1万块GPU砸向欧洲！老黄怒怼AI末日论：全球首个工业AI云来了

　　新智元报道

　　编辑：KingHZ

　　【新智元导读】推理模型开始「自言自语」、量子计算进入临界点……AI大航海时代已然启航，这不是一次产品发布会，而是未来的预言书。巴黎GTC大会，黄仁勋开讲了！这次他脱下了皮衣。

　　「AI是世界上创造的最伟大的平等工具。」

　　在巴黎，黄仁勋这样说道。

　　他表示，人工智能既不会引发反乌托邦式灾难，也不会导致垄断，它是解放人类的工具。

　　再巴黎GTC会议后的新闻发布会上，黄仁勋认为AI的确改变了职场，但驳斥了Dario Amodei最近关于AI导致大裁员的预测：

　　每个人的工作都会发生变化。虽然部分岗位会被替代，但也会涌现出大量新职业……

　　当公司更具生产力时，他们会雇佣更多人。

　　这次英伟达还签了个大单：直接卖了1万块GPU！

　　这些GPU将用于在德国建设全球首个工业AI云平台，加速欧洲工业巨头的制造应用。

　　这次欧洲之行，英伟达收获满满，包括与法国、德国、意大利等国家达成合作。

　　左右滑动查看

　　此外，与多家公司和研究机构建立了合作关系，包括与Mistral合作开发AI云服务等。

　　黄仁勋还宣布了DGX Lepton项目，助力欧洲扩大AI影响力：

　　DGX Cloud Lepton正在连接欧洲开发者与全球AI基础设施。我们正在与来自欧洲的伙伴共同打造AI工厂网络，供开发者、研究人员和企业将本地的突破性成果扩展为全球性创新。

　　这意味着客户能够自动将推理工作负载从不同的云平台之间转移，同时理论上保持相同的软件用户界面和体验。

　　如果DGX Lepton成功，它将为所有新云（neocloud）创建标准的用户体验、价值和性能水平，这将导致这些新云陷入激烈的价格战，最终使利润降至极低的商品水平。

　　这是英伟达首次在巴黎举行GTC大会，拉开2025年VivaTech的序幕，揭示了从智能体系统到AI工厂的下一阶段AI计算。

　　从感知AI到自主AI

　　正是英伟达的GPU，使AI革命成为可能。

　　而AI，早已是英伟达关注的重点。

　　在巴黎GTC上，黄仁勋回顾了AI的发展，强调了AI在理解、感知、推理、规划和执行任务方面的进步。

　　AI的第一波浪潮：感知智能

　　回到2012年，那时英伟达与开发者合作，「深度学习」的新算法横空出世，诞生了AlexNet，这被认为是AI的宇宙大爆炸时刻。

　　AlexNet由Alex Krizhevsky, Ilya Sutskever,和「深度学习教父」Hinton使用Cuda和C++开发

　　在过去15年，AI的进展非常迅速。

　　第一阶段是让计算机看懂图像、听懂语音、识别模式。这就是「感知智能」。

　　第二波浪潮：生成式人工智能（GenerativeAI）

　　最近这五年，AI进入了第二阶段——生成式人工智能GenAI。

　　AI不只是识别，还能生成图像、生成语言内容。

　　它拥有「多模态」能力——能够同时理解图像和文字，所以我们可以用文字“提示”AI去创作图像。

　　这项能力极大地提升了我们生产内容的效率。

　　AI能写、能画、能说、能演，这开启了「内容生成革命」。

　　为了支持开源生态，让开发者与企业也能拥有世界一流的大模型，于是英伟达打造了NeMo框架和Nemotron项目。

　　NeMo是NVIDIA开发的全栈大模型平台，而Nemotron是提升开源模型质量的专项计划。

　　LLaMA Nemotron针对性强化了开源的Llama模型，效率和准确率大幅度提升。

　　在多个领域，Nemotron模型排名领先，性能优异。

　　第三波浪潮：AgenticAI

　　现在进入了第三波浪潮 ——智能体AI（Agentic AI）。

　　智能不仅仅是识别或生成内容，更是能“理解、推理、规划并执行任务”。

　　我们正在开启新一波AI浪潮。

　　从根本上说，智能是关于理解、感知、推理、规划任务（如何解决问题），然后执行任务。

　　真正的智能包括三个核心循环：

　　感知（Perception）

　　推理（Reasoning）

　　规划（Planning）

　　它允许应用一些以前学过的规则，来解决从未见过的问题。

　　这就是聪明人之所以聪明的原因，他们能够解决复杂问题，将问题一步步分解，思考如何解决问题；也许会进行研究，也许会学习一些新信息，获得一些帮助；使用工具，并一步步解决问题。

　　智能体AI（Agentic AI）具备这些能力，它能将所学知识应用到新问题中，逐步拆解复杂问题，找到解决方案。比如：

　　面对没见过的问题，AI可以自己想步骤、找工具、搜索资料、调用其他智能体、整合上下文，并一步步完成任务。

　　英伟达提供了完整的Agent平台。

　　企业客户正在用它构建专属Agent系统：

　　Cisco（思科）：用于企业安全情报的AI平台；

　　SAP：将AI集成到业务自动化；

　　DeepL：用于翻译系统的AI平台；

　　PhotoRoom：用于AI图像与视频编辑；

　　Kodo（前Kodium）：AI代码助手；

　　Iola：语音交互系统；

　　全球最大临床试验自动化平台：也使用NeMo构建智能体。

　　第四波浪潮：进入机器人时代

　　在实际实现中，智能体AI的具身化以及现在的生成能力正在生成运动。

　　这种AI不是生成视频、图像或文本，而是生成局部运动。它能够行走，或者伸手抓取东西，使用工具。AI以物理形式具身化的能力基本上就是机器人技术。

　　这些能力，即实现智能体（基本上是信息机器人）和具身化AI（物理机器人）的基本技术，现在已经摆在我们面前。

　　从虚拟世界走向现实，这就是「具身智能」（EmbodiedAI）的世界。机器人就是这种智能的物理体现。

　　目前，我们正处于两个核心AI领域交汇的时刻：

　　（1）信息型机器人（像ChatGPT这样的聊天助手）；

　　（2）实体型机器人（可以在物理世界中行动的AI）。

　　这两类智能体现在都已经成为现实，我们正在迎来AI发展的全新时代！

　　对于AI来说，这真是令人兴奋的时刻。

　　但这一切都始于都始于英伟达的第一张显卡：GeForce 256。

　　GeForce 256

　　加速千行百业

　　GeForce带来了计算机图形。

　　这是有史以来开发的第一个加速计算应用程序，计算机图形的发展令人难以置信。

　　GeForce将CUDA带给世界，这使得机器学习研究人员和AI研究人员能够推进深度学习。

　　随后，深度学习彻底改变了计算机图形，并使我们将计算机图形提升到全新的水平成为可能。

　　黄仁勋展示了计算机模拟：光子模拟、物理模拟、粒子模拟。

　　所有一切从根本上来说都是模拟，而不是动画，也不是艺术。

　　它之所以看起来如此美丽，是因为世界本身就是美丽的，数学也是美丽的。

　　那么，让我们一起来看看吧。

　　这本质上就是模拟，而且看起来非常美丽。

　　现在能够模拟几乎所有事物的规模和速度，可以将所有事物都变成数字孪生。

　　因为所有事物都可以被数字孪生，我们可以在将其投入物理世界之前，完全以数字方式进行设计、规划、优化和操作。

　　一切都在软件中构建，英伟达将这一想法现在已经成为现实：

　　所有物理事物都将以数字方式构建。

　　所有宏伟的事物都将以数字方式构建。

　　所有以巨大规模运行的事物都将首先以数字方式构建，并且会有数字孪生来操作它们。

　　现在的「GB300 NVL 72」看起来是这样的。

　　该计算设备重两吨半，1.2万个零件，大约300万美元。120千瓦，由150家工厂制造，200家技术合作伙伴与英伟达合作完成

　　它已经完全投入生产。它被设计成一台思考机器。

　　这意味着它能够推理、规划，并且像人一样，花费大量时间自言自语。

　　加速AI推理

　　推理模型正在自言自语，我们需要30到40倍的性能提升。

　　它不再是那种一问一答的ChatGPT，现在是推理模型，当思考时，它会生成更多的token。

　　它会一步步地分解问题、推理；尝试各种不同的路径：也许是思维链（chain of thoughts），也许是思维树（tree of thoughts）的最佳结果。

　　它会反思自己的答案。

　　可能你已经看到这些研究模型在反思答案，说「这是一个好答案吗？你能做得更好吗？」然后推理模型会说：「哦，是的，我能做得更好。」然后回去思考更多。

　　因此，这些思考模型、推理模型实现了令人难以置信的性能，但这需要更多的算力。

　　而最终的结果，MVLink 72 Blackwells的架构，带来了性能的巨大飞跃，在仅仅一代之内实现30到40倍的性能提升。

　　根据摩尔定律，半导体物理学，每三到五年只有大约两倍的性能提升。

　　而解读下图的方式是：X轴代表它思考的速度。Y轴代表工厂在同一时间支持大量用户时的产出量。

　　加速计算

　　英伟达曾经梦想，创建全新的计算平台，去完成传统计算机无法完成的任务。

　　他们加速了CPU，创造了一种全新的计算方式，称为「加速计算」。

　　他们最初的应用之一是分子动力学模拟。从那以后，他们走过了漫长的道路，开发了无数的库。

　　事实上，使加速计算与众不同的原因在于，它不仅仅是一个新的处理器，也不仅仅是你编译代码就能运行的软件。

　　你必须彻底重新设计你的计算方式，重新构思你的算法。而这对大多数人来说极其困难——

　　要将软件和算法重新构建为高度并行化的形式并不容易。

　　所以，他们创建了各种库，帮助每一个行业、每一个应用领域实现加速。

　　每一个这样的库都为开发者打开了新的可能。

　　比如：

　　计算光刻，也许是今天半导体设计中最重要的应用之一；它在台积电、三星等大型晶圆厂中运行，在芯片制造之前会运行一个基于反物理算法的流程，称为Computational Lithography（计算光刻）。

　　稀疏求解器、代数多重网格求解器等。

　　cuOpt：刚刚开源的应用库，它能加速决策制定，优化数百万变量和约束的问题，比如旅行商问题。

　　这些只是他们提供的部分库。

　　他们有400多个类似的库，每一个都加速特定的应用领域，每一个都为行业打开新的可能。

　　另一个极其重要的是CUDA Q。它将CUDA扩展到量子经典领域。

　　量子计算拐点

　　英伟达开发CUDAQ已经好几年了。

　　黄仁勋认为：「量子计算正在发生拐点。」

　　众所周知，在近30年前，第一个物理量子比特就被演示了。

　　第一一个纠错算法于1995年被发明，而在2023年，将近30年后，世界上第一个逻辑量子比特由谷歌演示。从那时起，几年后，逻辑量子比特的数量（由大量带纠错的物理量子比特表示）开始增长。

　　就像摩尔定律一样，完全可以预期每5年逻辑量子比特增加10倍，每10年增加100倍。这些逻辑量子比特将得到更好的纠错，更健壮，性能更高，更有弹性，当然也将继续可扩展。

　　英伟达与世界各地的量子计算公司以多种不同的方式合作，而欧洲相关从业者最多。

　　现在，英伟达很清楚：「我们已经触手可及，能够在未来几年将量子计算，量子经典计算应用于可以解决一些有趣问题的领域。」

　　这是真正激动人心的时刻。

　　在接下来的几年里，或者至少是下一代超级计算机，都将配备QPU，并且QPU将连接到GPU。QPU当然会进行量子计算，而GPU将用于预处理、控制、纠错（这将是计算密集型的）、后处理等。

　　就像加速CPU一样，现在有QPU与GPU协同工作，以实现下一代计算。

　　参考资料：

　　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/