本次演讲于2025年10月28日举行，聚焦“美国创新引领全球技术革命”，从历史维度、技术底层、产品落地、生态协同四大层面，全面拆解NVIDIA在加速计算、AI、6G、量子计算、机器人等领域的技术细节、商业布局及战略意义，核心贯穿“硬件-软件-生态-制造”的全链条协同，凸显美国重掌科技主导权的目标。

一、开篇：美国创新史与新一轮技术革命的起点

演讲以“美国是创新的沃土”为核心叙事，通过回顾六大关键科技里程碑，奠定“每一代技术革命美国均为引领者”的基调，进而引出当前AI与加速计算革命的历史定位：

1. 半导体起点：贝尔实验室发明晶体管，直接催生半导体时代，为硅谷崛起奠定基础；
2. 无线通信先驱：海蒂·拉玛（Hetty Lamar）重构通信原理，为现代无线 connectivity（如蓝牙、WiFi）铺路；
3. 工业计算机化：IBM System 360推出“通用计算机”，将计算能力嵌入工业核心，成为企业数字化的起点；
4. 数字时代引擎：英特尔微处理器（CPU）突破计算性能瓶颈，推动个人电脑与数字经济普及；
5. 互联网基石：美国DARPA（国防高级研究计划局）研究员Bill Duvall等人连接首批计算机，构建互联网雏形；
6. 消费科技革命：苹果先后推出iPod（“口袋里装1000首歌”）、iPhone（“掌上互联网”），微软则通过Windows系统打开软件生态，定义PC时代。

黄仁勋强调，当前正处于第七次技术革命的开端--由“加速计算与AI”驱动，其重要性堪比晶体管、互联网的发明，且NVIDIA正以“最快速度”推动这场革命。他明确：“这不是简单的技术升级，而是计算模型的根本性变革，将重塑所有行业的生产力逻辑。”

二、技术底层：加速计算的“三位一体”核心（GPU+CUDA+专用库）

黄仁勋反复强调：“加速计算的核心不是GPU硬件，而是‘硬件-编程模型-专用库’的深度协同”，这一体系是NVIDIA历经30年构建的“不可复制的生态壁垒”，具体拆解如下：

1. 加速计算的诞生背景：突破摩尔定律与登纳德缩放的极限

• 摩尔定律放缓：晶体管数量仍在增长（如TSMC先进制程可集成数百亿晶体管），但性能与功耗提升已停滞--登纳德缩放定律（“晶体管尺寸缩小，性能提升、功耗降低”）近十年已失效，传统CPU无法满足AI、科学模拟等场景的“巨量并行计算”需求；
• 加速计算的解决方案：通过“CPU（负责串行逻辑）+GPU（负责并行计算）”的架构分工，结合“为特定场景优化的软件”，将计算能力从“线性提升”转为“指数级突破”。例如，AI训练需处理数十亿参数，GPU的并行核心可同时计算数千个数据点，而CPU串行处理需耗时数年。

2. CUDA编程模型：生态粘性的“压舱石”

• 兼容性与迭代：CUDA已迭代至第13代，即将发布CUDA 14，支持全球数亿台GPU（涵盖数据中心、工作站、消费级显卡），开发者编写的代码可“一次开发，多代GPU兼容”，无需重复适配；
• 开发者生态：全球数百万开发者基于CUDA构建应用，形成“应用越多→GPU需求越大→开发者越多→应用更丰富”的良性循环，这是AMD、Intel等竞品难以突破的核心壁垒。黄仁勋直言：“如果没有CUDA的长期兼容，开发者不会选择GPU平台，加速计算也无法落地。”

3. 350+专用库：解决“行业痛点”的“武器库”

专用库是“将CPU软件重构为GPU高效代码”的关键，覆盖半导体、AI、医疗、科学计算、量子等全领域，每个库均针对特定场景耗时数年研发，部分核心库的细节与应用如下：

演讲中特别展示了cuDAMANI模拟库的效果：通过数学模型实时生成“无动画、无艺术渲染”的物理场景--包括机器人组装GB 300芯片模块、自动驾驶汽车在暴雨中识别障碍物、工厂流水线的物料运输，所有场景均基于物理定律（如重力、摩擦力）计算，体现“计算机科学与数学的结合”。黄仁勋指出：“这不是特效，而是真实的物理仿真，可直接用于工厂预演、机器人训练，无需搭建物理原型。”

三、重点领域突破：产品、技术细节与合作伙伴

1. 6G通信：重构美国电信技术主导权（联合诺基亚）

（1）背景：美国通信产业的“技术焦虑”

当前全球无线通信技术（如5G基站、芯片）多基于欧洲（爱立信、诺基亚）或亚洲（华为、三星）标准，美国本土电信基础设施面临“核心技术依赖国外”的问题，且6G作为“万物互联的基础”（支持空天地一体化、通感一体），主导权争夺关乎国家安全与产业竞争力。

（2）核心产品：NVIDIA Arc（Aerial Radio Network Computer）

Arc是全球首个“为6G设计的软件定义无线AI计算机”，硬件与软件深度协同：

• 硬件架构：
  • 处理器：Grace CPU（专为低功耗、高并发设计，适合基站边缘计算）+ Blackwell GPU（提供AI算力，实时处理无线信号）；
  • 网络芯片：ConnectX-8（支持100Gbps以太网，低延迟传输无线数据）；
  • 集成方式：采用“芯片-晶圆-基板”（CoWoS）先进封装，体积仅为传统基站计算单元的1/3，可直接嵌入现有基站。
• 软件核心：cuDX Aerial库：
  • 功能1：AI for RAN（AI优化无线接入网）--通过强化学习实时调整“波束成形”（无线信号的方向与强度），结合环境因素（天气、用户移动速度、周边基站负载）优化频谱效率，减少1.5%-2%的全球电力消耗（当前无线通信占全球电力的1.5%-2%）；
  • 功能2：AI on RAN（AI部署于无线接入网）--在基站部署“边缘云”，将云计算能力延伸至无数据中心的区域（如农村、工厂车间），支持工业机器人实时联网、自动驾驶汽车低延迟通信（延迟<1ms），相当于“在电信网络上重建AWS级云服务”。

（3）合作落地：与诺基亚的“强强联合”

诺基亚是全球第二大电信设备商，拥有7000项5G核心专利，全球超30%的5G基站由其提供。双方合作的核心价值的：

• 兼容性：Arc可直接升级诺基亚现有数百万个5G基站，无需更换硬件，降低运营商升级成本；
• 标准主导：共同推动“6G=AI+软件定义”的技术标准，力争让美国重新成为6G标准的核心制定者；
• 商业化时间表：2026年启动Arc的小规模部署，2028年实现全球6G基站的规模化落地。

2. 量子计算：NVLink架构连接“量子-经典”混合计算

（1）量子计算的核心痛点：量子比特的“脆弱性”

1981年，物理学家理查德·费曼（Richard Feynman）提出“量子计算机可直接模拟自然”（因自然本质是量子态），但40年来面临两大难题：

• 量子比特（Qubit）失相干：量子比特基于微观粒子（如超导电路、离子）构建，易受温度、振动、电磁干扰影响，“稳定时间仅数百次操作”，而解决有意义的科学问题（如材料研发、药物设计）需“数万亿次操作”；
• 量子纠错需求：需用“10-数百个物理量子比特”支撑“1个逻辑量子比特”（通过冗余设计检测并修正错误），导致量子计算机的“实际算力”远低于理论值，且需大量经典计算资源（CPU/GPU）处理纠错数据。

（2）NVIDIA的解决方案：NVLink量子互联架构

NVLink是“连接量子处理器（QPU）与GPU的专用互联技术”，解决“量子-经典数据传输慢、协同难”的问题：

• 技术参数：每秒可传输TB级数据，传输延迟<1微秒，满足量子纠错“实时反馈”的需求（量子比特错误需在微秒级时间内修正，否则会扩散）；
• 功能覆盖：

1. 量子纠错：GPU实时读取量子比特的“错误信号”（通过辅助量子比特），计算错误位置并反馈给QPU，完成修正；
2. 混合仿真：GPU模拟“量子态演化”，辅助QPU验证算法（如量子化学模拟），减少QPU的物理损耗；
3. 规模扩展：支持“从当前数百个量子比特到未来数十万量子比特”的扩展，无需重构互联架构。

（3）生态合作：17家量子企业+8家DOE实验室

• 量子企业：IBM Quantum、Quantinuum、Rigetti等17家全球顶级量子公司采用NVLink，将其作为“量子-经典协同”的标准互联技术；
• 美国能源部（DOE）实验室：伯克利、Brookhaven、费米（芝加哥）、林肯、洛斯阿拉莫斯、橡树岭、太平洋西北、圣地亚哥LANL等8家实验室，将NVLink用于“量子科学研究”（如模拟核聚变、新型电池材料）；
• 额外合作：DOE与NVIDIA联合建造7台AI超级计算机，将量子计算与AI结合，推动“量子辅助科学发现”，确保美国在量子领域的领先地位。

3. AI：从“聊天机器人”到“100万亿美元经济的引擎”

黄仁勋打破“AI=ChatGPT”的片面认知，从“计算栈重构、生产力本质、AI工厂、商业成果”四个维度，全面解读AI的价值：

（1）AI重构计算栈：从“手工编码”到“数据驱动”

传统计算栈以“CPU+操作系统（Windows/Linux）+工具软件（Excel/Word）”为核心，而AI计算栈完全革新，每一层均为“AI优化”：

黄仁勋特别强调Token的“通用性”：“Token是AI的‘语言’，只要能被Token化的事物，AI就能学习其规律--Token化蛋白质，AI可设计新药；Token化机器人运动，AI可训练机器人操作；Token化工厂流程，AI可优化生产效率。”

（2）AI的生产力本质：从“工具”到“工作者”

• 传统工具软件（Excel/Word）：用户需主动操作（如用Excel计算数据），属于“被动工具”，全球工具软件市场规模约1万亿美元；
• AI：可“主动使用工具、完成工作”，属于“主动工作者”，例如：
• Perplexity AI：用浏览器自动搜索信息、预订机票、购物，无需用户手动操作；
• NVIDIA Cursor：AI代码助手，每个软件工程师使用后“ productivity提升3倍以上”，Cursor通过“调用VS Code工具”生成代码、调试错误；
• AI chauffeur（自动驾驶）：用汽车作为“工具”，自动完成驾驶、避障、导航，无需人类干预；
• 经济价值：AI可赋能“100万亿美元规模的全球实体经济”（如制造、医疗、交通、能源），解决“劳动力短缺”问题（美国当前面临数百万劳动力缺口），推动经济增长。

（3）AI工厂：应对“双指数需求”的基础设施

AI面临“两大指数级增长需求”，传统数据中心无法满足，因此NVIDIA提出“AI工厂”概念：

• 双指数需求：

1. 模型算力需求指数增长：AI的三个阶段（预训练→后训练→思考）均需巨量计算--预训练（学习通用知识，如学习所有人类文本）需百亿级参数，后训练（学习专业技能，如数学解题、代码编写）需千亿级参数，思考（实时推理，如回答用户问题、控制机器人）需万亿级Token处理；
2. 用户使用量指数增长：模型越智能，用户使用越多（如ChatGPT日活用户数亿），进一步推高算力需求；

• AI工厂的定义：与传统数据中心“通用于存储/办公/游戏”不同，AI工厂“专为生成高价值Token设计”，需满足三个核心指标：

1. 高速度：Token生成速率快，确保AI响应延迟低（如用户提问后，AI毫秒级回复）；
2. 低成本：Token生成成本低，通过“极致协同设计”降低全生命周期成本（TCO）；
3. 高可靠性：24/7不间断运行，支撑全球用户使用。

（4）极致协同设计：实现“10倍性能+10倍成本降低”

为满足AI工厂需求，NVIDIA采用“从芯片到系统、软件、模型的全栈协同设计”，核心产品为Blackwell平台：

• 硬件协同：Blackwell GPU采用“CoWoS先进封装”，将32个GPU芯片与128个HBM内存堆叠（HBM内存带宽是传统内存的10倍），构建“GB 300超级芯片”；
• 互联协同：发明NVLink 72技术，将72个GB 300超级芯片连接为“单台巨型GPU”，全互联带宽达130TB/s（相当于全球互联网峰值流量），确保GPU间数据传输无瓶颈；
• 软件协同：CUDA库与AI模型深度适配（如Megatron Core优化LLM推理），减少“算力浪费”；
• 性能与成本验证：第三方机构Semis Analysis测试显示，Blackwell平台的Grace Blackwell GPU：

1. 性能：单GPU性能是行业第二（NVIDIA H200）的10倍，可将千亿参数模型的推理延迟从“秒级”降至“毫秒级”；
2. 成本：Token生成成本是H200的1/10，成为“全球最低成本Token生成平台”，支撑AI工厂的商业化。

（5）商业成果：Blackwell的爆发式增长

• 订单规模：截至2025年10月，Blackwell及下一代Ruben平台的累计订单达5000亿美元（不含中国市场），是上一代Hopper平台全生命周期销量（400万GPU）的5倍；
• 产能与制造：Blackwell实现“美国全流程制造”：

1. 亚利桑那州：生产硅晶圆，完成200亿晶体管的光刻与蚀刻；
2. 印第安纳州：组装HBM内存堆叠（12层HBM内存，带宽1024GB/s）；
3. 德克萨斯州：完成GB 300超级芯片的封装（32个Blackwell芯片+128个HBM堆叠）与整机组装；

• 发货数据：2025年已发货600万个Blackwell模块（每个模块含2个GPU），剩余订单将在2025年第四季度至2026年完成交付，供应链合作伙伴（TSMC、三星、Foxconn等）全力保障产能。

  原创文章，更多科技、AI提示词使用技巧等内容请使用微信橙市播客小程序
  原文链接：https://csbk.dcsnet.cn/archives/739.html

  4. 物理AI与机器人：从“数字孪生”到“实体智能”

  物理AI是“理解物理世界规律（力学、因果性、 permanence）的AI”，需“训练-仿真-操作”三大计算机协同，落地于机器人、自动驾驶、工业制造等场景：

（1）物理AI的三大计算机

（2）关键合作伙伴与应用案例

• 工业制造：Foxconn德州机器人工厂：

  • 数字孪生设计：用Siemens数字孪生工具（基于Omniverse）构建虚拟工厂，验证机械、电气、管道系统的兼容性，优化生产线布局（如减少物料运输距离）；
  • 机器人训练：在Isaac Sim中训练机器人，模拟“组装GB 300芯片托盘”“安装母线”等操作，优化机器人运动路径，避免物理碰撞；
  • 实时监控：用Omniverse Vision（基于Metropolis AI框架）监控工厂，AI agents实时检测“机器人异常、工人安全违规、产品质量缺陷”，并预警工程师；
  • 员工培训：AI教练（基于Cosmos框架）通过交互方式，快速培训新员工掌握机器人操作，缩短培训周期从“数月”至“数天”。

• 人形机器人：Figure、Agility、Disney：

  • Figure：成立3.5年，估值近400亿美元，与NVIDIA合作“训练+仿真+操作”全流程--用Grace Blackwell训练机器人“抓取物体、行走”，用Omniverse仿真“复杂环境（如仓库货架）”，用Jetson Thor控制实体机器人；
  • Agility：专注仓储机器人，与NVIDIA合作优化“机器人机动性”，使其能在狭窄通道中快速移动，提升仓储效率；
  • Disney Blue：迪士尼与NVIDIA联合研发“Newton模拟器”，让机器人在虚拟环境中学习“物理交互”（如握手、递物品），仿真效果“非动画，纯物理计算”，机器人动作自然、无卡顿，黄仁勋调侃：“所有人都想要一个Blue机器人。”

• 自动驾驶：Drive Hyperion平台+Uber合作：

  • Drive Hyperion：NVIDIA推出的“自动驾驶硬件+软件平台”，核心配置包括：

1. 传感器：12个环视摄像头、8个雷达、4个LiDAR（激光雷达），实现“360度无死角感知”，冗余设计确保“单一传感器故障时，系统仍安全运行”；
2. 计算硬件：Orin GPU（用于实时感知）+Blackwell GPU（用于AI决策），延迟<10ms；
3. 软件：Drive OS（自动驾驶专用操作系统）+Drive AI（感知、规划、控制算法）；

• 车企合作：已适配Lucid、奔驰、Stellantis等车企，车企可直接基于Hyperion打造“Robo Taxi（自动驾驶出租车）”，无需重复研发；

• Uber合作：Uber与NVIDIA联合构建“全球Robo Taxi网络”，未来用户可通过Uber App呼叫“Hyperion驱动的自动驾驶汽车”，预计2027年实现规模化落地，覆盖全球主要城市。

• 医疗机器人：强生手术机器人：

  • 合作内容：强生与NVIDIA合作“手术机器人的训练与控制”--用Omniverse构建“虚拟手术室”，让AI学习“微创手术操作”（如腹腔镜手术），用Jetson Thor控制机器人“高精度操作”（误差<0.1mm）；
  • 突破点：实现“完全无创手术”，无需切开皮肤，通过机器人导管完成治疗，减少患者恢复时间从“数周”至“数天”。

4. 开源模型与企业生态：美国引领开源AI

黄仁勋强调：“美国需同时引领‘专有AI（如ChatGPT）’与‘开源AI’，开源AI是初创企业的生命线，也是科技生态繁荣的关键。”NVIDIA在开源领域的布局如下：

（1）开源模型成果

• 行业地位：全球最大的开源AI模型贡献者，23个模型位列“行业性能榜单第一”，覆盖语言、物理AI、机器人、生物学四大领域；
• 具体模型：
• 语言模型：NVIDIA NeMo（支持多语言对话、文本生成，下载量超1000万次）；
• 物理AI模型：NVIDIA PhysX（模拟物理运动，用于机器人、游戏，下载量超500万次）；
• 机器人模型：NVIDIA Isaac Gym（机器人训练环境，下载量超300万次）；
• 生物学模型：NVIDIA BioNeMo（蛋白质结构预测、药物设计，下载量超200万次）；
• 价值：开源模型允许开发者“修改代码、嵌入行业数据”，例如医疗企业可基于NeMo修改“医疗术语模型”，制造企业可基于Isaac Gym训练“特定场景的机器人”。

（2）企业生态协同

NVIDIA通过“GPU+CUDA+开源模型”，与全球云厂商、企业软件商、安全厂商深度合作，确保“AI技术无缝落地全行业”：

• 云厂商合作：AWS（CEO Matt）、谷歌云（CEO Thomas）、微软Azure（CEO Satya）、甲骨文（CEO Clay）均在其云平台集成“NVIDIA GPU+CUDA+开源模型”，用户可“一键调用”AI算力，无需自建基础设施；
• 企业软件合作：
• SAP（全球80%的 commerce依赖其系统）：与NVIDIA合作整合“cuDE Ex Nemo”库，让AI优化“供应链预测、客户关系管理”；
• ServiceNow（全球85%的企业流程依赖其系统）：与NVIDIA合作打造“AI workflow”，让AI自动处理“员工报销、IT故障报修”；
• Synopsys/Cadence（半导体EDA工具商）：与NVIDIA合作加速“芯片设计”，用AI优化“电路布局、时序分析”，缩短芯片研发周期；
• 安全合作：与CrowdStrike（全球顶级 cybersecurity厂商）联合打造“光速AI安全系统”--云端AI agents实时分析全球威胁数据，边缘端AI agents（部署于企业服务器、终端）实时检测“恶意软件、网络攻击”，响应时间<1秒，比传统安全系统快100倍；
• 政府与企业决策合作：与Palantir（数据处理厂商）合作优化“数据处理速度”--Palantir的Ontology平台整合NVIDIA GPU算力，可实时处理“结构化数据（如企业财务报表）+非结构化数据（如卫星图像、政府报告）”，服务美国政府“国家安全决策”（如情报分析）与企业“商业决策”（如市场预测）。

四、总结：双平台转型与美国科技领导力的回归

演讲收尾时，黄仁勋明确当前正处于两大平台转型的叠加期，这是NVIDIA与美国科技增长的核心动力，也是“美国重新成为全球科技主导者”的关键：

1. 双平台转型：加速计算与AI的协同爆发

• 第一转型：从“通用计算（CPU）”到“加速计算（GPU）”--CUDA生态已覆盖全行业，形成“应用-硬件-开发者”的良性循环，即使无AI，全球云厂商（AWS、谷歌等）也在加速部署GPU，用于“数据处理、科学模拟”；
• 第二转型：从“手工编码软件”到“AI驱动软件”--AI从“小众技术”变为“全行业生产力工具”，AI工厂、6G、量子计算、机器人成为新增长极，推动经济从“传统增长”转为“AI驱动增长”。

2. 美国制造与创新的回归

• 本土制造：Blackwell GPU、Arc 6G平台、AI超级计算机均实现“美国全流程制造”（亚利桑那的硅晶圆、印第安纳的HBM、德克萨斯的组装），践行“美国重新工业化”战略，创造数万高端制造岗位；
• 标准主导：通过6G（与诺基亚合作）、量子计算（与DOE合作）、AI（开源模型引领），美国正重新掌握“核心技术标准”，摆脱“技术外依赖”；
• 生态协同：NVIDIA与全球数千家合作伙伴（芯片厂商、电信商、车企、医疗企业）形成“美国技术+全球落地”的格局，推动“美国创新惠及全球”。

3. 未来承诺

黄仁勋宣布：“NVIDIA将每年在华盛顿特区举办GTC大会”，持续发布技术突破，推动“美国科技领导力的长期保持”。最后，他以“美国创新精神”收尾：“从晶体管到互联网，美国每一代都引领革命；今天，加速计算与AI的革命，美国仍将引领--因为我们有创新的基因、强大的生态、坚定的制造能力。”