资料来源：6月11日，NVIDIA兼首席执行官创始人Huang Renxun，法国巴黎的Vivatech会议，关于“ GTC”的主题演讲。共享客人：Nvidia的创始人兼首席执行官Huang Renxun。主编| Jin Muyan排版| Mu Yan No. 9016 Deep Article：10003单词|阅读宏观趋势记录的25分钟Jun说：6月11日，NVIDIA和首席执行官Huang Renxun出现在法国巴黎的Vivatech会议上，发表了他的标志性GTC主题演讲。 Huang Renxun重申，“由AI驱动的新工业革命来了”，涵盖了AI，计算建筑，人形机器人和行业未来的长期演讲。在演讲中，黄伦Xun使用了价值300万美元的GB200，并重量两吨来连接基本概念，例如AI工厂，代理商，人形机器人机器人，数字双胞胎和量子计算，并建议AI不仅是工具，而且是新的生产力核心。与过去相比，该演讲更加于工程和系统TIC，在伟大的工业局中，软件和硬件的整合，生态学和国家基础架构，不仅显示了Nvidia的野心，而且还宣布了未来十年AI社会扩张的道路。以下是Huang Renxun的讲话，并删除了主要文字。 1。AI进入代理的时间。代理商是一件非常重要的事情。如您所知，最初使用假装模型时，人们说：“它会产生幻觉。” “它创建内容。” “它没有获得最新的新闻信息和数据。”扩展整篇文章
您知道，所有的事情都会想弄清楚如何添加或计算数字数量并添加它们？为什么不直接使用计算器？
因此，与智能有关的所有能力 - 每个人都可以批评，但这绝对是因为每个人都知道智力如何工作的大概。
但是这些技术是在全球范围内构建和建造的：它们都是从增强的搜索属中组成的到Web搜索，了解多模式，因此您可以读取PDF文件，访问所有网站，查看图片和文本，收听视频，观看视频，然后在您的上下文中包含所有这些理解。
您绝对可以理解今天几乎所有内容的技巧。
您还可以说：“我会问一个问题，但要从这张照片开始。“我可以说，“从它开始，从此文字开始并回答”，回答问题或做我要您做的事情。
所有这些功能今天都合并，您会在市场上到处找到它们。人工智能的推动者是正确的。自主智能是一旦人工智能的巨大跳跃。
一次性人工智能是必要的基础，它使我们能够教代理商如何成为代理商。
您需要具有特定的知识基础和推理能力。
培训是关于教授人工智能的。邮政Xercise，加强加强，管理，人类演示，上下文提供，生成人工智能，Lahat已整合以发展智能代理人工智能。
让我们看一个例子。它建立在混乱（人工搜索引擎）上。
人工智能代理人是数字助手。
基于提示，他们通过许多步骤计划提出推理并破坏问题。他们使用正确的工具，与其他代理合作，并使用内存上下文正确执行NVIDIA超速系统中的任务。
一切都从简单的提示开始。让我们寻求混乱，以帮助在巴黎开一辆食品卡车。
首先，混乱的代理商对信号进行理解和计划，然后致电其他代理使用不同的工具来帮助解决每个步骤。
市场上的研究人员已阅读评论和报告，以确定AOF趋势并研究竞争市场。
一名运营计划者已制定了EV的启动时间表详细信息：从购买设备到获得正确的许可证。
每个代理商的工作与最终提案相结合。
一切都从简单的提示开始。这样的提示，在原始聊天机器人中，只能产生几百个标记。
但是现在，它只需要提示并将其留给代理来解决问题，而构成该问题的标签数应该是一万倍。
这就是为什么需要Grace-Blackwell系统（这成为强大超级计算机上的普通计算机）的原因：这就是为什么我们需要性能，并且该系统在几代人的几代方面具有更大的改善。这就是损失他们明智的代理的方式。每个公司都应自己的明智代理人。
如此出色，您将是从OpenAI，Gemini（Google的父母字母公司的AI实验室），Microsoft Copilot，Perpolpelxity，Mistral（一家专门用于开发大型通用人工智能（AGI）模型，由以前的DeepMind和Meta Platform建立的大型通用人工智能（AGI）模型的平台，招募代理。学习，做一些研究以及事情的类型。
但是，如果您想创办一家公司，则需要专门的代理商和专用工具，以及使用专用工具和专用技能。因此，问题是，您如何构建这些代理？
因此，我们为您建立了一个平台。我们创建了您将使用的情节和一组工具，许多合作伙伴将帮助您实现目标。
所有这些都从底部开始，SA底部：我前面提到的建模推理的能力。 Nvidia和Nemotron的Nemo Nemo是大型语言模型在全球范围内。
我们有Nemo Retriever，这是一种多模式搜索引擎。语义搜索。极好的。我们构建了一个蓝图，可运行的演示，确实是通用的代理。我们称其为IQ，AI，AIQ。
在顶部，我们有一组工具，可让您引入代理：
一个组织数据教育数据的普通代理；
检查它，设置安全边界，管理和训练它，使用加固来部署；
保持安全并确保保护。该套件已集成，这些库也包含在AIOPS（智能操作和维护）生态系统中。您也可以直接从我们的网站下载。但这主要是在AIOPS生态系统中整合。基于此，您可以创建自己的独家代理。
现在的问题是，它如何部署？正如我之前提到的，NVIDIA计算源存在于公共云中。该地区有一个云，我们称之为NCP。在这里，米斯特拉尔说。
您可以为安全需求和数据因素拥有一个私有云。
所以问题是，您如何运行全部？有时在不同的地方发现它们是因为它们是微服务：他们是人工知识分子，可以互相交谈，并且显然在网络上互相交谈。
那么，如何部署所有这些微服务？现在，我们有一个很好的系统。
我很高兴向所有人宣布这一消息。这是我们的DGX Lepton。 DGX Lepton，您现在看到的是所有类型的云。AWS Cloud（亚马逊提供的全面且广泛使用的云平台，ABSON Cloud Technology提供的无服务器计算服务），该平台提供了200多个全球数据中心的全功能服务）。这是您自己的开发人员机器，您自己的系统：它可以是DGX工作站。 NEBS（网络设备构建系统），Yotta（提供数据基础架构的公司），NScale（英国AI云服务提供商）。它可以是AWS，也可以是GCP（通用计算机程序）。 Nvidia的建筑无处不在。
因此，您可以决定在哪里运行模型。
您将其放在超级云中，所以它是云。
当您将其运行时，一旦将这些NIMS部署到Lepton，就可以 - 托管并陷入不同的云层IYONG。一个部署并在任何地方运行的建筑模型。您也可以在这台小型机器上运行它。
这是我最喜欢的小机器。
我们在2016年构建了一个AI超级计算机。这称为DGX-1。
这是FI我刚才提到的所有技术的第一个版本。 NVLink互连八个Volta GPU（NVLINK是总线，而通信协议由NVIDIA开发和启动）。我们花费了数十亿美元来形成它，今天的促销活动是：DGX -1，没有客户。没有兴趣，没有掌声。
所以我们还是做到了。幸运的是，这是一家年轻的公司，一个开始：旧金山的非营利组织很高兴看到这台计算机，他们说：“我们可以问一个吗？”我当时想，“哦，天哪，我们卖了一个。”
但是随后尼知道这是一个非营利组织。然后，我将DGX-1放在汽车上，然后将其带到旧金山。公司的名字是Openai。
想象一下你有一本。在您的浏览器中，您有一个AI代理，您想在这里运行：其中一些想运行AWS，其中一些人想在其他地方运行，知道吗？到某个地方云。
您使用Lepton，部署头盔图，并将神奇地出现在此处。
因此，我们为Lepton做到了，但接下来是：拥抱Ging Face和Nvidia与Lepton联系在一起。
因此，如果您想将其部署到Lepton上，并且每次在拥抱面上训练模型时：直接将其部署到火花时，没问题。
只是一个轻击。无论您是练习还是推理，我们现在都与面部联系在一起，而Lepton将帮助您决定部署的位置2。人工智能工业革命和数字双胞胎
这是在Omniverse建造的Mercedes-Benz和数字Kambal Factory（Nvidia Omniverse是基于NVIDIA RTX和PIXAR UNIVERSING SECENE DEION（USD）的图形和仿真的产物。
这是Schaeffler和他在Omniverse建造的仓库数字双胞胎。
这是您的法国火车站：Omniverse的火车站的开发。
这是丰田的数字双胞胎，它在Omniverse建造了仓库。
当您在Omniverse建造仓库和工厂时，您可以设计它，可以计划它，可以更改它。
它在绿地环境中非常美丽，在棕地环境中很棒nt。您可以在实际移动和调整之前模仿其效果，避免发现它不是最好的。
因此，在数字双胞胎中实现所有数字的能力不是Kapani -pandon。但是问题是，为什么数字双胞胎看起来如此真实的图片？为什么需要遵守物理定律？
原因是我们最终希望成为一个数字双胞胎，允许机器人学习如何作为机器人工作。机器人取决于光子来实现理解系统。这些光子由Omniverse形成。
机器人需要与物理世界保持联系，只是知道它是否做正确的事并能够...
了解如何正确执行此操作，因此这些数字双胞胎应该看起来真实并采取现实。你明白吗？这就是为什么Omniverse建造的原因。
它是融合反应器的数字双胞胎。如您所知，这是一种非常复杂的工具：没有人工智能，下一代的融合是不可能的。
我们现在宣布我们将建立第一个欧洲世界各地的工业人工智能。我要去。
工业人工智能云实际上是大量计算源...有大量的云计算机。但是，它具有不同的性能和安全要求的开始。因此，我将在星期五给您详细的介绍。
现在我只是保密。但是这种工业云将用于设计和模拟。在虚拟空气隧道中，您只需要驾驶汽车就可以看到它的性能。
打开门，窗户和更改设计，所有操作均全职进行。
如您所知，我们来这里已经很长时间了。 Nvidia已有33岁。当WS出现和产品数字化时，我们首先来到欧洲。
现在，在数字双革命期间，欧洲拥有一个约2万亿美元的生态系统，我们在这里工作……很荣幸能够支持它。
它导致正在发生的新革命。
当你知道的时候W，所有动作都是机器人。所有动作均由人工智能启用。车辆是下一个最明显的。
NVIDIA正在为培训模型构建AI超级计算机：Omniverse Digital Twins的AI超级计算机。我们还为机器人本身构建了智能超级计算机。
无论是在云中：对于Omniverse还是在汽车中，我们都提供完整的技术堆栈，计算机本身以及运行此计算机的操作系统。
这台计算机高速且富含传感器，应该安全。在任何情况下，都可能完全无效。因此，安全要求非常高。
现在，我们在这里运行了一个无能的模型。此在此处运行的模型是变压器模型。
这是一个可以接收传感器输入的推理模型：您说这是您想做的事，然后将您带到那里。接收像素输入并生成路径计划输出。因此，这是一个基于变压器的人造人工智能的模型。
十亿汽车在路上，平均每年驾驶一万亿英里。自主驾驶的未来显然是巨大的，它得到了人工智能的激活和支持。
这是下一个很大的机会，我们在世界各地的许多大型公司合作。安全始终是我们与自主驾驶有关的所有工作的中间。
我们几乎为我们的系统感到自豪。它从芯片的架构开始，然后是芯片和系统设计的设计，系统的操作方法，人工智能模型和软件开发，我们的测试方法，从培训模型方法到模型评估方法中提供的数据。
几乎NVIDIA的系统和我们的自主安全团队和驾驶能力是众所周知的。该计算机是软件指定的第一台计算机。
第一个完全100％软件定义的软件，AI驱动的软件，放大了AI驱动堆栈RE自动驾驶汽车的Ality。我们已经做了近十年了，这种能力是众所周知的 - 众所周知 - 在全球范围内可知，并为此感到自豪。
自动化行业发生的变化也发生在新兴行业。
正如我之前提到的，如果您可以根据信号生成视频，如果人工智能可以看到它们，它可以推理，还可以制作视频，文本和图像。为什么它不能同时使本地电机能力和关节活动能力？
因此，AI改变了机器人领域中最困难的问题之一的基本功能即将到来。
人形机器人将是事实。现在，我们知道如何构建这些东西，训练这些东西并操纵它们。
人形机器人可能是有史以来最大的行业之一，它要求知道如何做事，以非凡能力做事的公司。山雀是指欧洲国家。世界上许多行业都基于它。我认为这将是一个很大的机会。
认为世界各地有十亿个机器人。拥有十亿个机器人是一个非常合理的主意。那么，为什么没有发生？原因很简单。
当今的机器人编程太复杂了。只有最大的公司才能负担得起安装机器人。让机器人知道并对其进行编程以执行完整的操作。保持足够的环境以确保安全。这就是为什么世界上最大的汽车公司配备了机器人的原因。
他们足够大，可以反复地工作。实际上，该行业已经达到了足够的规模来在这些工厂中部署机器人。对于几乎所有中小型MBUSINESS来说都是如此，无论是母亲和餐馆，商店还是仓库。
当我们讨论自主智能时，我们具有人类智能，可以通过使用NEMO工具包和工具包来学习。
NVIDIA这里还建在三层堆栈上。我们构建了这台称为雷神计算机的计算机。开发套件看起来几乎是这样。是一个完全自给自足的机器人计算机。
构建套件放置在您的桌面上。这些是传感器，其中是一个小型超级计算机雷神芯片。
这是雷神处理器。以上是为机器人设计的操作系统。此外，变压器模型还接收传感器数据和说明，并将其转换为生成飞行路径或轨迹，以及控制臂关节运动的控制，当然，您对Ma Ma的控制（包括脚部移动）的控制。
如今，人类机器人面临的最大挑战是他们训练数据量所需的最大挑战非常困难。
所以问题是你怎么做？解决这个问题的方法是返回遵守物理定律的数字双胞胎世界Omniverse。
这是我们做的令人难以置信的工作。我们构建计算机来模仿和训练它们。
全世界都在全球建立了许多类人形机器人公司。他们都看到了一个很好的机会来改变这个新领域。可以说是一种新设备，快速进步。他们学到的方式是在必须遵守物理定律的虚拟世界中了解。
一场工业革命开始了。下一波人工智能开始。
Grek是机器人技术在此阶段可以实现的完美示例。教机器人操作，执行模拟所需的程序，当然，现在向我们展示了一个令人难以置信的机器人。我们有物理机器人和信息机器人 - 我们称它们为代理。
下一波人工智能开始。侵权工作负载的爆炸增长。它通常会显着增长。使用推理的人数从800万增加到800万。它在短短几年内就增加了一百次。
正如我之前提到的那样，来自代币（令牌）产生的线索数量是从这条路 - 成千上万的道路上，当然，到目前为止，我们比以往任何时候都多。
因此，我们需要一台专门为思考设计的计算机，专门为推理而设计，并且那是布莱克韦尔，一台思维机器。
这些Blackwells将用于新的数据中心，为一件事设计的重要AI工厂，这些AI工厂将发展为您的食物。
真的不一致的是，我很高兴看到欧洲投资于AI。此处开发的人工智能基础设施将在未来几年内增加数量级。
3。计算和cuda-q的变化点
计算的数量是在构造点。
1995年发明了一种误差校正算法。2023年，近30年后，Google展示了世界上第一个逻辑Quubit（“逻辑Quubit”是计算量领域的主要概念，其设计是解决Quubs中Quubs面临的噪声，腐烂和其他问题的设计）。
罪过过去，几年和逻辑摩擦数的数量（由大量物理磨牙组成以及误差校正）也增加了。
在数字之后作为摩尔定律，我可以完全期望逻辑上的摩擦量开始增长，我可以完全期望每五年增加10倍的逻辑烟草数量。逻辑吉布斯的数量每十年增加一百次。
这些逻辑套管将具有更好的错误校正功能：更稳定，更高的性能，更具弹性，当然还将继续衡量。计算卷达到观点。
在接下来的几年中，或至少是下一代超级计算机，每个分配了一个数量处理单元（QPU），QPU已连接到GPU。
课程体积处理单元进行PAG计算量，而GPU则用于预处理：用于校正和误差校正，计算高度密集，包括后处理等。
在这两个体系结构之间，随着我们加速CPU，我们的QPU与GPU一起驱动下一代计算。
今天，我们宣布我们的整个音量算法现在是加速器在格蕾丝·布莱克威尔200。
我们以不同的方式从事计算行业，通信和计算量。
一种方法是使用cuquantum（用于加速数量计算的软件开发套件）来模拟音量件，或模仿在这些计算机上运行的算法。通常，使用经典计算机来模拟或模仿计算机量。
在IBIN补充中，CUDA-Q：通常发明新的CUDA（CUDA是NVIDIA设计和开发的计算和编程模型平台），这一点非常重要。
这样，基于CUDA-Q开发的应用程序可以在计算机量到达之前的模拟上运行，或者在计算机整体到达后以协作模式进行：一定数量的经典加速计算方法。
今天，我们宣布CUDA-Q可用于Grace Blackwell。
这里的生态系统非常丰富。当然，欧洲对科学和超级计算有深刻的了解专业知识，并在该领域具有深刻的继承。
在这里看到计算量的发展也就不足为奇了。在未来几年中，我们将发现一个真正令人惊叹的结论。
2012年，我们与开发人员合作研究了一种称为深度学习的新算法。它为AI：2012的Alexnet（深度卷积神经网络）的大爆炸做出了贡献。在过去的15年中，AI产生了不兼容的快速发展。
人工智能的第二波浪潮是我们大多数人在过去五年或更长时间以来讨论的生成人工智能。它是多模式，这意味着AI可以同时了解图像和语言。
因此，您可以用语言提示它，并且可以生成图像。人工智能具有多模式能力以及翻译和生成内容的能力，从而促进了人工智能发展的革命。生成人工智能，AB产生内容的能力对于我们的生产力至关重要。
我们正在打开新的人工智能浪潮。在过去的几年中，我们目睹了人工智能能力的巨大进步。最初，情报是理解，感觉，推理和计划任务：
如何解决问题然后执行任务。理解，推理，计划，智力的主要周期。我们被允许应用一些以前学到的政策来解决我从未见过的问题。
这就是为什么聪明的人被认为是聪明的原因，因为他们能够拆卸一个复杂的步骤问题 - 步骤，推理了如何解决问题并可能研究问题：
也许找出一些新知识并寻求帮助；
使用工具来解决问题步骤。
我所描述的单词通常可以通过如此称呼的代理人工智能。 II将尽快向您展示更多内容。
今天，这一代的能力产生了运动，DOEs不形成视频，不形成图像或文本；这种人工智能产生了移动的能力，即使用工具，可以走路或伸手去拿东西的能力。
使人工智能具有外观的能力通常是机器人技术。这些功能是实现代理商的基本技术。这些是常见的信息机器人，是人工智能的宝石：物理机器人，今天要出现的两个基本能力。
人工智能时代真的很令人兴奋。但这一切都始于Geforce。 Geforce携带计算机图形技术。这是我们开发的第一个加速计算应用程序。
开发NG计算机图形技术令人难以置信。 Geforce将CUDA带到了世界，这使研究人员能够研究火星机器和人工智能研究人员，以鼓励发展深度学习。
然后，深度学习彻底改变了图形图的技术ICS，允许我们将图形图形提高到一个全新的水平。
这是全新的GeForce。重2吨，甚至两个半吨。它由120万个零件组成。将近300万美元。在150家工厂制造。 200个技术合作伙伴正在与我们合作以实现这一目标。
在研发预算中，大概约有400亿美元，现在正朝着GB300迈进。它完全放在劳动中。
该机器被设计为思维机器。所谓的思想机器意味着它具有canmagnuration。它有计划。就像您一样，它花了很多时间与自己交谈。
我们将大部分时间用于思想形成单词，在表达它们之前，我们为思想开发图像。因此，思维机器实际上是格蕾丝·布莱克威尔（Grace Blackwell）设计的架构的目的。它被设计为大GPU。
我比较这个寓言是有充分理由的。 GeForce是GPU，GB200也是GB200，它是一个巨大的虚拟GPU。
摩尔定律，半导体物理可以一致y每三到五年两次提高性能。我们所需要的只是30到40倍的性能提高，因为理解模型是自我talk。我们如何通过一代人的一代实现30到40倍的增强性能？
这不再是chatgpt，而是推理的模型。
当您考虑自己时，它会产生更多的标记。您打破步骤 - 步骤 - 步骤。您的理由，试验是不同的。也许这是一条思维链，也许是一棵思想树。它反映了自己的答案。
当您看到这些研究模型时，您会反思答案，并说“这是一个很好的答案？您能做得更好吗？”然后“哦，是的，我可以做得更好。”
然后回来考虑一下。因此，思维模型和识别模型实现了惊人的绩效，但这需要更多的计算能力。
我们现在知道，人工智能是一种可以导致革命性变化的软件：改变每个行业。
它可以做这些令人惊奇的事情。这就是我们知道。我们还知道，处理人工智能的方法与我们处理字母软件的处理方式不同。
机器教育软件是开发并运行不同的。系统体系结构，软件体系结构：完全不同。网络的工作方式完全不同。访问存储的方式完全不同。
因此，我们知道这项技术可以做不同的事情：令人难以置信的事情，这很聪明。我们还知道它是以多种方式开发的：它需要新的计算机。
什么真正有趣，这对国家意味着什么？企业和社会是什么意思？这是我们大约十年前注意到的现象，现在每个人都开始意识到这一点：实际上，这些AI数据中心不是数据中心。它们不是传统意义上的数据中心，并且用于存储您可以获得的文件。
这些数据中心不存储我们的文件。只有一项任务，只有一个任务：即，机智H智能标记，即人工智能的产生。
AI工厂看起来像数据中心，因为它们里面有很多计算机。
没有什么真正将其数据中心视为创收设施。我说了些什么，每个人都说：“是的，我认为你是对的。”没有人会将数据中心视为创收设施。
但是他们看到自己的工厂，汽车工厂，是构成收入的设施：他们迫不及待地想要建造另一个工厂，因为每次您建造一个快速的larevenue。您可以为许多人创造许多东西。
AI工厂是旨在制造代币的收入产生的设施。这些代币可以重新调整许多行业的生产智能，因此AI工厂现在已成为国家基础设施的一部分。
这就是为什么您看到我在世界各地跑来跑去，与州领导人会面：因为他们都想拥有人工智能工厂。他们都希望AI成为他们的基础设施的一部分关于。他们希望成为他们的增长制造业之一。
这真的很深，我认为我们正在讨论的是：因此，由于每个行业都受到影响，并且正在使用新的行业，因此已经被伪造了。
首先描述和展示电力的BSOME技术，最终在新兴行业中开发了它：它被理解为一项技术，但随后我们意识到它也是一个大型行业。然后是一个信息行业，我们现在在互联网上称其为互联网。
两者都会影响许多行业，并成为基础设施的一部分。我们有一个新的行业 - 人工智能行业：它现在是一种名为Smart Infrastructure的新基础设施的一部分。每个国家，每个社会，每个公司都依靠它。
*文章是集合的独立观点，不代表注释的位置。
从2025年7月13日至205日，美国GBE车站的“创新英雄旅行”（全球商业笔记发起的探索旅行将重点介绍“ AI和大海”的两个主要主题，其中包括“创新英雄”和“ Sea Innovation Heroes”的主题，这些主题将参考和思考带给了中国公司的AI和全球业务。
这次为期8天和7夜的研究之旅是由Notes的创始人和第五代企业家组织的发起人Ke Zhou领导的。
在这项研究中，我们将领导其余的商人和商人从中国各个领域到NVIDIA总部，以在智能商业期间与主要的NVIDIA高管学习和交流，并了解AI的生产力。
链接到高级全球思想并扩大中国的业务界限。
现在，笔记员还想邀请您与我们同行。回到Sohu看看更多
