GTC 2025：黃仁勛沒發(fā)顯卡，卻發(fā)布了一個新世界。

文 ｜動點科技

作者｜李鵬輝

排版｜Miziko

本文預計閱讀時長9分鐘

今年的NVIDIA“年度春晚”節(jié)目上，黃仁勛再次穿著那件標志性的黑皮夾克登上舞臺。

但這場GTC顯然與以往不同。他沒有發(fā)布“史上最強”的顯卡，也沒有強調AI模型的參數規(guī)模，而是用兩個小時的時間講述英偉達正在重新設計的世界——一個在摩爾定律逐漸失效的時代，如何讓計算繼續(xù)增長的世界。

或者更具體地說，通過這場演講中提出的構想，英偉達正試圖回應一個更為底層的問題：當晶體管不再更小、更快時，計算的增長該靠什么延續(xù)？

摩爾定律的盡頭：為什么計算必須被重寫

黃仁勛的開場從歷史講起。半個多世紀以來，摩爾定律幾乎是整個科技產業(yè)的“自然法則”——晶體管數量每兩年翻倍，計算性能與能效同步提升，成本則下降。正是這條曲線支撐了從個人電腦到智能手機、從互聯(lián)網到云計算的高速發(fā)展。

但他指出，這一規(guī)律已逐漸失效。晶體管的數量仍在增加，但能效和速度的提升趨近極限。晶體管越來越多，芯片卻不再“更快”；相反，功耗、散熱和制造成本的壓力在急劇上升。傳統(tǒng)CPU主導的通用計算架構，也難以應對如今AI訓練和推理的指數級增長需求。

“摩爾定律的曲線還在，但它已經失去了推動力，”黃仁勛說，“我們需要新的計算語言。”

英偉達過去三十年的“加速計算”正是這種語言的雛形。GPU最初用于圖形渲染，如今已成為AI計算的核心。通過GPU與CPU的協(xié)同、CUDA編程體系和覆蓋各行各業(yè)的算法庫，英偉達構建出了一套“第二計算體系”。這套體系不再依賴晶體管的倍增，而是依靠架構的協(xié)同與算法的重寫實現(xiàn)性能提升。

黃仁勛稱這種方法為“新的計算模型”。它改變的不只是硬件，而是計算的組織方式——讓計算機像一個分工明確的社會系統(tǒng)：CPU負責指令和調度，GPU處理海量并行任務，二者通過統(tǒng)一的軟件棧協(xié)同工作。對英偉達而言，這是一個能在摩爾定律之后繼續(xù)維持指數增長的路徑，也是一場重新定義“計算”的革命。

AI工廠：智能的生產邏輯

如果說“加速計算”是技術層面的創(chuàng)新，那么“AI工廠”則是產業(yè)層面的重組。黃仁勛在演講中反復強調：AI已經不再是工具，而是一種勞動力。傳統(tǒng)軟件依賴人類編寫規(guī)則，而AI通過學習數據自我生成邏輯——它不僅能執(zhí)行命令，更能思考和創(chuàng)造。

這意味著，計算中心的角色正在改變。數據中心不再只是處理請求或存儲文件的“機房”，而是成為生產智能的“工廠”。黃仁勛將這種新形態(tài)稱為“AI工廠”（AI Factory）。他解釋說，AI工廠的產品是Token——語言、圖像、化學式、三維模型這些信息單元。AI的每次推理與生成，都是Token的生產過程。

“AI工廠的邏輯與煉鋼廠相似：輸入能量，輸出有價值的產物。”他說。不同的是，煉鋼廠的產物是物質，而AI工廠煉的是智能；前者追求物理效率，后者追求計算效率。

英偉達的目標，是讓智能的生產像工業(yè)制造一樣標準化、可復制、可擴張。要實現(xiàn)這一點，首先要解決AI“生產線”的成本問題。AI的推理與生成極度耗電，能源支出和算力成本正成為制約AI普及的瓶頸。黃仁勛稱，未來的核心指標不再是“每秒計算能力”，而是“每個Token的生產成本”。讓Token更快、更便宜地產生，才是AI真正的工業(yè)化。

而這正是“AI工廠”的戰(zhàn)略核心——把AI算力變成一種可以計量、預測、投入與回收的產能，把智能的生成變成一門制造學。

把計算變成制造業(yè)

為了實現(xiàn)這種“智能制造”，英偉達必須從一家芯片公司變成一家系統(tǒng)公司。Grace Blackwell（GB200）系統(tǒng)的推出，標志著這種轉型的工程化開始。

GB200將CPU與GPU深度整合，通過NVLink72高速互聯(lián)，把72顆GPU連接成一個整體運算體。它不再是一組獨立的硬件，而是一臺被放大到機柜規(guī)模的“超級芯片”。黃仁勛稱之為“極致協(xié)同設計”——芯片、封裝、內存、互連、軟件和算法同步優(yōu)化。其結果是性能提升十倍，能耗和成本同時下降十倍。

這種系統(tǒng)級設計意味著計算從“單芯片競爭”進入“整體架構競爭”。性能的邊界不再取決于一塊芯片的極限，而取決于整個系統(tǒng)的協(xié)同程度。黃仁勛稱這是一種“新的摩爾定律”，它的增長來自架構，而不是晶體管。

與此同時，英偉達正在把“制造”重新拉回產業(yè)核心。黃仁勛宣布，Blackwell系列已在美國實現(xiàn)完整生產鏈：亞利桑那制造晶圓，印第安納封裝HBM內存，德克薩斯組裝整機。他強調：“總統(tǒng)讓我把制造業(yè)帶回美國，九個月后我們做到了。”這不僅是政治表達，也反映出英偉達在戰(zhàn)略上的縱深布局——掌控供應鏈，才能掌控產能。

更關鍵的是，英偉達正在用數字化手段重構制造流程。公司推出的Omniverse DSX平臺，可以在虛擬空間中建造和運營整個工廠：從廠房設計、電力布局到冷卻系統(tǒng)和氣流仿真，全部數字化。現(xiàn)實中的工廠只是虛擬模型的“復制品”，建設周期從數年縮短到數月。投產后，數字孿生系統(tǒng)繼續(xù)運行，實時監(jiān)控能耗與產出，優(yōu)化運維。黃仁勛希望AI工廠能像汽車產線那樣被標準化、出口和復用。

這種“工廠化”理念正向更廣的領域延展。量子計算方面，英偉達發(fā)布NVQ Link與CUDA-Q平臺，讓量子處理器能與GPU協(xié)作，實現(xiàn)量子糾錯與混合模擬；美國能源部將與其合作建設七臺AI超級計算機。通信領域，公司與諾基亞共同推出6G平臺ARC（Aerial Radio Network Computer），讓AI計算能力直接嵌入無線基站，使其既能通信又能推理。

在物理層面，英偉達提出“物理AI”三層架構：Grace Blackwell用于訓練模型，Omniverse用于數字孿生仿真，Jetson Thor驅動實體機器人。德州的富士康AI工廠、人形機器人公司Figure、強生的醫(yī)療機器人以及迪士尼研究院的仿生角色“Blue”，都在這一體系下運行。黃仁勛用一句話總結：“工廠本身就是一個機器人，它在協(xié)調機器人制造機器人。”

在這一切背后，英偉達正在打造一種可出口的“智能生產體系”——既是產品，也是方法論。它不僅供應算力，更輸出“如何制造智能”的能力。

關于變革，關于下一階段

GTC2025的最后，黃仁勛用一句話總結了這場演講的主旨：“兩場轉型正在同時發(fā)生——從通用計算到加速計算，從手寫程序到AI學習。”

這句話既是技術判斷，也是對未來產業(yè)結構的預言。AI和加速計算的疊加，正在重塑整個科技產業(yè)的邏輯。英偉達的角色，也在從“芯片制造商”轉變?yōu)椤爸悄芑A設施提供者”。

在黃仁勛的構想中，AI工廠將像電力系統(tǒng)一樣存在：有人生產，有人分配，有人消費。計算中心會成為新的發(fā)電廠，而企業(yè)和個人將通過云平臺調用智能，就像今天調用電力一樣。算力將成為新型基礎能源，而英偉達要成為這個能源系統(tǒng)的核心供應商。

這也意味著一種新的壟斷形式正在形成。誰擁有最完整的計算體系，誰就擁有智能時代的生產資料。黃仁勛在演講中沒有談及風險，但他的路線圖已經隱含答案——AI的未來不是軟件之爭，而是工業(yè)化的比拼。能否控制制造、運輸和分配智能的“基礎設施”，將決定誰能主導下一個時代。

GTC2025沒有留下驚艷的硬件，卻呈現(xiàn)出一個完整的工業(yè)邏輯。摩爾定律或許終結了，但計算并未停下。英偉達正試圖建立一條新的增長曲線——以系統(tǒng)協(xié)同、工廠化生產和全球算力網絡為支撐的“AI工業(yè)曲線”。

這場轉變可能比任何一次芯片發(fā)布都更具決定性。它關乎的不只是英偉達的未來，也關乎整個科技產業(yè)在摩爾定律終結之后的生存方式。黃仁勛顯然相信：下一個時代的增長，不來自更快的晶體管，而來自如何讓智能像工業(yè)產物一樣被生產、復制與出口。

本文為動點科技記者原創(chuàng)文章，未經授權不得轉載，如需轉載或開白請在后臺回復“轉載”。

- - - - - - - - END - - - - - - - -

互動話題

沒有顯卡發(fā)布的英偉達發(fā)布會，你覺得無聊還是更有遠見？

快來評論區(qū)留下你的觀點吧！

*想要獲取行業(yè)資訊、和志同道合的科技愛好者們分享心得，那就趕快掃碼添加“動點君”加入群聊吧！群里更有不定期福利發(fā)放！

精彩好文值得推薦！

一鍵轉發(fā)，戳個在看！