剛剛，老黃官宣在中國台北建AI超算！

新智元報導  

編輯：編輯部 HYZ

【新智元導讀】英偉達CEO黃仁勳，在Computex 2025演講中官宣：中國台灣，將建起首台世界級的巨型AI超算，以及全新的英偉達總部！此外，最強AI芯片GB300、個人超算DGX Station、NVLink Fusion等，也都是此次推出的最新亮點。

中國台灣，將建起第一台世界級AI超算！

剛剛結束的演講中，老黃宣佈了這一重磅消息。

就在剛剛，老黃又帶著一大波新品，驚喜亮相英偉達Computex 2025：

• 最強AI芯片GB300：搭載576GB顯存（16TB/s帶寬），可提供40 PFLOPS算力

• 全新NVlink Fusion：半定製化超算，支持各種硬件混搭，可實現整個基礎設施的端到端打造

• DGX Station：搭載GB300超級芯片和800GB統一內存，可提供20PFLOPS的AI算力

• 全新RTX PRO Server：搭載8塊RTX PRO 6000 GPU和800GB顯存（13TB/s帶寬），可提供30PFLOPS的FP4 AI算力和3 PFLOPS的RTX圖像算力

如今的英偉達，已經從GPU芯片，轉移到AI基礎設施的建設上，連數據中心，都成為了過去時。

為何要建AI工廠？老黃再次喊出那句至理名言——The more you buy, the more you make！

而作為這一切的基石，GeForce最新的RTX 5060顯卡和筆記本，也正式上架了。

值得一提的是，這也是我們第一次在老黃的演講中，看到如此詳細的芯片製造流程。

GB300的一個節點

= 2018年的一台超算

如今，Blackwell已經全面量產。

而老黃宣佈，就在今年第三季度，Grace Blackwell將全面升級為GB300。

對於這樣的設備，老黃直接將其抬到了前所未有的高度——「一台會思考的機器」。

GB300將延用和GB200同樣的架構、物理空間和電氣機械設計，但內部芯片將得到巨大的升級。

• 訓練性能相當，但推理性能提升1.5倍，達到40PFLOPS

• HBM內存增加1.5倍，達到576GB的容量和16TB/s的帶寬

• 通信帶寬翻倍，達到800GB/s

這一性能，已經可以和2018年的Sierra超算，平起平坐了。

要知道，後者有18000個GPU，而GB300的一個節點，就能取代當時的一整套超算！

也就是說，在六年內，性能已經增長了4000倍。這，就是極致的摩亞定律。

這就印證了老黃此前的這句判斷：每十年，英偉達的算力就會擴展1000萬倍。

而英偉達的方法，不僅僅是讓芯片變得更快，而且還將它們連接在了一起。

為此，NVLink便登場了——它造就了全球最快的交換機，傳輸速率可達7.2 TB/s。

9個這樣的設備，會被安裝到機架中。而其中的switch，是以NVLink spine的方式而相連的。

在兩英里的電纜中，5000根電纜被整齊地布控在一起，每個插針都做到了精準的對接。

由此，它把這72個GPU和網絡中其它的72個GPU連接了起來，組成了NVLink交換機。

而主幹的總帶寬，達到了130 TB/s，這就讓整個互聯網的峰值流量，達到了900 TB/s。

如果把這個數字除以8，就會得知它的數據傳輸量比整個互聯網還要大！

一條NVLink主幹，連接9個這樣的NVLink交換機，就能讓每個GPU都能在完全相同的時間內和其它所有GPU通信。

這，就是GB200的奇蹟。

現在，一個機架的功耗是120千瓦，這就是為何所有設備都必須採用液冷。

而且未來，一旦規模提升上去，它們還可以應用到更大的系統中。

老黃表示，現在英偉達已經不是在建數據中心，而是在建AI工廠。

比如下圖中的星際之門，面積達到了400萬平方英呎。這一吉瓦（gigawatt）的工廠價值，大概就在600到800億美元之間。

在現場，老黃向觀眾們發出了靈魂拷問：為什麼要建工廠？

答案當然是——買得越多，賺得越多！（The more you buy, the more you make）

老黃官宣：在中國台灣建AI超算

隨後老黃宣佈，英偉達將聯合台積電、富士康，在台灣省建起第一台巨型AI超算，達到世界級的水準。

最終，英偉達的目標就是把這些Blackwell芯片整合成一塊巨大的芯片。

而整個生態系統，是由150家公司共同構建的，涉及到巨大的工業投資。

但是，怎樣才能把這些複雜的架構連接到豐富的軟件生態系統上，讓任何人都可以使用呢？

無論是一整套GB200/300，或英偉達的其它加速系統，或是其他公司提供的系統，都要可以使用，這無疑讓系統極為複雜。

不過，NVLink卻可以擴展半定製系統，讓我們建起真正強大的計算機。

由此，NVLink Fusion出場了！

NVLink Fusion：超算DIY

不論是學生、研究人員，還是初創公司、科技大廠，都需要AI基礎設施的加持。

為了滿足不同場景的計算需求，老黃帶來了重磅新品——NVLink Fusion。

它最大的亮點就是，半定製化。也就是說，任何人、任何公司都可以打造屬於自己的AI超級計算機。

NVLink Fusion支持混搭各種硬件，不論是100%英偉達硬件，還是想用自己的ASIC，都可接受自定義。

在這個平台中，可以在各個計算層面進行混搭，可以是自己定製的TPU，或者特別的加速器。

甚至，也不一定是Tranformer專用個加速器，任何類型的加速器都可以。

它還擁有豐富的軟件系統，是由英偉達聯手150+公司曆時三年打造。

個人超算DGX Station，裝下1.5個DeepSeek

接下來老黃表示，為了讓所有人用上AI超算，DGX Spark正在全力生產中，預計會在未來幾週上線。 

DGX Spark

只有巴掌大小，擁有128GB內存和1PFLOPS算力

如果DGX Spark不足以撐起訓推任務，DGX Station就是另一個選擇。

這款個人DGX超算採用的是GB300超級芯片，並配備了800GB統一內存，可提供20PFLOPS的AI算力。

高達萬億參數的大模型，都能直接在DGX Station上跑起來。

可以說，這是能通過單機獲得的性能極限了。

老黃稱，這些系統都是AI原生的，是專為新一代軟件構建的計算機。

它的根本，是重塑企業計算。

RTX PRO Server：跑R1是H100四倍速

在企業計算中，一共有三層，計算層、儲存層、網絡層。正如AI革新了一切，它也將從底層徹底改造企業計算。

其中，智能體AI就是最典型的案例。它們化身為數字員工，為企業提供服務。

老黃稱，「100%英偉達軟件工程師，都有數字智能體與其進行合作」。

英偉達希望，AI智能體軍團，未來能夠接管公司，對其內部工作進行管理、評估、改進。

不過，在這一願景實現之前，人類還必須重新發明計算。

為此，老黃展示了全新的RTX PRO Server，專為企業和Omniverse打造。

它可以運行所有傳統的虛擬機管理程序，甚至，毫不誇張地說，當今世界上的一切都可在此運行。

「這是企業AI智能體的計算機」。

它搭載了8塊RTX PRO 6000 GPU，可提供30 PFLOPS的FP4 AI算力，3 PFLOPS的RTX圖像算力，以及高達800GB/s的通信帶寬。

在ConnectX-8芯片的加持下，每個GPU都有自己的網絡接口，能與相鄰的GPU高速通信。

RTX PRO Server能夠實現高吞吐，低延遲的完美平衡。

在特定配置下，運行Llama 70B的性能是H100的1.7倍；而運行DeepSeek-R1的性能，更是達到了H100的4倍！

此外，英偉達還打造了一個AI數據平台，讓GPU成為每個行業未來的存儲核心單元。

基於英偉達頂尖的開源模型和數據，可以輕鬆讓數據提取速度飆升15倍，檢索準確率提升50%。

CUDA點燃AI革命

機器人解鎖萬億藍海

通過高性能並行計算，CUDA讓英偉達GPU從單純圖像渲染工具，變成了通用計算的超級引擎。

正如老黃所說，一切始於CUDA。

它不僅加速了計算，還催生了一系列革命性的技術。會上，老黃再次亮出了CUDA加持下強大的庫。

不論是5G/6G無線電信號處理，還是量子計算等領域，CUDA為AI的深度集成帶去了可能。

接下來，老黃又回顧了AI整個發展歷程。

12年前，人工智能主要聚焦於感知模型，能夠識別語音、圖像和模式。

過去5年，GenAI成為了焦點，不僅能理解信息，還能生成文本、圖像，甚至是影片。

他表示，「真正的智能不僅僅局限於從數據中學習，還要推理和解決未知問題」。比如CoT、ToT等逐步分解推理能力，讓AI更接近於人類的思維方式。

當AI具備了感知和推理能力時，智能體AI（Agentic AI）就應運而生。它的本質是——理解-思考-行動。

當被賦予一個目標時，它會一步步將其分解，能自主調用工具、搜索，執行規劃解決問題。

老黃將Agentic AI形象地比做數字世界的「機器人」。

AI的下一個前沿，便是物理AI（Physical AI）。

這種AI不僅能理解數據，還能理解物理世界的規則，比如慣性、摩擦、因果關係等等。

老黃舉例稱，一個簡單的提示，物理AI可生成不同場景的影片以訓練自動駕駛汽車。

以上所有的AI技術進步，將促成通用機器人到來，將會打開價值萬億美元的藍海市場。

值得一提的是，老黃還官宣了開源了NVIDIA Isaac GR00T N1.5，一個更新後的人形機器人推理和技能模型。

此外，由GR00T-Dreams藍圖生成的合成數據，在短短36小時之內被用來開發出GR00T N1.5。

老黃表示，「如果沒有藍圖，這將花費三個月的時間」。

參考資料：