【CES 2025】黃仁勛將發(fā)表主題演講，分享英偉達(dá)創(chuàng)新愿景

英偉達(dá)創(chuàng)始人兼首席執(zhí)行官黃仁勛已確認(rèn)將于太平洋時(shí)間1月6日周一下午6:20，在曼德勒灣的Michelob ULTRA Arena發(fā)表其備受矚目的CES 2025主題演講。此次演講將吸引來(lái)自全球的科技愛好者和行業(yè)專家，共同見證英偉達(dá)在技術(shù)創(chuàng)新領(lǐng)域的最新進(jìn)展和未來(lái)展望。

為了確保能夠順利參加此次主題演講，參會(huì)者需持有有效的CES徽章。我們建議您提前領(lǐng)取徽章，以免現(xiàn)場(chǎng)排隊(duì)等候。1月6日晚上7點(diǎn)之前，您可以在曼德勒灣的Bayside Foyer領(lǐng)取徽章，無(wú)需額外的門票。座位將分為貴賓、媒體和分析師以及普通入場(chǎng)三排，先到先得，敬請(qǐng)盡早入場(chǎng)。

請(qǐng)注意，為了維護(hù)演講現(xiàn)場(chǎng)的秩序和安全，一些行李、電子產(chǎn)品和攝像設(shè)備限制將適用。具體場(chǎng)館政策如下：一般與會(huì)者（包括參展商和行業(yè)與會(huì)者）可以攜帶尺寸為12英寸x12英寸x6英寸的袋子入場(chǎng)；普通與會(huì)者不允許攜帶較大的包、筆記本電腦/平板電腦和攝像設(shè)備；貴賓和持有媒體證件的人員則可以攜帶相關(guān)設(shè)備入場(chǎng)。所有行李都將接受搜查，請(qǐng)予以配合。

此外，為了保持演示的完整性，請(qǐng)?jiān)谥黝}演講期間不要使用熱點(diǎn)。黃仁勛的主題演講將通過流媒體平臺(tái)實(shí)時(shí)播放，包括生活消費(fèi)電子報(bào)、臉譜網(wǎng)、油管（國(guó)外視頻網(wǎng)站）和商務(wù)化人際關(guān)系網(wǎng)等，無(wú)法現(xiàn)場(chǎng)參加的觀眾也可以通過這些平臺(tái)觀看。

演講活動(dòng)將按時(shí)開始，下午4:30，貴賓、媒體和分析師以及ADA門將開放；下午4點(diǎn)45分，普通入口門將打開；下午6點(diǎn)20分，主題演講正式開始。我們期待您的到來(lái)，共同見證英偉達(dá)在科技創(chuàng)新領(lǐng)域的輝煌成就！

以下是黃仁勛演講內(nèi)容節(jié)選內(nèi)容，在保證原意下演講內(nèi)容有所刪減調(diào)整。

黃仁勛：

歡迎來(lái)到CES！你們來(lái)到拉斯維加斯興奮嗎？

你們喜歡我的夾克嗎？我想和Gary Shapiro（消費(fèi)者技術(shù)協(xié)會(huì)首席執(zhí)行官兼副主席）的風(fēng)格相反。畢竟，我在拉斯維加斯。如果這行不通，如果你們都反對(duì)，那就習(xí)慣吧。我真心覺得你們得接受這個(gè)事實(shí)。再過一個(gè)小時(shí)左右，你們就會(huì)喜歡上它了。

回顧非凡的AI旅程

這是一段非凡的旅程，跨越了不平凡的一年，始于1993年。通過NV1，我們的目標(biāo)是創(chuàng)造一種能做普通計(jì)算機(jī)做不到的事情的機(jī)器。NV1讓在個(gè)人電腦中擁有游戲主機(jī)成為了可能。我們的編程架構(gòu)叫UDA，后來(lái)才加上了字母C，但UDA代表的是統(tǒng)一設(shè)備架構(gòu)。第一個(gè)使用UDA的開發(fā)者，以及首個(gè)在UDA平臺(tái)上運(yùn)行的應(yīng)用程序，便是世嘉的《VR戰(zhàn)士》。

六年后的1999年，我們發(fā)明了可編程GPU，開啟了20多年的驚人進(jìn)步。這款革命性的處理器，被稱為GPU，成就了現(xiàn)代計(jì)算機(jī)圖形學(xué)的基礎(chǔ)。如今30年后，世嘉的《VR戰(zhàn)士》已經(jīng)達(dá)到了電影級(jí)的水準(zhǔn)。而即將發(fā)布的新虛擬項(xiàng)目，更是讓人期待不已，簡(jiǎn)直令人難以置信。

1999年之后的六年，我們發(fā)明了CUDA，它使我們能夠以一組豐富的算法來(lái)解釋和利用GPU的可編程性，進(jìn)而實(shí)現(xiàn)其潛力。CUDA最初很難解釋，并且花了相當(dāng)長(zhǎng)的時(shí)間去發(fā)展，實(shí)際上，我們花費(fèi)了大約六年的時(shí)間。直到2012年，Alex Krizhevsky、Ilya Sutskever和Geoffrey Hinton發(fā)現(xiàn)了CUDA，并利用它進(jìn)行AlexNet的訓(xùn)練。從那時(shí)起，AI的歷史就已發(fā)生了根本性的轉(zhuǎn)變。

自那時(shí)以來(lái)，人工智能的發(fā)展速度飛快。憑借感知AI，我們能夠理解圖像、文字和聲音；隨著生成式AI的發(fā)展，我們能夠生成圖像、文字和聲音。而現(xiàn)在，代理AI不僅能感知、推理、規(guī)劃，還能行動(dòng)。接下來(lái)，我們將進(jìn)入下一個(gè)階段，其中一些我們今晚將討論的內(nèi)容，便是物理AI。

接著在2018年，發(fā)生了一些不可思議的事情。谷歌發(fā)布了Transformer，這一技術(shù)讓AI領(lǐng)域真正迎來(lái)了飛躍。正如大家所知，Transformer徹底改變了人工智能的格局，甚至改變了計(jì)算的格局。我們意識(shí)到，AI不僅僅是一個(gè)新的應(yīng)用領(lǐng)域和商業(yè)機(jī)會(huì)，更重要的是，Transformer推動(dòng)的機(jī)器學(xué)習(xí)將徹底重塑計(jì)算的方式。

如今，計(jì)算在各個(gè)層面都發(fā)生了革命性變化，從手動(dòng)編寫的CPU指令，到如今人類使用的軟件工具。我們現(xiàn)在擁有可以創(chuàng)建和優(yōu)化神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)，這些網(wǎng)絡(luò)運(yùn)行在GPU上，并推動(dòng)人工智能的進(jìn)步。技術(shù)棧中的每一層都經(jīng)歷了翻天覆地的變化，短短12年內(nèi)，我們見證了不可思議的轉(zhuǎn)型。

如今，我們幾乎可以理解任何形式的信息。你肯定見過文本、圖像和聲音等內(nèi)容，但不僅僅限于這些，我們還能夠理解氨基酸和物理現(xiàn)象。我們可以解讀這些信息，翻譯它們并生成新的內(nèi)容。應(yīng)用的可能性幾乎是無(wú)限的。

實(shí)際上，幾乎所有AI應(yīng)用都可以通過這三個(gè)基本問題來(lái)推測(cè)：它學(xué)習(xí)時(shí)輸入的模態(tài)是什么？它將信息轉(zhuǎn)化成了什么模態(tài)？它正在生成什么模態(tài)的信息？只要你問這三個(gè)基本問題，幾乎每一個(gè)應(yīng)用的核心都能被揭示。

因此，每當(dāng)你看到一個(gè)又一個(gè)以AI為驅(qū)動(dòng)和核心的應(yīng)用時(shí)，始終不變的概念便是：機(jī)器學(xué)習(xí)改變了每個(gè)應(yīng)用的構(gòu)建方式，改變了計(jì)算的方式，甚至超越了GPU本身的可能性。在許多方面，所有這些與AI相關(guān)的技術(shù)，都由GeForce構(gòu)建而成。GeForce讓AI走向大眾，而今天，AI正回歸GeForce。

算力需求依然迫切，Blackwell全面投產(chǎn)

整個(gè)行業(yè)都在追趕并競(jìng)相擴(kuò)大AI的規(guī)模。Scaling Law是一個(gè)經(jīng)過幾代研究人員與業(yè)界驗(yàn)證的經(jīng)驗(yàn)法則。它表明，隨著訓(xùn)練數(shù)據(jù)量的增加、模型規(guī)模的擴(kuò)大，以及計(jì)算能力的提升，AI模型的有效性與能力也將不斷增強(qiáng)。因此，規(guī)模定律的有效性是持續(xù)存在的。

更為驚人的是，互聯(lián)網(wǎng)每年生成的數(shù)據(jù)量大約是上一年數(shù)據(jù)的兩倍。我預(yù)測(cè)，在未來(lái)幾年，全球人類所生成的數(shù)據(jù)總量將會(huì)超過人類歷史上所有數(shù)據(jù)的總和。我們依舊在生成海量數(shù)據(jù)，且這些數(shù)據(jù)變得更加多模態(tài)，包括視頻、圖像和聲音等。這些數(shù)據(jù)無(wú)疑為AI提供了豐富的訓(xùn)練基礎(chǔ)和核心素材。

然而，除了Scaling Law之外，還出現(xiàn)了兩條新的規(guī)模定律，它們各自有著直觀的意義。

第二條Scaling Law被稱為后訓(xùn)練Scaling Law。這條定律依托于強(qiáng)化學(xué)習(xí)和人工反饋等技術(shù)手段?；旧?，AI會(huì)根據(jù)人類的查詢生成答案，而人類則給予反饋，從而促進(jìn)AI在特定領(lǐng)域的能力提升。它們可以在特定領(lǐng)域進(jìn)行微調(diào)，使其更擅長(zhǎng)解數(shù)學(xué)題、推理等方面。這個(gè)過程就像是學(xué)生在學(xué)校學(xué)習(xí)后，導(dǎo)師或教練給你反饋，幫助你改進(jìn)自己。

此外，還擁有強(qiáng)化學(xué)習(xí)的AI反饋，以及合成數(shù)據(jù)生成。這些類似于自我練習(xí)時(shí)，你知道某個(gè)問題的答案，會(huì)繼續(xù)嘗試直到答對(duì)。AI可能需要解決一個(gè)復(fù)雜且可驗(yàn)證的難題，諸如證明某個(gè)定理或解決幾何問題。通過強(qiáng)化學(xué)習(xí)，它將學(xué)會(huì)如何更好地改進(jìn)自己。盡管這一過程計(jì)算量龐大，但最終能夠產(chǎn)生極為出色的模型。

第三條Scaling Law則與所謂的“測(cè)試時(shí)間scaling”相關(guān)。測(cè)試時(shí)間scaling指的是在AI應(yīng)用時(shí)，它能夠智能地分配資源，而不僅僅是改進(jìn)其參數(shù)。AI能夠決定使用多少計(jì)算量來(lái)生成它想要的答案。

推理就是這種思維方式的一部分。與直接推理或一次性回答不同，AI可能會(huì)進(jìn)行長(zhǎng)時(shí)間思考，將問題分解為多個(gè)步驟，生成不同的思路并加以評(píng)估。當(dāng)前，測(cè)試時(shí)間scaling已被證明是極其有效的。

隨著這些技術(shù)的逐步發(fā)展，我們能夠看到從ChatGPT o1，再到o3以及Gemini Pro等一系列AI系統(tǒng)的進(jìn)化。這些系統(tǒng)正在經(jīng)歷從預(yù)訓(xùn)練到后訓(xùn)練，再到測(cè)試時(shí)間scaling的不斷發(fā)展。

因此，所需的計(jì)算能力顯然是巨大的。我們不僅希望社會(huì)具備擴(kuò)展計(jì)算能力的能力，更期待能夠通過這一擴(kuò)展，創(chuàng)造出更多創(chuàng)新且更強(qiáng)大的智能系統(tǒng)。畢竟，智能是我們最寶貴的資產(chǎn)，它可以幫助我們解決許多復(fù)雜而具有挑戰(zhàn)性的問題。

正因如此，Scaling的不斷增長(zhǎng)催生了對(duì)英偉達(dá)計(jì)算技術(shù)的巨大需求。這股需求推動(dòng)了Blackwell這款革命性芯片的廣泛應(yīng)用。Blackwell已經(jīng)全面投入生產(chǎn)，其表現(xiàn)令人贊嘆。

首先，幾乎所有云服務(wù)提供商都已經(jīng)在部署相關(guān)系統(tǒng)。我們目前已有約15家計(jì)算機(jī)制造商提供系統(tǒng)，這些系統(tǒng)涵蓋了大約200種不同的SKU和配置，包括液冷、風(fēng)冷、x86架構(gòu)、Nvidia Grace CPU、NVL36、NVL72等多種類型。這樣的多樣性使我們能夠滿足全球幾乎所有數(shù)據(jù)中心的需求。如今，這些系統(tǒng)正在全球45個(gè)工廠中進(jìn)行生產(chǎn)，充分體現(xiàn)了AI的普及程度，以及整個(gè)行業(yè)在這一全新計(jì)算模型下的快速進(jìn)步。推動(dòng)這一進(jìn)程的核心動(dòng)力就是：我們迫切需要更多的計(jì)算能力。

當(dāng)前這一代Blackwell芯片，在計(jì)算能力方面比上一代提高了四倍每瓦的性能和三倍每美元的性能。這意味著在同樣的計(jì)算成本下，我們能訓(xùn)練更大的模型，或者以更低的成本訓(xùn)練同樣規(guī)模的模型。

而最為關(guān)鍵的是，這些系統(tǒng)正在生成的tokens，正是我們?cè)谑褂肅hatGPT、Gemini，甚至未來(lái)使用智能手機(jī)時(shí)所依賴的。這些應(yīng)用幾乎都在消耗這些AI tokens，而這些tokens的生成正是由Blackwell等系統(tǒng)提供的。每個(gè)數(shù)據(jù)中心都有電力的制約。因此，如果Blackwell每瓦的性能比上一代提升四倍，那么這些系統(tǒng)能夠帶來(lái)的商業(yè)收入和數(shù)據(jù)中心的處理能力也將成倍增長(zhǎng)。這使得如今的AI計(jì)算設(shè)施，不僅是數(shù)據(jù)中心的一部分，實(shí)際上已經(jīng)成為了全新的“工廠”。

因此，我們需要大量的計(jì)算資源，以訓(xùn)練更大、更復(fù)雜的模型。未來(lái)的推理方式將不再局限于簡(jiǎn)單的“一次性推理”，AI將開始與自身進(jìn)行對(duì)話、思考、反思和內(nèi)在處理。這樣的轉(zhuǎn)變將大大提升AI的推理能力和智能水平。

正如你可以預(yù)見的那樣，AI能夠處理的tokens數(shù)量將成指數(shù)增長(zhǎng)。因此，我們亟需大幅提升tokens的生成速度，同時(shí)顯著降低計(jì)算成本，確保服務(wù)質(zhì)量始終處于高水平，客戶成本得以控制，AI系統(tǒng)也能夠持續(xù)擴(kuò)展。這正是我們開發(fā)NVLink系統(tǒng)的核心原因之一。

AI代理興起，創(chuàng)造數(shù)百萬(wàn)美元的市場(chǎng)機(jī)會(huì)

在企業(yè)領(lǐng)域中，正在發(fā)生的最重要的事情之一就是AI代理的興起。AI代理由多個(gè)模型組成，分工明確。

例如，一部分模型負(fù)責(zé)與客戶或用戶進(jìn)行互動(dòng)，另一部分則負(fù)責(zé)信息檢索，從存儲(chǔ)中提取數(shù)據(jù)。像RAG這樣的語(yǔ)義AI系統(tǒng)可能會(huì)訪問互聯(lián)網(wǎng)、研究PDF文件、使用計(jì)算器，甚至利用生成性AI生成圖表等內(nèi)容。AI代理通過逐步迭代的方式處理問題，將復(fù)雜的問題分解成更小的任務(wù)，并由不同的模型分別進(jìn)行處理。

為了幫助行業(yè)構(gòu)建AI代理，我們的市場(chǎng)策略并不直接面向企業(yè)客戶，而是與IT生態(tài)系統(tǒng)中的軟件開發(fā)者合作，通過整合我們的技術(shù)來(lái)創(chuàng)造新的能力。就像我們?cè)?jīng)與CUDA庫(kù)合作一樣，我們現(xiàn)在希望在AI庫(kù)領(lǐng)域?qū)崿F(xiàn)同樣的目標(biāo)。過去，計(jì)算模型中有API來(lái)處理計(jì)算機(jī)圖形學(xué)、線性代數(shù)、流體動(dòng)力學(xué)等任務(wù)，而未來(lái)，基于這些加速庫(kù)，可能會(huì)出現(xiàn)專門的AI加速庫(kù)。

為幫助生態(tài)系統(tǒng)構(gòu)建具備自主能力的AI，我們創(chuàng)建了幾項(xiàng)關(guān)鍵技術(shù)：

NVIDIA NIM：這是一個(gè)AI微服務(wù)，已經(jīng)打包并準(zhǔn)備就緒，能處理所有復(fù)雜的軟件任務(wù)。它將模型打包、優(yōu)化，并放入容器中，用戶可以將其帶到任何地方。我們目前已有適用于視覺、語(yǔ)言理解、語(yǔ)音、動(dòng)畫、數(shù)字生物學(xué)的模型，并且即將發(fā)布一些關(guān)于物理AI的新興模型。

NVIDIA NeMo：本質(zhì)上是一個(gè)數(shù)字員工的入職和培訓(xùn)系統(tǒng)，旨在讓AI代理成為數(shù)字勞動(dòng)力，與員工一同工作并代為處理任務(wù)。就像員工入職培訓(xùn)一樣，我們?yōu)檫@些AI代理提供了不同的庫(kù)，幫助它們根據(jù)公司特定的語(yǔ)言、流程和工作方式進(jìn)行培訓(xùn)。您可以向AI代理提供工作樣本，它們會(huì)試圖生成類似的結(jié)果，您再進(jìn)行反饋并持續(xù)優(yōu)化。同時(shí)，您還可以設(shè)置一些限制和權(quán)限，確保代理的行為符合規(guī)范。

整個(gè)流程——即數(shù)字員工的管理和發(fā)展過程——被稱為NeMo。從某種意義上講，未來(lái)每個(gè)公司的IT部門將轉(zhuǎn)變?yōu)锳I代理的“HR部門”，負(fù)責(zé)管理、培訓(xùn)、入職以及提升這些數(shù)字員工。

目前，IT部門主要負(fù)責(zé)管理和維護(hù)各種來(lái)自IT行業(yè)的軟件系統(tǒng)。但未來(lái)，隨著AI技術(shù)的普及，IT部門將承擔(dān)更多的職責(zé)，包括管理、培養(yǎng)、入職以及提升大批數(shù)字代理，并將這些代理部署到公司各個(gè)部門使用。

未來(lái)，每一位軟件工程師都有可能配備一個(gè)AI助手。全球有3000萬(wàn)軟件工程師，未來(lái)每個(gè)工程師都將借助AI助手進(jìn)行編程。如果沒有AI的輔助，生產(chǎn)力和代碼質(zhì)量將大幅下降。而在全球的10億知識(shí)工作者中，AI代理很可能成為下一個(gè)爆發(fā)的行業(yè)，并且可能會(huì)創(chuàng)造出數(shù)百萬(wàn)美元的市場(chǎng)機(jī)會(huì)。

創(chuàng)建世界模型，未來(lái)工廠將擁有數(shù)字孿生體

當(dāng)你為大型語(yǔ)言模型提供上下文和提示時(shí)，模型則一次生成一個(gè)token以產(chǎn)生輸出。這是其工作原理。假設(shè)不是一個(gè)問題提示，而是一個(gè)行動(dòng)請(qǐng)求呢？比如“過去把那個(gè)箱子拿過來(lái)?！痹谶@種情況下，生成的就不是文本的token，而是行動(dòng)的token。

我剛剛描述的，是未來(lái)機(jī)器人技術(shù)的一個(gè)非常合理的方向，而這項(xiàng)技術(shù)已經(jīng)迫在眉睫。但我們需要做的是，創(chuàng)建一個(gè)有效的世界模型，而不是像GPT那樣僅僅是語(yǔ)言模型。這個(gè)世界模型必須理解世界的語(yǔ)言，還必須理解物理動(dòng)態(tài)，比如重力、摩擦力和慣性。它必須理解幾何和空間關(guān)系，必須理解因果關(guān)系。

如果你把物體掉到地上，或者推動(dòng)物體讓它傾倒時(shí)，模型應(yīng)該能夠理解物體的恒常性。如果你把一個(gè)球從廚房臺(tái)面上滾過，它掉到另一邊，并沒有進(jìn)入另一個(gè)量子宇宙，而是依然處于那個(gè)空間里。

這些類型的直覺理解是當(dāng)今大多數(shù)模型所無(wú)法做到的。因此，我們希望創(chuàng)造一個(gè)全新的世界。我們需要一個(gè)世界基礎(chǔ)模型。今天，我們宣布一項(xiàng)重要的進(jìn)展——Nvidia Cosmos，一個(gè)專注于理解物理世界的世界基礎(chǔ)模型。

Nvidia Cosmos是全球首個(gè)世界基礎(chǔ)模型，經(jīng)過2000萬(wàn)小時(shí)視頻的訓(xùn)練。這些視頻專注于物理動(dòng)態(tài)內(nèi)容，例如自然現(xiàn)象、行走的人、移動(dòng)的手、操控物體，以及快速的攝像機(jī)運(yùn)動(dòng)。它的真正目標(biāo)是讓AI理解物理世界，而不僅僅是生成創(chuàng)意內(nèi)容。通過這個(gè)物理AI，我們能夠進(jìn)行許多下游應(yīng)用。

我們可以生成合成數(shù)據(jù)來(lái)訓(xùn)練其他模型，也能為機(jī)器人模型奠定基礎(chǔ)。它可以生成多個(gè)物理上可行的未來(lái)場(chǎng)景，基本上就像《奇異博士》中的場(chǎng)景一樣，因?yàn)檫@個(gè)模型理解物理世界，生成的圖像也是物理一致的。這個(gè)模型還能夠自動(dòng)生成字幕，將視頻內(nèi)容轉(zhuǎn)化為字幕，從而為大語(yǔ)言模型和多模態(tài)語(yǔ)言模型的訓(xùn)練提供數(shù)據(jù)。利用這個(gè)技術(shù)，我們能夠用基礎(chǔ)模型來(lái)訓(xùn)練機(jī)器人及大型語(yǔ)言模型。

這就是Nvidia Cosmos。該平臺(tái)包括一個(gè)自回歸模型，支持實(shí)時(shí)應(yīng)用；一個(gè)擴(kuò)散模型，生成高質(zhì)量圖像；一個(gè)強(qiáng)大的分詞器，學(xué)習(xí)現(xiàn)實(shí)世界的詞匯；以及一個(gè)數(shù)據(jù)管道，便于你將這些技術(shù)應(yīng)用到你自己的數(shù)據(jù)中。我們已經(jīng)加速了整個(gè)過程。因此，這也是全球首個(gè)加速的數(shù)據(jù)處理管道，也是AI加速的管道，所有這些都包含在Cosmos平臺(tái)中。今天，我們宣布Cosmos已經(jīng)開源，并可以通過GitHub獲取。

我們希望，Cosmos的開放能夠像Llama 3對(duì)企業(yè)AI的貢獻(xiàn)一樣，為機(jī)器人技術(shù)和工業(yè)AI領(lǐng)域做出重大貢獻(xiàn)。

真正的魔力出現(xiàn)在你將Cosmos與Omniverse連接時(shí)。根本原因在于，Omniverse是一個(gè)基于物理的模擬系統(tǒng)，它并不只是模擬物理現(xiàn)實(shí)，而是基于算法物理和原理物理的系統(tǒng)。它是一個(gè)模擬器。當(dāng)你將其與Cosmos結(jié)合時(shí)，Omniverse為Cosmos提供了一個(gè)堅(jiān)實(shí)、真實(shí)的基礎(chǔ)，這使得Cosmos能夠輸出基于真理的內(nèi)容。這正是將大型語(yǔ)言模型與檢索增強(qiáng)生成系統(tǒng)結(jié)合的思路。你希望將AI生成的內(nèi)容與真實(shí)世界的基礎(chǔ)連接起來(lái)。因此，這兩者的結(jié)合提供了一個(gè)物理模擬的、多維度的生成器，應(yīng)用場(chǎng)景令人激動(dòng)。

顯而易見，對(duì)于機(jī)器人技術(shù)和工業(yè)應(yīng)用而言，Cosmos加Omniverse代表了構(gòu)建機(jī)器人系統(tǒng)所需的第三臺(tái)計(jì)算機(jī)。每個(gè)機(jī)器人公司最終都必須構(gòu)建三維計(jì)算機(jī)——一種用于訓(xùn)練AI的計(jì)算機(jī)，我們稱之為DGX計(jì)算機(jī)；一種用于部署AI的計(jì)算機(jī)，我們稱之為AGX，它可以安裝在汽車、機(jī)器人或AMR（自動(dòng)移動(dòng)機(jī)器人）中，或者部署在體育場(chǎng)等地方，這些計(jì)算機(jī)在邊緣運(yùn)行并具備自主性。但為了連接這兩者，你需要一個(gè)數(shù)字孿生體。所有這些就是你所看到的模擬。數(shù)字孿生體是已訓(xùn)練的AI模型進(jìn)行實(shí)踐、精煉的地方，用于生成合成數(shù)據(jù)、強(qiáng)化學(xué)習(xí)反饋等。

這三臺(tái)計(jì)算機(jī)將協(xié)同工作，這正是英偉達(dá)針對(duì)工業(yè)界的戰(zhàn)略。未來(lái)，所有的一切都將在模擬中完成。每個(gè)工廠都會(huì)有一個(gè)數(shù)字孿生體，與實(shí)際工廠完全一致。實(shí)際上，你可以使用Omniverse與Cosmos生成大量的未來(lái)場(chǎng)景，然后由AI決定哪些場(chǎng)景最適合各種KPI。這將成為程序的約束條件，并能夠部署到現(xiàn)實(shí)工廠中。

機(jī)器人的“ChatGPT時(shí)刻”即將到來(lái)

通用機(jī)器人技術(shù)的“ChatGPT時(shí)刻”即將到來(lái)。實(shí)際上，所有我剛才提到的使能技術(shù)將在未來(lái)幾年內(nèi)推動(dòng)通用機(jī)器人領(lǐng)域發(fā)生迅速且令人震驚的突破。

通用機(jī)器人技術(shù)之所以如此關(guān)鍵，是因?yàn)?，盡管許多機(jī)器人依賴履帶或輪子并且需要特定的環(huán)境來(lái)適應(yīng)，但有三類機(jī)器人我們可以制造出來(lái)，它們不需要在綠色田野環(huán)境中運(yùn)行，也不需要特別為現(xiàn)有環(huán)境做適配。

這三類機(jī)器人分別是：第一，代理機(jī)器人和代理AI，它們作為信息工作者，只需要能夠適應(yīng)我們辦公室中的計(jì)算機(jī)即可；第二，自駕車，因?yàn)槲覀円呀?jīng)花費(fèi)了超過100年的時(shí)間來(lái)建設(shè)道路和城市；第三，人形機(jī)器人。如果我們能夠解決這三項(xiàng)技術(shù)，它們將成為全球最龐大的技術(shù)產(chǎn)業(yè)。因此，我們堅(jiān)信機(jī)器人時(shí)代離我們已經(jīng)不遠(yuǎn)。

關(guān)鍵的挑戰(zhàn)在于如何訓(xùn)練這些機(jī)器人。尤其在人形機(jī)器人領(lǐng)域，模仿信息的收集過程相當(dāng)復(fù)雜。以汽車為例，訓(xùn)練相對(duì)簡(jiǎn)單，因?yàn)槲覀兠刻於荚陂_車。然而對(duì)于人形機(jī)器人來(lái)說(shuō)，收集人類行為的示范信息就變得非常繁瑣。

因此，我們需要找到一種巧妙的方法，利用人工智能和Omniverse，將數(shù)百個(gè)示范、成千上萬(wàn)的人類示范轉(zhuǎn)化為數(shù)百萬(wàn)個(gè)合成動(dòng)作。通過這些合成動(dòng)作，AI可以學(xué)習(xí)如何執(zhí)行任務(wù)。Nvidia Isaac Group，是我們?yōu)闄C(jī)器人行業(yè)提供的技術(shù)平臺(tái)基礎(chǔ)設(shè)施，旨在加速通用機(jī)器人技術(shù)的發(fā)展。

讓我再說(shuō)一遍，我們正在生產(chǎn)三款新的Blackwell。令人振奮的是，全球首個(gè)物理AI基礎(chǔ)模型，一個(gè)強(qiáng)大的AI基礎(chǔ)性模型已經(jīng)問世，能夠激活全球各行各業(yè)，尤其是機(jī)器人產(chǎn)業(yè)。與此同時(shí)，還在三款機(jī)器人正在開發(fā)，分別是智能代理AI、人形機(jī)器人和自動(dòng)駕駛汽車。過去的一年真是不可思議，我要感謝大家的合作，感謝你們的到來(lái)。

祝大家CES愉快，新年快樂，謝謝！