主要观点总结
英伟达在GTC大会上发布了Blackwell Ultra GPU及其衍生的“全家桶”产品，包括具身智能基础模型Cosmos和Llama Nemotron模型等。黄仁勋强调了算力在AI时代的重要性，并展示了英伟达的软硬件结合策略，包括Dynamo软件、Omniverse数据生成等。此外，英伟达还推出了针对AI Agent和机器人领域的解决方案，如NVIDA AIQ项目和人形机器人基础模型Isaac GR00T N1。总的来说，英伟达在AI领域的布局已经涵盖了从训练到部署的全方位解决方案。
关键观点总结
关键观点1: 英伟达发布了Blackwell Ultra GPU及其相关产品线，强化了其在AI领域的地位。
英伟达在GTC大会上展示了其全新的Blackwell Ultra GPU以及一系列相关产品线，包括针对不同场景的SKU和基于Blackwell架构的RTX全家桶等。这些产品不仅在硬件性能上实现了巨大飞跃，更在推理速度和数据中心效率上带来了质的提升。
关键观点2: 英伟达在软件生态方面取得了重要进展，推出了Dynamo软件和Omniverse数据生成平台。
为了进一步提升AI应用的效率和性能，英伟达推出了专为推理、训练和跨整个数据中心加速而构建的开源软件Dynamo。此外，Omniverse数据生成平台能够结合NVIDIA Cosmos Transfer世界基础模型，生成大量合成数据，为机器人操作训练提供丰富的数据资源。
关键观点3: 英伟达在AI Agent和机器人领域推出了多项创新解决方案。
英伟达通过NVIDA AIQ项目和人形机器人基础模型Isaac GR00T N1等解决方案，进一步拓展了其在AI Agent和机器人领域的应用。这些解决方案提供了从模型优化、应用构建到机器人操作等全方位的支持，展示了英伟达在AI领域的全面布局。
关键观点4: 黄仁勋强调了算力在AI时代的重要性，并展示了英伟达的全方位算力体系。
黄仁勋在GTC大会上强调了算力在AI时代的重要性，并展示了英伟达的“三台计算机”概念，包括用于训练的DGX、用于端侧部署的AGX以及用于数据生成的Omniverse和Cosmos。这些组成部分共同构成了英伟达的全方位算力体系，为AI应用提供了从训练到部署的全方位支持。
正文
构建一个虚拟的“平行宇宙”需要多少算力？英伟达：过去的100倍。
在2025年3月19日的英伟达GTC大会上，CEO黄仁勋再次为全球科技界带来了一场算力与创新的盛宴。
本次大会的核心亮点是英伟达全新推出的Blackwell Ultra GPU及其衍生的“全家桶”产品，包括专为AI推理设计的服务器机柜Blackwell Ultra NVL72，以及面向生成式AI和物理模拟的DGX Super POD超算工厂等。这些产品不仅在硬件性能上实现了巨大飞跃，更在推理速度和数据中心效率上带来了质的提升。黄仁勋强调，随着AI技术的飞速发展，算力需求已暴增百倍，而英伟达的使命就是通过不断的技术创新，满足这一需求。
除了硬件的升级，英伟达在软件生态和具身智能领域也展开了全面布局。Nvidia Dynamo作为一款专为推理优化的开源软件，能够显著提升现有模型的性能，而Llama Nemotron模型则展示了英伟达在高效训练和推理方面的最新成果。
此外，英伟达还发布了具身智能基础模型Cosmos和人形机器人基础模型Isaac GR00T N1，标志着其在AI领域的版图进一步拓展至机器人和智能体领域。通过这些软硬件的结合，英伟达不仅巩固了其在AI算力领域的领先地位，更向构建一个完整的AI生态系统迈出了关键一步。
以下，Enjoy：
腾讯科技特约作者 苏扬、郝博阳
作为AI时代的“卖铲人”，黄仁勋和他的英伟达，始终坚信算力永不眠。
今天的GTC大会上，黄仁勋拿出了全新的Blackwell Ultra GPU，以及在此基础上衍生的应用于推理、Agent的服务器SKU，也包括基于Blackwell架构的RTX全家桶，这一切都与算力有关，但接下来更重要的是，如何将源源不断算力，合理有效地消耗掉。
在黄仁勋眼里，通往AGI需要算力，具身智能机器人需要算力，构建Omniverse与世界模型更需要源源不断的算力，至于最终人类构建一个虚拟的“平行宇宙”，需要多少算力，英伟达给了一个答案——过去的100倍。
为了支撑自己的观点，黄仁勋在GTC现场晒了一组数据——2024年美国前四云厂总计采购130万颗Hopper架构芯片，到了2025年，这一数据飙升至360万颗Blackwell GPU。
以下是腾讯科技整理的英伟达GTC 2025大会的一些核心要点：
Blackwell全家桶上线
1）年度“核弹”Blackwell Ultra在挤牙膏
英伟达去年GTC发布Blackwell架构，并推出GB200芯片，今年的正式名称做了微调，不叫之前传言的GB300，直接就称之为Blakwell Ultra。
但从硬件来看，就是在去年基础上更换了新的HBM内存。一句话理解就是，Blackwell Ultra= Blackwell大内存版本。
Blackwell Ultra由两颗台积电N4P（5nm）工艺，Blackwell 架构芯片+Grace CPU封装而来，并且搭配了更先进的12层堆叠的HBM3e内存，显存提升至为288GB，和上一代一样支持第五代NVLink，可实现1.8TB/s的片间互联带宽。
基于存储的升级，Blackwell GPU的FP4精度算力可以达到15PetaFLOPS，基于Attention Acceleration机制的推理速度，比Hopper架构芯片提升2.5倍。
2）Blackwell Ultra NVL72：AI推理专用机柜
和GB200 NVL72一样，英伟达今年也推出了类似的产品Blackwell Ultra NVL72机柜，一共由18个计算托盘构成，每个计算托盘包含4颗Blackwell Ultra GPU+2颗Grace CPU，总计也就是72颗Blackwell Ultra GPU+36颗Grace CPU，显存达到20TB，总带宽576TB/s，外加9个NVLink交换机托盘（18颗NVLink 交换机芯片），节点间NVLink带宽130TB/s。
机柜内置72张CX-8网卡，提供14.4TB/s带宽，Quantum-X800 InfiniBand和Spectrum-X 800G以太网卡则可以降低延迟和抖动，支持大规模AI集群。此外，机架还整合了18张用于增强多租户网络、安全性和数据加速BlueField-3 DPU。
英伟达说这款产品是“为AI推理时代”专门定制，应用场景包括推理型AI、Agent以及物理AI(用于机器人、智驾训练用的数据仿真合成)，相比前一代产品GB200 NVL72的AI性能提升了1.5倍，而相比Hopper架构同定位的DGX机柜产品，可以为数据中心提供50倍增收的机会。
根据官方提供的信息，6710亿参数DeepSeek-R1的推理，基于H100产品可实现每秒100tokens，而采用Blackwell Ultra NVL72方案，可以达到每秒1000 tokens。
换算成时间，同样的推理任务，H100需要跑1.5分钟，而Blackwell Ultra NVL72 15秒即可跑完。
Blackwell Ultra NVL72和GB200 NVL72硬件参数
根据英伟达提供的信息，Blackwell NVL72相关产品预计在2025年下半年上市，客户包括服务器厂商、云厂、算力租赁服务商几大类：
-
Cisco/Dell/HPE/Lenovo/超微等15家制造商
-
AWS/Google Cloud/Azure/Oracle云等主流平台
-
3）提前预告真“核弹”GPU Rubin芯片
按照英伟达的路线图，GTC2025的主场就是Blackwell Ultra。
不过，黄仁勋也借这个场子预告了2026年上市的基于Rubin架构的下一代GPU以及更强的机柜Vera Rubin NVL144——72颗Vera CPU+144颗 Rubin GPU，采用288GB显存的HBM4芯片，显存带宽13TB/s，搭配第六代NVLink和CX9网卡。
这个产品有多强呢？FP4精度的推理算力达到了3.6ExaFLOPS，FP8精度的训练算力也达到了1.2ExaFlOPS，性能是Blackwell Ultra NVL72的3.3倍。
如果你觉得还不够，没关系，2027年还有更强的 Rubin Ultra NVL576机柜，FP4精度的推理和FP8精度的训练算力分别是15ExaFLOPS和5ExaFLOPS，14倍于Blackwell Ultra NVL72。
英伟达官方提供的Rubin Ultra NVL144和Rubin Ultra NVL576参数
4）Blackwell Ultra版DGX Super POD“超算工厂“
对于那些现阶段Blackwell Ultra NVL72都不能满足需求，又不需要搭建超大规模AI集群的客户，英伟达的解决方案是基于Blackwell Ultra、即插即用的DGX Super POD AI超算工厂。
作为一个即插即用的AI超算工厂，DGX Super POD主要面向专为生成式AI、AI Agent和物理模拟等AI场景，覆盖从预训练、后训练到生产环境的全流程算力扩展需求，Equinix作为首个服务商，提供液冷/风冷基础架构支持。
由Blackwell Ultra构建的DGX SuperPod
基于Blackwell Ultra定制的DGX Super POD分两个版本：
-
内置DGX GB300（Grace CPU ×1+Blackwell Ultra GPU ×2） 的DGX SuperPOD，总计288颗Grace CPU+576颗 Blackwell Ultra GPU，提供300TB的快速内存，FP4精度下算力为11.5ExaFLOPS
-
内置DGX B300的DGX SuperPOD，这个版本不含Grace CPU芯片，具备进一步的扩展空间，且采用的是风冷系统，主要应用场景为普通的企业级数据中心
5）DGX Spark与DGX Station
今年1月份，英伟达在CES上晒了一款售价3000美元的概念性的AI PC产品——Project DIGITS，现在它有了正式名称DGX Spark。
产品参数方面，搭载GB10芯片，FP4精度下算力可以达到1PetaFlops，内置128GB LPDDR5X 内存，CX-7网卡，4TB NVMe存储，运行基于Linux定制的DGX OS操作系统，支持Pytorch等框架，且预装了英伟达提供的一些基础AI软件开发工具，可以运行2000亿参数模型。整机的尺寸和Mac mini的大小接近，两台DGX Spark互联，还可以运行超过4000亿参数的模型。
虽然我们说它是AI PC，但本质上仍然属于超算范畴，所以被放在了DGX产品系列当中，而不是RTX这样的消费级产品里面。
不过也有人吐槽这款产品，FP4的宣传性能可用性低，换算到FP16精度下只能跟RTX 5070，甚至是250美元的Arc B580对标，因此性价比极低。
DGX Spark计算机与DGX Station工作站
除了拥有正式名称的DGX Spark，英伟达还推出了一款基于Blackwell Ultra的AI工作站，这个工作站内置一颗Grace CPU和一颗Blackwell Ultra GPU，搭配784GB的统一内存、CX-8网卡，提供20PetaFlops的AI算力（官方未标记，理论上也是FP4精度）。
6）RTX横扫AI PC，还要挤进数据中心
前面介绍的都是基于Grace CPU和Blackwell Ultra GPU的产品SKU，且都是企业级产品，考虑到很多人对RTX 4090这类产品在AI推理上的妙用，英伟达本次GTC也进一步强化了Blackwell和RTX系列的整合，推出了一大波内置GDDR7内存的AI PC相关GPU，覆盖笔记本、桌面甚至是数据中心等场景。
-
桌面GPU:，包括RTX PRO 6000 Blackwell 工作站版、RTX PRO 6000 Blackwell Max-Q工作站版、RTX PRO 5000 Blackwell、RTX PRO 4500 Blackwell 以及RTX PRO 4000 Blackwell
-
笔记本GPU：RTX PRO 5000 Blackwell、RTX PRO 4000 Blackwell、RTX、PRO 3000 Blackwell、RTX PRO 2000 Blackwell、RTX PRO 1000 Blackwell以及RTX PRO 500 Blackwell
-
数据中心 GPU：NVIDIA RTX PRO 6000 Blackwell服务器版
以上还只是部分基于Blackwell Ultra芯片针对不同场景定制的SKU，小到工作站，大到数据中心集群，英伟达自己将其称之为“Blackwell Family”（Blackwell家族），中文翻译过来“Blackwell全家桶”再合适不过。
英伟达Photonics
站在队友肩膀上的CPO系统
光电共封模块（CPO）的概念，简单来说就是将交换机芯片和光学模块共同封装，可实现光信号转化为电信号，充分利用光信号的传输性能。
在此之前，业界就一直在讨论英伟达的CPO网络交换机产品，但一直迟迟未上线，黄仁勋在现场也给了解释——由于在数据中心中大量使用光纤连接，光学网络的功耗相当于计算资源的10%，光连接的成本直接影响着计算节点的Scale-Out网络和AI性能密度提升。
今年的GTC英伟达一次性推出了Quantum-X硅光共封芯片、Spectrum-X硅光共封芯片以及衍生出来的三款交换机产品：Quantum 3450-LD、Spectrum SN6810和Spectrum SN6800。
-
Quantum 3450-LD：144个800GB/s端口，背板带宽115TB/s，液冷
-
Spectrum SN6810：128个800GB/s端口，背板带宽102.4TB/s，液冷
-
Spectrum SN6800：512个800GB/s端口，背板带宽409.6TB/s，液冷
上述产品统一归类到“NVIDIA Photonics”，英伟达说这是一个基于CPO合作伙伴生态共创研发的平台，例如其搭载的微环调制器（MRM）是基于台积电的光引擎优化而来，支持高功率、高能效激光调制，并且采用可拆卸光纤连接器。
比较有意思的是，根据之前业内的资料，台积电的微环调制器（MRM）是其与博通基于3nm工艺以及CoWoS等先进封装技术打造而来。
按照英伟达给的数据，整合光模块的Photonics交换机相比传统交换机，性能提升3.5倍，部署效率也可以提升1.3倍，以及10倍以上的扩展弹性。
模型效率PK DeepSeek
软件生态发力AI Agent
因为本次长达2个小时的GTC上，黄仁勋总共只讲大概半个小时软件和具身智能。因此很多细节都是通过官方文档进行补充的，而非完全来自现场。
1）Nvidia Dynamo，英伟达在推理领域构建的新CUDA
Nvidia Dynamo绝对是本场发布的软件王炸。
它是一个专为推理、训练和跨整个数据中心加速而构建的开源软件。Dynamo的性能数据相当震撼：在现有Hopper架构上，Dynamo可让标准Llama模型性能翻倍。而对于DeepSeek等专门的推理模型，NVIDIA Dynamo的智能推理优化还能将每个GPU生成的token数量提升30倍以上。
黄仁勋演示加了Dynamo的Blackwell能超过25倍的Hopper
Dynamo的这些改进主要得益于分布化。它将LLM的不同计算阶段（理解用户查询和生成最佳响应）分配到不同GPU，使每个阶段都能独立优化，提高吞吐量并加快响应速度。
