英伟达的下一场革命：计算的重塑

英伟达的下一场革命：计算的重塑

(视频)

黄仁勋CES演讲精华：颠覆你认知的4个AI未来趋势

当前，几乎每个人都在谈论人工智能（AI）。从科技巨头到街头巷尾，AI已经成为我们这个时代最热门的话题。然而，在铺天盖地的讨论中，我们往往只看到了表面的应用和现象，比如更智能的聊天机器人或更逼真的图像生成。但在这股热潮之下，真正的变革引擎是什么？我们正处在一场怎样的深刻变革之中？

Nvidia创始人兼CEO黄仁勋在CES的演讲，为我们提供了一个远超日常讨论的宏大视角。他没有停留在展示炫酷的新产品，而是揭示了驱动整个行业乃至世界发生根本性重塑的底层逻辑。本文将深入剖析其演讲，提炼出其中最深刻、也最令人惊讶的四个核心观点，它们共同描绘了一幅颠覆我们现有认知的AI未来图景。

1. AI不是一个新应用，而是对百年生意的彻底重塑

许多人最初认为AI只是一个新的应用类别，就像移动互联网时代出现的App一样。但黄仁勋指出，这是一个根本性的误解。AI并非一个应用，而是一个全新的计算平台，未来所有的应用都将构建在这个平台之上。

他强调，这一次的变革尤为剧烈，因为我们正同时经历两大平台转变。

“每隔10到15年，计算机行业就会重置，发生一次新的平台转变，从大型机到PC，PC到互联网，互联网到云，云到移动......但这一次，实际上有两个平台转变同时发生......未来的应用都将构建在AI之上。”

这一转变的经济影响是双重的，其规模巨大。黄仁勋解释，一方面，过去十年价值约10万亿美元的计算产业自身正在被AI现代化；另一方面，全球价值高达百万亿美元的庞大工业基础，其研发预算正以前所未有的规模从传统方法转向人工智能。这清晰地解释了AI热潮背后汹涌的资金从何而来——它并非短暂的投机泡沫，而是一场波及全球所有行业的根本性资本与资源重定向。

2. 治愈AI“幻觉”的良方？一个AI专家团队

早期的大型语言模型（如ChatGPT刚问世时）因其“幻觉”（即一本正经地胡说八道）而备受诟病。其根本原因在于模型无法接触实时信息，只能依赖其训练数据中的“记忆”。

黄仁勋介绍了解决这一问题的突破性概念：“代理系统”（Agentic Systems）。未来的AI不再是一个孤立的模型，而是一个能够进行复杂任务的系统。它首先会像人类一样进行推理，将一个复杂问题分解成多个步骤，然后调用工具（如搜索引擎、数据库）进行研究，最后综合信息给出答案。

其中最反直觉但又极具开创性的想法是：一个代理AI可以调用世界上所有其他优秀的AI来协同解决问题。这意味着未来的AI应用将是“多模型”（multi-model）的。它就像一个聪明的项目经理，面对一个任务，它能判断出哪个子任务需要文本理解，哪个需要图像生成，哪个需要数据分析，然后将这些工作精准地分配给全球范围内最擅长该领域的专家模型去完成。

这种架构带来了深远的战略影响。由于这些各有所长的“专家模型”必然分布在不同的地方——可能在不同的云服务商、企业内部数据中心或边缘设备上——这种“多模型”系统根据其定义，天然就是**多云（multi-cloud）和混合云（hybrid-cloud）**的。这预示着未来的企业AI战略将超越单一供应商锁定，走向一个更加开放、互联和分布式的计算新范式。

3. AI正在学习物理世界的“常识”

当前AI的“智能”主要体现在数字世界，但如何让AI理解并与现实世界互动？黄仁勋引入了“物理AI”（Physical AI）的概念，其目标是让AI掌握我们人类与生俱来的物理“常识”，例如因果关系（推倒会倒）、重力、惯性（行驶的卡车需要更长距离才能刹住车）等。

黄仁勋指出，要实现物理AI，需要一个全新的、由三台计算机组成的基础架构：第一台计算机用于训练AI模型；第二台计算机（如机器人或汽车内的芯片）用于推理，在现实世界中运行模型；而至关重要的第三台计算机，则专门用于模拟，创建一个物理上精确的数字孪生世界。

这个架构的核心在于解决物理AI面临的最大挑战：在现实世界中收集足够多样化、高质量的训练数据，既昂贵又耗时，几乎不可能完成。Nvidia的解决方案堪称绝妙：用计算换数据。他们利用一个名为Cosmos的“世界基础模型”，在第三台计算机所运行的模拟世界（Omniverse）中，通过计算生成海量的、多样化的“合成数据”。例如，模拟数百万种不同光照、天气和路况下的驾驶场景。然后，再用这些近乎无限的合成数据去训练另一个AI，教会它如何在真实世界中做出反应。这种用AI创造数据来训练另一个AI的思路，是物理AI取得突破的关键。

4. 为满足AI的算力“饥渴”，英伟达正打造单机架带宽超全球互联网的计算系统

AI的发展对算力的需求正在以惊人的速度爆炸式增长。黄仁勋透露，AI模型的规模每年增长10倍，而模型进行推理（思考）时产生的token数量每年增长5倍。这种指数级的需求增长，早已让摩尔定律显得力不从心。

黄仁勋强调，正是因为摩尔定律已经放缓，无法再提供所需性能的指数级增长，Nvidia才被迫采取了高风险的“极端协同设计”（extreme code design）战略来打造Vera Rubin平台。这意味着他们必须打破常规，同时重新设计CPU、GPU、网络芯片等整整六款相互关联的核心芯片，以实现整个系统的代际飞跃。

其性能的飞跃可以用一个惊人的数据点来衡量：仅在一个Vera Rubin机架中，其MVLink交换机背板的数据传输带宽高达每秒240太字节（TB/s），是全球互联网总带宽（约每秒100太字节）的两倍多。为了满足AI的“胃口”，我们正在建造的，是其单个机架内部数据流速率就已超越全球互联网的计算巨兽。这清晰地表明，计算架构正在经历一场多么惊人的飞跃。

结论

从重塑万亿产业的计算平台，到协同工作的AI专家团队；从学习物理常识的合成数据，到单机架带宽超越全球互联网的超级计算机——黄仁勋演讲中的这四个核心观点共同指向一个事实：我们正处在一个由AI驱动的、从计算架构到产业经济的全面重塑时代。这不仅仅是一次技术升级，而是一场堪比工业革命的范式转移。

当计算的定义被彻底改写，我们的工作、创造乃至与物理世界的互动方式，又将迎来怎样的未来？这正是我们每个人都需要开始思考的问题。