在CES 2025主题演讲中，英伟达大秀了一系列AI新品。

CES是消费电子主场，此次英伟达也是以消费级显卡GeForce RTX 50系列打头阵，同时公布了巨型芯片Grace Blackwell NVLink72、小型超级计算机Project DIGITS、世界基础模型平台Cosmos等。

虽然是消费端产品居多，但是技术新词也不少。美西时间1月7日，CES开幕当天，黄仁勋接受了21世纪经济报道等媒体的采访，对前一日发布的新品进一步解读，也谈到了AI的新趋势。

当黄仁勋踏进采访间，他率先拿起的是Project DIGITS，爱不释手地说这很“cute”，并表示大家可以使用这台AI超级计算机。

采访中，黄仁勋也对DIGITS再释义，DIGITS是“deep learning GPU intelligence training system”（深度学习GPU智能训练系统）的缩写。他坦言这款产品更适合科学家、开发者等使用，但是他认为DIGITS潜力巨大，因为“人工智能可以开启一个新篇章，它把世界上的计算机抛在后面”。

有意思的是，纵观英伟达过去的发展历史，其实他最早就是希望作为一家to C的公司，比如之前做游戏主机。但现实却相反，他选择了做算力的提供方。现在，通过DIGITS这样的“电脑主机”，又开拓了偏C端的AI PC路径。

另一方面，随着AI应用不断涌现，推理成本也成为关注焦点。黄仁勋谈道，英伟达通过不断提升硬件性能（如Blackwell GPU系列）和优化计算架构，大幅提高AI推理性能并降低成本。例如，新一代GPU的推理性能较上一代提升30到40倍，从而显著降低了数据中心的运行成本。此外，随着算力增强，训练和推理中的数据和模型精度不断提高，也推动了整个行业的发展。

此外，黄仁勋一如既往地看好机器人、自动驾驶，他认为未来几乎所有的车都会具备自动驾驶能力。同时黄仁勋对智能眼镜和AI技术的结合表示感到兴奋，这种设备可以通过云端的Cosmos模型支持，将复杂AI能力压缩为小型模型，用于实时分析和交互。

黄仁勋。资料图

迎接AI时代

记者：虽然英伟达发布了AI PC相关产品，但是今年相关产品销量并未大幅增长，英伟达是否有能力改变这一现状？

黄仁勋：AI的开发最早是在云端完成的。过去几年里，英伟达的增长主要来自云端，云端AI已经变得非常强大，尤其是在处理复杂的大型模型时。例如，这些模型非常庞大，适合在数据中心运行和部署。

然而，我们仍然认为，有许多设计师、软件工程师、创作者和AI爱好者更喜欢在个人电脑上工作。问题在于，目前AI的大部分开发都需要在云端进行，涉及大量的数据传输和计算，而这对很多人来说并不方便。

幸运的是，Windows系统中的WSL 2（Windows Subsystem for Linux）提供了解决方案。这是一个虚拟化环境，可以在Windows上运行第二操作系统，并支持Docker容器。通过确保AI技术能够在PC上的WSL 2环境中运行，我们可以将云端的计算能力带到个人电脑上。

我们正在努力推动这一转变，我认为这就是正确的解决方案，我感到非常兴奋，开发者们能够利用Windows加上WSL 2在本地运行AI模型。

记者：发布会宣布了诸多进展，对于那些可能对AI缺乏了解的听众来说，你是否能用更简单的方式解释这些概念？

黄仁勋：作为一家科技公司，我们技术在影响并推动未来的消费者电子领域发展。昨天一个重要的宣布内容是，我们推出了一个名为“Cosmos”的基础模型。正如GPT专注于语言的基础模型、Stable Diffusion专注于图像，Cosmos是一种能够理解物理世界的模型。

它可以理解摩擦力、惯性、物体存在感以及几何和空间关系等物理属性。这些是儿童都能理解的物理现象，但当前的语言模型却无法处理。我们相信需要一个能理解这个物理世界的基础模型。

一旦Cosmos建立起来，它就能像GPT和Stable Diffusion那样支持许多应用。例如，您可以对Cosmos模型说，“告诉我这个房间里现在的情况”，它可以基于摄像头看到的信息回答你。

总之，Cosmos是一个理解物理世界的模型。它的意义在于，只有让AI理解物理环境，AI才能在现实世界中做出有意义的操作。自动驾驶汽车需要理解物理世界，机器人也需要理解物理世界。因此，Cosmos这样的模型是实现多模态的起点。

就像GPT模型推动了人工智能应用的发展，Llama对于人工智能的各种活动至关重要，而Stable Diffusion则激发了图像和视频生成模型的发展一样，我们期望Cosmos能够成为推动下一波人工智能创新的关键。

解决成本难题

记者：你提到了scaling law，特别是测试时间计算方面。但是计算成本变得非常昂贵，有些运行需要耗费数千美元。英伟达如何应对这些高昂的成本？是否有解决方案可以让推理计算更具成本效益？

黄仁勋：解决推理计算性能和成本问题的直接方法是提升我们的计算能力。这也是为什么我们推出了Blackwell GPU NVL 72，其推理性能相比Hopper提升了30到40倍。通过这种提升，我们将推理计算的单位成本降低了同等幅度，因为数据中心的其他开销基本保持不变。

从历史上看，计算技术的进步一直依赖于降低计算成本。过去20年，我们将边际计算成本降低了约100万倍，使得像机器学习这样的技术成为可能。同样的趋势也会发生在推理阶段：通过不断提升性能，推理成本将会继续下降。

此外，我们还有一种方式。今天，许多测试时间计算阶段的输出会变成预训练、后训练模型的输入数据。这些数据会被用于后续的模型改进，这种方法不仅降低了训练和推理的综合成本，还能让模型变得更加智能。当然，这一过程需要时间。因此，这三种scaling law将会并存一段时间。

一方面，我们会努力提升所有模型的智能水平，另一方面，人们会不断提出更加复杂的问题，并期待得到更加智能的回答，这个循环将会持续不断地进行下去。

记者：我们注意到英伟达最新的旗舰显卡RTX 5090和RTX 5080之间存在较大的性能差距。5090的核心数量是5080的两倍，而价格也高出一倍。为什么会设计出这样大的差距？

黄仁勋：原因很简单，总有一些用户想要“最好的”。如果我们提供稍差一点、便宜100美元的产品，他们也不在乎。对于他们来说，最重要的是品质。当然，2000美元的花费不算小，但其价值是值得的。

但请记住，这些技术通常被用于家庭影院级的环境。这些用户往往已经在显示器和音响系统上投入了上万美元，因此他们也希望配备最好的GPU。我们的很多客户都有这样的需求，他们愿意为了获得顶尖性能而投资更多。

拓展智能产品业务范围

记者：你提到了Agent AI，像AWS、微软、Salesforce这样的公司，这些公司也有平台，你们是如何合作的？

黄仁勋：我们不是一家虚拟企业公司，而是一个科技平台公司。我们将构建工具包、库和模型。我们关注ServiceNow、SAP、Oracle、Synopsys、Cadence和西门子等公司，他们在垂直领域很专业，但他们并不希望将精力投入到计算层和AI库的开发上。因此，我们为他们提供了这一解决方案。

我们开发了NIM和NEMO技术，如果我们的CSP（云服务提供商）希望使用它们——实际上许多CSP已经在使用了——他们可以用来训练他们的语言模型。我们为行业创造了这些库，这样他们就不需要自己去做，不需要重复构建这些东西了。

记者：自动驾驶领域，与2017年相比，2025年行业有什么区别？2017年遇到的问题是什么？而2021年的技术创新是什么？

黄仁勋：首先，未来所有的移动设备都会实现自动化。在未来，大多数汽车你仍然可以选择驾驶，但所有的汽车都有能力自动驾驶。

5年前，这项技术是否能强大并不确定，但现在技术，传感器技术、计算机技术和软件技术已经非常成熟。我认为现在有太多证据表明，新一代汽车，尤其是电动汽车，几乎每一辆都承诺具有自动驾驶能力。这些技术不再是实验性质，而是正在广泛落地。

特斯拉无疑是这个领域的领导者之一，但我们也看到来自中国的创新正在快速崛起。例如比亚迪、小鹏、蔚来、小米等公司展示了非常先进的技术水平。这些公司在汽车行业中设立了新的标准，证明了自动驾驶和电动车技术的潜力。

我认为世界已经发生了变化。虽然技术成熟的过程花费了一些时间，我们的认知也在不断发展，但现在我认为，自动驾驶的未来已经非常接近现实。