英伟达推「万亿参数」GPU，继续加速「AGI 时代」

「疯球了，彻底疯球了！」

「这是什么？泰勒·斯威夫特的演唱会吗？」

当地时间 3 月 18 日中午，美国加州圣何塞 SAP 体育中心，超过万人的冰球体育馆内座无虚席。

这是 2024 年英伟达的 GTC 大会现场，人们等待的并不是 1 米 80 的白人女星，而是一位身穿皮衣的亚裔中年男性——英伟达创始人兼 CEO 黄仁勋。

15 个月内市值暴涨 6 倍至超过 2 万亿美元，成为继苹果和微软之后的全球第三大科技公司，并且仍然看不到增长的天花板——是的，从某种意义上看，黄仁勋可能比斯威夫特更像一个「摇滚巨星」。

时隔 5 年再度回归线下的 GTC，现场爆满。开场，老黄打趣道：「你要意识到，这不是一场演唱会，而是一个开发者大会」。面对「粉丝」的热情欢呼，黄仁勋也不禁用调侃作为开场白。

很难想象能有一个会议容纳如此多不同行业背景的人，从气候技术到无线电科学、从机器人到自动驾驶、从 IT 业到非 IT 业。「坐在这个会场里的你我他，代表世界上 100 万亿美元的行业」。

而把如此多行业和英伟达缔结联系的，正是 AI。以大语言模型为核心的 AI 正在席卷几乎所有行业，英伟达为各行各业的 AI 变革提供算力引擎。

两万亿美元市值如何「坐实」、如何用算力继续推送新一波的 AI 浪潮、更重要的是，英伟达如何成为「新计算时代」的王者？面对这些巨型问题，今年的这场 GTC 大会对于英伟达来说，尤其重要。

英伟达最新的 GPU 产品系列｜图片来源：Nvidia

在长达 2 小时的开场演讲中，黄仁勋介绍了当下爆火的 AI 背后，英伟达准备好的新引擎：新计算架构下的硬件、软件、服务，点燃了一个加速生成式 AI 应用的新生态：

硬件上，新 Blackwell 架构 GPU 组成的 GB200「新核弹」，将提供 4 倍于 Hopper 的训练性能，大模型参数达到了万亿级别。

软件层面，NIM「数字盒子」，让企业能更简单的在英伟达平台上定制大模型；Omniverse 将机器人、无人驾驶和数字孪生的训练和应用融合在一个平台之中。

从这次发布会，你可以看到英伟达一方面通过「新 AI 核弹」稳固自己「生成 AI 算力基建」的地位；另一方面通过 NIM、Omniverse 进一步扩大产业链下游，力求将自己的客户——大模型公司——逐渐管道化；同时利用 Thor+ Omniverse 成为数字孪生、无人驾驶以及机器人等新兴行业最重要的基础平台。

在发布预测天气的 Earth-2 模型时，黄仁勋背后出现了一张地球的卫星图片。「他的野心一直都是整个地球，无论是物理的，还是虚拟的。」喜欢瞎猜的人，可能会写下这样的图注。

Blackwell，专为 Transformer 而生

过去10年，随着AI的代际发展，英伟达提供所需算力的速度也在加快。

现在，生成式 AI 时代，英伟达计算平台进入下一个周期——Blackwell。这一新架构是继两年前推出的 Hopper 架构以来的全新架构。

黄仁勋在台上介绍新架构芯片的优势时打趣道：「这是 Blackwell（左边），这是 Hopper（右边），Hopper 没关系，你的表现也很好」。｜图片来源：Nvidia

与之前的 Hopper GPU 一样，Blackwell GPU 将作为独立 GPU 提供，或者两个 Blackwell GPU 可以组合并与英伟达的 Grace CPU 配对，创建一个超级芯片 GB200。

GB200 同过去架构的 AI 芯片性能对比｜图片来源：Nvidia

作为一个超大规模的芯片，GB200 通过 900GB/s 超低功耗的片间互联，将两个 B200 GPU 与 Grace CPU 相连。

英伟达表示，该系统可以部署 27 万亿参数的模型。这甚至比最大的模型（例如 GPT-4）还要大得多，据报道 GPT-4 有 1.7 万亿个参数。

为了实现超高的 AI 性能，搭载 GB200 的系统可与英伟达 Quantum-X800 InfiniBand 和 Spectrum-X800 以太网平台连接。这两个平台均可提供速度高达 800Gb/s 的高性能网络。

黄仁勋手捧两种 Blackwell 架构解决方案说「我得小心点，这个值多少钱，100 亿美元？当然第二块就便宜了，50 亿吧。」｜图片来源：Nvidia

DGX GB200 的数据性能爆表｜图片来源：Nvidia

Nvidia 还发布了 GB200 NVL72 液冷机架系统，其中包含 36 颗 GB200 Grace Blackwell Superchips。Nvidia 表示，与当前的 H100 GPU 相比，该系统的推理工作负载性能提高了 30 倍。

作为英伟达在 AI 训练和推理方面的新的顶级领导者，Blackwell GPU 和 GB200 超级芯片也将被引入云平台 NVIDIA DGX B200 系统中，用以模型训练、微调和推理。所有 NVIDIA DGX 平台均包含用于企业级开发和部署的 NVIDIA AI Enterprise 软件。

亚马逊，谷歌、微软和甲骨文将通过云服务出售 GB200 的访问权限。

定制大模型，更简单

数据显示，在这一波 AI 浪潮中，英伟达提供的 AI 算力可能达到了所有所需算力的 90% 甚至更高。而怎样才能卖出更多算力？显然是让更多企业用上大模型。

企业想要使用大模型，通常需要进行微调和私有化部署，才能对自己的企业的业务有所助益。而在目前，通常通过部署模型的云厂商或者小的服务商完成。

此次发布会上，英伟达则推出了自己的模型定制服务，Nvidia Inference Manager，简称 NIM，来实现有英伟达硬件的地方，就可以进行简单的调试使用大模型。

黄仁勋讲解 NIM ｜图片来源：Nvidia

NIM 被形容为一个数字盒子，在英伟达提供的网站下载即可使用。

盒子中包含几个要件。首先是基础大模型，有多种相关模型可供选择，黄仁勋提到其中包括开源模型如 Llama，来自合作伙伴的模型，也包括英伟达自己创建的一些模型——例如英伟达刚刚在 GTC 公布了一个新的天气预测模型。

按照英伟达的说法，它们都是根据英伟达硬件已经优化好的，无论你的硬件是笔记本电脑这样只有一块 CPU 的，还是公司级别有多个 GPU 节点的，都可以直接使用。

第二是可以帮助用户微调大模型的工具，这包含多项微服务。

比如，英伟达 2023 年 11 月宣布的 NVIDIA NeMo Retriever 技术，就被集成在整个的微服务中，可以帮助企业启用 RAG 功能——简单来说就是帮助企业更好地使用自己的专有数据。

黄仁勋在演讲中举例子道：只下载了 Llama 2 模型时，他向 Llama2 提问公司独有的编程语言方面的问题，Llama 2 无法很好地回答。而将公司的私有数据提供给大模型之后，大模型不但能回答出这个问题了，还能够使用公司独有的编程语言进行编程了。

学习过公司数据的大模型可以很好地帮助企业提高效率 ｜图片来源：Nvidia

除了 RAG 增强，还有一系列的微服务可以帮助用户使用大模型。包括 Lemo 检索器，帮助信息的快速检索，数字人的微服务，帮助用户创建数字人等等。都包含在微服务中。

「未来我们将怎么构筑软件？应该不是一行行地写代码。」黄仁勋讲到，「很有可能是一个超级 AI 将任务分解，再交给一个一个的 NIM 去做。」

这样的 NIM，则可以被安装在任何英伟达硬件适配的地方。比如英伟达的 DGX 系统上，任何云上、企业私有的数据中心、或者是个人的硬件上。黄仁勋直接在演讲中说道：「我们是 AI 铸造厂。」

这项微服务，现在开发者可以免费试用。而企业则需要在企业软件订阅中，之前有消息称，每个 GPU 每年收取费用 4500 美元。

「现实 AI」：数字仓库和机器人

在推进算力和算力的使用上，英伟达是认真的。英伟达在二十年前就做出了 CUDA，推崇加速计算，今日的硕果累累来自于二十年前种下的因。

黄仁勋开场时回顾二十年前，半开玩笑地讲到：「当时我们已经算到了有今日。」

而黄仁勋看到的未来是什么样的呢？

在今天的 GTC 上，我们也小小地瞥见了一下黄仁勋眼中的未来：在世界的底层，是无限扩展的、不竭的算力，在中层，是数字孪生，是 simulation，是依靠算力带来的对物理世界的无限精准的模仿，实验和预测，而在上层，则是一个依靠算力达到最优解的世界——在这个世界里，人与机器人共生。一切第一次发生的，都是发生过无数次的。

这其中，英伟达 2021 年开始推出的 Omniverse，就是中间层非常重要的工具。

Omniverse 是英伟达擅长的计算机图形、人工智能、科技计算和物理模拟真正大一统的平台，能够对环境实现 1:1 的数字孪生。

此次发布会，结合人工智能的浪潮，Omniverse 展现了许多新的应用可能。

Omniverse 可以为现在最火的具身智能，提供一个训练场所。英伟达表示，英伟达建立了 Isaac Lab，一款机器人学习应用程序，用于在 Omniverse Isaac 模拟器上进行训练。通过新的计算编排服务，可以在基于物理的模拟中训练机器人，并能零次训练（zero-shot）迁移到实际环境。

机器人模型将使机器人能够从少量人类演示中学习，从视频中理解人类、在模拟中训练模型，并最终直接部署到物理机器人上。

黄仁勋还在发布会上宣布了 Project GR00T 项目，GR00T 是一个用于人形机器人的通用基础模型，基于 Jetson Thor（英伟达的一款GPU）来开发生产机器人。

黄仁勋与人形机器人「站在一起」，其中部分机器人来自中国公司｜图片来源：Nvidia

除此之外，英伟达还展示了一个数字仓库的案例。

数字仓库感知和规划了人和机器人的路线｜图片来源：Nvidia

视频中，展示了一个一个 10 万平方英尺仓库的 Omniverse 模拟环境，它整合了运行视频、Isaac 感知器堆栈的数字工人 AMR、来自 100 个模拟天花板安装摄像头的整个仓库的集中活动地图等。

在视频中，一个数字工人 AMR 的原定计划的路线上，发生了一起事故，路径受阻。英伟达 Metropolis 可以实时改变路径规划。通过基于生成式 AI 的 Metropolis 视觉基础模型，操作员甚至可以使用自然语言提问发生了什么事情。

在此次 GTC 上，英伟达宣布，将创建 Omniverse Cloud 的 api，而且将非常易用，企业可以更容易地使用 Omniverse，同时其中还将有 AI 的能力。比如可以直接用自然语言场景描述，创建仿真环境的 3D 图像。

同时，英伟达宣布与 Vision Pro 达成合作，Omniverse Cloud 将能够向 Vision Pro 串流。「从虚拟车上下来，穿过车门的感觉，非常奇怪，但也非常棒。」黄仁勋讲到，「Vision Pro 将把你带入 Omniverse Cloud，你能够体验到的工作流是无与伦比的。」

超过 1 万人在现场观看 Keynote，900 场以上的分享以及数百家展商，2024 年 GTC 被戏称为「AI 界的伍德斯托克」——除了苹果公司，少有公司能让科技变成一种人人想要「沾上边」的时尚。毕竟，在「生成式 AI」代表未来的当下，每个人都想成为那个跟上潮流的人。

英伟达无疑是那个潮流背后最大的推手之一，同时也是目前最大的受益方，它需要做的，是为所有人提供更大的梦想，和更多的算力。顺便，或许，成为全球市值最高的公司，没有之一。