全世界都錯(cuò)了，Scaling Law并沒有撞墻！

GTC大會上，老黃這樣向全世界這樣宣布。

更令人矚目的是，DeepSeek R1推動(dòng)的推理時(shí)Scaling，讓Scaling Law出現(xiàn)了全新的發(fā)展路線。

剛剛在圣何塞結(jié)束的GTC大會上，老黃聲稱沒有腳本、沒有提詞器，用兩個(gè)多小時(shí)向我們介紹了英偉達(dá)過去一年的進(jìn)展。

老黃表示，如果說從前的GTC說AI的伍德斯托克音樂節(jié)，那今年搬進(jìn)體育場的GTC就是AI的超級碗，而唯一不同的說，每個(gè)人都是超級碗的贏家。

全場精彩亮點(diǎn)如下：

• Blackwell已全面投產(chǎn)，而且進(jìn)展非?？?，客戶需求也非常大。這一切皆是因?yàn)锳I拐點(diǎn)已至，訓(xùn)練推理AI/智能體系統(tǒng)對計(jì)算量的需求大大增加。
• Blackwell NVL72結(jié)合Dynamo推理性能提升了40倍，相當(dāng)于一座Hopper AI工廠的性能。
• 英偉達(dá)未來三年路線圖已公開，GPU每年一更：Blackwell Ultra預(yù)計(jì)2025年下半年上市，下一代Rubin 2026年問世。
• 英偉達(dá)正在構(gòu)建3個(gè)AI基礎(chǔ)設(shè)施：云上AI基礎(chǔ)設(shè)施，企業(yè)AI基礎(chǔ)設(shè)施和機(jī)器人AI基礎(chǔ)設(shè)施。

英偉達(dá)預(yù)言：在未來，每個(gè)擁有工廠的公司將來都會有兩個(gè)工廠，一個(gè)是用來制造產(chǎn)品的實(shí)體工廠，另一個(gè)是用于數(shù)學(xué)運(yùn)算的AI工廠。為此，各類CUDA-X軟件庫已經(jīng)準(zhǔn)備好，引爆全行業(yè)的變革。

而這場革命的背后，就是英偉達(dá)的CUDA核心，以及為之配備的驚人算力。

AI芯片每年一更，下一代Rubin明年亮相

隨著Blackwell GPU的全面發(fā)貨，老黃也按照慣例發(fā)布了接下來幾款新產(chǎn)品的路線圖。

首先，是對訓(xùn)練和測試時(shí)推理能力進(jìn)行大幅提升，并將在今年下半年問世的Blackwell Ultra。

根據(jù)英偉達(dá)官方博客介紹，Blackwell已經(jīng)讓DeepSeek-R1打破了推理性能的世界紀(jì)錄。

而與Blackwell相比，Blackwell Ultra芯片還有超強(qiáng)進(jìn)化！

它的顯存從192GB提升到了288GB。而GB300 NVL72的AI性能，則比NVIDIA GB200 NVL72高出1.5倍。

接下來，是最為重磅的Vera Rubin，預(yù)計(jì)在2026年下半年發(fā)布。

這個(gè)命名致敬的是發(fā)現(xiàn)暗物質(zhì)的天文學(xué)家Vera Rubin。

Vera Rubin有兩個(gè)部分，一個(gè)稱為Vera的CPU和一個(gè)稱為Rubin的新GPU。

兩部分一同使用時(shí)，Rubin可以在推理時(shí)實(shí)現(xiàn)每秒50千萬億次浮點(diǎn)運(yùn)算，比Blackwell速度高出一倍多。

顯存方面，Rubin將升級為HBM4，容量仍然為288GB。

不過，Rubin的帶寬將會有大幅升級，從原來的8TB/s提高到13TB/s，提高了1.6倍。

不僅如此，NVIDIA還會為Rubin擴(kuò)展NVLink，將其吞吐量提升到260TB/s，直接翻倍！

機(jī)架間的全新CX9鏈路達(dá)到了28.8TB/s。

不僅有標(biāo)準(zhǔn)版Rubin，老黃現(xiàn)場還推出了Rubin Ultra版本。

Rubin Ultra NVL576在FP4精度下進(jìn)行推理任務(wù)時(shí)，性能達(dá)到了15 ExaFLOPS，在FP8精度下進(jìn)行訓(xùn)練任務(wù)時(shí)，性能為5 ExaFLOPS。相比GB300 NVL72性能有14倍的提升。

配備HBM4e內(nèi)存，帶寬為4.6 PB/s，支持 NVLink 7，帶寬為1.5 PB/s，較上一代提升12倍。

Rubin Ultra NVL576機(jī)架支持CX9，帶寬為達(dá)到了115.2 TB/s，較上一代提升了8倍。

預(yù)計(jì)在2027年下半年推出。

Blackwell NVLink72和Rubin NVLink 576尺寸最直觀的對比，再一次證明了需要在scale up之前，先要完成scale out。

可以看到浮點(diǎn)運(yùn)算能力，Hopper架構(gòu)是1倍提升，Blackwell 68倍提升，到了Rubin直接躍升至900倍。

另外總擁有成本（TCO），也在隨著架構(gòu)迭代大幅降低。

那么，英偉達(dá)是如何實(shí)現(xiàn)scale up？

主要是通過網(wǎng)絡(luò)InfiniBand和Spectrum X。后者具備了低延遲和擁塞控制特性，并且成功scale up有史以來最大的單GPU集群。

不僅如此，英偉達(dá)還希望在Rubin時(shí)間框架內(nèi)，將GPU的數(shù)量擴(kuò)展至數(shù)十萬個(gè)。而這一目標(biāo)實(shí)現(xiàn)的主要挑戰(zhàn)在于，大規(guī)模連接的問題。

值得一提的是，老黃官宣了英偉達(dá)首個(gè)共封裝硅光子系統(tǒng)，也是世界上第一個(gè)每秒1.6T的CPO。

它基于一種「微環(huán)諧振器調(diào)制器」的技術(shù)（micro ring resonator modulator），并使用了臺積電工藝技術(shù)構(gòu)建。

現(xiàn)在，具備了將硅光子學(xué)與共封裝的結(jié)合，無需使用收發(fā)器，直接接入光線，并將其集成到512徑基數(shù)的交換機(jī)中。

這樣，便能夠輕輕動(dòng)動(dòng)擴(kuò)展至數(shù)十萬，甚至百萬GPU規(guī)模。

至于再下一代，則是將于2028年上市的Feynman（費(fèi)曼）。

該命名致敬了美國著名理論物理學(xué)家Richard Feynman。

桌面級「黃金超算」，AI算力20000 TFLOPS

蘋果這個(gè)月剛剛發(fā)布能跑6000億參數(shù)的Mac Studio，反身又要被英偉達(dá)超越了。

今天，老黃正式推出Blackwell RTX PRO工作站和服務(wù)器系列，專為開發(fā)者、創(chuàng)意工作者、數(shù)據(jù)科學(xué)家構(gòu)建和協(xié)作提供全方位的AI支持。

具體來說，它包括了數(shù)據(jù)中心GPU、桌面GPU，以及筆記本GPU。

這些GPU能夠提供卓越的性能、效率，解鎖生成式AI、智能體AI和物理AI的巨大潛力。

RTX PRO 6000 Blackwell采用了英偉達(dá)流式多處理器提供高達(dá)1.5倍吞吐量，第五代Tensor Core支持高達(dá)每秒4000萬億次AI運(yùn)算，第四代RT Core性能提升高達(dá)前一代的2倍。

不僅如此，老黃還帶來了兩款由Blackwell驅(qū)動(dòng)的DGX個(gè)人桌面AI超級計(jì)算機(jī)。

一個(gè)是DGX Spark（原名Project DIGITS），另一個(gè)是DGX Station。

老黃稱，「AI已經(jīng)改變了計(jì)算堆棧的每一層，理所當(dāng)然就會出新一類的計(jì)算機(jī)——專為AI原生開發(fā)者設(shè)計(jì)，并運(yùn)行AI原生程序」。

這兩款桌面超級計(jì)算機(jī)，便是這樣的存在。

DGX Spark可以稱得上，世界上最小的AI超級計(jì)算機(jī)，配備128GB內(nèi)存。

核心是GB10 Grace Blackwell超級芯片，能夠提供每秒高達(dá)1000萬億次操作的AI計(jì)算能力，可以用于微調(diào)和推理模型。

DGX Station則將數(shù)據(jù)中心級別的性能，帶到每個(gè)人桌面用于AI開發(fā)。

作為首款采用GB300 Grace Blackwell Ultra桌面超級芯片構(gòu)建的系統(tǒng)，DGX Station配備了高達(dá)784GB的統(tǒng)一內(nèi)存，以加速大規(guī)模訓(xùn)練和推理工作負(fù)載。

如下是Blackwell驅(qū)動(dòng)下，所有英偉達(dá)DGX家族。

Scaling Law沒撞墻，2028年數(shù)據(jù)中心將達(dá)一萬億！

開場時(shí)，老黃手舉GeForce 5090，和4090做了對比，它的體積小了30%，性能的提升卻難以置信。

GeForce將CUDA帶給了全世界，而CUDA開啟了AI，而AI又反過來改變了計(jì)算機(jī)圖形學(xué)。

如今大火的則是智能體AI，它可以感知、理解、推理，還能計(jì)劃行動(dòng)，使用工具，自己訪問網(wǎng)站去學(xué)習(xí)。

而接下來，就是物理AI，它將理解物理世界，理解摩擦、慣性、因果關(guān)系。它使機(jī)器人技術(shù)成為可能。

而這次大會上，Agentic AI和Physical AI將是全程的核心。

接下來，老黃重提了Scaling Law。

這涉及了三大問題：如何解決數(shù)據(jù)？如何訓(xùn)練模型？如何擴(kuò)展？

預(yù)訓(xùn)練要解決數(shù)據(jù)問題，后訓(xùn)練解決的是human-in-the-loop問題，而測試時(shí)Scaling，則提升了AI的推理。

老黃表示，去年整個(gè)世界都搞錯(cuò)了，Scaling并沒有撞墻！

從GPT開始，到如今的推理AI，它不再是僅僅預(yù)測下一個(gè)token，而是生成100多倍的token。

這樣，推理計(jì)算量就更高了，計(jì)算速度必須提高10倍，如今需要的計(jì)算量比去年這個(gè)時(shí)候我們認(rèn)為需要的多出100倍。

那么，數(shù)據(jù)應(yīng)該從哪里來？答案就是強(qiáng)化學(xué)習(xí)。

通過強(qiáng)化學(xué)習(xí)，我們可以生成大量token，這就涉及到了合成數(shù)據(jù)，給整個(gè)行業(yè)帶來巨大的計(jì)算挑戰(zhàn)。

比較一下Hopper的峰值年份和Blackwell的第一年，會發(fā)現(xiàn)：AI正處于轉(zhuǎn)折點(diǎn)。

Blackwell發(fā)貨才一年，我們就見證了全球AI基礎(chǔ)設(shè)施的驚人增長。僅在2024年，全球TOP 4的云服務(wù)商買進(jìn)的Hopper架構(gòu)芯片就達(dá)到130萬塊。

老黃表示，未來數(shù)據(jù)中心建設(shè)將達(dá)到一萬億美元的規(guī)模，并且他確信，這個(gè)時(shí)間很快了！

根據(jù)預(yù)測，到2028年就能達(dá)到這個(gè)規(guī)模。

如今，通用計(jì)算已經(jīng)走到了盡頭，我們已經(jīng)到達(dá)加速計(jì)算臨界點(diǎn)，需要一種新的計(jì)算方法。

世界正在經(jīng)歷一個(gè)平臺轉(zhuǎn)移，從在通用計(jì)算機(jī)上運(yùn)行的手寫軟件，轉(zhuǎn)向在加速器和GPU上運(yùn)行的機(jī)器學(xué)習(xí)軟件。

過去，我們編寫軟件并在計(jì)算機(jī)上運(yùn)行。未來，計(jì)算機(jī)將為軟件生成token。

計(jì)算機(jī)已經(jīng)成為生成token的工具，而不僅僅是文件的檢索工具，老黃稱之為「AI工廠」。

上面這張幻燈片，可以說是GTC最核心內(nèi)容的結(jié)晶。

英偉達(dá)通過由Grace Hopper和Grace Blackwell架構(gòu)支持的各種CUDA-X庫，為每一個(gè)科學(xué)領(lǐng)域提供了加速框架。

比如，解決涉及稀疏矩陣的大型工程仿真問題的cuDSS，模擬極其復(fù)雜的量子系統(tǒng)的cuQuantum等等。

而這些，僅僅是使加速計(jì)算成為可能的庫的樣本。

如今，通過英偉達(dá)的900多個(gè)CUDA-X庫和AI模型，所有人都可以加速科學(xué)研究，重塑行業(yè)，賦予機(jī)器視覺、學(xué)習(xí)和推理能力。

老黃表示，從業(yè)三十年中，最令自己感動(dòng)的一件事，就是一位科學(xué)家對自己說：「Jensen，因?yàn)槟愕墓ぷ?，我可以在有生之年完成我的畢生事業(yè)」。

如今，每年有1000億美元的資本投入無線網(wǎng)絡(luò)和用于通信的數(shù)據(jù)中。

加速計(jì)算的趨勢已經(jīng)無法阻擋，AI將進(jìn)入每個(gè)行業(yè)，比如改變無線電信號。

既要大量token思考，又要快速生成

如今，英偉達(dá)已經(jīng)完成了計(jì)算機(jī)架構(gòu)的基本轉(zhuǎn)型。

大約三年前，他們就展示過Grace Hopper（Ranger系統(tǒng)），但它太大了，需要解決規(guī)模擴(kuò)展的問題。

當(dāng)時(shí)的想法是，使用大量商用計(jì)算機(jī)，將它們連接成一個(gè)大型網(wǎng)絡(luò)，然而，這種方式會消耗太多電力和能力，根本無法實(shí)現(xiàn)深度學(xué)習(xí)。

而HGX系統(tǒng)架構(gòu)，徹底解決了縱向擴(kuò)展的問題。

它包含8個(gè)GPU，通過MVLink 8連接到CPU架上，然后再通過PCI Express進(jìn)行連接，很多這樣的設(shè)備再用InfiniBand連接起來。

這，就英偉達(dá)在向外擴(kuò)展之前所能達(dá)到的最大規(guī)模了。

然后，他們又做出了世界上性能最高的交換機(jī)——NVLink交換機(jī)，使得每個(gè)GPU能夠同時(shí)以全帶寬與其他所有GPU通信。

同時(shí)，利用液冷將計(jì)算節(jié)點(diǎn)也壓縮到1u的托盤中，從而為行業(yè)帶來了巨變。

從此，集成NVLink轉(zhuǎn)向分散式NVLink，從空氣冷卻轉(zhuǎn)變?yōu)橐豪?，從每臺計(jì)算機(jī)約6萬個(gè)組件到每個(gè)機(jī)架60萬組件，120千瓦功率，全液冷設(shè)置。

于是，一個(gè)機(jī)架里，就有了一個(gè)Exaflops級別的超算。

英偉達(dá)的目標(biāo)，就是構(gòu)建這塊芯片，此前沒有任何一種工藝能實(shí)現(xiàn)。

它包含130萬億個(gè)晶體管，其中20萬億用于計(jì)算，而解決方法，就是將其拆分到Grace Blackwell NVLink 72機(jī)架中。

最終的結(jié)果，就是英偉達(dá)實(shí)現(xiàn)了Scaling，可以說，這是全世界實(shí)現(xiàn)過最極端的Scaling。

這個(gè)過程中的計(jì)算量，可能已經(jīng)達(dá)到了內(nèi)存帶寬每秒570TB。而這臺機(jī)器，已經(jīng)達(dá)到了每秒百萬萬億次浮點(diǎn)運(yùn)算。

實(shí)際上，推理Scaling是一個(gè)「終極計(jì)算」問題。

推理是工廠生成token的過程，只有具備極高性能，才會提升服務(wù)質(zhì)量，以及收入和盈利的能力。

生成的token越多，AI就越智能。但問題是，吞吐時(shí)間太長且速率慢，客戶也不愿意買賬。

因此，在計(jì)算工廠中，響應(yīng)時(shí)間和吞吐量中間，存在著基本的矛盾關(guān)系。

老黃展示這張圖中，x軸代表了生成的token，y軸代表著每秒token吞吐效率，理想情況下，圖中黃色曲線應(yīng)該是一個(gè)方形，即在工廠能力極限之內(nèi)，非常快速生成token。

然而， 現(xiàn)實(shí)沒有哪個(gè)工廠可以做到這點(diǎn)。

曲線才是最符合現(xiàn)實(shí)的一種，工廠的目標(biāo)是最大化曲線下方的面積，越是向外推，代表著建造的工廠越優(yōu)秀。

另一個(gè)維度，則需要巨大的帶寬、最大的浮點(diǎn)運(yùn)算能力。

現(xiàn)場，老黃展示了一個(gè)傳統(tǒng)大模型和推理模型，基于同一段提示通過思考token解決問題的關(guān)鍵區(qū)別。

一邊是Llama 3.3 70B，另一邊是DeepSeek R1。

這段提示詞的大意是要求在遵循傳統(tǒng)、拍照角度和家族爭端等約束條件下，在婚禮宴會上安排賓客入座。

I need to seat 7 people around a table at my wedding reception, but my parents andin-laws should not sit next to each other. Also, my wife insists we look better in pictures when she's on my left, but l need to sit next to my best man. How do l seat us on a roundtable? But then, what happens if we invite our pastor to sit with us?

結(jié)果，傳統(tǒng)LLM只需不到500個(gè)token就能快速回答，但結(jié)果是錯(cuò)誤的。

而推理模型則需要超過8000個(gè)token來推理這個(gè)比較簡單的問題。

推理模型需要消耗超過20倍的token量完成問題，計(jì)算量也隨之增加了150倍。

而下一代模型，參數(shù)可能會達(dá)到萬億級別。

解決方案，就是將這些萬億級的參數(shù)分布在多個(gè)GPU上，通過管線并行、張量并行和專家并行的組合來解決。

8000多個(gè)token，就意味著數(shù)萬億字節(jié)的信息被輸入到GPU中，逐個(gè)生成token。

這，就是我們需要NVlink到根本原因——它讓我們能把這些GPU組成一個(gè)巨大的GPU，實(shí)現(xiàn)規(guī)模的終極Scaling。

終極摩爾定律：買越多，賺越多

接下來，黃仁勛發(fā)布了NVIDIA Dynamo，這是一款開源推理軟件，旨在以最低成本和最高效率加速和擴(kuò)展AI工廠中的推理模型。

他將其稱之為「AI工廠的操作系統(tǒng)」。

「正如發(fā)電機(jī)（Dynamo）推動(dòng)了工業(yè)革命，NVIDIA Dynamo將會革新AI工廠」。

隨著AI推理變得越來越主流，AI模型在每次提示下都會生成成千上萬的token來進(jìn)行「思考」。

如何在提高推理性能的同時(shí)，還能不斷降低推理成本？

這便是NVIDIA Dynamo推出的意義。

NVIDIA Dynamo是NVIDIA Triton Inference Server的下一代產(chǎn)品，它能協(xié)調(diào)并加速數(shù)千個(gè)GPU之間的推理通信，并使用分布式服務(wù)把LLM的處理和生成階段分配到不同的GPU上。

這樣每個(gè)階段都能根據(jù)自己的需求單獨(dú)優(yōu)化，確保GPU資源被充分利用。

在同樣的GPU數(shù)量下，Dynamo能讓運(yùn)行Llama模型的AI工廠在Hopper架構(gòu)上性能和收入雙雙翻倍。

在GB200 NVL72集群上運(yùn)行DeepSeek-R1模型時(shí)，NVIDIA Dynamo的智能推理優(yōu)化還能讓每個(gè)GPU生成的token數(shù)量提升超過30倍！

為了實(shí)現(xiàn)這些推理性能的提升，NVIDIA Dynamo能根據(jù)請求量和類型的變化，動(dòng)態(tài)添加、移除或重新分配GPU，還能在大型集群中精準(zhǔn)找到特定GPU來減少響應(yīng)計(jì)算和路由查詢。

它還能把推理數(shù)據(jù)卸載到更便宜的內(nèi)存和存儲設(shè)備上，需要時(shí)再快速取回，盡量降低推理成本。

老黃在現(xiàn)場宣布NVIDIA Dynamo完全開源，支持PyTorch、SGLang、NVIDIA TensorRT-LLM和vLLM。

下圖中，橫軸代表為用戶每秒處理的token數(shù)量，縱軸是工廠每秒處理的token吞吐量。

比如，Hopper平臺用8個(gè)GPU連上InfiniBand，可以為每個(gè)用戶提供100 token/秒的處理速度。

老黃開始算了起來，「有了這個(gè)坐標(biāo)，我們就可以用token/秒和能耗來衡量收益了?！?/span>

比如，250萬token/秒按每百萬token 10美元算，就能帶來每秒2500美元的收入；而如果降到10萬token/秒，那也就是250美元。

而一年有3000多萬秒，這直接關(guān)系到1兆瓦數(shù)據(jù)中心的年收入。

所以，目標(biāo)是找到token處理速度和AI智能之間的平衡點(diǎn)：速度快能做聰明AI，客戶愿意多付錢，但越聰明，批量生產(chǎn)就越難。

相比之下，新的Blackwell架構(gòu)比Hopper強(qiáng)多了，尤其在能耗固定的情況下，性能提升了25倍，甚至在推理模型上直接比Hopper高40倍。

更厲害的是，Blackwell用MVLink 8技術(shù)加速，還引入了4位浮點(diǎn)數(shù)優(yōu)化，減少能耗提升效率。

老黃表示，未來數(shù)據(jù)中心都會受限于電力，收入也跟電力掛鉤，所以能效高的架構(gòu)最重要。

接下來，Blackwell將擴(kuò)展到MVLink 72，再加上Dynamo軟件，效果將更上一層樓。

老黃表示下圖里的彩虹線非常驚艷，展示了各種配置下的最佳表現(xiàn)。

從頂部3000批大小到底部的2批大小，配置靈活應(yīng)變。

這些優(yōu)化讓數(shù)據(jù)中心能適應(yīng)不同工作負(fù)載，證明了架構(gòu)的重要性。

說到這，老黃舉了個(gè)例子，在推理模型上，Blackwell的性能直接比Hopper高了40倍，真的很了不起！

「一旦Blackwell開始大規(guī)模出貨，Hopper可能連送人都沒人要了。」老黃在現(xiàn)場打趣道。

黃仁勛說，銷售團(tuán)隊(duì)聽到他這話估計(jì)要急了，擔(dān)心影響會Hopper的銷量。

但老黃認(rèn)為，技術(shù)進(jìn)步太快，工作負(fù)載又重，像AI工廠這樣的大型項(xiàng)目，最好投資在最新版本的技術(shù)上，比如Blackwell，這樣才能跟上潮流，避免落后。

接著，他拿出一個(gè)具體的例子來對比：一個(gè)100兆瓦的AI工廠用Hopper技術(shù)需要45000個(gè)芯片、1400個(gè)機(jī)架，每秒能產(chǎn)出3億個(gè)token。

而同樣的工廠如果用Blackwell，雖然芯片數(shù)量減少，但效率更高，整體性能更強(qiáng)。

老黃再次調(diào)侃道，銷售團(tuán)隊(duì)可能覺得這是在「少賣貨」，但實(shí)際上還是之前那個(gè)觀點(diǎn)，「 the more you buy, the more you save」（買得越多，省得越多）。

甚至，現(xiàn)在還要更進(jìn)一步：「the more you buy, the more you make」（買得越多，賺得越多）。

首個(gè)通用機(jī)器人模型開源，規(guī)模僅2B

正如老黃所言，Physical AI也是今年行業(yè)的重點(diǎn)。

他表示，「預(yù)計(jì)本世紀(jì)末，世界勞動(dòng)力短缺人數(shù)將超過5000萬，而通用機(jī)器人的時(shí)代已經(jīng)到來」。

具身智能也遵循著三大Scaling Law。

數(shù)據(jù)短缺成為Scaling一大難題，英偉達(dá)Omniverse和Cosmos能夠同時(shí)為具身智能的訓(xùn)練，生成大量多樣化、高質(zhì)量的數(shù)據(jù)。

然后開發(fā)者利用Isaac Lab通過增強(qiáng)數(shù)據(jù)集后訓(xùn)練機(jī)器人策略，并通過模仿學(xué)習(xí)讓機(jī)器人通過克隆行為來學(xué)習(xí)新技能，或者通過試錯(cuò)和強(qiáng)化學(xué)習(xí)AI反饋進(jìn)行學(xué)習(xí)。

這一次，英偉達(dá)正式官宣了世界首個(gè)開源、完全可定制的通用人形機(jī)器人模型——GROOT N1。

這款模型的設(shè)計(jì)從人類認(rèn)知過程汲取靈感，采用了「雙系統(tǒng)架構(gòu)」，分別可以進(jìn)行快思考和慢思考。

技術(shù)報(bào)告：https://d1qx31qr3h6wln.cloudfront.net/publications/GR00T%20N1%20Whitepaper.pdf

在視覺語言模型驅(qū)動(dòng)下，慢思考系統(tǒng)（System 2）能夠?qū)Νh(huán)境和指令進(jìn)行推理，然后規(guī)劃出正確的行動(dòng)。

快思考系統(tǒng)（System 1），可以將上述計(jì)劃轉(zhuǎn)化為機(jī)器人精確、連續(xù)的動(dòng)作，包括操縱物體、執(zhí)行多步驟序列的能力。

值得一提的是，System 1是基于人類演示數(shù)據(jù)和Omniverse生成大量的合成數(shù)據(jù)進(jìn)行訓(xùn)練的。

GROOT N1可以輕松在上見任務(wù)中進(jìn)行泛化，或執(zhí)行需要長上下文和多種通用技能組合的多步驟任務(wù)。

比如，抓取、用一只手臂/兩只手臂移動(dòng)物體，以及在兩個(gè)手臂之間傳遞物品。

此外，英偉達(dá)還與DeepMind、迪士尼研究一起開發(fā)下一代開源的Newton物理引擎，能夠讓機(jī)器人學(xué)習(xí)如何更精確處理復(fù)雜任務(wù)。

隨后，以星球大戰(zhàn)BDX機(jī)器人為靈感，裝上Newton引擎的Blue上臺和老黃來了一波有趣的互動(dòng)。

最后，老黃預(yù)言：在未來，機(jī)器人領(lǐng)域?qū)⒊蔀樽畲蟮漠a(chǎn)業(yè)。

毫無疑問，英偉達(dá)又一次成為了贏家。