新智元报道，CES大会上，英伟达发布了新款RTX 50系列GPU，包括RTX 5090、RTX 5080和RTX 5070，并配备了全新的Blackwell GPU和Grace Blackwell NVLink技术。此外，还推出了全球最小AI超算Project Digits，搭载GB10 Grace Blackwell超级芯片，能在FP4计算精度下提供高达1 PFLOPS的性能。老黄宣布了新一代DLSS技术和一系列开放许可的基础模型。同时展示了智能体AI和Omniverse+Cosoms在自动驾驶汽车和机器人领域的应用。英伟达的最新估值已经达到了惊人的3.66万亿美元。
包括RTX 5090、RTX 5080和RTX 5070，具有强大的性能参数和配置，旨在提供高性能的图形处理能力。
Project Digits是一款桌面超级计算机，专为AI开发者、数据科学家等设计。它搭载了全新的GB10 Grace Blackwell超级芯片，提供强大的AI性能，可运行高达200亿参数的大模型。
英伟达展示了新一代DLSS技术，以及一系列开放许可的基础模型，如Llama Nemotron，这些技术旨在提高AI的精度和效率。
智能体AI和Omniverse+Cosoms在自动驾驶汽车和机器人领域的应用被展示。它们可以生成虚拟世界状态、视频，加速自动驾驶的研发，并提供物理真实的多元生成器。
英伟达股价大涨，创下历史新高，显示出市场对英伟达新产品和技术的强烈信心。
【新智元导读】
就在刚刚，RTX 5090震撼发布，国行版定价16499元！同时震撼亮相的，还有全球最小AI超算Project Digits，在办公桌上就能跑出数据中心级算力！这一刻老黄摆出别致pose，吸引了全球目光。
他来了，他来了，今天，老黄穿着崭新的夹克出场了。
刚刚的CES大会上，老黄宣布RTX 5090正式发布。
50系列GPU，价格如下——
RTX 5090系列和RTX 5080将于1月30日上市，RTX 5070 Ti和RTX 5070将于2月上市，RTX 50系列笔记本电脑将于3月推出
紧接着，老黄以一个别致的「美国队长」造型赢得全场喝彩，并
揭秘了全新的
数据中心超级
芯片——
Grace Blackwell NVLink7
2。
它配备了72个Blackwell GPU、1.4 exaFLOPS
算
力和130万亿个晶体管，
目标是超越世界最快超算。
随后，全球首款真正意义上的桌面超算——Project Digits震撼登场。
这款全球最小AI超算，售价仅3000美金。
有了它，200B大模型在办公桌上就能跑了。
也就是说，它只占用你桌面一个咖啡杯的体积，却能提供数据中心级的算力！
搭载全新GB10 Grace Blackwell超级芯片的Project Digits，能在FP4计算精度下，提供高达1 PFLOPS的性能。
老黄预言：在未来，每个数据科学家、研究者和学生的桌子上，都会有一台Project Digits这样的个人AI超算。
AI时代，将属于每一个人。
经过数月的泄密和小道消息，全新一代的RTX Blackwell GPU终于正式亮相了。
首先来看一波性能参数：
-
920亿个晶体管
-
4000 TOPS的AI算力
-
380 TFLOPS的光追算力
-
125 TFLOPS的着色器算力
-
32GB的GDDR7显存
-
1792GB/秒的内存带宽
-
值得注意的是，RTX 5090 D的AI算力只有2375 TOPS。
不过，虽然比满血版的5090少了一半，但至少比4090 D高了一倍。
如此豪华的配置，再加上DLSS 4和Blackwell架构的加持，RTX 5090的性能直接达到了RTX 4090的两倍之多。
然而，这也意味着它的功耗会很高，（RTX 5090的总显卡功耗为575瓦特，推荐电源供应器功率为1000瓦特）。
demo显示，在RTX 5090上运行《赛博朋克2077》时，启用DLSS 4后达到了238帧每秒，而在RTX 4090上启用DLSS 3.5时，只有106帧每秒。
RTX 5080比RTX 4080快一倍，配备16GB的GDDR7显存，内存带宽为960GB/秒，CUDA核心数量为10752个。
RTX 5070 Ti配备16GB的GDDR7显存，内存带宽为896GB/秒，CUDA核心数量为8960个。
RTX 5070则配备12GB的GDDR7显存，内存带宽为672GB/秒，CUDA核心数量为6144个。
老黄甚至宣称，RTX 5070将以549美元的价格，提供RTX 4090级别的性能，这无疑是由于DLSS 4的提升。
另外，老黄还展示了RTX Blackwell GPU，并进行了一场实时渲染演示。
他表示，「新一代的DLSS不仅仅是生成帧，它还能预测未来。我们用GeForce推动了AI，而现在AI正在革新GeForce。」
Nvidia全新的RTX神经着色器可用于压缩游戏中的纹理，而RTX神经面孔则利用生成式AI来提高面部质量。
下一代DLSS包含了多帧生成技术，可以在每个传统帧的基础上生成最多三个额外的帧，使帧率比传统渲染提高了多至8倍。
并且，DLSS 4还包括了Transformer在实时应用中的使用，能够提升图像质量、减少鬼影效果，并在动态画面中增加更高的细节。
值得一提的是，英伟达在RTX 50系列的Founders Edition上采用了全新设计。
配备了两个双流量风扇、3D均热板和GDDR7显存。RTX 50系列所有显卡均支持PCIe Gen 5，并配有DisplayPort 2.1b接口，能够驱动最高8K分辨率和165Hz的显示器。
令人惊讶的是，RTX 5090 Founders Edition是一款双插槽显卡，能够适配小型机箱，跟RTX 4090的尺寸相比，这是一个巨大的变化。
英伟达高级科学家Jim Fan，发现了老黄演讲中关于图形技术的「华点」。
你们都在期待RTX 5090的发布，关注它的规格参数，但你们是否真正理解黄仁勋关于图形技术的说法？
传统的光线追踪算法只渲染约10%的内容，相当于一个「粗略的草图」，然后由生成式模型实时地在一次前向传递中填充其余的细节。
50系显卡首秀之后，老黄提到「Scaling law仍在继续」：
scaling law不断演进，推动着AI对计算的巨大需求。
令人惊叹的是，包括微软、Meta、xAI约15个超算中心，都已经装上了Blackwell GPU。
接下来，他又提到了智能体AI，是测试时scaling完美的应用示例。
同时，他还宣布推出了一系列开放许可的基础模型—— Llama Nemotron，能够在各类智能体任务中提供极高的精度。
老黄称，「AI智能体可能是下一个机器人产业，可能是价值数万亿美元机会」。
此外，英伟达NIM Blueprint即将在PC上线，借助这些蓝图，开发者能够基于 PDF 文档创建播客、生成由 3D 场景引导的令人惊艳的图像等。
CES大会收尾前，老黄还揭开了一款革命性的压轴产品——Project Digits，一台真正意义上「桌面超级计算机」！
它专为AI开发者、数据科学家、学生等，那些从事AI工作的专业人士而设计。
这款小型计算机是「全球最小」可运行200B参数模型的AI超级计算机，售价3000美金（约21986元）。
正如老黄所展示的那样，这款紧凑型台式系统提供强大算力的同时，仅占用了极小的桌面空间——
宽度大约相当于一个普通咖啡杯的长度，高度也仅有其一半左右。
想象一下，你的办公桌上放置一个微型设备，却能提供堪比数据中心级算力。
这就是Project Digits带来的革命性突破！
Project Digits搭载了全新的GB10 Grace Blackwell超级芯片，能在FP4计算精度下，提供高达1 PFLOPS（千万亿次浮点运算/秒）的AI性能。
这颗强大的芯片，还搭载了20个ARM核心的Grace CPU。CPU和GPU通过NVIDIA NVLink C2C技术实现高速互联。
每个Project Digits都配有128GB低功耗统一的高一致性内存，以及最高4TB的NVME存储。
有了它，开发者可以直接在桌面上，运行高达2000亿的大模型。
令人惊喜的是，通过ConnectX网络芯片，可以将2台Project Digits超级计算机互联，能够运行高达4050亿参数的模型。
此外，Project Digits预装了NVIDIA DGX基础操作系统（基于Ubuntu Linux）和NVIDIA AI软件栈，为开发者提供了一个开箱即用的AI开发环境。
对于数百万开发者来说，它将成为一款改变游戏规则的创新产品。
尤其是，Project Digits特别适合处理，需要依赖云计算/数据中心资源才能运行的AI大模型。
这款桌面AI超算应用场景非常广泛，AI模型实验和原型开发、AI模型微调和推理（用于模型测试或评估），以及本地AI推理服务（如聊天机器人或代码智能助手）。
此外，数据科学家还以利用系统运行NVIDIA RAPIDS，直接在桌面就能高效处理大规模数据科学工作流。
有了英伟达AI完整技术栈的加持（框架、工具、API），Project Digits成为了边缘计算应用的理想开发平台，特别适用于机器人技术、VLM等领域。
Project Digits的出世，标志着个人AI计算进入了一个全新的时代。
它能让全世界开发者能够在自己的办公桌上，运行超大规模的AI模型，补充了现有的云计算资源，极大地提升了AI开发效率。
智能体AI之后，老黄又将话题引到了「物理AI」。在他看来，「AI的下一个前沿就是物理AI」。
大模型的工作原理是，根据提示一次生成一个token产生输出。
如果这个上下文变成了现实周围环境，如果提示问题变成了请求，大模型需要从生成「内容token」转变为生成「动作token」。
而现在，我们需要做的是创建有效的「世界模型」，而不再是GPT系语言模型。
这个「世界模型」必须理解世界的语言，必须理解物理动力学，比如重力、摩擦，必须理解几何和空间关系，理解因果关系，理解物理永恒性......
