周二，英伟达（Nvidia）创始人黄仁勋（Jensen Huang）在该公司的人工智能开发者大会上致辞，他告诉数千名与会者，人工智能正在经历一个“拐点”。
在被称为“人工智能超级碗”的GTC 2025上，黄将他的主题演讲集中在了公司在人工智能方面的进步以及他对未来几年行业发展的预测上。他表示，四大云服务提供商对gpu的需求正在飙升，他预计到2028年，英伟达的数据中心基础设施收入将达到1万亿美元。
黄在备受期待的声明中透露了有关英伟达下一代图形架构的更多细节：Blackwell Ultra和Vera Rubin——以著名天文学家的名字命名。Blackwell Ultra预计将于2025年下半年推出，而其继任者鲁宾AI芯片预计将于2026年底推出。Rubin Ultra将于2027年登上舞台。
在长达两个多小时的演讲中，黄概述了人工智能取得的“非凡进步”。他说，在10年的时间里，人工智能从感知和“计算机视觉”发展到了生成式人工智能，现在又发展到了代理式人工智能——即具有推理能力的人工智能。
“人工智能理解上下文，理解我们的要求。理解我们要求的意义，”他说。“它现在产生了答案。从根本上改变了计算的方式。”
他说，人工智能的下一波浪潮已经开始：机器人技术。
他说，由所谓的“物理人工智能”推动的机器人可以理解摩擦和惯性、因果关系以及物体持久性等概念。
“每一个阶段，每一波浪潮，都为我们所有人开辟了新的市场机会，”黄说。
物理人工智能的关键，以及黄的许多其他声明，是使用合成数据生成（人工智能或计算机创建的数据）进行模型训练的概念。他说，人工智能需要数字经验来学习，它的学习速度使得在训练循环中使用人类已经过时了。
“我们能做的只有这么多数据和这么多人类示范，”他说。“这是过去几年的重大突破：强化学习。”
他说，英伟达的技术可以帮助人工智能在攻击或试图一步一步地解决问题时进行这种学习。
为此，黄宣布了Isaac GR00T N1，这是一个开源基金会模型，旨在帮助开发类人机器人。Isaac GR00T N1将与更新的Cosmos人工智能模型配对，以帮助开发机器人的模拟训练数据。
宾夕法尼亚大学（University of Pennsylvania）电气与系统工程教授本杰明·李（Benjamin Lee）表示，训练机器人的挑战在于数据收集，因为在现实世界中进行训练既耗时又昂贵。
模拟环境长期以来一直是强化学习的标准，Lee说，因此研究人员可以测试他们模型的有效性。
“我认为这真的很令人兴奋。提供一个平台，一个开源平台，将允许更多的人学习强化学习，”李说。“更多的研究人员可以开始使用这些合成数据——不仅是行业中的大公司，还有学术研究人员。”
在今年早些时候的国际消费电子展上，黄介绍了宇宙系列人工智能模型，这些模型可以生成具有成本效益的逼真视频，然后用于训练机器人和其他自动化服务。
这个开源模型与英伟达的Omniverse（一种物理模拟工具）合作，可以制作更逼真的视频，它有望比传统的收集训练方式便宜得多，比如让汽车记录道路经验，或者让人教机器人重复任务。
黄说，美国汽车制造商通用汽车计划将英伟达的技术整合到其新的自动驾驶汽车中。这两家公司将共同合作，利用Omniverse和Cosmos来构建定制的人工智能系统，以训练人工智能制造模型。
这位英伟达的负责人还公布了该公司的halo系统，这是一种围绕汽车（尤其是自动驾驶）安全构建的人工智能解决方案。
黄说：“我相信，我们是世界上第一家对每一行代码都进行安全评估的公司。”
在他的演讲结束时，黄提出了一个用于机器人模拟的开源物理引擎，名为牛顿，它是由谷歌DeepMind和迪士尼研究中心共同开发的。
一个名叫Blue的小四方形机器人从地板上的一个舱口跳出来，加入了他的舞台。它对着黄发出哔哔的声音，听从他的命令，站在他身边，让他整理思绪。
“通才机器人时代已经到来，”黄说。
