NVIDIA創始人黃仁勛在CES 2025的全程高能演講，淺看是一場新品發布會，實則是英偉達下了一步巨大的棋，這步棋關乎從雲端到終端、從數據中心到普通用戶、從虛擬世界到物理世界的「全方位」AI發展路線，不過這個「全」帶了引號，因為英偉達試圖在每一個方向都去突破既有玩法的極限。
就像黃仁勛在會後接受包括至頂科技在內的媒體採訪時所說：「英偉達只做兩類事情：要麼是別人沒在做的，要麼是我們能做得獨特且更好的。」
所以從這個角度，再回看那場發布會，似乎是另外的基調，所以這篇文章特此梳理黃仁勛這次演講背後的8個核心要點。
圖：出現在CES 2025舞台上的黃仁勛，這次穿了件閃亮亮的皮衣，他開玩笑地對觀眾說道：「畢竟我在拉斯維加斯」。
要點一：「AI改變了遊戲規則，更改變了計算的本質」，所以用BlackWell重新定義AI計算的邊界。
黃仁勛開篇回顧了英偉達的發展歷程。
從1993年NV1開始，英偉達就立志，構建能完成普通電腦無法完成任務的電腦，當時英偉達的編程架構被稱為UDA（Unified Device Architecture，統一設備架構），跑在UDA的第一個應用程序，是世嘉的《虛擬戰士》。
六年後的1999年，NVIDIA發明了可編程GPU；又過了六年後的2006年，英偉達發明了通用並行計算架構CUDA（Compute Unified Device Architecture）；再過了六年後的2012年，隨著「師生三人組」Alex Krzyzewski、Ilya Suskevor和Jeffery Hinton利用GPU訓練AlexNet，並贏得2012年ImageNet挑戰賽，震驚了電腦視覺界，AI由此進入新階段。（這幾個6年曆程，老鐵見了都得直呼666）
黃仁勛認為，AI發展有四個階段：
1、感知AI（Perception AI），理解圖像、文字和聲音，場景包括語音識別、推薦系統、醫學成像；
2、生成式AI（Generative AI），生成圖像、文本和聲音，場景包括數字營銷、內容生成；
3、現階段的Agenic AI，能夠感知、推理、規劃和行動，場景包括代碼助理、客戶服務、患者護理；
4、未來的物理AI（Physical AI），場景包括自動駕駛汽車、通用機器人。
2018年是一個關鍵的節點，谷歌發布Transformer模型BERT，徹底改變了AI的格局。這裡溫馨插入一段解釋，之所以說Transformer具有變革性，是因為它引入的注意力機制，解決了長序列數據處理的難題，且允許並行計算，打破了傳統RNN和LSTM的串行限制，它讓機器第一次真正學會了「看全局」。
如果說以前的AI是只能一個個字往下讀，但會看了後邊忘了前邊的兒童，而Transformer就是一目十行，心有全篇的專家。這個突破不僅讓AI更聰明，處理資訊的速度也賊快。而且它厲害的地方是，不光能處理文字，連圖片、聲音這些都能應對。所以說，Transformer就像是AI世界的「基本法」，徹底改變了AI的發展方向。
黃仁勛現場說：「Transformer驅動的機器學習將從根本上改變每一個應用程序的構建方式、計算方式、以及超越這些的可能性。」
順著這句話，黃仁勛舉了個「AI革新傳統圖形渲染」的例子。傳統光線追蹤，要對每個像素進行複雜計算，計算量巨大，但AI變革了這個過程——英偉達在遊戲圖形領域完成了兩次根本性的革新：
第一次革新是引入可編程著色器和光線追蹤技術，這讓顯卡能夠通過定製化的程序來處理像素，並模擬真實世界中的光線行為，從而生成極具真實感的畫面；第二次革新是DLSS(AI超解析度技術，Deep Learning Super Sampling)，它的核心理念是讓AI來輔助甚至部分取代傳統的像素渲染，通過在英偉達超級電腦上進行大規模訓練，AI系統學會了理解和預測像素的顏色值，使得GPU上的神經網路能夠「腦補」出未經實際渲染的像素內容。
最新一代DLSS 4的突破，被黃仁勛稱之為「奇蹟」，它不僅能在空間維度上補全像素，還能在時間維度上工作——通過預測未來畫面，為每一幀額外生成三幀畫面，就好比有3300萬像素，而實際只需計算200萬像素，並讓AI預測其餘的3100萬像素，既保證了渲染質量，又提升了渲染效率。在現場演示中，DLSS 4 以每秒247幀的速度渲染場景，比不使用AI快8倍以上，同時將延遲保持在僅34毫秒。
順著上述知識點，黃仁勛發布了這次的第一款GPU新品——RTX Blackwell系列。
RTX Blackwell 系列擁有920億個電晶體，AI算力最高達4000 TOPS（比上一代高出三倍），美光G7內存，帶寬可達每秒 1.8 TB（是上一代性能的2倍）。現有的 RTX GPU 也將支持 DLSS 4。
該系列包括四種型號：
-
RTX 5070——售價549 美元，提供 RTX 4090 的性能。
-
RTX 5070 Ti——售價749 美元，提供與 4090 相當的性能，配備 1406 AI TOPS 和 16GB G7 內存。
-
RTX 5080——售價999 美元，配備 1800 AI TOPS 和 16GB G7 內存。
-
RTX 5090——售價1999 美元，配備 3404 AI TOPS 和 32GB G7 內存。
搭載 RTX Blackwell GPU 的筆記本電腦，電池壽命延長 40%，性能提高一倍，功耗降低一半，價格從1299 美元到 2899 美元不等。其中，搭載RTX 5090、RTX 5080、RTX 5070 Ti的筆電將於3月上市，搭載RTX 5070筆電將於4月由OEM發售。
要點二：「Scaling Law依然奏效，正推動AI計算需求的指數級增長」，所以用NVLink滿足全球數據中心需求。
接著講到AI發展，黃仁勛認為Scaling Law（規模定律）還沒結束——即數據越多、模型越大、計算能力越強、模型就越有效。之所以還沒結束，是因為網際網路每年產生的數據量都在翻倍，未來幾年人類產生的數據量將超過之前的總和，而且這些數據正變得多模態。
黃仁勛認為，規模定律非但沒結束，而且還發展出三種狀態：預訓練規模定律（Pre-Training Scaling）、後訓練規模定律（Post-Training Scaling）、測試時間規模定律（Test-Time Scaling）。
其中：
-
「預訓練規模定律」利用強化學習和人工反饋等技術，AI藉助人類反饋進行學習提升，它可以針對特定領域微調，類似學生根據老師指導改進作業，適合解決數學、推理問題。
-
「後訓練規模定律」則類似於自我練習，AI通過持續自主練習提升能力，過程中雖耗費大量算力，但能產生突破性模型。
-
「測試時間規模定律」是指AI運行時，不再僅僅改進參數，而是能動態掉配計算資源，通過「分步推理」和「深入思考」找出最優解決方案。該定律已被證明極其有效。
黃仁勛說，「規模定律推動了對英偉達的計算，特別是Blackwell晶片的巨大需求。」
圖：Blackwell全系產品圖
話音落下，黃仁勛搬出了一個由72塊Blackwell GPU組成的NVLink72巨型「盾牌」模型，還擺了個pose，被網友調侃「美國隊長」。
不過黃仁勛手裡的「盾牌」，只是NVLink72的縮小模型，真正的NVLink72重達1.5噸，擁有60萬個零件，相當於20輛汽車的複雜程度，系統內部有個類似「脊椎」的結構，通過2英里的銅線與5000根電纜把所有的Blackwell連接在一起。
黃仁勛介紹了性能參數。一個NVLink72晶片的AI浮點運算性能是1.4 ExaFLOPS，比世界上最大、最快的超級電腦還要大。其內存帶寬達到 1.2 PB/s，相當於全球所有網際網路流量的總和。這種超級計算能力，使得 AI 能夠處理更複雜的推理任務，同時顯著降低成本，為更高效的計算奠定了基礎。
NVLink72的生產和部署過程十分複雜。它在全球45個工廠進行生產，採用液冷技術散熱，經過嚴格測試後會被拆解成小部件，運送到全球的數據中心，之後再重新組裝起來——這種特殊的運輸方式是因為整機太重太大。
黃仁勛解釋了「為什麼要建造這塊龐然大物」，是因為Scaling Law要求越來越強大的計算能力。新一代Blackwell晶片與上一代相比，每瓦性能提升了4倍，每美元性能提高了3倍。這個提升帶來兩個重要影響：
第一，從成本角度看，訓練同樣規模的AI模型，成本可以降低到原來的1/3；或者用相同成本，可以訓練規模大3倍的模型。
第二，從數據中心運營角度看，由於數據中心受限於供電能力，新晶片的能效提升意味著，在相同供電條件下，數據中心可以進行4倍於之前的AI運算，這直接轉化為更高的營收能力。
黃仁勛強調，這種提升非常重要，因為未來幾乎所有應用都會使用AI進行文本處理（tokens）。目前大模型的token生成速度為每秒20-30個，與人類閱讀速度相當。但在未來，GPT-o1/o2/o3、Gemini Pro等新模型能夠進行自我對話、思考、反思，因此token的生成速度將大幅提高，而這些處理都需要在數據中心進行，他將這些數據中心比喻為「AI工廠」，而新一代晶片的能效提升，本質上就是在提高這些「AI工廠」的生產效率。
要點三：「Agenic AI是企業最重要的變革之一」，所以英偉達軟硬兼施。
黃仁勛描繪了一個令人振奮的AI未來圖景——「Agenic AI將成為企業最重要的變革之一。」這種變革不僅是技術的進步，更是工作方式的根本轉變。
在他的描述中，AI代理不再是簡單的問答系統，而是一個複雜的智能網路，它能夠理解用戶需求，搜索資訊、調用各種工具、並通過多個模型的協同工作，來幫助用戶解決問題。
為了幫助企業和合作夥伴實現Agenic AI的未來圖景，英偉達推出了三個重要產品：
-
第一個是NVIDIA NIMS，這是一套打包好的AI微服務，包含CUDA DNN、Cutlass、Tensor RTLM、Triton等CUDA軟體，以及一系列模型（涵蓋語義理解、數字人、虛擬內容生成、數字生物等領域，並即將上線「物理AI」模型），方便開發者集成到自身軟體中，可以在大部分雲平台上運行。
-
第二個是NVIDIA NEMO，這是一個「數字員工」管理系統，負責訓練AI智能體適應企業特定需求、設置行為準則和權限、並且通過反饋不斷改進，就像是給AI代理做「入職培訓」。
-
第三是一整套AI Blueprints（AI藍圖），以便生態系統夥伴和開發者自主構建AI智能體，而且它完全開源。黃仁勛介紹了其中的一套模型——Llama Nemotron開源模型套件，這是一個企業級語言模型的「全家桶」，是英偉達針對Meta的Llama進行微調而成（黃仁勛解釋說，是因為英偉達發現Llama 3.1已經成為一個現象級產品，它被下載65萬次，衍生出了6萬個不同版本，是大部分企業研發AI的開始，而且可以它能被很好地微調）。
英偉達的Llama Nemotron包括三種規格：
-
Nano：極其小巧、響應快、最具成本效益的模型，針對PC和邊緣設備所需的低時延模型進行了優化；
-
Super：在單個GPU上提供卓越吞吐量的高精度模型；
-
Ultra：精度最高的模型，專為要求最高性能的數據中心規模應用而設計。
黃仁勛預測，未來企業的IT部門將轉變成AI智能體的HR部門，它們不再僅僅是維護軟體系統，而是要管理一支數字勞動力隊伍。全球有3000萬程式設計師和10億知識工作者將受益於這場變革，AI智能體將成為他們的得力助手。
這種AI智能體帶來的變革，正在影響各行各業，黃仁勛在現場通過一支影片展示了5種AI代理的應用場景：
-
AI研究助手：在研究領域，AI智能體可以快速處理講座、期刊、財報等複雜資料，生成易於理解的內容；
-
天氣預報系統：在氣象預報中，AI智能體將預報精度從25公里提升到2公里；
-
軟體安全AI：在軟體開發過程中，AI智能體可以自動掃描代碼漏洞並提出修復建議；
-
虛擬實驗室：在製藥研究中，AI智能體可以幫助研究人員快速篩選藥物候選物，加速新藥研發過程。
英偉達選擇了一條獨特的市場路徑。他們不直接面向企業用戶，而是與生態系統的合作夥伴一起工作，就像當年推廣CUDA一樣。生態系統中的合作夥伴有CrewAI、Daily、LangChain、LlamaIndex、Weights & Biases的工具，也有ServiceNow、SAP、西門子的工業平台，也有甲骨文、dataloop的數據平台等。英偉達正在將AI代理滲透到各個行業。
這個戰略顯示了英偉達對未來AI的深刻理解：AI代理不僅是一個技術產品，而是企業的「數字員工」，它們需要培訓、管理和持續改進，就像管理人類員工一樣，這些AI代理可被訓練為領域特定的任務專家。
通過這番演講，黃仁勛展現了一個AI代理與人類協同工作的未來。在這個未來中，企業將擁有一支由人類 AI代理組成的勞動力隊伍，該隊伍是推動生產力提升的重要力量，而英偉達正在通過完整的技術方案和生態系統建設，來幫助企業實現這個未來。
要點四：「將Windows PC轉變為AI超級電腦」，所以英偉達發布了WSL2。
說完了Agenic AI的願景之後，如何才能真正落地呢？黃仁勛的答案是——本地算力：
「雖然雲端計算對AI 來說是完美的選擇，但AI的未來不應該僅限於雲端，而是應該無處不在，特別是要進入我們的個人電腦。就像Windows 95革新了個人計算時代一樣，未來的PC將開創新的計算範式，讓每個用戶都能夠充分利用AI的力量來提升工作效率和創造力。」
從這個角度來看，黃仁勛介紹了未來PC的概念：不再只是簡單地擁有3D、聲音和影片API，而是要具備各種生成式API的能力（包括3D生成、語言生成、聲音生成等），這意味著每台電腦都將成為一個強大的AI助手。
英偉達提供了一個解決方案：Windows WSL2（Windows Subsystem for Linux 2），這是一個Window系統內的雙作業系統，為開發者提供直接訪問硬體的能力，並且已經針對雲原生應用和CUDA進行了優化，這使得包括NVIDIA NIMS、NVIDIA NEMO在內的所有AI工具都能在Windows PC上運行。
通過WSL2，英偉達可以將其所有AI工具和服務帶到個人電腦上，包括各種模型。換句話說，這是一種計算範式的轉變——每台個人電腦都將成為一個強大的AI工作站。
要點五：「我們要創造一個物理世界的AI模型」，所以英偉達發布Cosmos。
黃仁勛接下來的演講內容，我認為是本場最重要也是英偉達接下來最重要的戰略布局，我覺得可以理解為「讓AI化形」。
什麼意思？如果說GPT等大語言模型讓AI掌握了「說」的能力，那麼英偉達希望創造一個能理解物理世界的AI系統，賦予AI「做」的能力，這預示著AI即將從虛擬世界走向現實世界的重要一步。
接下來我們就逐步來講講。
黃仁勛首先說，當我們使用ChatGPT這樣的語言模型時，我們輸入一段提示詞，模型會分析這段文字中的每個詞語（token）之間的關係，然後一個接一個地生成回答的詞語。這個過程看似簡單，實際上模型內部有數十億個參數在運作，每個詞語都要和上下文中的其他詞語建立聯繫，計算它們之間的相關性。
但是，我們生活的現實世界比文本複雜得多，AI需要理解重力、摩擦力、慣性等物理規律，還要明白空間關係和因果關係。比如，當你把球推出去時，它會如何運動；當你推倒一個物體時，會發生什麼；物體從桌子上掉下去後，並不會消失——這些在人類看來很簡單的常識，對AI來說都是巨大的挑戰。
為了達成這個極具挑戰性的「讓AI理解物理世界」目標，於是英偉達正式推出Cosmos——一個強大的、能理解物理世界的、全球基礎模型。
Cosmos是如何工作的？就像嬰兒通過觀察、觸摸、實驗來認識這個物理世界，Cosmos通過看大量影片來學習物理世界的規律，就像是一個加速學習的嬰兒。黃仁勛說，Cosmos已經學習了2000萬小時的影片，內容包括：自然現象（水會怎麼流動）、物理規律（物體會如何碰撞）、人類動作（人是如何走路和抓取物品的）等。這些都成為它理解物理世界的「經驗」。
但是，Cosmos的作用遠不止於此。黃仁勛說，因為有Cosmos，我們可以因此創造一個物理世界的基礎模型，基於Autoregressive Model（自回歸模型）、Diffusion Model（擴散模型）、Video Tokenizer（將影片內容編碼為緊湊的潛在token）、Video Processing and Curation Pipeline（影片處理管道）。
比如，它可以用來生成訓練數據，幫助開發更智能的機器人，被黃仁勛比喻成「機器人的種子」；它能生成多種未來的物理場景，幫助AI做出更好的決策，「就像是一個奇異博士」；它甚至可以為影片生成準確的描述，這些描述又可以用來訓練語言模型。
最重要的是，英偉達選擇將Cosmos開源，就像Meta開源Llama一樣。黃仁勛表示，希望Cosmos能為機器人和工業AI領域帶來類似Llama 3.1對企業AI的革命性影響。
現在關鍵來了：當Cosmos與英偉達的虛擬現實仿真平台Omniverse結合時，這就像是給AI創造了一個「物理世界的實驗場」，讓它能在這裡學習、實驗和成長，它就能創造出基於真實物理規律的虛擬世界。
這裡梳理一下黃仁勛的解釋：Omniverse是一個基於物理規律運行的模擬器，而Cosmos則可以理解為一個物理世界的AI生成系統。當這兩個系統結合時，這就像是我們在用大語言模型時，通過RAG（檢索增強生成）系統來確保AI生成的內容是基於真實資訊一樣。在這裡，Omniverse的物理模擬確保了Cosmos生成的內容符合現實世界的物理規律。
黃仁勛用了一個很好的類比：就像我們需要讓語言模型的輸出建立在真實資訊的基礎上一樣，我們也需要讓機器人的行為建立在真實物理規律的基礎上，這樣的結合創造出了一個「基於物理規律的多元宇宙生成器」。
在實際應用中，這種結合特別適合機器人和工業應用場景。正因為如此，黃仁勛提出了一個「三個電腦系統」概念：
-
第一個電腦系統（DGX）是用來訓練AI的。這就像是機器人的「學校」，在這裡進行基礎的AI訓練。
-
第二個電腦系統（AGX）是部署在實際場景中的，比如安裝在自動駕駛汽車裡、機器人身上或者體育場館中的電腦。這些是在「前線」工作的電腦，負責實際的自主操作。
-
第二個電腦系統正是Omniverse Cosmos系統，它是一個數字孿生平台。這就像是機器人的「虛擬訓練場」。在這裡，已經訓練好的AI可以進行練習、完善，通過合成數據生成和強化學習，來提升性能。這個系統將前兩個系統連接起來，使它們能夠協同工作。
為什麼需要Cosmos Omniverse？因為假設你在教一個孩子學物理，不可能讓孩子去做所有危險的實驗，比如從高處跳下來感受重力，或者去碰滾燙的物體了解溫度。而Omniverse就提供了一個「虛擬實驗場」：比如可以無限嘗試各種動作，而不用擔心損壞真實設備；或者，快速模擬數千種不同的場景，而不用擔心時間不夠；或者測試各種極端情況，而不用承擔實際風險。
這種組合的強大之處還在於：一方面，就算AI出錯，也不會造成實際損失，可以立即重來。另一方面，Cosmos通過觀察影片學習到的「經驗」，可以在Omniverse中得到驗證和完善。
黃仁勛特別強調了Omniverse Cosmos系統在工業領域的重要性：「全球製造業大約有50萬億美元的規模，包括數以百萬計的工廠和數十萬個倉庫，這些設施都需要向軟體定義和自動化方向發展。無論是工廠的自動化系統，還是自動駕駛汽車，都需要這樣的系統，來保證其行為既符合AI的智能決策，又符合現實世界的物理規律。」
圖：英偉達Omniverse的合作夥伴生態系統
也因此，黃仁勛預測：工業生產正在向數字化、智能化方向發展，數字孿生將成為未來每一個工廠的標配，它就像工廠的「虛擬分身」，能夠完全模擬真實工廠的運作，通過Omniverse Cosmos系統，可以模擬出多種未來可能的運營方案，然後讓AI選擇最優方案，這些方案會成為真實工廠的運營指導。
要點六：「三個電腦系統」理論構築自動駕駛未來，所以英偉達帶來了Thor。
接著，黃仁勛談到了自動駕駛革命，又秀出一張生態合作圖，展示了英偉達在自動駕駛領域的廣泛合作，覆蓋Waymo、特斯拉、捷豹路虎、奔馳、豐田，還有比亞迪、理想、小鵬等眾多中國車企。
黃仁勛提供了一組數據：全球每年生產1億輛汽車，道路上有10億輛車，每年行駛里程達到1萬億英里。他預測，「這些車輛未來都將實現高度自動化或完全自動化駕駛，這代表自動駕駛很可能成為第一個萬億美元級別的機器人產業。」目前，僅僅是少量開始量產的自動駕駛汽車，就已經為英偉達帶來了40億美元收入規模，預計今年將達到50億美元。
針對於此，英偉達這次發布了新一代車載處理器Thor。
圖：英偉達Thor
這款晶片的處理能力是上一代Orin的20倍。在安全方面，DRIVE OS獲得了ASIL-D認證，這是汽車功能安全的最高標準，這背後凝聚了約15000個工程年的努力，使CUDA發展成為一個功能完備、安全可靠的自動駕駛計算平台。
要點七：「通用機器人的ChatGPT時刻來臨」，所以英偉達用ISAAC Groot重新定義機器人開發。
談到機器人變革，黃仁勛說了一句金句：「通用機器人的ChatGPT時刻來臨」，並指出了三種最有前景的機器人類型，這三種機器人的獨特之處在於，它們不需要特殊的環境改造，可以直接在我們現有的世界中使用：
1、通用型AI或AI代理：因為它們是資訊工作者，只要能適應我們現有的辦公環境和電腦系統，就可以工作。
2、自動駕駛汽車：因為人類已經花了一百多年建設道路和城市，這些基礎設施已經完備。
3、人形機器人：可以直接適應為人類設計的所有環境和工具。
黃仁勛認為，如果這三種機器人技術獲得突破，將創造人類歷史上最大的科技產業。
但他也指出了當前面臨的關鍵挑戰，特別是在人形機器人的訓練方面，與自動駕駛汽車不同（我們每天都在產生大量的駕駛數據），收集人類動作示範數據是非常耗時費力的。
為了解決這個問題，英偉達提出了一個創新方案——ISAAC Groot平台，這是一個面向人形機器人開發的完整解決方案。
該平台的創新之處在於其獨特的數據獲取和訓練方法：開發者可以使用Apple Vision Pro進行遠程操作來捕獲數據，通過少量人類示範就能生成大規模訓練數據，並利用Omniverse Cosmos進行領域隨機化和3D真實感放大，這是一種AI訓練方法的創新。
這個環節其實也揭示了機器人領域的重大變革：我們正在從專用機器人向通用機器人過渡，而這個轉變的關鍵在於如何高效地訓練這些機器人，通過AI和虛擬仿真技術的結合，我們可以大大加速這個過程。
要點八：「每個用電腦的人，都需要AI超級電腦」，所以英偉達用「DIGITS」開啟個人AI超算的新紀元。
作為壓軸的重磅產品，黃仁勛介紹了公司內部的一個項目「Project DIGITS」，展現了將企業級AI計算能力帶入個人桌面的雄心。
首先，黃仁勛解釋了項目名字的由來。最初項目叫「DIGITS」（Deep Learning GPU Intelligence Training System，深度學習GPU智能訓練系統），後來為了與公司其他產品線（如RTX、AGX等）保持一致，簡化為DGX。
DGX-1的推出是一個革命性的轉折點。在此之前，如果想要使用超級電腦，你需要建設專門的設施和基礎設施，這對大多數機構來說都是難以實現的。而DGX-1改變了這一切，它是一台「開箱即用」的AI超級電腦。黃仁勛還特別提到，2016年他們將第一台DGX-1交付給了OpenAI，當時包括馬斯克、Ilya Sutskever在內的團隊都在場。
圖：英偉達DGX-1
但現在情況不一樣了，AI的應用已經不再局限於研究機構或創業公司。正如黃仁勛在演講開始時提到的，AI計算正成為新的計算方式、新的軟體開發方式，每個軟體工程師、工程師、創意藝術家，實際上是每個用電腦的人，都需要AI超級電腦。
因此，英偉達希望能做出比DGX-1更小的設備，於是正式發布「Project DIGITS」：一個小型化的AI超級電腦。
圖：英偉達「Project DIGITS」
該產品基於英偉達的GB110晶片（最小的Grace Blackwell晶片），通過與MediaTek合作開發CPU，並採用NVLink連接到Blackwell GPU，實現了前所未有的性能突破。
圖：英偉達「Project DIGITS」的內部結構
它的設計理念，是成為一個放在桌面上的雲計算平台，無論你的PC是什麼系統都能連接使用，也可以作為Linux工作站使用，支持ConnectX和GPU Direct等技術，是一台袖珍版的超級電腦。預計將在2025年5月上市。
換句話說，英偉達正在將高性能計算從專業數據中心，帶入普通用戶的辦公桌面，這種小型化、便攜化的AI超級電腦，可能會像個人電腦革命一樣，讓更多人使用AI技術進行創新和開發。
