【GTC大會】1萬塊GPU砸向歐洲！老黃怒懟AI末日論：全球首個工業AI雲來了

推理模型開始「自言自語」、量子計算進入臨界點……AI大航海時代已然啟航，這不是一次產品發佈會，而是未來的預言書。巴黎GTC大會，黃仁勳開講了！這次他脫下了皮衣。

「AI是世界上創造的最偉大的平等工具。」

在巴黎，黃仁勳這樣說道。

他表示，人工智慧既不會引發反烏托邦式災難，也不會導致壟斷，它是解放人類的工具。

再巴黎GTC會議後的新聞發佈會上，黃仁勳認為AI的確改變了職場，但駁斥了Dario Amodei最近關於AI導致大裁員的預測：

每個人的工作都會發生變化。雖然部分崗位會被替代，但也會湧現出大量新職業……

當公司更具生產力時，他們會僱傭更多人。

這次輝達還簽了個大單：直接賣了1萬塊GPU！

這些GPU將用於在德國建設全球首個工業AI雲平台，加速歐洲工業巨頭的製造應用。

輝達2026財年第一季度財報出來時，黃仁勳表示歐洲AI意識覺醒，算力需求爆發。他將拜訪多個歐洲國家首腦。

這次歐洲之行，輝達收穫滿滿，包括與法國、德國、義大利等國家達成合作。

此外，與多家公司和研究機建構立了合作關係，包括與Mistral合作開發AI雲服務等。

黃仁勳還宣佈了DGX Lepton項目，助力歐洲擴大AI影響力：

DGX Cloud Lepton正在連接歐洲開發者與全球AI基礎設施。我們正在與來自歐洲的夥伴共同打造AI工廠網路，供開發者、研究人員和企業將本地的突破性成果擴展為全球性創新。

這意味著客戶能夠自動將推理工作負載從不同的雲平台之間轉移，同時理論上保持相同的軟體使用者介面和體驗。

如果DGX Lepton成功，它將為所有新雲（neocloud）建立標準的使用者體驗、價值和性能水平，這將導致這些新雲陷入激烈的價格戰，最終使利潤降至極低的商品水平。

這是輝達首次在巴黎舉行GTC大會，拉開2025年VivaTech的序幕，揭示了從智能體系統到AI工廠的下一階段AI計算。

從感知AI到自主AI

正是輝達的GPU，使AI革命成為可能。

而AI，早已是輝達關注的重點。

在巴黎GTC上，黃仁勳回顧了AI的發展，強調了AI在理解、感知、推理、規劃和執行任務方面的進步。

AI的第一波浪潮：感知智能

回到2012年，那時輝達與開發者合作，「深度學習」的新演算法橫空出世，誕生了AlexNet，這被認為是AI的宇宙大霹靂時刻。

AlexNet由Alex Krizhevsky, Ilya Sutskever,和「深度學習教父」Hinton使用Cuda和C++開發

在過去15年，AI的進展非常迅速。

第一階段是讓電腦看懂圖像、聽懂語音、識別模式。這就是「感知智能」。

第二波浪潮：生成式人工智慧（Generative AI）

最近這五年，AI進入了第二階段——生成式人工智慧GenAI。

AI不只是識別，還能生成圖像、生成語言內容。

它擁有「多模態」能力——能夠同時理解圖像和文字，所以我們可以用文字“提示”AI去創作圖像。

這項能力極大地提升了我們生產內容的效率。

AI能寫、能畫、能說、能演，這開啟了「內容生成革命」。

為了支援開源生態，讓開發者與企業也能擁有世界一流的大模型，於是輝達打造了NeMo框架和Nemotron項目。

NeMo是NVIDIA開發的全端大模型平台，而Nemotron是提升開源模型質量的專項計畫。

LLaMA Nemotron針對性強化了開放原始碼的Llama模型，效率和精準率大幅度提升。

在多個領域，Nemotron模型排名領先，性能優異。

第三波浪潮：Agentic AI

現在進入了第三波浪潮 —— 智能體AI（Agentic AI）。

智能不僅僅是識別或生成內容，更是能“理解、推理、規劃並執行任務”。

我們正在開啟新一波AI浪潮。

從根本上說，智能是關於理解、感知、推理、規劃任務（如何解決問題），然後執行任務。

真正的智能包括三個核心循環：

• 感知（Perception）
• 推理（Reasoning）
• 規劃（Planning）

它允許應用一些以前學過的規則，來解決從未見過的問題。

這就是聰明人之所以聰明的原因，他們能夠解決複雜問題，將問題一步步分解，思考如何解決問題；也許會進行研究，也許會學習一些新資訊，獲得一些幫助；使用工具，並一步步解決問題。

智能體AI（Agentic AI）具備這些能力，它能將所學知識應用到新問題中，逐步拆解複雜問題，找到解決方案。比如：

面對沒見過的問題，AI可以自己想步驟、找工具、搜尋資料、呼叫其他智能體、整合上下文，並一步步完成任務。

輝達提供了完整的Agent平台。

企業客戶正在用它建構專屬Agent系統：

• Cisco（思科）：用於企業安全情報的AI平台；
• SAP：將AI整合到業務自動化；
• DeepL：用於翻譯系統的AI平台；
• PhotoRoom：用於AI圖像與視訊編輯；
• Kodo（前Kodium）：AI程式碼助手；
• Iola：語音互動系統；
• 全球最大臨床試驗自動化平台：也使用NeMo建構智能體。

第四波浪潮：進入機器人時代

在實際實現中，智能體AI的具身化以及現在的生成能力正在生成運動。

這種AI不是生成視訊、圖像或文字，而是生成局部運動。它能夠行走，或者伸手抓取東西，使用工具。AI以物理形式具身化的能力基本上就是機器人技術。

這些能力，即實現智能體（基本上是資訊機器人）和具身化AI（物理機器人）的基本技術，現在已經擺在我們面前。

從虛擬世界走向現實，這就是「具身智能」（Embodied AI）的世界。機器人就是這種智能的物理體現。

目前，我們正處於兩個核心AI領域交匯的時刻：

（1）資訊型機器人（像ChatGPT這樣的聊天助手）；

（2）實體型機器人（可以在物理世界中行動的AI）。

這兩類智能體現在都已經成為現實，我們正在迎來AI發展的全新時代！

對於AI來說，這真是令人興奮的時刻。

但這一切都始於都始於輝達的第一張顯示卡：GeForce 256。

加速千行百業

GeForce帶來了電腦圖形。

這是有史以來開發的第一個加速計算應用程式，電腦圖形的發展令人難以置信。

GeForce將CUDA帶給世界，這使得機器學習研究人員和AI研究人員能夠推進深度學習。

隨後，深度學習徹底改變了電腦圖形，並使我們將電腦圖形提升到全新的水平成為可能。

黃仁勳展示了電腦模擬：光子模擬、物理模擬、粒子模擬。

所有一切從根本上來說都是模擬，而不是動畫，也不是藝術。

它之所以看起來如此美麗，是因為世界本身就是美麗的，數學也是美麗的。

那麼，讓我們一起來看看吧。

這本質上就是模擬，而且看起來非常美麗。

現在能夠模擬幾乎所有事物的規模和速度，可以將所有事物都變成數字孿生。

因為所有事物都可以被數字孿生，我們可以在將其投入物理世界之前，完全以數字方式進行設計、規劃、最佳化和操作。

一切都在軟體中建構，輝達將這一想法現在已經成為現實：

所有物理事物都將以數字方式建構。

所有宏偉的事物都將以數字方式建構。

所有以巨大規模運行的事物都將首先以數字方式建構，並且會有數字孿生來操作它們。

現在的「GB300 NVL 72」看起來是這樣的。

該計算裝置重兩噸半，1.2萬個零件，大約300萬美元。120千瓦，由150家工廠製造，200家技術合作夥伴與輝達合作完成

它已經完全投入生產。它被設計成一台思考機器。

這意味著它能夠推理、規劃，並且像人一樣，花費大量時間自言自語。

加速AI推理

推理模型正在自言自語，我們需要30到40倍的性能提升。

它不再是那種一問一答的ChatGPT，現在是推理模型，當思考時，它會生成更多的token。

它會一步步地分解問題、推理；嘗試各種不同的路徑：也許是思維鏈（chain of thoughts），也許是思維樹（tree of thoughts）的最佳結果。

它會反思自己的答案。

可能你已經看到這些研究模型在反思答案，說「這是一個好答案嗎？你能做得更好嗎？」然後推理模型會說：「哦，是的，我能做得更好。」然後回去思考更多。

因此，這些思考模型、推理模型實現了令人難以置信的性能，但這需要更多的算力。

而最終的結果，MVLink 72 Blackwells的架構，帶來了性能的巨大飛躍，在僅僅一代之內實現30到40倍的性能提升。

根據摩爾定律，半導體物理學，每三到五年只有大約兩倍的性能提升。

而解讀下圖的方式是：X軸代表它思考的速度。Y軸代表工廠在同一時間支援大量使用者時的產出量。

加速計算

輝達曾經夢想，建立全新的計算平台，去完成傳統電腦無法完成的任務。

他們加速了CPU，創造了一種全新的計算方式，稱為「加速計算」。

他們最初的應用之一是分子動力學模擬。從那以後，他們走過了漫長的道路，開發了無數的庫。

事實上，使加速計算與眾不同的原因在於，它不僅僅是一個新的處理器，也不僅僅是你編譯程式碼就能運行的軟體。

你必須徹底重新設計你的計算方式，重新構思你的演算法。而這對大多數人來說極其困難——

要將軟體和演算法重新建構為高度平行化的形式並不容易。

所以，他們建立了各種庫，幫助每一個行業、每一個應用領域實現加速。

每一個這樣的庫都為開發者打開了新的可能。

比如：

• 計算光刻，也許是今天半導體設計中最重要的應用之一；它在台積電、三星等大型晶圓廠中運行，在晶片製造之前會運行一個基於反物理演算法的流程，稱為Computational Lithography（計算光刻）。
• 稀疏求解器、代數多重網格求解器等。
• cuOpt：剛剛開放原始碼的應用庫，它能加速決策制定，最佳化數百萬變數和約束的問題，比如旅行商問題。

這些只是他們提供的部分庫。

他們有400多個類似的庫，每一個都加速特定的應用領域，每一個都為行業打開新的可能。

另一個極其重要的是CUDA Q。它將CUDA擴展到量子經典領域。

量子計算拐點

輝達開發CUDAQ已經好幾年了。

黃仁勳認為：「量子計算正在發生拐點。」

眾所周知，在近30年前，第一個物理量子位元就被演示了。

第一一個糾錯演算法於1995年被發明，而在2023年，將近30年後，世界上第一個邏輯量子位元由Google演示。從那時起，幾年後，邏輯量子位元的數量（由大量帶糾錯的物理量子位元表示）開始增長。

就像摩爾定律一樣，完全可以預期每5年邏輯量子位元增加10倍，每10年增加100倍。這些邏輯量子位元將得到更好的糾錯，更健壯，性能更高，更有彈性，當然也將繼續可擴展。

輝達與世界各地的量子計算公司以多種不同的方式合作，而歐洲相關從業者最多。

現在，輝達很清楚：「我們已經觸手可及，能夠在未來幾年將量子計算，量子經典計算應用於可以解決一些有趣問題的領域。」

這是真正激動人心的時刻。

在接下來的幾年裡，或者至少是下一代超級電腦，都將配備QPU，並且QPU將連接到GPU。QPU當然會進行量子計算，而GPU將用於預處理、控制、糾錯（這將是計算密集型的）、後處理等。

就像加速CPU一樣，現在有QPU與GPU協同工作，以實現下一代計算。

參考資料：

https://www.youtube.com/watch?v=X9cHONwKkn4%20

https://www.nvidia.cn/gtc/paris/keynote/

https://nvidianews.nvidia.com/news/nvidia-builds-worlds-first-industrial-ai-cloud-to-advance-european-manufacturing

https://media.iprsoftware.com/219/files/20255/gtc-paris-2025-keynote-deck.pdf

https://fortune.com/2025/06/11/nvidia-jensen-huang-disagress-anthropic-ceo-dario-amodei-ai-jobs/

https://abcnews.go.com/Technology/wireStory/nvidia-chief-calls-ai-greatest-equalizer-warns-europe-122745910

https://x.com/SemiAnalysis_/status/1932802502069755956

https://blogs.nvidia.cn/blog/nvidia-dgx-cloud-lepton-connects-europes-developers-to-global-nvidia-compute-ecosystem/ (新智元)