GTC2025演讲回顾——黄仁勋的“终极摩尔定律”：买越多，赚越多

北京时间3 月18 日凌晨，当东半球当大部分人都处在睡梦之中时，AI 相关领域的相关从业者必定是一个无眠之夜。在地球的另一段，硅谷圣何塞的晨曦之中，NVIDIA 创始人黄仁勋标志性的皮衣身影再次登上GTC大会舞台。这场被外界称为“年度AI 风向标”的GTC大会主题演讲，用两小时编织了一张横跨芯片、云计算、通信网络和机器人技术的未来蓝图。

1   如今的挫折，不影响未来的辉煌

“到2030 年，全球数据中心资产投入将突破1 万亿美元。”黄仁勋的开场宣言直指英伟达的核心战场。他用一张条形图直接框定了英伟达如今的疆域：代表英伟达营收的黄色区块已占据2024 年数据中心服务市场的四分之一，而更大的野心藏在那些尚未被填满的空白里。

这个预测基于一个简单却暴烈的逻辑：全球AI 算力需求正以每年10 倍速度膨胀，但GPU 供给量仅能维持2 倍增长。当大模型参数规模突破百万亿，当视频生成AI 吃掉整座超算中心的算力，传统云计算架构正在经历“核爆式重构”。黄仁勋特别展示了一组对比数据：搭载72 颗B200 芯片的NVL72 服务器，其推理吞吐量较前代产品提升7 倍，而能耗反而下降25%。这不禁让人想起英伟达一直信奉的“黄氏定律”—— AI 计算推理性能每年翻一倍。

这背后的暗示不言而喻： 英伟达目前没有被DeepSeek R1 所影响，虽然现在股价是跌了，但是未来大大的好，未来全是Money。

2   如今的CUDA还是很强

如果说硬件是肌肉，CUDA 生态才是英伟达的真正骨骼。面对AMD、英特尔乃至亚马逊自研芯片的围攻，黄仁勋用整整20 分钟系统阐释了CUDA 的“软实力”。从cuDNN 到NCCL，从Triton 推理服务器到新开源的分布式推理库，这些深藏于代码层的工具链构成了难以复制的技术壁垒。

“我们最新开源的推理加速库，可以让百亿参数模型在异构计算集群上的部署效率提升40%。”黄仁勋现场演示的案例中，一个包含文本生成、图像识别和语音合成的多模态AI系统，通过动态任务分配算法自动调度CPU、GPU和DPU资源。这让人联想到三周前中国的DeepSeek开源的DeepGEMM项目—— 当行业顶尖玩家都在拼命优化底层算子时，英伟达选择将部分核心武器开源，既巩固了生态主导权，又为硬件销售铺就更深的护城河。

3   GTC金句：“买越多，赚越多”

随后介绍的“6G 时代+ 边缘计算”、汽车智驾的安全方案等等，都几乎毫无波澜。全场的第一个高潮自然还是GPU，在这一页PPT 出现后，NVDA 的股票终于止住了从发布会开始一直以来的跌幅，即118.9 → 116.5（2%），怒回117.5。

黄仁勋表示，未来推理的需求会暴增，而且是像R1 一样的推理类模型，而最适配R1 这类推理模型的平台，自然是他自己的NVL72（搭载了72 个B200 芯片的服务器）。

他从吞吐量和计算速度两个维度反复说明，用了一个AI 工厂的比喻，将推理比喻成Token 的生产工厂。那么最大的回报值一定是产生在吞吐量和计算速度的最优函数中—— NVL72。

黄仁勋进一步表示，在同样的水平下，相较于H100 是45 K GPU，1400 个机架，产生300 M 的输出；而NVL则是85 K GPU（更强），600 个机架（更少空间），以及12000 M 的输出（40 倍）。随即，老黄便说出了今年GTC 的金句：“the more you buy, the more you make”（买得越多，赚得越多）。通过高效的AI 基础设施和强大的计算能力，企业可以在AI 应用中实现更高的收益。

4   Blackwell Ultra与Rubin架构：英伟达“核弹”的暴力美学

随后黄仁勋公布了他的全新“核弹”—— Blackwell Ultra。这款专为推理任务优化的GPU 怪兽，将显存容量从192GB 暴力提升至288GB，配合Dynamo技术实现的推理性能跃升，使其单机架性能达到Hopper 架构的40 倍。这意味着原本需要整个数据中心支撑的智能体系统，现在只需一个机柜就能完成实时响应。我们正在见证AI 工厂的诞生，就像工业革命中蒸汽机取代水力，Blackwell 正在重新定义智能生产的效率边界。

这场性能革命的核心突破在于“推理时扩展”（Inference Scaling）的全新路径。DeepSeek R1 模型在Blackwell 平台上的表现验证了这一点—— 通过动态调整计算资源分配，模型在复杂决策任务中实现了近乎线性的性能扩展。这种突破不仅让“Scaling Law 撞墙论”不攻自破，更开辟了AI 系统从训练到部署的全新范式。值得关注的是，英伟达首次将训练与推理架构分离，Blackwell Ultra 专为推理优化的设计理念，预示着未来AI 芯片将进入场景细分的定制化时代。

而随着以发现暗物质的科学家“Vera Rubin”命名的下一代架构的公布，全场迎来的最高潮，其将在2026年下半年开启英伟达的“后Blackwell 时代”。

Vera Rubin 有两个部分，一个称为Vera 的CPU 和一个称为Rubin 的新GPU。当它们协同使用时，将首次实现了每秒50 千万亿次浮点运算的推理性能，这是现有架构两倍以上的算力密度。与此同时，为了匹配这恐怖的算力，Rubin 的带宽将会有大幅升级，HBM4 内存与NVLink 7 的组合—— 13 TB/s 的带宽和260 TB/s 的互连吞吐量，让数据洪流在芯片间奔涌时不再遭遇任何瓶颈。

自然， Rubin 架构也有ultra 版本，它将在2027 年问世。作为算力怪物中的怪物，其在FP4 精度下的推理性能达到15 ExaFLOPS，相当于150 亿亿次运算每秒。配合4.6 PB/s 的内存带宽，这意味着单个机架就能承载相当于现在整个城市级数据中心的AI 负载。" 我们正在突破的不是技术极限，而是人类想象力的边界。" 黄仁勋用这句话为Rubin 架构的发布画下惊叹号。

从 Blackwell 到 Rubin，英伟达用三年时间完成了从 68 倍到 900 倍的浮点运算能力跃升，而总拥有成本（TCO）曲线却以反比例态势持续下探。笔者也是没想到，几年前还在为 Blackwell 的恐怖算力而惊叹，现在它已经在 Rubin 的衬托下，变成了一个“小老弟”。

5   发布会上的其他内容

马斯克自己造了一个名为“Colossus”的超级训练集群，从而力大砖飞一般的训练出了“Grok3”。

如此巨量的网络集群用于训练，彼此之间的通信就显得尤其重要。但是，如何解决这些巨量的网络通信变得困难重重，这就是英伟达想要着手解决的问题，也就是Spectrum-X 以太网网络平台。在现场，老黄为了解释这个事情多么困难，还拿了两根线缆来解释10 万卡互联有多恐怖。于是我们就看到他就在台上花了2 分钟解开纠缠在一起的两根绳子……确实是很困难了。

除此之外，外界普遍猜测的CPO 也是如约发布。在传统光通信架构中，交换系统与光电转换模块各自独立部署于电路板之上，信号需经历“光模块光电转换-电路板走线- 交换机处理”的三段式旅程。这种物理隔离的设计不仅增加信号衰减风险，更因PCB 走线产生的寄生效应严重制约传输速率上限。CPO（共封装光学）技术通过将光引擎与交换芯片三维堆叠集成，将原本毫米级的传输距离压缩至微米尺度，不仅显著缩短信号传输路径，更通过混合键合工艺实现芯片级光电融合，使每瓦特功耗下的数据传输密度提升达20 倍，从根本上重构了高速互连的技术范式。

英伟达本次所发布的首款共封装硅光子系统（CPO）。这项基于微环谐振器调制器的黑科技，通过台积电先进制程将光子引擎直接集成到交换机芯片，创造了每秒1.6 T 的传输神话。传统架构中占据30% 功耗的收发器被彻底抛弃，512 径基数的光交换矩阵让GPU 集群扩展突破物理限制。这种突破不仅解除了大规模并行计算的规模魔咒，更让“AI 工厂”的概念真正具备商业可行性—— 任何制造业企业都能以合理成本构建自己的智能生产中枢。

最后，老黄也表示全球劳动力短缺的阴影逐渐笼罩制造业、物流业和医疗服务业，在这个背景之下，机器人的重要性逐渐凸显。因此，英伟达正式官宣了世界首个开源、完全可定制的通用人形机器人模型——GROOT N1。

GROOT 所采用的“双系统架构”与芯片设计中的异构计算理念异曲同工。系统2（慢思考）如同芯片中的中央处理器，通过视觉语言模型对环境进行语义解析，将”把红色零件装入三号工位”的指令拆解为空间定位、路径规划等逻辑步骤；而系统1（快思考）则像专用加速器，将抽象指令转化为每秒上千次计算的关节运动轨迹。这种分层处理架构使得20 亿参数的模型就能实现传统百亿级模型的复杂任务处理能力。

此外，英伟达还与DeepMind、迪士尼研究一起开发下一代开源的Newton 物理引擎，能够让机器人学习如何更精确处理复杂任务。

在发布会上，还展示了一下以星球大战BDX 机器人为灵感的机器人Blue（确实还挺可爱的），它与老黄来了一波有趣的互动。

6   结束语

从“交流电之父”尼古拉·特斯拉到暗物质发现者薇拉·鲁宾（Vera Rubin），这些命名揭示着英伟达的终极野心：用计算的力量破解物理世界的本质规律。这种野心在商业层面转化为恐怖的执行力—— 每年迭代的架构节奏、三年四代的工艺跃进、五年千倍的性能提升，正在将摩尔定律改写为“黄氏定律”。

站在GTC 2025 的时间节点回望，黄仁勋在2016 年那句“英伟达是家软件公司”的论断终于完全显现其深意。当硬件性能开始触碰物理极限，通过架构创新、连接革命和生态协同构建的复合优势，正在开辟超越制程进步的“第二增长曲线”。这种“三位一体”的创新范式，或许才是英伟达持续统治AI 计算王座的真正密码。

这场被称作“AI 超级碗”的盛会，最终在开发者经久不息的掌声中落下帷幕。但黄仁勋留下的不仅是一串惊人的技术参数，更是一个清晰的未来图景：当每个工厂都拥有自己的AI 中枢，当百万GPU 集群在硅基神经网络中自由对话，人类将迎来生产力进化的新纪元。在这个纪元里，算力不再是稀缺资源，而是像电力般流淌在智能世界的每根“血管”中—— 而这，正是英伟达为全人类书写的未来脚本。

在最后的最后，笔者也有一个期待黄仁勋解答，但是没有获得老黄解答的问题与各位读者探讨：算力通缩到底存不存在？

（本文来源于《EEPW》202504）