英伟达GTC大会已经成了AI界超级碗，没有剧本也没有提词器，中途黄仁勋被线缆卡住，反而是这场高浓度AI发布会里最有人味的片段，在当今基本提前彩排或录播的科技发布会里已经很稀缺了。
刚刚，黄仁勋再次发布了全新一代核弹级AI芯片，不过这场发布会的还有个隐藏主角——DeepSeek。
由于智能体AI（Agentic AI）和推理能力的提升，现在所需的计算量至少是去年此时预估的100倍。
推理成本效率给AI行业带来影响，而不是简单地堆积计算能力，成为贯穿这场发布会的主线。英伟达要变成AI工厂，让AI以超越人类的速度学习和推理。
推理本质上是一座工厂在生产token，而工厂的价值取决于能否创造收入和利润。因此，这座工厂必须以极致的效率打造。
黄仁勋掏出的英伟达新「核弹」也在告诉我们，未来的人工智能竞争不在于谁的模型更大，而在于谁的模型具有最低的推理成本和更高推理的效率。
全新的Blackwell芯片代号为「Ultra」，也就是GB300 AI芯片，接棒去年的「全球最强AI芯片」B200，再一次实现性能上的突破.
如果说H100更适合大规模模型训练，B200在推理任务中表现出色，那么B300则是一个多功能平台，预训练、后训练和AI推理都不在话下。
英伟达还特别指出，Blackwell Ultra也适用于AI智能体，以及用于训练机器人和汽车自动驾驶的「物理AI」。
为了进一步增强系统性能，Blackwell Ultra还将与英伟达的Spectrum-X以太网和英伟达Quantum-X800 InfiniBand平台集成，为系统中的每个GPU提供800Gb/s的数量吞吐量，帮助AI工厂和云数据中心能够更快处理AI推理模型。
黄仁勋表示，借助 DGX Station 和 DGX Spark，用户可以在本地运行大模型，或者将其部署在 NVIDIA DGX Cloud 等其他加速云或者数据中心基础设施上。
DGX Spark系统现已开放预订，而DGX Station预计将由华硕、戴尔、惠普等合作伙伴于今年晚些时候推出。
英伟达一直以科学家的名字为其架构命名，这种命名方式已成为英伟达文化的一部分。这一次，英伟达延续了这一惯例，将下一代 AI 芯片平台命名为「Vera Rubin」，以纪念美国著名天文学家薇拉鲁宾（Vera Rubin）。
实际上，Rubin 由两个 GPU 组成，而这一设计理念与当前市场上的 Blackwell GPU 类似——后者也是通过将两个独立芯片组装为一个整体运行。
从 Rubin 开始，英伟达将不再像对待 Blackwell 那样把多 GPU 组件称为单一 GPU，而是更准确地按照实际的 GPU芯 片裸片数量来计数。
互联技术也升级了，Rubin 配备第六代 NVLink，以及支持 1600 Gb/s 的 CX9 网卡，能够加速数据传输并提升连接性。
为了在瞬息万变的市场竞争中站稳脚跟，英伟达的产品发布节奏已经缩短至一年一更。发布会上，老黄也正式揭晓下一代 AI 芯片的命名——物理学家费曼(Feynman)。
为此，英伟达推出了 Spectrum-X™ 和 Quantum-X 硅光网络交换机，旨在帮助 AI 工厂实现跨站点连接数百万 GPU，同时显著降低能耗和运营成本。
随着 AI 的快速发展，对数据中心的带宽、低延迟和高能效需求也急剧增加。
英伟达 Spectrum-X Photonics 交换机采用了一种名为 CPO 的光电子集成技术。其核心是将光引擎（就是能处理光信号的芯片）和普通的电子芯片（比如交换芯片或 ASIC 芯片）放在同一个封装里。
黄仁勋表示，未来，每个行业、每家公司拥有工厂时，都将有两个工厂：一个是他们实际生产的工厂，另一个是 AI 工厂，而 Dynamo 则是专门为「AI 工厂」打造的操作系统。
Dynamo是一款分布式推理服务库，为需要token但又无法获得足够token的问题提供开源解决方案。
智能路由器，减少GPU对重复和重叠请求的重新计算，释放更多算力应对新的传入请求
人形机器人再一次成为了GTC大会的压轴节目，这次英伟达带来了Isaac GR00T N1，全球首款开源人形机器人功能模型。
黄仁勋表示，通用机器人技术的时代已经到来，借助Isaac GR00T N1核心的数据生成以及机器人学习框架，全球各地的机器人开发人员将进入AI时代的下一个前沿领域。
在视觉语言模型的支持下，系统 2 对环境和指令进行推理，然后规划动作，系统 1 将这些规划转化为机器人的的动作。
GR00T N1的基础模型采用广义类人推理和技能进行了预训练，而开发人员可以通过真实或合成数据进行后训练，满足特定的需求：既可以完成工厂的特定任务，也可以在家里自主完成家务。
一台搭载Newton平台的机器人也登上了舞台，黄仁勋称之为「Blue」，外观神似《星球大战》中的BDX机器人，能够用声音和动作和黄仁勋互动。
通过硬件和软件的结合，自今年1月以来，英伟达在DeepSeek-R1 671B模型上的吞吐量提升了约36倍，每token的成本效率提高了约32倍。
值得注意的是，此次发布会的主题演讲并未提及量子计算，但英伟达特意在这届GTC大会设置了量子日，邀请了多家当红量子计算公司的CEO出席。
一改口风的背后，离不开微软耗时17年研发的拓扑量子芯片Majorana 1实现8个拓扑量子比特集成，离不开Google Willow芯片宣称用5分钟完成经典计算机需10^25年处理的任务，推动了量子计算的热潮。
硅谷著名投资人马克安德森曾提出软件正在吞噬世界（Software is eating the world）的论断，其核心逻辑在于软件通过虚拟化、抽象化和标准化，正在成为控制物理世界的基础设施。
不满足于做「卖铲人」，英伟达的野心是打造AI时代的「生产力操作系统」。从汽车智能驾驶，到制造业的数字孪生工厂，这些贯穿整场发布会的案例都是将 GPU 算力转化为行业生产力的具象化表达。
实际上，无论是发布会上亮相的最新核弹芯片，还是押注战未来的量子计算，黄仁勋在这场发布会上对AI未来发展的洞察和布局，都比当下的技术参数与性能指标更具看点。
在介绍 Blackwell与Hopper架构的对比时，黄仁勋还不忘幽默一把。
他以一个100MW工厂的对比数据为例，指出采用Hopper架构需要45,000颗芯片和400个机架，而Blackwell架构凭借更高的效率显著减少了硬件需求。
随着AI领域的重心从训练转向推理，英伟达更需要证明其软硬件生态在推理场景的不可替代性。
一方面，Meta、Google等巨头自研AI芯片，可能分流GPU市场需求。
另一方面，英伟达最新AI芯片的适时亮相，回应如 DeepSeek 的开源模型对 GPU 需求的冲击，并展示推理领域技术优势，也是为了对冲市场对训练需求见顶的担忧。
最近估值（未来12月市盈率）跌至10年低位的英伟达，比以往任何时候都需要一场酣畅淋漓的胜利。