时间: 2025-03-20 08:23:35 | 作者: 华体会app怎么样
GTC大会自2009年起举办，英伟达的崛起也令这场盛会如虎添翼，吸引了更多人的目光。今年的GTC大会更是声势浩大，直接吸引了约2.5万人线万人在线观看直播。
大会上，英伟达发布了多项重磅技术与战略布局，涵盖新一代超级新品Blackwell Ultra GPU，下一代Rubin芯片架构、硅光互联、量子计算、算力基础设施、具身智能等领域，英伟达迫切地需要通过技术突破来巩固其在AI算力领域的领导地位。
英伟达CEO黄仁勋还是淡定的在演讲中反复重申：随着AI行业在模型训练上的整体需求放缓，再加上DeepSeek在模型推理上所做创新，AI推理时代即将到来。
大会现场，黄仁勋更是大篇幅的科普“Agentic AI” —— 他认为，Agentic AI将代替生成式AI，成为行业新的发展方向。
超级芯片始终是英伟达最重要的发布之一。也是从生成式AI发展到Agentic AI的必需品。
今年英伟达带来的Blackwell Ultra GPU 超级芯片，以一年前推出的Blackwell架构为基础，性能进行了持续提升。（此款芯片并未如此前市场传言改名为B300，而是保留了Blackwell Ultra GPU的命名）
高算力带来高功耗，Blackwell Ultra GPU 的功耗高达600W，为此，液冷散热方案慢慢的变成了这款芯片的标配，数据中心的基础设施也随之升级。
这款芯片也已进入量产阶段，英伟达预计2025年下半年出货，客户包括AWS、谷歌云等主流云厂商及算力租赁服务商。黄仁勋透露，全球前四大云服务商去年采购了超130万片Hopper架构GPU，今年或将增至360万片Blackwell架构GPU，数据中心投资将上万亿美元规模。
英伟达持续迭代芯片架构，进一步强化了AI训练与推理的效率，推动算力需求向更高密度发展，同时为AGI（通用AI）的实现提供硬件基础。
尽管今年腾空出世的DeepSeek模型让大家意识到，或许并不是特别需要顶尖的算力，也可以训练出优秀模型。
但随着AI应用的广泛拓展与布局深化，AI推理需求正被激发。因此，AI行业的头部企业纷纷在追求更大规模的模型训练。
毕竟，推理所涉及的任务更复杂，就需要生成或处理更多Token来完成规划和执行。同时随着更多用户同时访问AI，Token的数量会爆炸式增加。如何在有限时间内尽可能多的生成Token，并快速将推理结果反馈给用户，算力，似乎是这样的一个过程中的最佳选项 —— 这似乎正在传达，Scaling Law似乎并未失效，大家对算力的需求实际上还是越来越强劲了。
而计划2028年发布的下下下一代量子计算与经典AI结合的Feynman架构，也正被英伟达提上日程，后文会简单展开。
从超级新品与新架构来看，英伟达通过提升产品推理效率和降低TCO（Total Cost of Ownership，总体拥有成本），来回应市场对AI硬件供过于求的担忧，强调“杰文斯悖论” —— 成本下降将催生更多应用需求。
虽然，蒸汽机的发明使得煤炭的需求提升了100倍，云计算的降价更是推动其需求的大量增长。只是，乐观的猜测是否能代表真实的市场需求呢？
通过Blackwell Ultra和Rubin架构延续算力优势，英伟达确实正在不断重新定义AI硬件的新标准。
技术层面，英伟达Rubin Ultra架构的GPU采用台积电3nm工艺，HBM4内存带宽达13TB/s，FP4推理算力达50PetaFLOPS，并引入硅光子技术优化互联效率。
自2024以来，英伟达持续与台积电联合研发基于硅光子学的芯片原型，试图通过硅光解决传统电子芯片在数据传输速度、功耗和带宽上的瓶颈。
如通过光电集成技术，将激光器、光电二极管等光学元件与电子晶体管集成在同一晶圆上，提升芯片通信效率和解决能力。例如，台积电采用 Compact Universal Photonic Engine (COUPE) 技术，结合65nm电子集成电路（EIC）与光子集成电路（PIC），并通过SoIC-X封装技术优化集成密度。
台积电还计划在先进封装技术CoWoS的封装过程中整合 COUPE 技术，未来光连接速度预计可达6.4Tb/s，并进一步升级至12.8Tb/s，这些都将直接集成到处理器封装中。
光子传输低延迟与高带宽特性的特性，能够为高性能计算（HPC）、AI推理及无人驾驶等场景带来全新升级，很好地满足大规模AI集群的算力需求。
在今年的GTC大会上，英伟达发布了使用硅光子的百亿亿次级数据中心 Spectrum-X Photonics（基于以太网，适合兼容更广泛的企业网络）和 Quantum-X Photonics（基于InfiniBand，偏向专用计算集群）网络交换机平台，标志着硅光技术进入大规模商用阶段。
据悉，这两款硅光网络交换机新品是英伟达首次利用“光电共封装技术”（co-packaged optics, CPO）将光通信直接集成到交换机上，新的网络交换机平台将数据传输速度提高到每端口速度达1.6Tb/s，总带宽高达400Tb/s，支持数百万GPU集群的高效互联，无缝协作。例如，Quantum-X系列通过液冷系统优化散热，能效提升3.5倍，网络可靠性提高10倍。
相比传统铜缆方案，硅光交换机能够有实际效果的减少信号衰减，提升数据传输距离（如支持800G带宽），并降低30%功耗，很好地适用于生成式AI超大规模模型训练（如千亿参数级模型）、物理模拟、边缘计算等场景。
目前，英伟达已经与Coherent、富士康（Foxconn）、Lumentum等企业合作构建硅光ECO，确保光学元件稳定供应，加速AI超算集群部署。
不过，英伟达架构需联合台积电、Coherent构建生态，而光模块成本问题，也是未来的竞争焦点，这一技术能否稳健成熟发展，仍需要一些时间检验。
同时，量子计算也是英伟达布局的赛道之一。虽然英伟达对实用化量子计算机的预期较为保守（10-20年）。
NVAQC在波士顿建设，专注于量子计算架构与算法的突破，目标是通过尖端技术推动量子计算从实验室走向商业化应用。
量子计算布局为长期技术突破埋下伏笔，英伟达 NVAQC 也在联合学术界与产业界，通过生态合作巩固技术话语权。
在2025年GTC大会上，英伟达宣布将于当地时间3月20日举办首个“量子日”活动，探索量子计算应用之路。并与IonQ、D-Wave、原子计算等十余家量子科技公司，一同探讨量子硬件与算法路径及商业化路径。活动将聚焦量子计算的实际可行性、技术障碍突破，以及如何利用英伟达的GPU加速量子算法开发。
此外，英伟达还计划2028年推出结合量子计算与经典AI的Feynman架构（2028年发布），取自著名物理学家理查德・费曼（Richard Feynman），探索量子比特噪声问题及量子-经典混合计算范式。
尽管黄仁勋认为实用化量子计算机需10-20年，但英伟达还是选提前布局，确保了其在未来技术革命中的话语权。英伟达已在量子纠错算法（如表面码纠错）领域投入研发，为未来容错量子计算（FTQC）奠定基础。
在英伟达看来，通用量子算力将颠覆性创新，未来百万量子比特级的容错量子计算（FTQC）将重构AI底层架构，实现从专用到通用的跨越，成为科技竞争的核心战场。
通过英伟达的CUDA-Q平台提供开源量子编程框架，开发的人能无缝调用GPU加速的量子模拟器，并集成量子算法库（如QAOA、Shor算法）。此举不仅降低了量子计算开发门槛，更是吸引到更多开发者参与量子应用创新。
虽然英伟达通过CUDA-Q抢占标准制定权，但不得不明确的一点是，目前量子计算研究的技术成熟度还是很低。
GTC大会上，英伟达发布全球首款开源通用人形机器人基础模型Isaac GR00T N1，支持开发者快速构建具身智能应用，结合物理引擎Newton强化触觉反馈与场景仿真能力。
英伟达旗下辅助生成机器人训练数据的物理世界模型Cosmos 以及3D实时仿真平台Omniverse，也是英伟达在机器人领域的核心产品。开源模型不仅降低了机器人开发门槛，更是加速着具身智能商业化进程。
英伟达已经与迪士尼、谷歌DeepMind展开合作，推动机器人技术在工业自动化、服务等场景的落地。
在无人驾驶方面，英伟达也与通用汽车合作构建端到端自动驾驶系统，通过NVAIE平台实现数据闭环，提升算法训练效率。
量子计算与具身智能的投入，代表着英伟达的长期战略布局，这些都在为英伟达的未来十年技术竞争，奠定基础。
在中国DeepSeek等竞争对手崛起、AI数据中心资本支出放缓、大客户纷纷自研芯片等挑战下，此次GTC 大会被视为英伟达在当前竞争非常激烈的AI市场中捍卫其主导地位的关键时刻。
英伟达通过明确的产品路线图与技术突破，重申其在AI革命中的核心地位。黄仁勋演讲能否提振股价成焦点，但现实并不如意，市场并未如部分投资者期待的那样反转，黄仁勋的演讲也未可提供足够的乐观信息以维持英伟达股价的倾颓之势：
在GTC 大会演讲之前，英伟达的股价约为每股 118 美元，盘中下跌约 1.5%。
演讲结束后，英伟达股价收盘跌超3.4%，报115.43美元/股，盘后继续下跌0.56%。
虽然在经历了2025年开年以来近10%的股价下跌后，英伟达股票上周五已反弹5.26%至121.67美元，但这一反弹势头并没有维持太久。
或许，在投资者看来，GTC大会未释放超预期信息，量子计算等远期布局能否兑现，推理需求增速是否匹配硬件供给，需求侧的不确定性等等都是阻碍继续投入英伟达要素之一。
长期而言，其技术生态的无法替代性（如CUDA护城河）仍是股价反弹的关键筹码。而英伟达通过全栈生态与快速迭代，仍将主导AI硬件市场5-10年。
但大家更关心的或许还是，这家一度问鼎全球市值最高的GPU巨头，还能火多久？返回搜狐，查看更加多
