NVIDIA GTC 2025 演讲 | 伊洺小站

type

Post

status

Published

date

Oct 29, 2025

slug

gtc2025

summary

GTC 2025, NVIDIA, AI, 算力, 估值, Blackwell, 物理 AI, CUDA

📝 主旨内容

“AI 工厂”

“这绝对是一个 AI 工厂。它不像过去的数据中心…… 这个工厂只生产一种东西…… 那些被称为令牌的数字。”

先看 “AI 工厂”，黄仁勋提到数据中心将从文件检索转向令牌生成，本质上是把算力变成 “工业产品”。他说“AI基础设施是一个生态系统级别的挑战，需要数百家公司协同合作。英伟达Omniverse DSX是构建和运营千兆瓦级AI工厂的蓝图，借助DSX，全球的英伟达合作伙伴可以比以往任何时候都更快地构建和启动AI基础设施。”

传统数据中心估值是基于硬件折旧、机柜出租率等指标，而“AI 工厂”核心产出是 “令牌吞吐量”，需用 “产能利用率”“单位能耗产出” 重新衡量资产价值。

这类指标若成行业标准，云厂商资本评价体系将彻底改写 —— 重点不再是买多少 GPU，而是 GPU 能稳定生成多少高价值令牌、生成速度能否匹配下游推理需求。

“物理AI”

“物理 AI 是 AI 技术与物理世界深度交互的应用形态，核心是通过数字孪生、实时感知与自主决策，实现对实体系统的精准控制与效率优化。”

再谈“物理 AI”，其号称能理解摩擦、惯性等物理规律，对机器人行业或有颠覆性影响。就这段时间的观察，机器人行业此前多次因技术概念掀起融资热潮，却总是因 “技术突破到商业化落地” 太长而回落。

“物理 AI”虽瞄准机器人感知痛点，落地仍面临两大风险：一是训练数据真实性；二是机器人场景碎片化。“物理 AI” 算力投入可能回报分散，资本是否愿承受 “慢回报” 存疑？当前市场更青睐能快速规模化的技术，如生成式 AI 的内容创作。不过他有这样的垄断地位，讲的故事资本们应该是愿意听的......全球资本以及科技风向都会为他摇摆。

“Blackwell 方案”

Blackwell 平台是‘极限协同设计’的产物，其重要性被类比为‘自 IBM System 360 以来最彻底的计算机重塑

大会上进行了芯片技术的详细讲解，总结来说就是Blackwell 架构突破缓解了算力成本压力，破解摩尔定律失效的瓶颈问题。从行业周期看，这处于技术驱动成本下降、进而推动需求爆发的阶段，类似 2010 年前后智能手机芯片性能提升带动移动互联网需求。

但疑问在于，算力成本下降是否会引发行业过度竞争？黄仁勋提及 Dynamo AI工厂操作系统通过管理复杂工作负载形成技术壁垒，这种 “硬件 + 软件 + 生态” 模式，能让头部企业维持高毛利，避免陷入传统半导体价格战周期，我觉得这也是 NVIDIA 估值维持高位的核心 —— 其售卖的是整套算力解决方案，而非单一 GPU。

“CUDA 生态”

大多数人谈论的是 GPU。GPU 很重要。但是如果没有一个位于其之上的编程模型…… 开发者就不会以这个计算平台为目标。

CUDA 生态的重要性同样关键，60 万开发者覆盖 200 多个国家，这在构建 “技术护城河” 的同时，也形成 “资本护城河”—— 新进入者需突破硬件技术，还需撬动开发者生态，需巨额资本且周期极长。这种生态壁垒会降低行业竞争强度，让头部企业维持高定价权，类似微软 Windows 生态、高通移动芯片生态。

但反过来，生态过于集中或引发监管风险，若 NVIDIA 通过 CUDA 限制竞争对手，可能面临反垄断调查，成为未来估值潜在风险点；且开发者生态存在 “技术替代” 风险，但若出现更高效编程框架，CUDA 优势或被削弱。这里提到的两点其实中国都有在做，不管是市场监督管理总局对英伟达进行反垄断调查，还是大力推进国内比如华为昇腾、龙芯中科的国产替代，不过短期替代难度极大，任重道远。

“物理 AI 需要三台计算机：一台用于训练模型，一台用于在数字孪生中模拟，一台用于操作机器人。这三台计算机都运行 CUDA。”

NVIDIA今年下半年推 Blackwell Ultra、明年下半年推Rubin系列，密集技术迭代是在向市场释放 “增长确定性”，以支撑高估值。但核心问题在于，半导体行业存在 “摩尔定律放缓” 的客观规律，Blackwell 的 25 倍性能提升是否已接近当前技术天花板？

算力方面常态是集群汇总，而这方面全球面临技术瓶颈--光通信，恰好是中国的强势区域，而事实上由于美国阻挠，中国无法使用先进纳米制程的光刻制造，也就意味着单卡算力无法超越英伟达等厂商，不过先进的光通信技术让像华为昇腾算力集群可以通过几倍的卡数来持平甚至超越英伟达算力集群。若未来迭代速度放缓，市场对 NVIDIA 的增长预期或下调，类似 2000 年前后英特尔，芯片性能提升跟不上预期时估值中枢下降。不过目前 AI 算力需求仍处爆发期，推理计算量比预期多百倍，这种需求增长可能暂时掩盖技术迭代放缓风险。不过，我个人仍长期看好光通信和集群技术领先的国产算力（下图就是在低制程技术下华为拿出的国产最优方案—昇腾950-970）。