内容来源：量子前哨（ID：Qforepost）

 

文丨浪味仙  排版丨浪味仙

行业动向：3100字丨10分钟阅读

 

最近几天，圣何塞市中心都被英伟达的招牌绿给绿了。

一年一度的英伟达 GTC 大会拉开帷幕，人工智能、机器人和加速计算领域的创新者和爱好者齐聚圣何塞，毕竟 GTC 以发布突破性技术而闻名，今年也不例外。

 3 月 18 日太平洋时间上午 10 点，在被誉为“AI 界超级碗”（Super Bowl of AI）的 GTC 2025 大会上，黄仁勋的主题演讲重点关注了人工智能和加速计算技术。他指出，四大云服务提供商对 GPU 的需求正在迅速增长，仅前四大客户今年就已购 360 万个 Blackwell 芯片，并预计英伟达的数据中心基础设施收入将在 2028 年突破 1 万亿美元。

自诩为“首席营收破坏者”（Chief revenue destroyer）的老黄，在两小时的主题演讲中，不仅有四年三连发的架构升级规划，还有数据中心、自动驾驶、AI 个人超算和人形机器人 AI 基础模型，真可谓是“量大管饱”，引来场下观众的连连惊呼。

炸场的“算力核弹” 

依托人工智能革命，英伟达现在每秒利润高达 2,300 美元，其数据中心业务规模庞大，乃至于网络硬件的收入现已超过游戏 GPU。如今，英伟达正式发布了一系列 AI GPU，以期进一步巩固其市场领先地位：Blackwell Ultra GB300 预计将在今年下半年出货，Vera Rubin 计划于明年下半年推出，而 Rubin Ultra 则预计在 2027 年下半年上市。

 

不过，今年的 Blackwell Ultra 并未采用全新架构，并未实现英伟达去年提出的 “一年一更” 计划。黄仁勋主要将 Blackwell Ultra 与 H100 进行了对比，后者是于 2022 年推出的芯片，也是英伟达 AI 业务腾飞的关键产品，因此领先企业很可能希望对其升级。

黄仁勋表示，与 H100 相比，Blackwell Ultra 的 FP4 推理性能提升了 1.5 倍，并能显著加速“AI 推理”任务。例如，NVL72 集群可运行 DeepSeek-R1 671B 的交互式副本，回答时间从 H100 的 1.5 分钟缩短至 10 秒。这是因为 Blackwell Ultra 每秒能够处理 1,000 个 token，是 2022 年 H100 芯片处理速度的 10 倍。

老黄透露，Blackwell 系列芯片的营收已达 110 亿美元，2025 年仅前四大客户就购买了 180 万块 Blackwell 芯片。

随后，黄仁勋就将焦点从 Blackwell Ultra 转向了其下一代架构 Vera Rubin。这一命名是为了纪念暗物质先驱薇拉·鲁宾（Vera Rubin），同时也是英伟达继 Hopper、Blackwell 之后的下一代 GPU 架构，据称该架构的完整服务器机架相比同级别的 Blackwell Ultra，性能可提升 3.3 倍。

作为预计在 2026 年和 2027 年推出的 Vera Rubin 和 Rubin Ultra，二者将会在性能上带来突破性飞跃：相比 Blackwell 的 20 petaflops 算力，Vera Rubin 的 FP4 算力则提升至 50 petaflops；而 Rubin Ultra 采用双 Rubin GPU 互连架构，FP4 算力翻倍至 100 petaflops，内存容量更是提升接近四倍，达到 1TB。

演讲中，老黄展示了两个机架级解决方案：Vera Rubin NVL144，Rubin Ultra NVL576。

Vera Rubin NVL144 的 FP4 推理算力可达 3.6 EFLOPS，FP8 训练算力可达 1.2 EFLOPS，将于 2026 年下半年推出。

 Rubin Ultra NVL576 可提供的 FP4 峰值推理算力高达 15 exaflops，FP8 训练算力可达 5 exaflops，相比今年出货的 Blackwell Ultra 机架（GB300 NVL72），性能提升达到 14 倍，将于 2027 年下半年推出。

 

演讲中黄仁勋表示这是为了满足市场需求，因为行业所需的计算能力“比我们去年同期的预期高出 100 倍”。

此外，老黄还剧透，NVIDIA 计划在 2028 年推出下一代芯片架构 “Feynman”，以著名理论物理学家理查德·费曼（Richard Feynman）命名，以延续英伟达采用科学家命名 GPU 架构的传统。

黄仁勋在讲到汽车行业部分时，重点提到了 AlexNet。这是一种神经网络架构，因在 2012 年计算机图像识别竞赛中夺冠而广受关注：AlexNet 在学术竞赛 ImageNet 中取得了 84.7% 的识别准确率，成为当时的一大技术突破。

这一成果引发了业界对深度学习的浓厚兴趣，也推动了该领域的快速发展。作为机器学习的一个重要分支，深度学习依赖神经网络进行复杂任务的训练和推理。黄仁勋表示，正是 AlexNet 的成功让 NVIDIA 下定决心 “全力投入” 自动驾驶技术。

而现在，通用汽车将与英伟达继续扩大合作，围绕“制造业人工智能”、“企业人工智能”和“车内人工智能”三方面将人工智能更好带入现实世界。

 图：受“星球大战”启发的机器人

AI 与算力未来 

在长达两小时的演讲中，老黄大力推广这些新款 AI 芯片的模样，给在场以及线上观看演讲的观众留下了深刻的印象。

黄仁勋将这些芯片定位为“计算未来的核心”，并频频提及“AI 推理”这个词，且在演讲一开始，老黄更是花费不少时间向观众讲解“AI 技术发展路线图”：人工智能会经历“Generative AI（生成式 AI）、Agentic AI（AI 智能体）、Physical AI（具身 AI）”三个发展阶段，当下热议的 Agentic AI（AI 智能体）正好处在至关重要的中间阶段。

 不难看出，作为英伟达年度最大规模的会议，GTC 2025 的核心就是人工智能，一切算力新品都是支撑其发展的底层逻辑。例如演讲中，老黄就多次盛赞“DeepSeek 点燃全球热情”，称 DeepSeek 的成功表明高效模型与强大算力的结合是未来趋势。

英伟达做的本就是算力生意，加之正在直面人类最严峻挑战的人工智能，正巧又是眼下最刚需算力的领域之一。

从医疗领域的变革性探索，如 “利用 AI 革新心脏 MRI 分析与诊断” 、加速疾病诊断与新药研发，再到环境与可持续发展方面的突破性进展，如 “自主系统与遥感技术助力更精准的地球数据”、“AI 与加速计算在理解和缓解城市气候变化中的作用”，以及 “基于 NVIDIA Earth-2 的高分辨率天气预报提升光伏发电预测”，人工智能正在助力全球范围内的气候研究、能源优化和可持续发展。

正如黄仁勋在演讲上所说，“人工智能已经取得了非凡的进步”，而人工智能的下一波浪潮已经来临：机器人技术。

算力即是 AI 未来。英伟达在 GTC 2025 设立首个“量子日”，以及 2024 年诺贝尔物理学奖被授予人工神经网络，其实都在传递这一信号。

在蓬勃发展的人工智能领域，随着生成式人工智能、AI 智能体等赛道的爆发性增长，现有的神经网络训练主要依赖 GPU 集群开展，面临计算开销大、周期慢、成本高等缺陷，大大限制了通用人工智能技术的进一步发展，全球各国都在试图突破这一瓶颈，加速人工智能发展。据悉，清华大学李升波教授团队联合北京玻色量子，提出了一种量化前馈网络的相干光量子计算机训练方法。

该研究团队通过相干光量子计算机真机，能够在毫秒内解决大规模的二进制优化问题，为神经网络的快速训练提供了另一种可能性。这是国际上首个可以在相干光量子计算机上训练多层神经网络的算法，为梯度反向传播法提供了一种替代方法，是实现了量子神经网络训练领域的重要突破。

除了在硬件层面支撑外，黄仁勋此次还在 GTC 大会上宣布，将在波士顿建设一个英伟达加速量子研究中心（NVAQC）。据介绍，该中心将帮助解决量子计算中最具挑战性的问题，从量子比特噪声，到将实验量子处理器转化为实用设备等。包括 Quantum、Quantum Machines 和 QuEra Computing 在内的量子计算创新者，将借助 NVAQC 与哈佛量子科学与工程倡议（HQI）、麻省理工学院（MIT）工程量子系统（EQuS）小组等顶尖大学的研究人员合作，共同推动技术进步。

“量子计算将增强人工智能超级计算机，以解决从药物发现到材料开发等一些世界上最重要的问题。”黄仁勋表示：“与更广泛的量子研究界合作，推进 CUDA -量子混合计算，英伟达加速量子研究中心将在创造大规模，有用的加速量子超级计算机方面取得突破。”

综上，回看新年伊始的“20 年时间表”言论，再到 GTC 2025 强调对量子计算的重视，英伟达的“欲扬先抑”原来如此🔗！

Reference：

1、https://nvidianews.nvidia.com/news/nvidia-blackwell-ultra-ai-factory-platform-paves-way-for-age-of-ai-reasoning

2、https://techcrunch.com/storyline/nvidia-gtc-2025-live-updates-blackwell-ultra-gm-partnerships-and-two-personal-ai-supercomputers/

3、https://www.tomsguide.com/computing/live/nvidia-gtc-2025-live

4、https://www.theverge.com/news/631835/nvidia-blackwell-ultra-ai-chip-gb300

5、https://apnews.com/article/nvidia-gtc-jensen-huang-ai-457e9260aa2a34c1bbcc07c98b7a0555