黄仁勋最新演讲：人形机器人，将成为最大的产业之一

展开全文

所有这些事情，你知道的，为什么它要试图弄清楚如何加法或者计算计数数字并相加？为什么它不直接用计算器？

因此，所有与智能相关的能力——每个人都能提出批评，但这完全正确，因为大家大致了解智能是如何运作的。

但这些技术正在全球范围内被开发建设：它们全部汇聚在一起，从增强检索生成到网络搜索，再到多模态理解，这样你就可以阅读PDF文件、访问网站，查看图片和文字、听视频，观看视频，然后将所有这些理解融入你的语境中。

你现在当然也可以理解几乎任何事物的提示。

你甚至可以说，“我要问你一个问题，但从这张图片开始。”我可以说：“从这个开始，先从这段文字开始再回答”，回答问题或执行我要求你做的事。”然后它会自行推理、计划和自我评估。

所有这些能力现在都已整合，你可以看到它们在市场上随处可见。具代理性的人工智能是真实存在的。自主智能是从一次性人工智能迈出的巨大飞跃。

一次性人工智能是必要的基础，它让我们能够教会智能体如何成为智能体。

你需要具备一定的知识基础和推理能力，才能具备可教性。

预训练关乎人工智能的可教性。后训练、强化学习、监督学习、人类示范、上下文提供、生成式人工智能，所有这些正在融合，形成如今的智能代理人工智能。

让我们来看一个例子。它基于Perplexity（人工智能搜索引擎）构建。

人工智能代理是数字助理。

基于提示，它们进行推理并将问题分解为多步骤计划。它们使用合适的工具，与其他代理协作，并利用记忆中的上下文在NVIDIA 加速系统上正确执行任务。

一切从一个简单的提示开始。让我们请 Perplexity 帮忙在巴黎开一家餐车。

首先，Perplexity 代理通过提示进行推理并制定计划，然后调用其他代理使用多种工具帮助解决每个步骤。

市场研究员阅读评论和报告，以发现趋势并分析竞争市场。

一名运营策划人员制定了包含每个细节的发射时间表：从购买设备到获取正确的许可。

每个代理的工作汇集成最终的方案提案。

一切都始于一个简单的提示。一个提示，就像那样的一个提示，在原始聊天机器人中，可能只会生成几百个标记。

但现在只需一个提示，交给代理去解决问题，它生成的标记数量必定多出一万倍。

这就是为什么需要Grace-Blackwell系统 （它将普通计算机转变为强大的超级计算机）的原因：这就是为什么我们需要性能以及系统在代际之间有更大提升的原因。这就是 Perplexity 构建他们的智能代理的方式。每家公司都必须构建自己的智能代理。

这太棒了，你将会从OpenAI、Gemini（谷歌母公司Alphabet下设立的人工智能实验室）、微软 Copilot、Perplexity、Mistral （由前DeepMind和Meta Platforms（META.US）的研究人员组建的致力于构建大型通用人工智能（AGI）模型的初创公司）等平台招聘代理。也会有为你量身打造的代理。他们可能会帮助你规划一次假期，或者你知道，去做一些研究，诸如此类。

然而，如果你想创办一家公司，你将需要专用的代理和专用的工具，以及使用专用的工具和专用的技能。那么问题是，你如何构建这些代理？

因此，我们为你创建了一个平台。我们创建了一个框架和一套工具供您使用，还有一大批合作伙伴帮助您实现目标。

这一切从最底层开始，最底层：我之前提到的推理模型能力。NVIDIA 的 NeMo、NeMotron推理大型语言模型是世界一流的。

我们有 NeMo Retriever，这是一款多模态搜索引擎。语义搜索引擎。令人难以置信。我们构建了一个蓝图，一个可运行的演示，基本上是一个通用智能体。我们称之为 IQ，AI，AIQ。

最上层，我们有一套工具，允许你引入一个代理：

一个通用代理，整理数据来教它；

评估它，设定安全边界，监督训练它，使用强化学习直到部署；

保持安全，确保保障。

这套工具包已经集成，这些库也已集成到 AIOps （智能运维）生态系统中。你也可以直接从我们的网站下载。但它主要集成在 AIOps 生态系统中。基于此，你可以创建自己的专属代理。

现在的问题是，如何部署这个？因为正如我之前提到的，NVIDIA 的计算资源存在于公共云中。有区域云，我们称之为 NCP。这里，比如说 Mistral。

你可能因为安全需求和数据原因拥有私有云。

那么问题是，你如何运行所有这些？有时它们位于不同的地方，因为这些都是微服务：这些是能够相互交流的人工智能，它们显然可以通过网络相互通信。

那么，如何部署所有这些微服务呢？现在，我们有了一个很棒的系统。

我很高兴能为大家宣布这一消息。这就是我们的DGX Lepton。DGX Lepton，你现在看到的是各种不同的云。

这里是Lambda云（由亚马逊云科技提供的一项无服务器计算服务），AWS 云（是亚马逊提供的是全球最全面、应用最广泛的云平台，从全球数据中心提供超过 200 项功能齐全的服务），你知道的。这是你自己的开发者机器，你自己的系统：可以是一台 DGX 工作站。NeBS（网络设备构建系统）、Yotta（一家提供数据基础设施的公司）、Nscale （英国AI云服务提供商）。可能是 AWS，也可能是GCP （通用计算机程序）。NVIDIA 的架构无处不在。

因此，您可以决定在哪里运行您的模型。

你通过一个超级云来部署它，所以它是一个云中之云。

一旦你让它运行起来，一旦你将这些NIMs 部署到 Lepton 中，它就会在你选择的各种云上托管和运行。一种模型架构，一次部署，随处运行。你甚至可以在这台小小的机器上运行它。

这是我最喜欢的小机器。

我们在 2016 年建造了一台人工智能超级计算机。它被称为 DGX-1。

它是我刚才提到的所有技术的第一个版本。八个 Volta GPU 通过 NVLink （NVLink是英伟达开发并推出的一种总线及其通信协议）互联。我们花费了数十亿美元来建造它，而在我们宣布它的那一天：DGX-1，没有客户。没有兴趣，没有掌声。

所以我们还是造了它。谢天谢地，是一家年轻的公司，一家初创企业：旧金山的一家非营利初创公司看到这台电脑时非常高兴，他们说：“我们能要一台吗？”我当时想：“天哪，我们卖出一台了。”

但后来我发现那是一家非营利组织。然后我把一台 DGX-1 放进了我的车里，带到了旧金山。那家公司的名字叫 OpenAI。

想象一下你拥有Lepton。它就在你的浏览器中，你开发了一个人工智能代理，想在这里运行它：其中一部分你想在 AWS 上运行，还有一部分你想在其他地方运行，知道吗？在某个区域云中。

你使用Lepton，部署你的 Helm Chart，它就神奇地出现在这里。

所以我们正在为 Lepton 做这件事，但接下来：Hugging Face 和 NVIDIA 已经将 Lepton 连接在一起。

因此，每当你在 Hugging Face 上训练模型时，如果你想将其部署到 Lepton：并直接部署到 Spark，也没问题。

只需轻轻一击。无论你是在训练还是推理，我们现在都已接入Hugging Face，Lepton 将帮助你决定部署位置。

二、AI工业革命与数字孪生

这是梅赛德斯-奔驰及其在 Omniverse （NVIDIA Omniverse是NVIDIA旗下基于NVIDIA RTX和皮克斯Universal Scene Deion（USD）的图形和仿真模拟产品）中构建的工厂数字孪生。

这是舍弗勒及其在 Omniverse 中构建的仓库数字孪生。

这是你们在法国的火车站：在 Omniverse 中构建他们火车站的数字孪生。

这是丰田在 Omniverse 中构建他们仓库的数字孪生。

当你在 Omniverse 中构建这些仓库和工厂时，你可以设计它，你可以规划它，你可以改变它。

在绿地环境中它很棒，在棕地环境中也很棒。你可以在实际搬动和调整之前模拟其效果，避免发现它并非最优。

因此，在数字孪生中实现一切数字化的能力是令人难以置信的。但问题是，为什么数字孪生必须看起来像照片一样真实？为什么它必须遵守物理定律？

原因是我们最终希望成为一个数字孪生体，让机器人能够学习如何作为机器人操作。而机器人依赖光子来实现其感知系统。这些光子是通过Omniverse 生成的。

机器人需要与物理世界互动，这样它才能知道自己是否在做正确的事情，并且能够……

学会如何正确地去做，因此这些数字孪生必须看起来真实，行为也要逼真。明白了吗？这就是构建 Omniverse 的原因。

这是一个聚变反应堆的数字孪生。这是一件极其复杂的仪器，正如你所知：没有人工智能，下一代聚变反应堆是不可能实现的。

我们今天宣布，我们将在欧洲这里建设世界上第一个工业人工智能云。我要宣布——是的。

这些工业人工智能云，确实是大量的计算资源……云端有大量的计算机。然而，它在性能和安全性方面的要求根本不同。所以我将在周五向大家详细介绍。

今天我只是先卖个关子。但这个工业云将用于设计和仿真。虚拟风洞，你只需把车开进去，就能看到它的表现。

开门、开窗、改变设计，所有操作完全实时进行。

正如你所知，我们已经在这里待了很长时间。NVIDIA 已有 33 年历史。我们第一次来到欧洲，是在工作站和产品数字化兴起的时候。

现在正处于数字孪生革命时期，欧洲有大约两万亿美元的生态系统，我们与之合作……并且有幸为其提供支持。

由此产生的是一场正在发生的新革命。

正如你所知，所有会动的东西都将是机器人。所有会动的东西都将由人工智能驱动。而汽车是最明显的下一个领域。

英伟达打造用于训练模型的人工智能超级计算机：用于Omniverse 数字孪生的人工智能超级计算机。我们还为机器人本身打造人工智能超级计算机。

无论是在云端：用于 Omniverse，还是在汽车中，我们都提供完整的技术栈，包括计算机本身，以及运行在这台计算机上的操作系统。

这台计算机高速且传感器丰富，必须具备功能安全性。在任何情况下都绝不能完全失效。因此，安全要求极高。

现在我们有了一个令人难以置信的模型，运行在其之上。这个运行在其之上的模型是一个变换器模型。

它是一个推理模型，能够接收传感器输入：你告诉它你想做什么，它就会带你去那里。接收像素输入并生成路径规划输出。所以它是一个基于变换器的生成式人工智能模型。

十亿辆汽车上路，平均每年行驶一万英里，一万亿英里。自动驾驶的未来显然是巨大的，它将由人工智能驱动和支持。

这是下一个巨大的机遇，我们正在与全球众多大型且卓越的公司合作，使这一切成为可能。在我们所有与自动驾驶相关的工作中，安全始终是核心。

我们对我们的HALOS系统感到非常自豪。它始于芯片的架构，然后是芯片设计和系统设计，操作系统、人工智能模型以及软件开发的方法论，我们测试的方式，从训练模型的方法到为模型提供的数据，再到评估模型的方式。

NVIDIA 的 HALOS 系统以及我们的自动驾驶安全团队和能力在全球享有盛誉。这台计算机是第一台软件定义的计算机。

全球首个完全 100%软件定义的、由人工智能驱动的软件，面向自动驾驶汽车的增强现实人工智能驱动堆栈。我们已经从事这项工作将近十年了，这一能力享誉全球，我对此感到非常自豪。

汽车行业正在发生的变化，同样也正在一个新兴产业中上演。

正如我之前提到的，如果你能根据提示生成视频，如果人工智能能够感知，它就能推理，还能生成视频、文字和图像，刚才提到的汽车、路径、方向盘路径，为什么它不能同时产生局部运动能力和关节活动能力？

因此，人工智能彻底改变机器人领域最难问题之一的基本能力即将到来。

类人机器人将成为现实。我们现在知道如何构建这些东西，训练这些东西，以及操作这些东西。

人形机器人可能将成为有史以来最大的产业之一，这需要那些懂得制造东西的公司，制造具有非凡能力的东西。这指的是欧洲国家。世界上许多产业都基于这里。我认为这将是一个巨大的机遇。

假设全球有十亿台机器人。拥有十亿机器人是一个非常合理的想法。那么，为什么这还没有发生呢？原因很简单。

如今的机器人编程太复杂。只有最大的公司才能负担得起安装机器人。让机器人学习，编程使其执行完全正确的操作。保持足够的包围以确保安全。这就是为什么世界上最大的汽车公司都配备了机器人。

它们体积足够大，工作足够重复。确实，行业已经达到足够的规模，可以在这些工厂部署机器人。几乎所有中小型企业都是如此，无论是夫妻店、餐馆、商店还是仓库。

正当我们在讨论自主智能时，我们现在拥有能够通过教学学习的人形智能，使用的工具包与Nemo 工具包。

NVIDIA HERE同样是建立在三层堆栈之上。我们打造了这台计算机，名为 Thor 计算机。开发套件看起来大致是这样的。这是一台完全自给自足的机器人电脑。

开发套件放在你的桌面上。这些都是传感器，内部是一颗小型超级计算机 Thor 芯片。

这就是 Thor 处理器。上面是为机器人设计的操作系统。此外，变换器模型接收传感器数据和指令并进行转换，生成飞行路径或轨迹，以及手臂关节的运动控制，当然还有你的腿部关节运动控制。

现在，人形机器人面临的最大挑战是训练所需的数据量非常、非常难以获取。

那么问题是你如何做到这一点？解决这个问题的方法是回到Omniverse，一个遵循物理定律的数字孪生世界。

这是我们正在做的一项令人难以置信的工作。我们开发了计算机来模拟，来训练它们。

全球正在建立大量的人形机器人公司。他们都看到了彻底变革这一新领域的巨大机遇。可以说是一种新设备，进展非常迅速。它们学习的方式是在一个虚拟世界中学习，而这个虚拟世界必须遵守物理定律。

一场工业革命已经开始。下一波人工智能浪潮已经开始。

Grek 是机器人技术现阶段可能实现的完美范例。教机器人操作所需的技术，进行模拟，当然，一个令人难以置信的机器人现在就展现在我们面前。我们有实体机器人，也有信息机器人——我们称它们为代理。

下一波人工智能已经开始。推理工作负载的爆炸式增长。它基本上将呈指数增长。使用推理的人数已经从八百万增加到八亿。仅仅几年时间就增长了一百倍。

Token（令牌）生成的提示数量，正如我之前提到的，从几百个标记到几千个标记，当然，我们现在比以往任何时候都更多地使用人工智能，比以往任何时候都更多。

所以，我们需要一台专门为思考设计的计算机，专为推理设计，这就是 Blackwell，一台思考机器。

这些Blackwells 将被用于新型数据中心，本质上是人工智能工厂，专为一件事而设计，这些人工智能工厂将生成Token，这些Token将成为你的食物。

真正令人难以置信的是，我很高兴看到欧洲正在全力投入人工智能。这里建设的人工智能基础设施将在未来几年内增加一个数量级。

三、量子计算的拐点与CUDA-Q

量子计算正处于一个转折点。

1995 年发明了纠错算法。2023 年，近 30 年后，谷歌展示了世界上第一个逻辑量子比特（“逻辑量子比特”（Logical Qubit）是量子计算领域的核心概念，其设计目的是解决量子比特在实际应用中面临的噪声、退相干等问题）。

从那以后，几年过去了，逻辑量子比特（由大量带有纠错的物理量子比特组成）的数量也有所增加。

然后，逻辑量子比特的数量开始增长，就像摩尔定律一样，我完全可以预期每五年逻辑量子比特数量增加十倍。每十年逻辑量子比特数量增加一百倍。

这些逻辑量子比特将具备更好的错误纠正能力：更加稳健，性能更高，更具弹性，当然将继续具备可扩展性。量子计算正达到一个拐点。

在未来几年内，或者至少在下一代超级计算机中，每一个都会分配一个量子处理单元（QPU），并且 QPU 会连接到 GPU。

量子处理单元当然会执行量子计算，而 GPU 则用于预处理：用于控制和纠错，这里计算极其密集，包括后期处理等。

在这两种架构之间，就像我们加速了CPU 一样，现在有了 QPU 与 GPU 协同工作，推动下一代计算的发展。

今天我们宣布，我们的整个量子算法堆栈现已在 Grace Blackwell 200 上实现加速。加速效果令人难以置信。

我们以多种方式与计算、通信和量子计算行业合作。

其中一种方式是使用cuQuantum（加速量子计算的软件开发工具包）来模拟量子比特，或模拟运行在这些量子计算机上的算法。基本上是使用经典计算机来模拟或仿真量子计算机。

在另一个极端，极其重要的是 CUDA-Q：基本上是发明了一种新的 CUDA（CUDA是英伟达公司设计研发一种并行计算平台和编程模型），将 CUDA 扩展到量子经典领域。

这样，在量子计算机到来之前，基于 CUDA-Q 开发的应用可以以模拟方式运行，或者在量子计算机到来后以协作方式运行：一种量子经典加速计算方法。

今天我们宣布CUDA-Q 已可用于 Grace Blackwell。

这里的生态系统极为丰富，当然欧洲在科学领域深厚，在超级计算专业知识方面深厚，在这一领域有着深厚的传承。

在这里看到量子计算的进展并不令人惊讶。在未来几年，我们将看到一个真正精彩的转折点。

2012 年，我们与开发者合作，研究一种称为深度学习的新型算法。它促成了AI的AlexNet （深度卷积神经网络）大爆炸：2012年。在过去大约 15 年里，人工智能取得了令人难以置信的快速进展。

第二波人工智能，是过去五年左右我们大多数人都在讨论的生成式人工智能。它是多模态的，意味着人工智能能够同时学习图像和语言。

因此，你可以用语言提示它，它就能生成图像。人工智能具备多模态能力以及翻译和生成内容的能力，推动了生成式人工智能的革命。生成式人工智能，即生成内容的能力，对我们的生产力至关重要。

我们正在开启新一波的人工智能浪潮。在过去的几年里，我们见证了人工智能能力的巨大进步。从根本上说，智能就是理解、感知、推理和规划任务：

如何解决问题，然后执行任务。感知、推理、规划，智能的基本循环。它使我们能够应用一些先前学到的规则来解决我们从未见过的问题。

这就是为什么聪明人被认为聪明，因为他们能够将一个复杂的问题一步步拆解，推理如何解决问题，或许还会进行研究：

也许去学习一些新知识，寻求帮助；

使用工具，逐步解决问题。

我刚才描述的这些话，基本上今天通过所谓的代理型人工智能是可能实现的。我马上会给你展示更多内容。

现在，生成能力正在生成运动，不是生成视频，也不是生成图像或生成文本；这项人工智能生成了运动能力，即行走能力或者伸手抓取某物，使用工具。

让人工智能具备实体形态的能力，基本上就是机器人技术。这些能力，是实现智能体的基础技术。它们基本上是信息机器人和具身人工智能：物理机器人，这两项基本能力现在已经到来。

人工智能的时代真是令人非常兴奋。但这一切，都是从GeForce开始的。而 GeForce 带来了计算机图形技术。这是我们曾经开发的第一个加速计算应用。

计算机图形技术的发展令人难以置信。GeForce 将 CUDA 推向世界，使火星机器学习研究人员和人工智能研究人员能够推动深度学习的发展。

随后，深度学习彻底改变了计算机图形技术，使我们能够将计算机图形提升到一个全新的高度。

这是全新的 GeForce。重达两吨，甚至两吨半。由 120 万个零件组成。大约 300 万美元。在 150 家工厂制造。200家技术合作伙伴与我们共同努力实现这一目标。

可能是大约 400 亿美元的研发预算，现在正在向 GB300 迈进。它已经完全投入生产。

这台机器被设计成一台思考机器。所谓思考机器，是指它能够进行推理。它有计划。它花很多时间自言自语，就像你一样。

我们大部分时间都在为自己的思维生成文字，在我们表达之前，为自己的思维生成图像。因此，思考机器实际上就是 Grace Blackwell 设计的架构目标。它被设计成一个巨大的 GPU。

我之所以这样比喻，是有充分理由的。GeForce 是一块 GPU，GB200 也是，它是一个巨大的虚拟 GPU。

摩尔定律，半导体物理每三到五年只能带来大约两倍的性能提升。而我们需要的是 30 到 40 倍的性能提升，因为推理模型在自言自语。我们如何能在一代产品中实现 30 到 40 倍的性能提升？

它不再是一次性完成的 ChatGPT，而是一个推理模型。

当你自我思考时，它会生成更多的标记。你正在一步步地分解问题。你在推理，尝试各种不同的路径。也许是思维链，也许是思维树。它正在反思自己的答案。

看到这些研究模型，反思答案时会说“这是个好答案吗？你能做得更好吗？”然后他们“哦，是的，我能做得更好。”

然后回去再多想想。因此，那些思考模型、推理模型达到了惊人的性能，但这需要更多的计算能力。

我们现在确凿无疑地知道，人工智能是一种可能带来革命性变革的软件：改变每一个行业。

它能做到这些惊人的事情。这是我们所知道的。我们也知道，处理人工智能的方式与我们过去处理手写软件的方式根本不同。

机器学习软件的开发方式不同，运行方式也不同。系统的架构，软件的架构：完全不同。网络的工作方式，完全不同。访问存储的方式，完全不同。

所以我们知道这项技术可以做不同的事情：令人难以置信的事情，它是智能的。我们也知道它的开发方式根本不同：它需要新的计算机。

真正有趣的是，这对各国意味着什么？对企业、对社会又意味着什么？这是我们近十年前就注意到的一个现象，而现在每个人都开始意识到这一点了：

事实上，这些人工智能数据中心根本就不是数据中心。它们不是传统意义上的数据中心，用来存储你可以检索的文件。

这些数据中心并不存储我们的文件。它只有一个任务，且仅此一个任务：那就是生成智能标记，即人工智能的生成。

这些人工智能工厂，看起来像数据中心，因为里面有大量计算机。

没有人真正把他们的数据中心当作一个创收设施来考虑。我说了一句话，大家都说，“是的，我觉得你说得对。”没人会把数据中心当作一个创收设施来考虑。

但他们把自己的工厂，汽车工厂，看作是创收设施：他们迫不及待地想建另一座工厂，因为每当你建一座工厂，收入很快就会增长。你可以为更多人创造更多东西。

这些人工智能工厂是创收设施，旨在制造Token。这些 Token可以被重新构造成多种行业的生产性智能，因此人工智能工厂现在已成为一个国家基础设施的一部分。

这就是为什么你看到我奔走于世界各地，与各国元首会谈的原因：因为他们都希望拥有人工智能工厂。他们都希望人工智能成为他们基础设施的一部分。他们希望人工智能成为他们的一个增长型制造业。

这确实意义深远，我认为我们正在讨论的是：因此，催生了一场新的工业革命，因为每一个行业都受到了影响，同时也诞生了一个新兴产业。

正如电力最初被描述和展示为一项技术时，后来发展成为一个新兴产业一样：它被理解为一项技术，但后来我们意识到它也是一个庞大的产业。然后是信息产业，我们现在称之为互联网。

这两者都影响了许多行业，成为基础设施的一部分。我们现在有了一个新的产业——人工智能产业：它现在成为了被称为智能基础设施的新基础设施的一部分。每个国家、每个社会、每家公司都将依赖它。

*文章为作者独立观点，不代表笔记侠立场。

2025年7月13日-20日，由笔记侠发起的GBE（全球商业探索之旅）美国站“创新英雄之旅”，将围绕“AI和出海”这两大课题，以“科技创新英雄”和“出海创新英雄”为主题，给中国企业的AI和全球化经营带来借鉴思考。

本次8天7晚的游学，笔记侠创始人&第五代企业家组织发起人柯洲带队。

本次游学期间，我们将带领中国各个领域的优秀企业家、创业者走进英伟达总部，与英伟达的核心高管进行学习交流智能商业时代的技术革命和商业革命，学习AI生产力。

链接全球先进思想，拓展中国商业边界。

现在，笔记侠也想邀请你，与我们同行。