新闻发布 黄仁勋最新演讲实录：剧透畴昔3年GPU架构阶梯图， 用RTX界说 AIPC

经韩老太重新定义的“手冲咖啡”，原料其实非常简单，就是过去我们常喝的雀巢速溶咖啡，外加100摄氏度的开水冲泡，除此之外再无任何添加剂。

6月2日晚，英伟达CEO黄仁勋在台湾大学详尽体育馆发表主题演讲，展示了英伟达在加速臆想和生成式AI领域的最新效果，包括GPU架构Blackwell之后几年的阶梯图、推理即作事平台Nemo、数字东说念主类时期Ace以及机器东说念主开发的时期平台Isaac等效果。

黄仁勋强调了加速臆想的关键性，并预测畴昔每个数据中心齐将加速。他还预计了生成式AI的后劲，觉得它将重塑臆想机行业并为九行八业带来新的机遇。此外，他还谈到了物理AI和机器东说念主时期的畴昔，觉得它们将透澈改变咱们的生涯和责任方式。

中枢要点整理：

新的架构阶梯图：2025年是Blackwell Ultra，2026年会有新架构Rubin，2027年则是Rubin Ultra。

咱们现在所处的不是AI时间，而是一个生成式AI时间。

险些全国万物齐不错更动成Token（词元）。

价值3万亿好意思元的IT产业将成为 AI 工场，为每个行业制作 AI 产品。

咱们需要基于物理并意会物理定律的AI。

每个装有 RTX 显卡的 PC，齐是 AIPC。

CUDA不仅达到了关键的老练阶段，还进入了一个自我强化的良性轮回，不休擢升其性能和应用价值。

跟着CPU性能增长放缓，应用CUDA等时期加速臆想任务是草率臆想需求指数级增长的要道战略，畴昔通盘处理密集型应用和数据中心齐将弃取这一战略以保持效用和资本效益。

这 60 年来，咱们只见证了两三次主要的时期变革，如今生成式 AI 使咱们得以再次见证一次时期变革。

以下为全文实录：

大家好！很欢畅再次来到这里。今晚我将在此举办一场“Don't Walk”演讲。因为咱们要评述的事情许多，时候要紧，是以不可渐渐走，得用跑的。

今晚我将评述以下几个方面：现时的行业动态、咱们正在共同发奋的办法、什么是生成式AI、它对咱们及九行八业的影响，以及咱们将若何主办这个选藏的机遇。接下来会发生什么？生成式AI偏执影响、咱们的蓝图以及畴昔的预计。这些齐是令东说念主无比感奋的时刻。

英伟达面前正处于臆想机图形模拟的交叉点上，这是咱们的灵魂所在。我今天展示的一切齐是模拟，是数学，是科学，是臆想机科学，是令东说念主惊奇的臆想机体捆绑构。通盘内容齐不是动画制作的。这是英伟达的灵魂，咱们把通盘东西齐放在了这个咱们称之为“Omniverse”的造谣全国中。

你所看到的一切齐基于两项基本时期：加速臆想和东说念主工智能。这两种时期将重塑臆想机行业。臆想机行业从降生于今已有60年的历史。从许多方面来看，咱们今天所作念的一切齐源于1964年，IBM System 360在那一年发明，引入了中央处理单元、通用臆想，并通过操作系统杀青了软硬件分离。

多任务处理、I/O、子系统、DMA，咱们今天神用的各种时期、架构兼容性、向后兼容性以及咱们今天所知说念的对于臆想的一切，主如果在1964年后降生的。天然，PC改进使臆想民主化，并将其掌持在每个东说念主手中。2007年，iPhone推出了移动臆想功能，并将电脑放进了咱们的口袋。从那时起，一切齐通过移动云遥远贯串和运行。

在往日的60年里，咱们看到两三个主要的时期更动，两三个臆想领域的结构性更动，一切齐发生了变化。而这种情况行将再次发生。第一个问题是处理器，臆想机行业在中央处理单元上运行的引擎，其性能扩展照旧大大放缓。

www.jmjcc.top

然而，咱们需要的臆想量仍然以指数级的速率翻倍。如果咱们需要处理的数据连接呈指数级增长，但性能却莫得，咱们将经验臆想推广。事实上，就在咱们言语的时候，全国各地的数据中心电力数目正在大幅增长，臆想机的资本也在不休增长。咱们看到了臆想通货推广。

天然，这种情况无法连接，数据将连接呈指数级增长，而CPU性能扩展永远不会收复。近二十年来，咱们一直悉力于加速臆想，应用CUDA增强CPU，卸载和加速专用处理器不错作念得更好的责任。现在很显著，跟着CPU扩展速率的减缓并最终大幅住手，咱们应该加速一切。

我预测，每个处理密集型的应用步调齐将加速，况兼每个数据中心齐将在不久的将来加速。现在，加速臆想犀利常奢睿的一件事。如果你看一下应用步调，这里的100t意味着100个时候单元，它可能是100秒，也可能是100个小时。咱们现在正在开发不错运行100天的东说念主工智能应用步调。1t是需要王法处理的代码，其中单线程CPU特别关键。

操作系统遣散逻辑对于一条指示接着另一条指示践诺特别关键。然而，臆想机图形是一种不错完全并行操作的图形。臆想机图形学、图像处理、物理模拟、组合优化、图形处理、数据库处理，天然还有特别有名的深度学习线性代数，有许多类型的算法特别有助于通过并行处理加速。

因此，咱们发明了一种架构来杀青这极少，通过向CPU添加GPU，让专用处理器破耗多量时候并将其加速到令东说念主难以置信的速率。因为这两个处理器不错并列责任，是以它们齐是自主的，况兼齐是孤独的。也等于说，咱们不错将往日需要100个单元时候的东西加速到一个单元时候。

嗯，速率擢升听起来难以置信，但今天我将为您展示许多例子。克己犀利常越过的，它速率擢升100倍，但功率只加多了大致3倍，而你只加多了约50%的资本。咱们在个东说念主电脑行业一直在这样作念，咱们加多了一个GPU，一个500好意思元的GeForce GPU，到1000好意思元的电脑，性能大大提高。咱们在一个十亿好意思元的数据中心里这样作念，咱们加多了价值5亿好意思元的GPU，倏得间它变成了一个AI工场。

这在现辞全国各地齐在发生。嗯，省俭的资本犀利常越过的，您每好意思元不错取得60倍的性能，100倍的速率，加速，您只需要将功率加多3倍，100倍的速率，您只需要将资本加多1.5倍。省俭的资本令东说念主难以置信。很显著，许多公司破耗数亿好意思元在云表处理数据。如果它被加速，你不错省俭数亿好意思元，这并不出乎猜想。现在为什么呢？原因很明晰。

咱们在通用臆想领域照旧经验了很万古候的通货推广。现在咱们终于决心加速，这不错帮咱们调停雄伟的赔本。多量拿获的废数据现在不错将其从系统中开释出来，这将升沉为储蓄，储蓄和资产，储蓄和能源。这等于为什么你听我说你买的越多，你说的就越多。你买的越多，就越安全。加速臆想照实提供了越过的遣散，但这并拦阻易。

莫得所谓的软件不错通过交流编译器运行，然后倏得之间该应用步调的运行速率提高了100倍。这甚而不符合逻辑。如果不错作念到这极少，他们只需要调动CPU。要作念到这极少，本体上你必须重写软件，以便您不错重构在CPU上编写的算法，以便它不错被加速、卸载、加速和并交运行。臆想机科学闇练特别难，在往日的20年里，咱们照旧让它变得容易了。天然，特别有名的cuDNN，即处理神经集中的深度学习库，咱们有一个东说念主工智能物理学库，您不错将其用于流体能源学和许多其他应用，其中神经集中必须顺从物理定律。

咱们有一个很棒的新景况，叫作念Aerial，它是一个CUDA加速的5G无线电，这样咱们就不错用软件界说和加速电信集中，就像咱们处分软件界说全国集中互联网一样。因此，咱们加速的才略使咱们玩忽将通盘电信变成基本上相通类型的平台、臆想平台行状部，就像咱们在云表一样。

cuLitho是一个臆想光刻平台，使咱们玩忽处理芯片制造上钩算密集型的部分，使得台积电（TSMC）掩模使用cuLitho进行分娩，省俭了多量的能源和资金。但是台积电的规划是加速他们的堆栈，以便他们为算法的进一步跨越和更深刻的集中和窄晶体管的更多臆想作念好准备。

这是咱们的基因测序库。它是全国上最高通量的基因测序库。cuOpt 是一个令东说念主难以置信的库，用于组合优化、阶梯贪图优化等问题。科学家们照旧得出论断，你需要一台量子臆想机来作念这件事，咱们创建了一个运行在加速臆想上的算法，它运行得像闪电一样快，创造了23项全国记录。咱们今天保持着每一项主要的全国记录。

cuQuantum是量子臆想机的仿真系统。如果你想联想一台量子臆想机，你需要一个模拟器来完成。如果你想联想量子算法，你需要一个量子模拟器来杀青。如果量子臆想机不存在，你将若何联想这些量子臆想机，创建这些量子算法？你不错使用现辞全国上最快的臆想机，咱们称之为NVIDIA CUDA，况兼在其上咱们有一个模拟量子臆想机的模拟器，它被全国各地的数十万计算东说念主员使用。它被集成到通盘最初的量子臆想框架中，并辞全国各地的科学超等臆想中心中使用，是一个令东说念主难以置信的数据处理库。

数据处理铺张了绝大多数的云指出，而仅靠CUDA是不可能的，全国各地的深度学习科学家齐无法使用，CUDA、TensorFlow和PyTorch中使用的算法、深度学习算法分离得太远了。这险些就像尝试在莫得OpenGL的情况下进行臆想机图形处理一样，就像在莫得SQL的情况下进行数据处理一样。这些特定领域的库确实是咱们公司的财富。咱们有350个库，恰是它们使咱们玩忽领有如斯开放的市集的原因。

今天我会给你看一些其他的例子。就在上周，谷歌告示他们照旧将cuDF放入云表并加速Pandas。Pandas是全国上最受接待的数据科学库。在座的许多东说念主可能照旧在使用Pandas了。它被全球1000万数据科学家使用，每月被下载1.7亿次。Excel是数据科学家的电子表格。只需单击一下，您现在就不错在Colab中使用Pandas，这是谷歌的云数据中心平台，由cuDF加速。速率确实令东说念主难以置信。那是个很棒的演示，对吧？

当您加速数据处理速率时，演示不需要很万古候。CUDA现在照旧达到了东说念主们所说的临界点，但它甚而比这更好，CUDA现在照旧达到了一个良性轮回。如果你回归历史和通盘的臆想架构、臆想平台，这种情况很少发生。在微处理器CPU的情况下，它照旧存在了60年。在这个水平上60年莫得改变。

加速臆想照旧出现，创建一个新的平台特别繁重，因为这是一个先有鸡如故先有蛋的问题。如果莫得开发东说念主员使用您的平台，那么天然就莫得效户，但是如果莫得效户，就莫得安装基础。如果莫得基于安装的开发东说念主员对它不感风趣。开发东说念主员但愿为大型安装基础编写软件，但大型安装基础需要多量应用步调，以便用户不错创建该安装基础。

这个鸡或蛋的问题很少被突破，现在照旧花了咱们20年的时候。一个个的域库，一个个加速库，现在咱们在全球领有500万开发东说念主员。咱们作事于每一个行业，包括医疗保健、金融作事、臆想机行业、汽车行业，以及全国上险些每一个主要行业，险些每一个科学领域。因为咱们的建筑有许多客户。OEM和云作事提供商对构建咱们的系统感风趣。

系统制造商对构建咱们的系统感风趣，然后将更多的系统推向市集，这天然为咱们创造了更大的契机，这使咱们玩忽加多咱们的研发范围，从而进一步加速应用步调的速率。嗯，每一次咱们加速应用步调，臆想资本就会着落。

就像我在幻灯片里演示的一样，100倍加速比升沉为97%、96%、98%，因此当咱们从100倍速率提高到200倍速率提高到1000倍速率时，臆想的边缘资本省俭将连接着落。天然，咱们信赖通过令东说念主难以置信地缩短臆想资本，市集开发者、科学家、发明家将连接发现新的算法，这些算法铺张越来越多的臆想资源，这样总有一天会发生面部神志的变化。臆想的边缘资本如斯之低，以至于出现了一种新的使用臆想机的方式。

事实上，这等于咱们多年来所看到的，在往日10年中，咱们照旧将一个特定算法的边缘臆想资本缩短了一百万倍。因此，现在使用互联网上的所罕有据来锻练大型语言模子是其实犀利常适合逻辑的一件事。莫得东说念主会沉念念熟虑，觉得你不错创建一台玩忽处理如斯多数据的臆想机来编写我方的软件。

东说念主工智能的出现之是以成为可能，是因为咱们完全信赖，如果咱们让臆想变得越来越低廉，就会有东说念主发现它有很大的用处。好的，今天，CUDA照旧杀青了良性轮回，安装基础正在增长，臆想资本正鄙人降，这使得更多的开发东说念主员建议更多的想法，从而推动更多的需求。

现在咱们正处于一件特别关键的事情的启动。但在我公布之前，我想先说下什么是不可能的，如果不是因为咱们创造了当代版块的通用AI，生成AI。那咱们的新产品将不可能杀青。

这个是地球2号，咱们将创建地球的数字孪生体，咱们将前去模拟地球，以便咱们不错预测地球的畴昔，匡助咱们更好地幸免苦处或更好地了解步地变化的影响，让咱们不错更好地妥贴新环境，改变生涯民风。

这个地球的数字孪生体，可能是全国上有史以来最贪图勃勃的景况之一。咱们每年齐在上前迈出一大步。本年，咱们取得了一些关键突破，例如来说。

周一，风暴将再次向北并接近。它的旅途存在很大的不祥情趣，不同的旅途将对顶部产生不同进度的影响。想象一个咱们玩忽预测畴昔的全国——数字孪生，一个响应实在情况的造谣全国，让咱们看见畴昔。数字孪生是一种响应实在全国的造谣模子，让咱们玩忽从今天的步履来预测对未下全国的影响。

先容一下NVIDIA Earth-2，一个应用AI物理模拟和电脑图形时期来预测全球步地的数字孪生。FourCastNet是NVIDIA的生成式AI模子，它在WRF数值模拟的基础上锻练而成，玩忽以12倍更高的别离率生成天气模式，从25公里提高到2公里，这代表了区域天气预测的一个雄伟飞跃。

令东说念主诧异的是，FourCastNet比传统的物理模拟方法快1000倍，且能源效用高3000倍。在气象局，咱们使用这些模子来更精准地预测台风登陆点。但咱们并不留步于此。下一个前沿是超土产货预测，能精准到数十米，并沟通到城市基础设施的影响。FourCastNet AI还在使用像是PALM生成的高别离率数据进行锻练。一个极高别离率的物理模子用于模拟大气和海洋界限层。当与天气模拟风场相干一齐时，它不错模拟建筑物周围的气流。当强风聚集的情况，咱们预计玩忽预测下冲这样的征象。当强风聚集到街说念上，有可能形成损坏并影响行东说念主。

NVIDIA Earth-2是一个绝佳规范，它交融了东说念主工智能、物理模拟和不雅测数据，不错匡助国度和公司预感畴昔并草率极点天气的影响。

不久的将来，咱们不错随处随时建议咱们的气象预告。咱们不错随时掌持当地的步地变化。而且它是连气儿性的预测，为什么呢？因为咱们照旧把这个AI齐锻练好了，而且它不需要铺张太多的电力。

但愿大家心爱刚才咱们的这个例子，我的国语讲得法度吗？但这不是我说的，这个是Jason AI说的，我给他写了这个台词，由Jason AI也等于我的数字孪生体帮我作念旁白的，是以我的国语不够好，但我有孪生帮我作念的旁白，这确实是一个名胜。

之前在2012年，咱们正悉力于鼓励CUDA，悉力于不休提高驱动器的性能并缩短资本，此时计算东说念主员发现了AI，这是英伟达与AI的第一次斗争。这是一个特别关键的时候。咱们与优秀科学家合作，使深度学习发生成为可能。天然，AlexNet杀青了臆想机视觉方面的雄伟突破。但咱们还需要了解布景是什么，深度学习的基础是什么，它的经久影响是什么，它的后劲是什么？

咱们表露到这项时期具有雄伟的后劲，不错扩展几十年前发明并发现的算法。倏得之间，咱们需要更多的数据，更大的集中，特别关键的是，更多的臆想。倏得间，深度学习玩忽杀青东说念主类算法现在无法想象的规划。如果咱们进一步扩展架构，使用更大的集中，更多的数据和更多的臆想，会发生什么呢？是以咱们悉力于重新发明一切。

在2012年之后，咱们改变了GPU的架构以添加Tensor Core，咱们发明了10年前的NVLink，现在不错使用TensorRT。咱们购买了Mellanox，TensorRT，以尝试推理作事器，通盘这些划一合在一台全新的臆想机上。

莫得东说念主意会，事实上，我确信莫得东说念主想买它，是以咱们在GTC上和OpenAI先容它，它那时如故友金山的一家小公司，他们条件我给他们送一个。我在2016年向OpenAI拜托了第一台DGX，全国上第一台AI超等臆想机。

好的，在那之后，咱们连接从1台AI超等臆想机、1台AI拓荒扩展到大型超等臆想机，到2017年甚而有了Transformer，这样咱们就不错锻练多量数据并识别和学习在很长一段时候内王法陈设的模式。现在咱们不错锻练这些大型语言模子来意会并杀青天然语言意会突破，之后咱们连接发奋，建造了更大的模子。

然后在2020年10月22日，在一台特别大的AI超等臆想机上锻练了数千、数万个NVIDIA GPU。OpenAI五天后告示ChatGPT达到100万用户，五天后加多100万用户，两个月后加多1亿用户，这是历史上增长最快的应用步调。

这背后的原因特别肤浅，它特别易于使用，使用起来特别神奇，玩忽像东说念主类一样与臆想机交互，而且明晰地知说念你想要什么，就像臆想机意会你的道理。

ChatGPT还莫得跟大家碰面之前，所谓的东说念主工智能齐是需要若何意会天然语言、电脑视觉、语音的识别。换句话说是感知的才略，侦测的才略。这是咱们第一次看到有生成式的东说念主工智能系统出现，它不错产生咱们所谓的词元（token），一次产生一个词元，而这些词元就变成是咱们的笔墨。天然有些词元它可能是影像，它可能是线图，可能是表格、歌曲、演讲、视讯、影片，有可能是任何神志，只如果成心旨的，齐算是，甚而包括卵白质、化学分子等等。

你之前在NVIDIA Earth-2中看到的，咱们正在生成天气的词元。咱们不错意会，咱们不错学习物理。如果你能学习物理，你不错教一个AI模子物理学问。AI模子不错学习物理学的含义，况兼不错生成物理学。咱们用的不是过滤的方法，咱们用的是深档次的东说念主工智能，让咱们的别离率，步地预告的别离率不休的提高。是以险些通盘的事情齐不错把它更动成Token，Token犀利常有价值的。

咱们现在所处的不是AI时间，而是一个生成式AI时间。那它的关键性在那儿呢？本来咱们说这是一部超等电脑，关联词它现在不休的进化，它照旧变成了贵府中心。而且它分娩的东西是什么？等于资源。这等于一个东说念主工智能工场。他们产生的是新形态的巨额商品，每个产业齐用得到，具有无比的价值。而他更好的是，他这种方法是不错复制的，是不错扩展的。因此你们有莫得珍视到，现在咱们每一天齐有一些新的生成式的AI模子被打造出来。

价值3万亿好意思元的IT产业，行将创造一些不错顺利作事于价值100万亿好意思元的产业的东西，不再只是是信息存储或数据处理的器具。而是一个为每个行业生成智能的工场。AI 将带来一个全新的制造业，不是臆想机制造业，而是在制造业中使用臆想机。

这是一场工业改进，而不单是是对咱们行业的影响。咱们不错为许多行业创造一种新的商品，一种咱们称之为“词元”（token）的新产品。

正如我之前所说，60年来，不同的运算方式齐在改变。从CPU到通用目的的运算，到加速的GPU运算。以前电脑需要指示大呼，现在它不错去向理大型语言模子、AI模子。

现在臆想机处理大型语言模子、AI模子，而往日的臆想模子是基于检索的，险些每次你触摸手机时，一些事前录制的文本、事前录制的图像或事前录制的视频会为您检索，并凭据推选系统重新合成，以凭据您的民风呈现给您。但在畴昔，你的臆想机将尽可能多地生成，只检索必要的内容。其原因是生成的数据需要较少的能量来获取信息。生成的数据也更具高下文有关性。它将对学问进行编码，它将编码你对你的意会，而不是为我获取这些信息或为我获取阿谁文献。

在畴昔，你只需要问电脑，它就能提供你需要的档案和信息。畴昔的电脑不再只是咱们所使用的器具了。未回电脑它甚而玩忽生成新的手段，它会帮你作念一些责任。是以畴昔这个产业它不再只是去联想软件，联想应用步调。

当你使用ChatGPT时，在它们的堆栈底下是一堆软件，在教导符底下是软件，这犀利常复杂的，因为模子罕有十亿到万亿个参数。它不是只在一台臆想机上运行，而是在多台臆想机上运行。它必须将责任负载散播在多个GPU上，张量并行，管说念并行数据，各种并行，内行并行，各种并行，将责任负载散播在多个GPU上，尽可能快地处理它。

天然，这在90年代犀利常了不得的。大家别健忘那时微软他们有这个套装软件，不错说是改变了通盘电脑的产业。因为如果莫得这些套装软件的话，咱们干嘛要电脑呢？咱们电脑能拿来作念什么呢？是以这些套装软件天然推动了通盘产业。但是现在咱们有新的工场，新的电脑，咱们现在也会有新的软件，咱们就把它叫作念Nemo，NVIDIA的推理即作事。这个Nemo它是在工场里头运行的，而这个Nemo它是一个事前锻练的模子，它是一个AI。这个AI天然自己犀利常的复杂，但是去运行这个AI的运算堆叠，它特别的复杂。

你去使用ChatGPT， 它底下有特别特别多软件。你下一个指示，你下一个教导，背后其实有特别多的软件正在跑。是以它不单是在一个参数上头跑，是更仆难尽、数以亿计的这个运算参数在跑。它需要作念Tensor的多样各样的并行、不同的平行等等平交运算。是以它有多样各样的平行在走，它在不同的GPU上分拨它的这个功课负载，它的速率也特别的快。

如果咱们今天要规划工场的话，你的这个产量是些许？跟你的作事品性，跟你的营收，跟有些许东说念主不错使用你的作事有特别正向的相关。咱们现在的这个贵府中心，它的传输量特别的大，是以传输量的使用率就很关键了。以前也很关键，只是没那么关键。以前很关键，但是大家不会去测量它。现在每一个参数齐必须要测量肇端时候、使用时候、应用率、idle的时候等等。因为现在它就变成是一座工场了。它一朝它变成工场，它的一切的运行就会跟这家公司它的财务证据存很密切的相关。咱们知说念对于大部分的公司来说，这齐犀利常复杂的事情。

是以咱们就去把这个AI装进了一个盒子里头，这些容器，这些container里头有特别多很棒的软件。在这个容器里头有CUDA、cuDNN、TensorRT Triton，它是推理即作事，它是在云表上的一个堆叠。除此以外它也有多样各样的治理的作事，还有hooks不错去让大家监督我方的AI，它有通用的API、法度的API，是以基本上你就不错跟这个盒子来对话，你把这个推理即作事下载，你不错跟他对话。是以你在只消你的电脑上有CUDA，基本上现在基本上每一组经常一朵云上头齐有，罕有亿台电脑上头齐有。大家把它下载之后，你就有AI你不错跟他对话，就像你跟ChatGPT对话一样。通盘的软件现在划一合在一齐了，四百多个dependency齐把它整合在一齐。

咱们测试了这些Nemo，每一个齐是事前锻练的，是他们齐是不错安装的。在各种云上头，不管是Pascal或者是Ampere，各种不同的版块，Hopper也不错多样各样不同的版块。我甚而还会健忘有哪一些。是以NeMo这个NVIDIA的推理即作事，确实是很棒的一个发明，我确实特别的心爱。我想大家也知说念，咱们现在不错创造多样各样的大型语言模子，还有事前锻练的模子。咱们有多样各样不同的版块，不管它是语言版块的，或者视觉，或者是图片版块为主的，或者是说针对这个医疗保健产业的、数字生物产业的。

咱们还有是所谓的数字东说念主。甚而咱们不错请大家去看一下，咱们今天才贴了Hugging Face这个Llama 2 Nemo，它是完全优化的，大家不错去碰幸运，甚而不错带着走，那是免费的。是以大家不错在云上头来运行，然后不错下载这个容器放在我方的贵府中心里头，你不错放在我方的贵府中心提供给你的客户使用。

使用它的方式是将这些微作事贯串到大型应用步调中。天然，畴昔最关键的应用之一是客户作事代理。险些每个行业齐需要客户作事代理。它代表着全球数万亿好意思元的客户作事。防守在某些方面是客户作事代理，其中一些犀利处方或非会诊性质的。

现在不错通过语言模子和AI增强数千万的客户作事，是以你看到的基本上是NeMo，其中一些NeMo是给定任务的推理代理，找出任务是什么，将其认识成一个规划。一些NeMo检索信息，一些NeMo可能会去搜索，可能一些NeMo会使用我之前提到的cuDF器具，他们不错使用一种不错在SAP上运行的器具，因此它必须学习一种名为ABAP的特定语言。也许一些NeMo必须进行SQL查询。

因此，通盘这些NeMo齐是现在构成一个团队的内行。应用层照旧发生了变化，也曾用指示编写的应用步调现在变成了拼装团队的应用步调，很少有东说念主知说念若何编写步调。险些每个东说念主齐知说念若何认识问题并组建团队。

我信赖畴昔的每家公司齐将领有多量的NeMo团队，你不错带下你想要的内行，将他们贯串成一个团队，你甚而不需要弄明晰若何贯串他们，你只需将任务交给代理东说念主。给一个名字，以找出谁来分撤职务以及将任务交给谁。然后，应用步调的指引者，如果你陶然，团队的指引者会分撤职务并将其交给各个团队成员，团队成员将践诺他们的任务，并将其带回团队指引者。

团队指引会对此进行推理，并向您反馈信息，就像东说念主类一样。在不久的将来，这等于应用步调的外不雅。现在咱们不错通过文本教导和语音教导与这些大型AI作事进行交互，但是，在许多应用步调中，咱们但愿与其他雷同东说念主类的神志进行交互。咱们称它们为数字东说念主类。英伟达计算数字东说念主类时期照旧有一段时候了。

数字东说念主类有后劲成为一个伟大的互动代理，与你互动，他们不错让你更有勾引力，更有同理心。天然，咱们必须跨越这个令东说念主难以置信的鸿沟，这个不可念念议的履行主义鸿沟，这样数字东说念主类就会显得愈加天然。这天然是咱们的愿景，这是咱们心爱去的处所的愿景，但让我向您展示咱们现在的位置。

想象一下，畴昔的臆想机不错像东说念主类一样与咱们互动。这等于数字东说念主类令东说念主难以置信的后劲。数字东说念主类将透澈改变从客户作事到告白和游戏的各个行业。

应用手机扫描厨房，AI室内联想师就能生成相片级传神的联想建议，并采购材料和产品。咱们照旧为您生成了几种联想决议。数字东说念主类还不错成为AI客户作事代理，提供更具勾引力的互动体验，或化身数字医疗保健责任者，提供实时、个性化的照顾。他们甚而不错成为AI品牌大使，引颈营销和告白的新潮水。

生成式东说念主工智能和臆想机图形学的新突破，让数字东说念主类玩忽以东说念主类的方式看、听、意会和与咱们互动。从我看到的，您似乎正在进行某种灌音或制作。数字东说念主类的基础是基于多语言语音识别和合成的东说念主工智能模子，以及玩忽意会和生成对话的东说念主工智能模子。

AI贯串到另一个生成式AI，动态制作传神的3D面部网格动画。终末，玩忽重现传神外不雅的东说念主工智能模子杀青了实时旅途追踪和次名义散射，模拟光辉穿透皮肤、散射并在不同点离开的方式，使皮肤呈现出柔嫩和半透明的外不雅。

NVIDIA Ace是一套数字东说念主类时期，打包成易于部署、完全优化的微作事或“Nim”。开发东说念主员不错将Ace Nim集成到他们现存的框架、引擎和数字东说念主类体验中。Nemo Tron SLM和LM Nim不错意会咱们的意图并融合其他模子。Riva语音Nim用于交互式语音和翻译；音频到面部和形体动画的面部和手势Nim；以及Omniverse RTX与DLSS用于皮肤和头发的神经渲染。Nim运行在NVIDIA GDM之上，这是一个全球性的NVIDIA加速基础设施集中，为100多个地区提供低延伸的数字东说念主类处理。

咱们一直在研发AI GPU，为这一天作念好准备。原因很肤浅，咱们一直齐知说念，要创建一个新的臆想平台行状部，源流需要一个已安装的基础。最终，应用步调会随之而来。如果你不创建已安装的基础，应用步调从何而来？因此，如果你建造它，它们可能会来，但如果你不建造它，它们就一定不会来。因此，咱们安装了每个带有张量中枢处理的RTX GPU。现在，咱们在全球领有1亿个GeForce RTX AIPC。

在此次发布会上，咱们展示了4款令东说念主惊奇的新札记本电脑。它们齐玩忽运行AI。你畴昔的札记本电脑，你畴昔的电脑齐将融入AI。它会不休地匡助你，在后台协助你。PC还将运行由AI增强的应用步调。天然，你通盘的相片裁剪、写稿和器具，以及你使用的通盘东西齐将通过AI得到增强。你的电脑也将托管带罕有字东说念主类的应用步调。

AI将以不同的方式在个东说念主电脑上呈现和使用，但个东说念主电脑将成为一个特别关键的AI平台。那么咱们从这里走向那儿呢？我之前谈到了咱们数据中心的扩展。每一次扩展，当咱们从DGX扩展到大型AI超等臆想机时，咱们发现了一个新的拐点，咱们让Transformer玩忽在特别大的数据集上进行锻练。

嗯，一启动发生的事情是，数据是由东说念主类监督的。需要东说念主工象征来锻练东说念主工智能系统。不幸的是，东说念主类标签的数目是有限的。Transformers使无监督学习成为可能。现在，Transformers只需巡视多量数据或巡视多量视频，或巡视更多量的图像，它们不错从计算多量数据中学习，找到模式和相关自己。

天然下一代AI需要基于物理，但今天大多数AI齐不睬解物理定律。它不是植根于物理全国，无法生成图像、视频、3D图形和许多物理征象。咱们需要基于物理并意会物理定律的AI。天然，从视频中学习是一个来源。另一种方式是合成数据、模拟数据，另一种方式是使用臆想机相互学习。这与使用AlphaGo莫得什么不同，让AlphaGo我方玩我方的游戏，在这两种才略之间，将相通的才略相互玩很长一段时候，它们变得愈加颖异。

你启动看到这种类型的AI崛起，如果任何数据齐是合成生成并使用强化学习，那么数据生成速率将连接提高是合理的。每一次数据生成的增长，咱们所提供的臆想量也需要随之增长。咱们行将进入一个阶段，在这里，AI不错学习物理和意会定律，并以物理全国的数据为基础，因此咱们预计模子将连接增长，咱们需要更大的GPU。Blackwell等于为这一代东说念主联想的。

这是Blackwell，领有几项特别关键的时期。天然，这只是芯片的大小。咱们拿了两个最大的芯片，一个是TSMC所能作念到的最大的芯片，咱们将其中两个贯串在一齐，每个第二个要领10TB，将全国上来源进的GPU贯串在一齐。将这两个贯串在一齐，然后咱们将其中两个放在一个臆想机节点上，用一个Grace CPU贯串它。

在锻练情况下，Grace CPU不错用于几件事情。它不错使用，它不错用于快速查验点和在推理和生成的情况下重新启动。它不错用于存储高下文记念，以便AI具有记念并意会咱们想要的对话的高下文。这是咱们的第二代Transformer引擎。Transformer引擎允许咱们凭据该臆想层所需的精度和范围动态妥贴较低的精度。这是咱们的第二代GPU，具有安全的AI，因此您不错条件作事提供商保护您的AI免遭窃取、盗窃或批改。这是咱们的第五代NVLink。

NVLink允许咱们将多个GPU贯串在一齐。这亦然咱们第一代具有可靠性和可用性引擎的产品。这个RAS系统，允许咱们测试每一个晶体管片上存储器触发器、片外存储器，这样咱们就不错在现场详情某个芯片是否莫得MTBF。与此同期，一台领有10000个GPU的超等臆想机发生故障之间的拒绝是以小时为单元测量的。超等臆想机故障之间的时候拒绝是100000个GPU的拒绝。它以分钟为单元测量。

如果咱们不发明时期来增强其可靠性，超等臆想机玩忽经久运行并锻练可能赓续数月的模子的才略本体上是不可能的。可靠性天然会加多平方运行时候，这顺利影响资本。终末，减压。引擎数据处理是咱们必须作念的最关键的事情之一。咱们添加了数据压缩引擎解压缩引擎，以便咱们不错以比今天更快的速率20倍的速率从存储中索要数据。

通盘这些齐代表了Blackwell。咱们在GTC期间展示了Blackwell的原型。这是全国上有史以来最复杂、最高性能的臆想机。这是灰色的CPU。这些是Blackwell模具，其中两个贯串在一齐。

这是全国上最大的芯片。咱们用10TB/s的NVLink将两个GPU贯串在一齐。这使得Blackwell臆想机的性能令东说念主难以置信。咱们在八年内将臆想量和东说念主工智能模子范围提高了一千倍。咱们通过臆想才略的擢升缩短了能耗。用于锻练GPT-4的2万亿参数、8万亿token，能耗着落了350倍。以前用Pascal架构需要1000吉瓦时，这意味着需要一个千兆瓦的数据中心。全国上莫得千兆瓦的数据中心，即使有，锻练也需要一个月的时候。

这等于为什么仅在八年前，咱们通过不休提高性能和能效来杀青ChatGPT这样的大型语言模子。如果一台超等臆想机有1万个GPU，平均无故障时候是1万小时。但现在是用分钟来权衡的，是以一台超等臆想隐私玩忽运行很长一段时候，才调经久锻练一个模子。这就条件咱们的时期特别可靠，不可中断运行。赓续运行需要破耗许多时候和资产。是以咱们加入了数据压缩妥协压缩引擎，让数据造访速率提高20倍。

这等于Blackwell，咱们这里有一个照旧在分娩中的Blackwell。在GDC，我给大家看了Blackwell的原型。这等于咱们负责分娩的Blackwell，里面有最顶端的时期。这是咱们本体分娩的版块，不错说是功能和性能最坚决的芯片。这是咱们的CPU。每个裸晶包含两个GPU，这不错说是全国上咱们不错分娩出来的最大的芯片。它两个串联起来的时候，贯串的速率是10TB/s。Blackwell电脑的性能特别坚决。

这是一个DGX Blackwell，气冷式，里面有八个这样的GPU。望望这些GPU上的散热片大小。大致15千瓦，完全气冷式。这个版块相沿x86，况兼进入了咱们一直在输送的Hopper基础设施。但是，如果您想要液体冷却，咱们有一个新系统。这个新系统基于模块化的MGX。这是两个Blackwell板。是以这个节点有四个Blackwell芯片，这是一个两层的系统。九个这样的节点加在一齐，悉数有72个GPU，用新的NVLink贯串在一齐。这是咱们的NVLink交换器，是咱们第五代NVLink产品。NVLink交换器不错说是科技上的一种名胜，它的数据传输速率确实太快了。

如果把通盘Blackwell芯片串联在一齐，就不错有一个72个GPU的Blackwell系统。这样作念的克己是，在每个GPU的领域中，看起来就像一个GPU，但本体上有72个。与上一代比拟，数目是9倍，带宽是18倍，浮点运算才略是45倍，但功耗只消10倍。这是一个100千瓦的系统，之前是10千瓦。天然你不错把更多的芯片串联在一齐。为什么说NVLink芯片是一个科技上的名胜呢？因为NVLink把通盘芯片串联在一齐，大型语言模子不可只消一个节点，不可只消一个GPU。咱们必须把通盘机架里头通盘的GPU全部齐贯串在一齐，这样才调有一个不错处理十兆参数以上的大型语言模子。它有500亿个晶体管，72个端口，4个NVLink，每秒速率是1.8TB。

这等于咱们现在的DGX。许多东说念主齐在问咱们，NVIDIA到底是作念什么的，为什么单凭GPU就能变得这样大？这等于GPU，这不错说是全国上来源进的GPU，不外这是打电话用的GPU。我傍边的这个亦然一个GPU，诸君女士，诸君先生，这等于咱们的DGX，GPU跟往日照旧不止天渊了。

这个GPU的后头等于NVLink所构成的一个背板。这个背板当中有5000条线，加起来有两英里这样长。这等于咱们所谓的NVLink背板，不错贯串72个GPU。把70个GPU贯串在一齐，这不错说是在电机学上头的一种名胜。它通过铜线让NVLink交换器，透过背板当中的铜线，让咱们一个机架不错省俭20千瓦。咱们不错把省俭下来的20千瓦用来进行数据处理，这等于NVLink背板。

咱们要打造AI工场，是以咱们必须要有更高速的集中时期。咱们有两种InfiniBand。第一种InfiniBand用在AI工场和超等电脑当中，而且它成长的速率特别的快。关联词并不是每个贵府中心齐不错用InfiniBand，因为他们以前照旧弃取了以太集中了。本体上，治理InfiniBand是需要一些罕见的时期。因此咱们就把InfiniBand的一些功能，放到以太集中的架构当中。这其实特别的繁重，为什么呢？

道理很肤浅。以太集中当初联想的时候，它是针对平均传输量比较高的系统。每个电脑、每个节点齐是贯串到一个不同的东说念主，大部分是贵府中心跟另外一端的东说念主在进行疏通。关联词AI工场当中的深度学习系统GPU并不是跟东说念主来作念疏通。GPU是他们相互之间在作念疏通，因为他们在采集数据，也等于把产品的部分数据采集起来，然后进行缩减，然后再重新的来进行分拨。是以要点不是平均的传输量，而是终末一个领受到信息的阿谁GPU。

因为你是从每个东说念主那边去采集一些贵府，看谁的速率最慢。这个系统的速率就决定于哪一个东说念主给贵府的时候速率最慢。阿谁东说念主就决定了这样的一个速率。往日以太集中是办不到的，是以咱们必须要有端到端的架构。这当中有四个不同的时期。NVIDIA有全国上来源进的NVLink和RDMA。

RDMA是专门针对以太集中所作念的联想。除此以外，咱们还有拥塞遣散系统，它很快的在处理这些参数的数值。每次假如有任何GPU送出太多的贵府，咱们就叫他们慢极少，这样才不会产生瓶颈。第三个等于自妥贴路由，以太集中必须要传送和领受贵府的时候，必须要按王法来。假如咱们看到有任何端口莫得使用，或者是有塞车的情形，咱们就把这个信息送到莫得使用的端口，这样咱们就不错把责任的王法重新安排好。

还有一个很关键，等于流量阻难。因为咱们在锻练的模组不止一个，是以贵府中心里头一定齐会有一些其他流量。一朝进入咱们的责任经过当中，就会产生杂音。这样就会影响数据传递的速率，就会使锻练的速率变慢。咱们照旧打造了一个50亿或者30亿好意思金造价的贵府中心来作念锻练。假如集中的应用率缩短40%，培训时候延长了20%，那么50亿好意思元的数据中心本体上破耗了60亿好意思元。因此资本影响相称大。

使用Spectrum-X以太网基本上允许咱们大大提高性能，因此集中基本上是免费的。是以这确实是一个相称大的成就。咱们特别，咱们领有圆善的以太网产品管说念。这是Spectrum-X 800，它是51.2 Tb每秒和256个端口。

接下来行将到来的是512端口的Spectrum-X，即一年之后的Spectrum-X 800 Ultra。之后的阿谁是X 1600。关键的是，X 800是为千千万万个GPU联想的，X 800 Ultra亦然为千千万万个GPU联想的，而X 1600是为数百万个GPU而联想的。数百万GPU数据中心的日子行将到来。

原因很肤浅。当咱们但愿锻练更大的模子时，在畴昔，险些你与互联网或臆想机的每次互动齐可能在云表运行生成式AI。生成式AI正在与你合作，与你互动，生成视频、图像或文本，或者可能是数字东说念主。因此，你险些一直在与臆想机进行交互，况兼老是有一个生成式AI与之衔接。有些在土产货，有些在你的拓荒上，其中许多可能在云表。

这些生成式AI还将具有多量的推理才略，而不单是是一次性谜底，它们可能会对谜底进行迭代，以便在将谜底提供给您之前提高谜底的质料。因此，畴昔咱们将要处理的生成内容的数目将犀利凡的。

让咱们现在来望望今晚通盘这些，这是咱们的第一个夜间主题演讲。你不可在早上的主题演讲中这样作念。我觉得这种基调作风在Computex中从未作念过，可能是终末一次。只消媒体才调作念到这极少，只消我能作念到。天然，Blackwell是最初推出的第一代媒体平台。

正如全国所知，生成式AI时间照旧到来。正如全国表露到AI工场的关键性一样，正如这场新工业改进的启动。咱们有如斯多的相沿者，险些每个OEM、每个臆想机制造商、每个CSP、每个GPU云、主权云，甚而电信公司，全国各地的企业，凯旋的数目，弃取率，对Blackwell的怜惜进度齐特别令东说念主感奋。我想为此感谢大家。

咱们不会留步于此。在这个令东说念主难以置信的增万古期，咱们但愿确保连接提高性能，连接缩短资本，包括培训资本、推理资本，并连接扩展AI才略，以使每家公司齐能承袭。咱们走的越远，性能越强，资本着落就越大。天然，Hopper平台可能是历史上最凯旋的数据中心处理器。这只是一个令东说念主难以置信的凯旋故事。

然而，Blackwell就在这里，正如你所珍视到的，每个平台齐有几件事情。你有CPU，有GPU，有NVLink，有NIC，还有这个交换器。NVLink交换器会把通盘的GPU贯串在一齐，把它变成一个最大的领域。咱们因此不错用特别高速的交换器。但其实它是一通盘平台，咱们打造一通盘平台，咱们把整平台整合成一个AI工场的超等电脑，咱们再把它分散，让全全国齐不错使用。

在座诸君齐有才略去创造特别好奇、特别有创意的一个建树配置，不错用不同的作风，不同的数据中心，不同的主顾。你们不错在不同的处所，不同的边缘，甚而是有一些是电商等等。是以咱们尽量让它有弹性，让大家不错有最有创意的方式来进行建构。

对于Blackwell平台，咱们公司按照一年一个的节律推出。咱们的基本理念特别肤浅，咱们要缔造通盘数据中心，再将它认识，并以一年的节律部分卖给用户。咱们将一切推向时期极限。不管是什么TSMC工艺，时期齐会把它推向统统极限，不管是什么封装时期，齐将它推向统统极限，不管是什么存储时期，齐将它推向统统极限，不管是集中时期，光学时期，一切齐将被推向极限。

然后在那之后，以这样的方式作念通盘事情，以便咱们通盘的软件齐能在通盘安装的基础上运行。软件惯性是臆想机中最关键的事情。当臆想机向后兼容况兼在架构上与照旧创建的通盘软件兼容时，您进入市集的才略将更快。因此，当咱们不错应用通盘软件安装基础时，速率是令东说念主难以置信的。这等于咱们在Blackwell在场时所创造的一切。

未来咱们将推出Blackwell Ultra，就像咱们有H-100和H-200一样，你可能会看到咱们的一些特别令东说念主感奋的新一代，Blackwell Ultra再次挑战极限，推出我提到的下一代Spectrum交换器。

下一个是咱们的另一个开发平台，代号Rubin。我不会用太万古候先容Rubin，大家深信会拍照来看细节内容。咱们有了Rubin平台，一年后咱们会有Rubin Ultra平台。到时候通盘的产品齐将会百分百兼容。

往日的12年里，从ImageNet让咱们表露到臆想的畴昔将发生根人性变化，到今天，就像2012年之前的早期GeForce和今天的NVIDIA一样，这家公司照实发生了雄伟的变化。我要感谢通盘在这里相沿咱们每一步的合作伙伴。

接下来，我想谈谈下一波AI海浪——物理AI，即意会物理定律的AI。AI不错在咱们之间责任，因此它们必须意会全国模子，以便解释和感知全国。天然，它们还必须具备出色的默契才略，这样才调意会咱们的条件，并在畴昔践诺任务。

机器东说念主时期是一个更广漠的想法。当我说机器东说念主时，经常指东说念主形机器东说念主，但事实并非如斯。通盘的工场齐将是机器东说念主职工，工场将安排机器东说念主责任，这些机器东说念主将建造机器东说念主产品，并与机器东说念主互动。为了杀青这极少，咱们需要取得一些突破。

总有一天，通盘移动的东西齐将是自主的。全国各地的计算东说念主员和公司正在开发由物理东说念主工智能驱动的机器东说念主。物理AI是玩忽意会指示的模子，一个自主机器东说念主在履行全国中践诺复杂的任务。多模态大型语言模子是使机器东说念主玩忽学习、感知和意会周围全国，并赓续突破、规划若何步履的要道。

机器东说念主现在不错学习使用粗略和缜密的领悟手段与全国互动。鼓励机器东说念主时期的一项关键时期是强化学习，就像大型语言模子需要从东说念主类反馈中获取RLHF（Reinforcement Learning from Human Feedback，即基于东说念主类反馈的强化学习）来学习特定手段一样，物理AI不错应用模拟全国中的物理反馈强化学习来学习手段。这些模拟环境是机器东说念主通过在遵命物理定律的造谣全国中践诺步履来学习决策的处所。机器东说念主不错学习复杂而安全的日常任务，并通过数百万次的尝试和步履来完善他们的手段。

在操作系统上，典型的AI模拟并重新创建。这是一种发展吗？全国模拟相干了实时、基于Omniverse的物理模拟和生成式AI时期。机器东说念主不错学习若何成为机器东说念主，他们学习若何自主左右物体，例如抓取和处理物体，或自主导航环境，在躲避羁系物的同期找到最好旅途。在Omniverse中学习，将模拟与履行的差距最小化，最大化学习步履的移动。

建造具有这种才略的机器东说念主需要三台英伟达AI超等臆想机来锻练模子。因此，咱们推出了NVIDIA Omniverse，让机器东说念主不错学习和完善他们的手段。咱们构建开发东说念主员和公司所需的平台、加速库和AI模子，并允许他们使用。对他们来说，这等于下一波东说念主工智能机器东说念主的海浪，东说念主工智能的时间和工业改进。

咱们有几种方式来作事市集。源流，咱们将为每种类型的机器东说念主系统创建平台，一个用于机器东说念主工场和仓库，一个用于左右事物的机器东说念主，一个用于移动的机器东说念主，一个用于东说念主形机器东说念主。这些机器东说念主平台包括臆想机加速库和预锻练模子，咱们测试一切，锻练一切，整合一切。

这里是机器东说念主学习若何成为机器东说念主的处所。天然，现在机器东说念主仓库的生态系统确实特别复杂。需要许多公司、许多器具、许多时期来建造一个当代化的仓库。仓库越来越趋向自动化，直到某一天将会完全自动化。因此，在每个生态系统中，咱们齐有SDKs和APIs贯串到软件行业，SDKs和APIs贯串到边缘AI行业和公司。天然，还有为PLC联想的系统和用于ODM的机器东说念主系统。然后由集成商集成，最终为客户缔造仓库。

工场领有完全不同的生态系统，富士康正在建造一些全国上来源进的工场。他们的生态系统包括用于联想工场、责任经过、为机器东说念主编程的边缘臆想机和机器东说念主软件，天然还有融合数字工场和东说念主工智能工场的PLC臆想机。咱们也有贯串到每个生态系统的SDKs。这正在各地发生。富士康照旧缔造了他们工场的数字孪生，Delta也正在缔造他们工场的数字孪生。

Pigatron正在缔造他们的机器东说念主工场的数字孪生，Wistron也正在缔造他们的机器东说念主工场的数字孪生。这确实很酷。让咱们来看一看富士康新工场的视频。跟着全国将传统数据中心当代化为生成式AI工场，对英伟达加速臆想的需求正在飙升。富士康，全国上最大的电子产品制造商，正准备通过使用英伟达Omniverse构建机器东说念主工场来得志这一需求。

霓虹灯工场贪图东说念主员使用Omniverse来整合来自最初行业应用步调（如西门子Teamcenter）的设施和拓荒数据，这些数据在数字孪生中得到充分应用。他们优化了地板布局和知道配置，并找到最好的录像头遗弃位置，以使用英伟达Metropolis的视觉AI监控畴昔的运营。造谣集成为贪图东说念主员省俭了施工期间物理变更单的雄伟资本。富士康团队使用数字孪生看成真相的来源，以疏通和考据准确的拓荒布局。

Omniverse数字孪生亦然机器东说念主锻练馆，在这里，富士康开发东说念主员培训和测试Nvidia Isaac AI应用步调，用于机器东说念主感知和操作，以及Metropolis AI应用步调，用于Omniverse中的传感器交融。富士康在将运行时部署到安装线上的Judson臆想机之前，模拟了2个机器东说念主AI。他们模拟了用于物体识别、颓势检测和轨迹贪图的自动光学检测的Isaac机械手库和AI模子。

为了周折到测试机器东说念主，他们模拟Isaac感知器驱动的Farab AMR，他们通过3D映射和重建感知并在环境中移动。富士康建造了他们的机器东说念主工场，这些工场融合运行在Nvidia Isaac上的机器东说念主，以构建视频AI 2臆想机，从而遣散起重机Vox。是以一个机器东说念主工场联想有三台臆想机：在Nvidia AI上锻练AI，让机器东说念主在PLC系统上运行，以融合工场，然后，天然，你在Omniverse中模拟一切。

机械手臂和机器东说念主的AMRs亦然一样的，三个臆想机系统，不同之处在于两个Omniverse将会相干在一齐。是以这些分享一个造谣空间。当他们分享一个造谣空间时，这个机械手臂将进入机器东说念主工场。再一次，三台臆想机，咱们为臆想机提供加速层和预锻练的AI模子。咱们照旧将Nvidia的机械手和Nvidia Omniverse与全国最初的工业自动化软件和系统公司西门子贯串起来。这确实是一个特别棒的合作相关。

他们辞全国各地的工场责任。语义拾取AI现在集成了Isaac机械手和语义拾取AI运行，操作ABB、KUKA、Yaskawa、FANUC、Universal Robots和Techman。咱们还有各种其他的集成，例如，Arcbest正在将Isaac感知器集成到Foxx智能自主机器东说念主中，以增强物体识别和东说念主类领悟追踪。电子产品的领悟追踪和材料处理正在将Isaac左右器和感知器集成到他们的东说念主工智能机器东说念主中，以提高全球制造效用。

Idealworks正在将Isaac感知器构建到他们的iWMS软件中，用于工场物流内在的AI机器东说念主。Kivnon正在整合Isaac感知器，以鼓励AI驱动的领悟，以鼓励AI启用的物流。Argo机器东说念主正在将Isaac感知器应用于基于高档视觉的感知引擎中。Solomon在他们的AcuPick中使用Isaac左右器AI模子。

Tattile机器东说念主正在将Isaac Sim和机械手引入TMF Web加速自动光学检测。Teradyne机器东说念主正在将Isaac机械手集成到互助机器东说念主的PolyScope X中，并将Isaac感知器集成到MiR AMRs中。Mech-Mind正在将Isaac操作器集成到Mech-Eye工业3D相机中，用于AI操作机器东说念主。

机器东说念主来了，物理AI在这里。这不是科幻演义，它正在各地使用，确实特别令东说念主感奋。那等于工场，里面的机器东说念主，通盘的产品齐将是机器东说念主。

其中之一是自动驾驶汽车或具有多量自主才略的汽车。英伟达再次构建通盘堆栈。来岁，咱们将与飞奔车队一齐参加分娩。之后，在2026年，咱们向全全国提供圆善的JLR舰队堆栈。但是，接待您取用咱们堆栈的任何部分或任何层，就像通盘驱动器堆栈绽放一样。下一个多数目机器东说念主产品将由机器东说念主工场制造，里面有机器东说念主，可能是东说念主形机器东说念主。

频年来，由于基础模子的出现，这在默契的才略和咱们正在开发的全国意会才略方面齐有了很大的跨越。我对这个领域感到特别感奋，最容易妥贴这个全国的机器东说念主是东说念主类机器东说念主，因为咱们为咱们建造了这个全国。咱们还需要比其他类型的机器东说念主更多量的数据来锻练这些机器东说念主，因为咱们领有相通的生理学。锻练数据，咱们不错通过演示功能和视频功能提供，这将犀利常棒的。

因此，咱们将在这个领域看到许多进展。事实解释新闻发布，这项时期与现在照旧构建的通盘其他臆想机的构建时期特别相似。是以这对咱们来说将是一段特别越过的旅程。