过去CPU是为人类造的,英伟达说智能体需要完全不同的CPU
智能体按纳秒计时、旧CPU按秒出租逻辑设计,英伟达为此造了全新架构的Vera CPU,称这会是比旧CPU市场更大的新市场。
核心论点 · 点时间戳可跳到原声
GitHub提交量几个月内几乎翻三倍
黄仁勋给出的数字:GitHub commit量从2023年的3亿、2024年的4亿,到2025年的5亿,而2026年头几个月已经几乎翻了三倍。他的推论是,3万亿美元的软件工程师薪水现在能撬动相当于9万亿美元的产出,所以企业不是在裁软件工程师,而是在加招——每个工程师能产生的价值变大了,招人反而更划算。
— Jensen HuangToken开始盈利,改变了全球算力的需求曲线
黄仁勋把这轮变化的起点定义为token开始盈利:一旦生成token本身能赚钱,AI公司就有了无限扩大产能的动机,于是拼命建AI工厂、买算力。他说这正是台湾供应链这两年需求和股价暴涨的直接原因。
— Jensen Huang智能体=模型+编排框架+工具+运行时的新计算单元
黄仁勋强调智能体不是放大版大模型,而是model(大脑)、harness(身体,负责编排记忆与工具调用)、工具/技能、运行时组成的新计算模式。每一次理解-推理-行动的循环,背后都要占用一整机架的算力,这决定了未来基础设施必须围绕这个循环重新设计,而不是简单堆GPU。
— Jensen Huang数据中心普遍把电力预留量调高40%
黄仁勋点出一个行业痛点:今天的AI工厂普遍把电力预留量调高40%以留安全余量,这部分电力完全没有用来生成token,也就没有变成收入。英伟达DSX Max LPS想做的就是把这部分「浪费掉」的电力解放出来,直接换算成数十亿美元的年收入。
— Jensen HuangCPU过去为人类设计,现在要为纳秒级智能体重做
旧CPU的经济逻辑是按秒计费、按核出租——核越多能租出去的越多。但智能体按纳秒运作,每次调用工具、查数据库都在等待,而等待就是在浪费旁边更昂贵的GPU算力。英伟达因此重新设计了Vera:单核每时钟执行10条指令、片内带宽3.6TB/s、内存带宽是同类x86芯片的两到三倍。实测SQL处理快3倍,纽约证券交易所的实时流处理快6倍。
— Jensen Huang开源模型NeMoTron 3 Ultra:快5倍、便宜30%
英伟达开源了新一代模型NeMoTron 3 Ultra,用state space model与mixture of experts混合架构,推理速度比同类开源模型快5倍,总成本低30%。黄仁勋的逻辑是连训练数据和训练脚本都一起开源,让企业能在此基础上训练出自己专属的智能体,而不是被锁死在闭源模型上,Cadence的芯片设计智能体就是一个范例。
— Jensen Huang英伟达与微软40年来首次整体重做Windows PC
英伟达联合微软推出覆盖笔记本、台式机、工作站的全新RTX Spark产品线,核心逻辑是电脑里要常驻一个智能体,需要一个带沙箱的运行时(Open Shell),而不只是装几个应用。黄仁勋的类比是手机不再用来打电话——10年后的PC和今天的PC会是完全不同的东西,更像住在家里的R2-D2。
— Jensen Huang物理世界AI的最大瓶颈是数据,不是算力
互联网文本是人类第一人称视角写成的,但机器人需要机器人视角的数据,这类数据几乎不存在。英伟达靠远程操作、仿真(Omniverse)、第三人称转第一人称的逐步bootstrap训练出世界基础模型Cosmos 3,黄仁勋称其口号是「算力即数据」,并同步公布了自动驾驶模型Alpamayo和人形机器人参考设计Isaac GR00T。
— Jensen Huang原话 · 已逐字校验
People talk about AI reducing jobs. Complete nonsense. It's causing more software engineers to be hired.
人们说AI会减少工作岗位,完全是胡说。它正在导致更多软件工程师被雇佣。
Jensen Huang8:22
Because it is now profitable, the AI companies want to build a lot more tokens, generate a lot more tokens, build more AI factories
因为现在这件事有利可图,AI公司想要生产更多token,生成更多token,建更多AI工厂。
Jensen Huang9:22
Compute is revenues. Performance per watt is your revenues.
算力就是收入,每瓦性能就是你的收入。
Jensen Huang37:04
Agents are impatient. They don't live in a world that is in seconds. They live in a world that's in nanoseconds.
智能体没有耐心,它们不活在以秒计的世界里,它们活在以纳秒计的世界里。
Jensen Huang52:19
The CPU is now the conductor, and the GPU is the orchestra.
CPU现在是指挥,GPU是乐团。
Today, when you think about your phone, the one thing you don't do with it is make phone calls. You do just about everything else.
今天当你想到手机,唯一不用它做的事情就是打电话,其他几乎所有事你都用它做。
Jensen Huang1:35:19
For physical AI, compute is data.
对物理AI来说,算力就是数据。
数字与实体
| GitHub年commit量(2025) | 5亿次 | 7:20 |
| 软件工程师薪水产出比 | 3万亿美元薪水产出约9万亿美元 | 8:22 |
| AI工厂电力过度预留比例 | 最高40% | 27:56 |
| Vera Rubin供应链规模 | 是Grace Blackwell的两倍 | 40:09 |
| 机架组装时间 | 从2小时缩短到5分钟 | 41:11 |
| NeMoTron 3 Ultra性能 | 推理快5倍,成本低30% | 1:18:47 |
| Vera CPU运行SQL提速 | 3倍 | 1:05:35 |
| Vera CPU纽约证交所实时流处理提速 | 6倍 | 1:06:35 |
| Isaac GR00T参考人形机器人规格 | 6英尺、150磅、31自由度 | 1:49:34 |
术语
- harness智能体编排框架
- 连接模型、记忆、工具并调度整个推理-行动循环的软件层。
- KV cachingKV缓存
- 大模型推理中保存注意力中间结果以加速后续生成的机制。
- Mixture of Experts (MoE)混合专家模型
- 推理时只激活部分「专家」子网络、以降低计算量的模型架构。
- DPU数据处理器
- 专门处理网络、存储和安全任务、卸载CPU负担的芯片。
- tokens per watt每瓦产出token数
- 衡量数据中心单位电力能生成多少AI输出的效率指标。
收听指南
关注AI基础设施、算力芯片投资或智能体应用落地的从业者,尤其是想了解英伟达下一代硬件与软件路线图的人。
开场致谢台湾合作伙伴、结尾的说唱表演和歌曲环节信息量很低,可以跳过。