便我們能夠獲得直接且持續的遙測資料。今天，我們宣布與一家偉大的公司建立合作夥伴關係，這是一家年輕的公司，我非常喜歡它的首席執行官，他正在努力打造一家歐洲人工智慧公司。公司的名字叫Miss Straw。今天，我們宣布我們將在這裡共同建立一個人工智慧雲，提供他們的模型，並為其他人工智慧新創企業的生態系統提供人工智慧應用，以便他們可以將這些模型用作「稻草」模型或他們喜歡的任何模型。因此，Mr. All和我們，我們將合作建造一個相當規模的人工智慧雲，我們將在稍後與法國總統馬克宏（Macron）進一步討論這個主題。人工智慧技術的發展速度如同光速。我在這裡展示給你們的，左邊是專有模型，以光速發展。然而，開放模式也以光速發展，只是落後了幾個月，無論是Miss Straw、Llama、DeepSeek，還是R1、R2，都將在第一季推出。這些模型每一個都非常出色。因此，我們在過去幾年中致力於應用世界上最優秀的人工智慧研究人員，使這些人工智慧模型變得更好。我們稱之為Nemo Tron。基本上，我們所做的就是，我們取得開源的模型，當然，這些模型都是基於輝達建構的。我們取得這些開源模型，然後進行後訓練。我們可能會進行神經架構搜索，提供更好的數據，使用強化學習技術，增強這些模型，賦予它們推理能力，擴展上下文，以便它們在與你互動之前能夠學習和閱讀更多內容。這些模型大多具有相對較短的上下文，而我們希望擁有巨大的上下文能力，因為我們希望在企業應用中使用它，而我們希望與之進行的對話並不在互聯網上，而是在我們自己的公司內部。因此，我們需要載入大量上下文。所有這些能力都被打包成一個可下載的Nemo Tron。你可以訪問輝達的網站，直接下載一個API，一個最先進的AI模型，你可以將其放置在任何你喜歡的地方，我們將極大地改進它。這是Nemo Tron對Llama的改進範例。因此，Llama 8B、70B、4O 5B透過我們的後訓練能力、推理能力的擴展以及我們提供的所有數據得到了極大的增強。我們將一代又一代地進行這種改進。因此，對於所有使用Nemo Tron的你們來說，你們會知道未來還有一系列其他模型，它們都是開放的。因此，如果你想從開放模型開始，那很好；如果你想從Nemo Tron模型開始，那也很好。 Nemo Tron模型的性能非常出色。在一次又一次的基準測試中，Nemo Tron的表現一直位居榜首。因此，現在你們知道，你們可以獲得一個經過增強的開放模型，它仍然是開放的，位居排行榜首位，你們知道輝達致力於此。我會在我的一生中一直致力於此，好嗎？這個策略如此出色，以至於歐洲各地的區域模型製造商現在已經認識到這一策略的美妙之處，我們正在合作，以適應和增強每一個模型。對於區域語言，你們的資料屬於你們。它是你們人民的歷史、知識和文化的體現。它屬於你們。對許多公司來說，以輝達為例，我們的數據大多來自33年的累積。今天早上我查了一下，西門子有180年的數據，其中一些是寫在紙莎草上的。 Roland Bush在這裡，我想提一下他。我的好朋友。因此，你們必須將這些數據數位化，然後人工智慧才能學習。因此，是的，數據屬於你們。你們應該使用這些數據，使用像Limiton這樣的開放模型以及我們提供的一整套工具，以便你們可以根據自己的需求進行增強。我們也宣布，我們與Perplexity建立了偉大的合作夥伴關係，這是一款推理搜尋引擎。是的，我使用的三種型號是ChatGPT、Gemini Pro和Perplexity。我交替使用這三種模型。 Perplexity非常出色。今天，我們宣布Perplexity將整合這些區域模型，直接連接Perplexity，這樣你就可以用你們國家的語言、文化和敏感性來提問並獲得答案。因此，Perplexity、區域模型、代理人工智慧（Agentic AI）是一個非常重要的領域。如你所知，最初使用預訓練模型時，人們說：「但它會產生幻覺，它會編造東西。」你說得完全正確。它無法存取最新的新聞和數據資訊。你說得完全正確。它在解決問題時不會進行推理。就好像每個答案都必須從過去記憶中提取。你說得完全正確。所有這些關於智能的能力，每個人都可以批評，但你說得完全正確，因為每個人大多都理解智能是如何運作的。然而，這些技術正在世界各地被開發，並且它們正在從檢索、增強生成到網絡搜索，再到多模態理解等各個領域匯聚在一起，這樣你就可以閱讀PDF文件，訪問網站，查看圖像和文字，聆聽視頻，觀看視頻，然後將所有這些理解融入到你的上下文中。現在，你當然也可以理解幾乎任何事物的提示。你甚至可以說：「我要問你一個問題，但從這張圖片開始。」或者說：「在你回答問題或執行我要求的任務之前，先從這段文字開始。」然後它會進行推理、規劃和自我評估。所有這些能力現在都已經被整合在一起，並且你可以在市場上到處看到它們的出現。代理人工智慧（Agentic AI）是真實存在的，它是一次巨大的飛躍，是從單次互動式人工智慧（one-shot AI）發展而來的。單次互動式人工智慧是必要的，它為教導代理如何成為代理奠定了基礎。你需要對知識和推理有一些基本的理解，才能具備可被教導的能力。因此，預訓練是為了讓人工智慧具備可教導性，而後訓練、強化學習、監督學習、人類演示、上下文提供、生成式人工智慧，所有這些都在一起形成了現在的代理人工智慧。讓我們來看一個例子。讓我給你們展示一些東西。它是基於Perplexity構建的，非常酷。人工智慧代理是數字助理。基於提示，它們會透過推理將問題分解為多步驟計劃。它們會使用適當的工具，與其他代理人合作，並利用記憶中的上下文來正確執行任務。在輝達加速系統上，這一切都從一個簡單的提示開始。讓我們請Perplexity幫我們在巴黎開一家美食卡車。首先，Perplexity代理程式會透過推理來理解提示並製訂計劃，然後呼叫其他代理來幫助完成每個步驟。利用許多工具，市場研究員會閱讀評論和報告，發現趨勢並分析競爭市場。基於這些研究，概念設計師會探索當地食材，並提出完整的菜單，包括準備時間估計，並研究調色板，產生一個品牌形象。然後，財務規劃師會使用蒙特卡羅模擬來預測獲利和成長軌跡。營運規劃師會制定一個詳細的啟動時間表，從購買設備到獲得正確的許可證，涵蓋每個細節。行銷專家會制定一個啟動計劃，包括社交媒體活動，甚至會編寫一個互動網站，包括地圖、菜單和線上訂購功能。每個代理商的工作最終匯聚成一個完整的提案包，而這一切都始於一個簡單的提示。像這樣的提示，在最初的聊天機器人中可能只會產生幾百個標記。但現在，透過一個單一的提示輸入到代理中來解決問題，它可能已經產生了超過一萬倍的標記。這就是為什麼我們需要Grace Blackwell的原因。這就是為什麼我們需要效能，以及為什麼這些系統需要在每一代上都大幅提升效能。這就是Perplexity建構他們代理的方式。每家公司都必須建立自己的代理商。這非常棒。你會從OpenAI、Gemini、微軟的CoPilot、Perplexity和Miss Straw等公司聘請代理商。還會有一些為你量身定制的代理，例如幫你規劃假期或進行一些研究等。然而，如果你想建立一家公司，你需要專門的代理，使用專門的工具和專門的技能。所以問題是，你要如何建構這些代理？因此，我們為你創造了一個平台。我們創建了一個框架和一套工具，以及許多合作夥伴來幫助你完成這件事。它從最底層開始，具備我之前提到的推理模型能力。輝達的Nemo Tron推理模型是世界級的。我們還有Nemo Retriever，這是一個多模態搜尋引擎，一個語意搜尋引擎，非常出色。我們建立了一個藍圖，一個可操作的演示，本質上是一個通用代理。我們稱它為IQ，AIQ。在它的上面，我們有一套工具，允許你將一個通用代理引入進來，整理數據來教導它，評估它，設置防護欄，監督它，訓練它，使用強化學習一直到部署，保持它的安全性和可靠性。這一整套工具包被整合到AI Ops生態系統中。你也可以從我們的網站上自行下載，但它主要被整合到AI Ops生態系統中。從這裡，你可以創建自己的專屬代理。許多公司正在這樣做，思科（Cisco）就是其中之一。他們昨天宣布了這項消息。我們正在一起建立用於安全的人工智慧平台。現在看看這個，人工智慧代理並不是一個模型就能完成所有這些令人驚嘆的事情。它是一個集合，一個系統，一個由大型語言模型組成的人工智慧系統。其中一些模型針對某些特定的事情進行了最佳化，例如檢索，正如我所提到的，使用電腦執行技能。你不想把所有這些東西都打包到一個巨大的、龐大的人工智慧中，而是將它們分解成小的部分，然後隨著時間的推移逐步部署CICD。這是思科的一個例子。現在的問題是，你要如何部署這些？因為正如我之前提到的，有公有雲，輝達的運算能力就在那裡。還有我們稱為NCPs的區域雲，例如Mistral。你可能因為安全需求和資料隱私需求而擁有一個私有雲，甚至你可能決定在你的桌面上運行某些東西。所以問題是，你如何運行所有這些？有時它們會在不同的地方運行，因為這些都是微服務。這些是可以相互交流的人工智慧，它們顯然可以透過網路進行通訊。那麼，你要如何部署所有這些微服務呢？現在，我們有一個很棒的系統。我很高興在這裡宣布它。它被稱為我們的DGX Lepton。DGX Lepton。你在這裡看到的是許多不同的雲。這裡是Lambda雲，AWS雲，這裡是你的開發者機器。你的系統可能是DGX Station，DBS，Yoda，也可能是AWS、GCP和視訊。架構無所不在。你可以決定在那裡運行你的模型，使用一個超級雲端進行部署，所以它是一個雲端的雲端。一旦你讓它工作，一旦你將這些Nemo模型部署到Lepton中，它就會被託管並運行在你選擇的各種雲端上。一個模型架構，一種部署方式，你可以讓它在任何地方運作。你甚至可以在這個小小的機器上運行它，你知道，這個DGX Spark。它是一個AI超級電腦。我們在2016年建造了一個AI超級計算機，它被稱為DGX1。它是我剛才提到的所有內容的第一個版本。八個Volta GPU透過MV Link連接。我們花了數十億美元來建造它。在我們宣布DGX1的那一天，沒有客戶，沒有興趣，沒有掌聲，只有100%的困惑。為什麼有人會建構這樣一台計算機？它能運行Windows嗎？不能。但我們還是把它建成了。感謝天，一家年輕的公司，一家位於舊金山的新創公司，一個非營利性新創公司，看到這台電腦後非常高興，他們說：「我們可以買一台嗎？」我想：「哦，我的天那，我們終於賣出了一台。」但隨後我發現他們是一家非營利組織。我把DGX1放在我的車裡，然後開車去了舊金山。那家公司的名字叫OpenAI。我不知道人生的教訓是什麼。有很多非營利機構，你知道，所以下次…但也許教訓是：如果一個開發者向你求助，需要一個GPU，答案就是「是」。所以，想像一下，你有Lepton，它在你的瀏覽器中，你有一個Helm圖表，一個你開發的人工智慧代理，你希望在這裡運行它，部分在AWS運行，部分在某個區域雲運行，你使用Lepton部署你的Helm圖表，它就會神奇地出現在這裡。好的。所以如果你想在這裡運行它，直到你完成並且準備好部署它，然後將其部署到雲端。很好。但最美好的是，這個架構是基於Grace Blackwell，GB10與GB200、GB2300以及所有這些不同版本，但這個架構正是Grace Blackwell。現在這太神奇了。我們正在為Hugging Face做這件事。輝達已經將Lepton連接起來。因此，無論你何時在Hugging Face上訓練模型，如果你想將其部署到Lepton並直接進入Spark，完全沒有問題。只需點擊一下即可。無論是訓練還是推理，我們現在都與Hugging Face連接，Lepton將幫助你決定在那裡部署它。讓我們來看看。開發者需要隨時隨地輕鬆可靠地存取能夠跟上他們工作進度的運算資源。 DGX Cloud Lepton提供了按需存取全球GPU網路的能力，跨越雲端平台、地區以及像Yoda和Nebias這樣的合作夥伴。多雲GPU叢集透過單一統一介面進行管理。配置速度非常快。開發者可以快速擴展節點數量，無需複雜設置，並立即開始使用預先整合工具和訓練就緒的基礎設施進行訓練。進度可以即時監控，GPU效能、收斂狀況和吞吐量盡在指尖。你可以在控制台內直接測試和微調模型。 DGX Cloud Lepton可以在多個雲端或地區部署Nemo模型端點或你的模型，實現快速分散推理。就像共乘應用程式將乘客與司機連接起來一樣，DGX Cloud Lepton將開發者與GPU運算連接起來，為虛擬全球人工智慧工廠提供動力。這就是思科（Cisco）的方式。 SAP也在以這種方式建構人工智慧平台。在輝達，Sana正在建立基於輝達的人工智慧業務應用自動化。 DeepL正在建立其語言框架和平台，基於輝達人工智慧。 Photogram是一個影片編輯和人工智慧編輯平台，正在基於輝達建立他們的平台。這是一個曾經被稱為Codium的平台，一個基於輝達構建的令人難以置信的編碼代理。這是一個名為Iola的語音平台，基於輝達構建。這是一個臨床試驗平台，全球最大的臨床試驗自動化平台，也是基於輝達建構的。所有這些基本上都是基於同一個理念：將它們封裝在一個虛擬容器中，可以在任何地方部署。無論是Nemo Tron大型語言模型，或是其他大型語言模型，例如Miss Trawl或其他模型，我們都會整合涵蓋人工智慧代理整個生命周期的函式庫。你對待人工智慧代理的方式有點像對待數位員工。因此，你的IT部門需要將其引入、微調、訓練、評估、設置防護欄，確保它們的安全，並持續改進它們。整個框架平台被稱為Nemo，所有這些現在正在被整合到全球的一個又一個應用框架中。這只是一個例子。現在，我們讓你可以將它們部署在任何地方。如果你想在雲端部署，你可以選擇DGX或雲端中的GB200。如果你想在本地部署，因為你有VMware、Red Hat Linux或Nutanix，並且已經在本地虛擬機器中部署，你也可以做到。如果你想將其部署為私有雲，你也可以做到。你甚至可以將其部署在你的DGX Spark或DGX Station上，完全沒有問題。 Lepton將幫助你完成所有這些。讓我們來談談工業人工智慧。這是我最喜歡的時刻之一。這是Roland Bush。他剛剛提醒我，神經計算機，神經網路計算機是在歐洲發明的。這就是整個投影片的內容。但我覺得這是一個非常有趣的時刻。這是突觸1號（Synapse 1），這太不可思議了，夥計們。突觸1號，1992年。它的運行速度比當時的CPU快8000倍。這不令人難以置信嗎？所以這是世界上的人工智慧計算機。 Roland只是想讓我永遠記住這一點。永遠不要忘記我說過的話，好的，我明白了，我會告訴每個人。1992年，西門子。我們與西門子有著偉大的合作關係，西門子的執行長Roland Bush正在為公司注入強大動力，以便他們能夠完全跨越上一次工業革命，並將歐洲的工業能力與人工智慧融合，創造所謂的工業人工智慧革命。我們在許多不同領域與西門子合作，從設計到模擬，到工廠的數位孿生，再到工廠中人工智慧的運營，從端到端的整個過程。這讓我想起歐洲的工業能力是多麼令人難以置信，以及這是多麼非凡的機會。這是一個非凡的機遇，因為人工智慧與軟體不同。人工智慧是一種非常聰明的軟體，這種智慧軟體終於能夠做一些事情，徹底改變你們所服務的產業。因此，我們製作了一段「情書」影片。讓我們來播放它。這一切都始於這裡，第一次工業革命，瓦特蒸汽機和機械化織布機。它們引入了自動化和工廠的誕生，一個產業就此誕生。電力時代，安培揭示了電磁學。法拉第建造了第一台發電機，麥克斯韋奠定了現代電氣工程的基礎。西門子和惠斯通，發電機。電力的引擎。它讓機器、火車、工廠和城市煥發生機。它讓整個星球通電，點燃了現代製造業。而今天，從計算和資訊時代誕生的第四次工業革命，人工智慧時代，正在重新構想整個大陸的每個工業領域。工業人工智慧正在從設計到工程的各個領域紮根。你們正在開闢新的道路，朝著理解和重新發明的方向前進。你們將物理世界帶入虛擬世界，以規劃和優化全球的現代化工廠。你們正在建立下一個前沿領域，那裡的一切運動都是機器人化的，每一輛汽車都是一個智慧自主代理，一個新的協作勞動力正在幫助填補全球勞動力短缺的缺口。整個大陸的開發者正在建造各種類型的機器人，在數位孿生世界和機器人環境中教導它們新技能，讓它們準備好與我們在工廠、倉庫、手術室和家中並肩工作。第四次工業革命已經到來，它就始於第一次工業革命的地方。你覺得怎麼樣？我太喜歡這個影片了。是你製作的，太棒了。我們正在與一家又一家公司合作，進行工業人工智慧專案。這是寶馬（BMW）正在Omniverse中建造其下一代工廠。我不知道該怎麼說，有人能教我嗎？ “BU Jess”聽起來不錯。沒錯，完全正確。幹得好，完全正確。他們當然正在Omniverse中建造工廠的數位孿生。這是他們用於倉庫物流的數位孿生的關鍵部分。這是梅賽德斯-奔馳（Mercedes-Benz）及其在Omniverse中建造的工廠的數位孿生。這是捨弗勒（Schaeffler）及其在Omniverse中構建的倉庫的數位孿生。這是法國的火車站，正在Omniverse中建造火車站的數位孿生。這是豐田（Toyota）正在Omniverse中建造其倉庫的數位孿生。當你們在Omniverse中建造這些倉庫和工廠時，你們可以進行設計，可以進行規劃，可以在綠地（Greenfield）上進行設計，也可以在棕地（Brownfield）上進行改造。你們可以在實際移動物體之前，先透過模擬來驗證其效率是否最優。因此，能夠在數位孿生中完成所有這些數位化工作是非常令人難以置信的。但問題是，為什麼數位孿生必須看起來像照片一樣逼真，為什麼它必須遵循物理定律？原因在於，我們希望它最終成為一個真正的數位孿生，機器人可以在其中學習如何作為機器人操作，而機器人依賴光子作為其感知系統。這些光子是透過Omniverse產生的。機器人需要與物理世界互動，以便知道自己是否在做正確的事情，並學會如何正確地完成任務。因此，這些數位孿生必須看起來逼真，並且行為符合現實。這就是為什麼Omniverse被建造的原因。這是一個聚變反應器的數位孿生，非常複雜的儀器，正如你們所知。如果沒有人工智慧，下一代聚變反應器是不可能實現的。今天，我們宣布我們將在歐洲建立世界上第一個工業人工智慧雲端。我要指出，是的，這些工業人工智慧雲是雲端中的許多電腦。然而，它們的要求、性能和安全要求根本不同。因此，我將在周五告訴你們更多關於它的內容。今天我只向你們透露了部分故事，但這個工業雲將用於設計和模擬。虛擬風洞，你可以直接走進去，將車子移入其中，看到它的行為。打開車門，打開車窗，改變設計。所有這些都在完全實時中完成。即時設計，在數位風洞中進行模擬，數位風洞的數位孿生也在實時中完成，在工廠中構建，數位工廠的數位孿生也在實時中完成。所有這些都將讓機器人學會成為出色的機器人，並建造我們未來的機器人，例如自動駕駛汽車等。我們在這裡已經擁有一個龐大的生態系統。正如你們所知，我們在這裡已經很久了。輝達已經33歲了。我們第一次來到歐洲是在工作站和產品數位化、CAD革命開始的時候。我們當時正在參與CAE革命，而現在是數位孿生革命。歐洲有大約2兆美元的生態系統，我們與之合作，我們有幸支持從中誕生的新革命。如你們所知，所有運動的物體都將實現機器人化，所有運動的物體都將由人工智慧驅動。汽車是最明顯的例子。接下來，輝達建造用於訓練模型的人工智慧超級計算機，用於Omniverse數位孿生的人工智慧超級電腦。我們也為機器人本身打造人工智慧超級電腦。在每一種情況下，無論是用於雲端中的Omniverse還是用於汽車，我們提供了整個堆棧，電腦本身，以及運行在電腦之上的作業系統，在每一種情況下都是不同的。這台電腦必須具備高速、感測器豐富、功能安全的特性，它在任何情況下都不能完全失敗。因此，安全要求極高。現在，我們擁有一個令人難以置信的模型，它運行在這個系統之上。這個模型是一個基於Transformer的推理模型。它接收感測器輸入，你告訴它你想要它做什麼，它就會帶你到達那裡。它接收像素輸入，並產生路徑規劃輸出。因此，這是一個基於Transformer的生成式人工智慧模型，非常了不起的技術。輝達的人工智慧團隊、自動駕駛團隊非常出色。據我所知，他們是唯一一個連續兩年在CVPR上贏得端到端自動駕駛汽車挑戰賽的團隊。所以，他們今年再次成為贏家。讓我們看看這個視頻。好的，謝謝。像任何駕駛員一樣，自動駕駛汽車運行在一個充滿不可預測和潛在安全關鍵場景的世界中。輝達Drive基於Halo安全系統，讓開發者能夠建立安全的自動駕駛汽車，配備多樣化的軟體堆疊和感測器以及冗餘電腦。它從訓練開始。安全的自動駕駛汽車需要大量的多樣化數據，以應對邊緣情況，但現實世界中的數據是有限的。開發者使用輝達Omniverse和Cosmos重建現實世界，並產生逼真的合成訓練數據，為自動駕駛汽車模型帶來多樣性。該模型可以感知和推理其環境，預測未來結果，並產生運動規劃。為了決策多樣性，一個獨立的經典堆疊並行運行。防護欄監控安全性能，在出現異常時，請呼叫仲裁器進行緊急煞車。感測器和運算架構中進一步融入了多樣性和冗餘性。每個感測器都連接到冗餘計算機，因此即使感測器或計算機出現故障，車輛仍然安全且可操作。當發生嚴重故障時，系統可以執行最小風險操作，例如靠邊停車。安全是自動駕駛的核心，輝達Drive讓全球開發者能夠將Halo整合到自己的產品中，以建立下一代安全的自動駕駛汽車。全球有10億輛汽車在道路上行駛，每年平均行駛1萬英里，總共10兆英里。自動駕駛的未來顯然是巨大的，它將由人工智慧驅動。這是下一個巨大的機會，我們正在與全球一些非常出色的大型公司合作，以實現這一目標。在我們與自動駕駛汽車（AV）相關的所有工作中，核心是安全，我們為我們的Halo系統感到非常自豪。它從晶片架構開始，然後是晶片設計、系統設計、作業系統、人工智慧模型、開發軟體的方法論、我們測試它的方式，從我們訓練模型的方式、為模型提供的數據，一直到我們評估模型的方式，輝達的Halo系統以及我們的自動駕駛安全團隊和能力絕對是世界聞名的。這台計算機是第一台軟體定義的計算機。全球第一台完全100%軟體定義的、由人工智慧驅動的自動駕駛汽車軟體堆疊。我們已經在這個領域耕耘了將近10年。因此，這項能力是世界聞名的，我為此感到非常自豪。汽車領域正在發生的事情，也在一個新的行業中發生，正如我之前提到的。如果可以從提示生成視頻，如果人工智慧可以感知、推理，並且能夠生成視頻、文字和圖像，那麼為什麼它不能像汽車中的路徑規劃和方向盤路徑一樣，生成局部運動能力和關節運動能力呢？因此，人工智慧徹底變革最複雜的機器人問題之一的能力即將到來。人形機器人將成為現實。我們現在知道如何建造、訓練和操作這些機器人。人形機器人可能會成為有史以來最大的產業之一，它需要那些懂得如何製造具有非凡能力產品的公司。這與歐洲國家息息相關。世界上許多行業都紮根於此。我認為這是一個巨大的機會。假設全球有10億台機器人，那麼擁有10億台機器人的想法是非常合理的。那麼，為什麼它還沒有發生呢？原因很簡單。如今的機器人太難編程了。只有最大的公司才能負擔得起安裝機器人、教它們做正確的事情、確保它們足夠安全的費用。這就是為什麼世界上最大的汽車公司都有機器人的原因。它們足夠大，工作足夠重複，行業規模也足夠大，可以在工廠中部署機器人。對於中型、小型企業或夫妻店餐廳、商店或倉庫來說，這種程式設計能力幾乎是不可能的，直到現在。我們將為你提供可以「教」的機器人，它們會從你那裡學習。正如我們剛才提到的代理人工智慧一樣，我們現在擁有人形人工智慧，它可以透過與我提到的Nemo工具包非常一致的工具包從你的教學中學習。輝達也建構了一個三層堆疊。我們建立了計算機，Thor計算機開發工具包看起來有點像這樣。這是一台機器人計算機，一個完全自包含的開發工具包，放在你的桌子上。這些是所有的感測器，裡面是一個小型超級電腦晶片。這真的很令人難以置信。這些……是的，我可以想像像這樣插入一個。好的，謝謝，珍妮。這就是Thor處理器。在其之上是一個為機器人設計的操作系統，而在操作系統之上則是Transformer模型，它接收感測器輸入和指令，將其轉換為飛行路徑或手臂、手指和腿部關節運動的電機控制信號。然而，人形機器人面臨的巨大挑戰是，訓練它們所需的大量資料很難取得。那麼，如何解決這個問題呢？解決這個問題的方法是回到Omniverse，一個遵循物理定律的數位孿生世界。我們正在做的這項工作令人難以置信。好吧。這些是我們開發的機器人，我們開發電腦來模擬它們、訓練它們，以及放入它們內部的電腦。全球有許多人形機器人公司正在成立，它們都看到了徹底改變這項新設備的巨大機會。進展非常迅速。它們學習的方式是在虛擬世界中學習，而這個虛擬世界必須遵循物理定律。最近，我們宣布與迪士尼研究公司（Disney Research）和DeepMind建立重大合作夥伴關係，我們將共同創建世界上最複雜、最逼真的實體模擬。我正在試著弄清楚現在該如何切換到那張投影片。教我，誰和我在一起？這就是只排練一次的結果。好的，這個令人難以置信的系統是人工智慧學習成為人工智慧的地方。讓我展示給你看。為你推出來。我們有一位特別嘉賓。你的名字叫格雷格（Greg）。你是小加爾森（Garson）還是小比爾（Bill）？好的，他是一個小女孩。現在看看這個。格雷格在Omniverse中學會了走路，遵循物理定律。我說的“在Omniverse中”，是指我們創造了數十萬種場景。最後，當格雷格學會了在這些環境中操作、行走和操縱物體時，無論是在沙子上、碎石上、滑溜的地板上、混凝土上還是地毯上，當格雷格進入物理世界時，物理世界只是虛擬世界的第100,001個版本。因此，你在虛擬世界中學會了走路，看看你現在。你能跳嗎？哇，太棒了，太棒了，太棒了。你能跳舞嗎？我想讓大家知道，我是主題演講者，所以我需要你。我需要你安靜幾秒鐘。我需要你表現得乖一點。困惑嗎？你能坐下嗎？嘿，你知道我們該做什麼嗎？讓我們給每個人拍張照片。砰，砰。是的，是的，是的。你想和我一起回家嗎？你想和我一起回家嗎？我有……是的，我知道，親愛的。是的，我有寵物。它們會很高興讓你成為它們的寵物。不，你太聰明了。你太聰明了。這太不可思議了，對吧？你是世界上最棒的機器人。總有一天，我們每個人都會有一個像你這樣的機器人，它們會在2020年圍繞著我們轉。但如果我需要一杯威士忌，你得去告訴別人幫我拿一杯威士忌，因為你沒有手臂。我？是的，你太可愛了。好吧，小女孩，你先待在這裡。我們來總結一下。好吧，這很清楚。一場工業革命已經開始。人工智慧的下一個階段已經開始。格雷格是現在機器人技術可能性的完美例子。教導機器人操作、模擬以及當然，創造令人難以置信的機器人的技術，現在就在我們面前。我們有人形機器人，也有資訊機器人，我們稱它們為代理。因此，人工智慧的下一波浪潮已經開始。它將需要推理工作負載呈爆炸性增長，基本上會呈指數級增長。使用推理的人數從800萬增加到8億，只花了幾年時間，增加了100倍。產生的提示和標記數量，正如我之前提到的，從幾百個標記增加到數千個標記。當然，我們今天比以往任何時候都更常使用人工智慧。因此，我們需要一種專門用於思考、專門用於推理的電腦設計。而這就是Blackwell，一台思考機器。這些Blackwell將進入一種新型資料中心，本質上是專門用於生產標記的人工智慧工廠。而這些標記將成為你的「智慧積木」。是的，我知道。讓我非常高興的是，歐洲正全力投入人工智慧。未來幾年，這裡建造的人工智慧基礎設施將增加一個數量級。我想感謝你們所有人與我們合作。祝福你們在Viva Tech有一個美好的體驗。謝謝。說再見。再見。多拍幾張照片。多拍幾張照片。(硬AI)
