速看：黄仁勋 GTC 2025 演讲 —— Agentic AI 崛起，物理 AI 重塑世界

2025 年 3 月 18 日英伟达 GTC 大会上，CEO 黄仁勋围绕 “Agentic AI 与物理 AI 的未来” 主题，全面且深入地揭示了英伟达在人工智能领域的战略布局与技术突破。

一、AI 发展阶段理论与当前方向

黄仁勋提出 AI 技术演进的三大阶段：生成式 AI、Agentic AI、物理 AI。

目前正处于从生成式 AI 向 Agent AI 过渡的关键节点，未来物理 AI 将成为核心发展方向。

- 生成式 AI 以内容生成为核心；

- Agentic AI 具备自主推理与决策能力，可实现复杂问题解决；

- 物理 AI 则用于操控物理世界，应用于机器人、自动驾驶等领域。

二、硬件技术创新与突破

1. GeForce RTX 5090：

基于 Blackwell 架构，体积缩小 30%，能效提升 30%，性能较 RTX 4090 翻倍，支持 AI 驱动的 DLSS 4 技术。

2. Blackwell Ultra 平台：

采用 5nm 工艺，HBM3e 显存达 288GB，FP4 算力 15 PetaFLOPS；NVLink 72 机柜集成 72 颗 GPU，推理速度达每秒 1000 tokens（为 H100 的 10 倍），并全面转向液冷技术。

推出专为 AI 模型推理打造的 NVIDIA Blackwell Ultra GPU，性能相比上一代 B200 GPU 提升 50% ，还基于此提供了 Blackwell Ultra NVL72 机架式解决方案与 NVIDIA HGX Ultra NVL16 系统，针对复杂 AI 推理任务进行优化。

3. Rubin 架构预告：

2026 年推出，NVLink 144 机柜集成 144 颗 GPU，HBM4 内存，FP4 算力 3.6 ExaFLOPS，2027 年 Ultra 版算力再翻 4 倍。同时还公布了 2028 年发布的下一代 GPU 架构，命名 “Feynman”。

4. 硅光子技术：

实现全球首个 1.6T 共封装光学（CPO），可减少数据中心光模块功耗 90%。

三、NVIDIA GB300 

NVIDIA GB300 是英伟达推出的 Blackwell Ultra 新一代 AI 芯片。

1. 性能参数：

芯片：集成更强大的 B300 芯片，采用 12 层堆叠的 HBM3e 技术，搭载 288GB 的 HBM3e 显存，较之前的 192GB 有了大幅提升，显存带宽保持不变，仍为 8TB/s。

计算能力：在 FP4 的计算能力上相比前代产品实现了 1.5 倍的增长，这对于需要进行大量浮点运算的 AI 任务尤为重要。

功耗：TDP（热设计功率）提升至 1400W，较前代增加 200W。

2. 架构设计：

引入 GPU 插槽：采用 Socket 方式替代传统的贴片焊接（SMT），旨在改善计算板良率问题。

回归 OAM + UBB 设计方案：CPU 直接贴装在 UBB 上，GPU 通过 Socket 接到 OAM，再通过铜线连接。

内存方案：在 CPU 内存上首次配备 LPCAMM，替代了 GB200 中的 16 颗 LPDDR5X，提升了内存带宽能力。LPCAMM 具可拆卸特点，允许用户根据需求灵活配置内存容量和类型。

3. 应用场景：

Agentic AI：利用复杂推理和迭代规划自主解决复杂的多步骤问题。AI 智能体系统超越了简单的指令执行，能够推理、规划并采取行动以实现特定目标。

物理 AI：使企业能够实时生成合成的、具有高度真实感的视频，用于大规模训练机器人和自动驾驶汽车等应用。

4. 电源与散热设计：

电源：引入超级电容模组，与电池备份单元（BBU）协同工作，超容可在 0.1 秒内响应负载突变，提供瞬时高功率输出，避免电压暂降导致的宕机风险。采用高压直流（HVDC）供电方案，如台达推出的 400V/800V HVDC 方案可将供电效率提升至 97%。

散热：采用独立冷板设计，每个 GPU 单独配备，取代 GB200 的大面积冷板覆盖方案，水冷管线更密集，UQD 快接头用量增长。

英伟达 GB300 凭借其强大的性能和先进的架构设计，为 AI 推理、Agentic AI 及物理 AI 等应用的开发与部署提供了强大的支持，开启了 AI 推理新时代。

四、推理算力需求与软件系统

1. 推理算力暴增：

由于 Agentic AI 需生成标记量达传统模型的 100 倍（如一次推理生成 8000 + 标记），使得推理算力需求大增，而 Blackwell 推理性能为 Hopper 的 40 倍。

2. Dynamo 操作系统：

作为 “AI 工厂的操作系统”，能够动态分配 GPU 算力，优化 “Token 吞吐量 / 响应速度” 曲线，使 Blackwell 工厂性能较 Hopper 提升 25 倍，目标是实现 “每兆瓦收入最大化”。发布用于加速和扩展 AI 工厂中 AI 推理模型的开源软件 NVIDIA Dynamo，能让 DeepSeek 等推理模型在相同架构和使用相同数量 GPU 的条件下性能提升 30 倍。

五、物理 AI 与机器人生态

1. 开源 Isaac Groot N1 人形机器人模型：

全球首款开源人形机器人功能模型 Isaac GR00T N1，支持双系统认知（慢思考规划 + 快思考执行），可推动仓储、制造自动化，与 Google DeepMind 和迪士尼合作开发名为 Newton 的机器人平台。

2. Omniverse 数字孪生：

通过生成合成数据训练自动驾驶模型，缩小模拟与现实差距；与通用汽车合作构建全栈自动驾驶 AI 系统，并且几乎所有自动驾驶汽车公司都在使用英伟达的技术。

3. 机器人市场前景：

全球劳动力短缺催生 “机器人年薪 5 万美元” 市场，英伟达计划年内让 100% 工程师启用 AI 编码助手。

六、软件生态与行业合作

1. CUDA 生态进化：

全球拥有 600 万开发者，900 + 加速库，新增开源工具 CuOpt（数学规划提速千倍）与 Newton 物理引擎（超实时触觉反馈仿真）。

2. 企业 AI 方案：

推出 DGX Spark（3000 美元桌面级 AI 工作站）和 DGX Station 两款个人 AI 计算机，由 Grace Blackwell 支持，将以前只能在数据中心使用的 Grace Blackwell 架构带到桌面。其中，DGX Station 采用 GB300 Grace Blackwell Ultra，提供更强算力和更大内存。联合戴尔、惠普提供全栈解决方案。

3. 语义存储系统：

与 Box 合作实现 “可交互存储”，通过自然语言直接检索数据。

4. 6G 网络合作：

宣布与 T-Mobile、MITRE、思科、ODC 和 Booz Allen Hamilton 合作开发 AI 原生 6G 无线网络的硬件、软件和架构，电信公司将在 NVIDIA AI Aerial 平台上为 6G 构建 AI 原生网络堆栈。

5. 量子计算研究：

将在波士顿建立英伟达加速量子研究中心（NVAQC），把领先的量子硬件与人工智能超级计算机集成，助力解决量子计算中的挑战性问题。

七、市场展望与挑战

尽管技术亮点频出，英伟达股价在演讲期间下跌 1.76%，市场担忧 AI 投资回报周期及竞争压力。预计 2030 年数据中心投资将超 1 万亿美元，英伟达通过年迭代架构（如 Rubin）支撑 AI 普惠化，预言 “100 亿数字员工与人类协同工作”。

黄仁勋的演讲全面展现了英伟达在 AI 芯片、算法、生态等多方面的技术领先优势，同时也正视了市场对短期盈利和行业竞争的压力。

物理 AI 与 Agentic AI 概念的提出，标志着 AI 技术从虚拟内容生成向物理世界操控的重大跨越，而硬件与软件的协同创新将持续推动这一发展进程。尽管面临股价波动等挑战，英伟达仍致力于通过 “AI 工厂” 和规模化定律，重塑计算行业的未来格局。