电子行业英伟达GTC2025跟踪报告：2028年全球万亿美金Capex可期，关注CPO、正交背板等新技术趋势.docx

附录：英伟达GTC2025主题演讲纪要

时间：2025年3月19日

主讲人：英伟达创始人黄仁勋

1、AI的三个层次

过去五年，重点转向生成式人工智能，实现图像、资产的翻译与转换，人工智能检索方法也大变。以往侧重存储、获取多版本数据，如今AI像主动助手，能理解请求上下文与含义，动态生成响应，这一转变近年对技术各层面影响重大。现在是生成计算模型，不像过去提前创建、存储多版本内容再取用，AI能理解我们提问并生成所知，必要时检索信息、加深理解并给出答案，不再是检索数据，而是生成答案，彻底改变计算方式，过去几年尤其是两三年内，计算的每一层都发生了变化。①生成式AI是教AI模式转换，如文本到图像、视频等，能多种方式生成内容，从根本上改变计算模式。②智能体AI意味着有AI代理机构，它能感知、理解环境背景，可推理如何回答或解决问题，能规划行动、使用工具，因理解多模态信息，可访问网站学习并利用新学知识工作，这是全新推理方式。③物理AI依托理解物理世界的物理人工智能驱动机器人技术，它懂摩擦、惯性、因果关系、物体永存性等，理解三维空间将开启人工智能新时代，让机器人成为可能，这些阶段都将带来新市场机会。

人工智能解决行业挑战的能力不断提升。今年重点聚焦两大核心问题：一是突破数据限制，数据作为AI的核心，打破其约束至关重要；二是优化训练流程，以

此推动AI进一步发展。扩展AI意义重大，智能的扩展策略能提升AI系统的效率与弹性。过去一年，AI发展显著，模型性能达到全新高度。扩展AI并非仅提升计算容量，还涉及弹性、加速及推理。现代AI系统采用结构化决策，系统会选出最佳解决方案，不再是简单的“单次生成”，而是遵循结构化推理过程，保证响应的一致性与准确性。

图1：AI的不同层次

GTC大会，

2、推理模型带来的100倍Tokens增长

由于推理，如今所需计算量很可能是去年此时预计的100倍。从AI的能力说起，

智能体AI具备推理能力，能逐步解决问题，比如用不同方式处理问题选最佳答案，或多种方式解决同一问题并检查一致性，还能将答案回代方程确认。现在AI借助思维链技术可逐步推理分解问题。

在AI基础技术中，生成下一个标记（Tokens）时，前一步生成结果会再次作为输入参与后续步骤，不是只生成单个标记，而是生成代表推理步骤的单词序列，导致生成的Tokens数量大增，可能达到原来的100倍，或因模型复杂达到10

倍。为保证模型响应性和交互性，计算速度需提升10倍，计算量要容易100倍。但面临数据来源和局限性的挑战，数据及人类演示有限，系统需按步骤读取、批准数据来解决复杂问题，如何突破这一制约是关键。在科学领域，类似数独的谜题和基于限制的问题可作类比，AI能通过大量尝试逐步解决，生成数百万独特示例，基于产生的大量Tokens形成海量合成数据用于学习优化。

对比前四大公共云CSP（AWS、Azure、GCP和OCI）中HopperGPU高峰年和Blackwell第一年，AI正处拐点，因更聪明、能推理而更有用，使用人数增多，如ChatGPT等待时间变长。训练和推理模型所需计算量急剧增长，短短一年，Blackwell刚发货，AI基础设施就呈现惊人增长。

图2：AI生成定律

GTC大会，

图3：美国TOP4CSP预测

GTC大会，

3、数据中心的演变与人工智能加速计算的新时代

如今，我们似乎常常不得不等待技术的追赶。许多人渴望看到结果，但训练这些模型所需的计算能力是巨大的。随着必威体育精装版硬件的进步，我们终于看到计算能力在实际应用中得到了体现。预测的紫色部分显示了数据中心投资的预计增长。分析

师预测，用于数据中心、CSP和相关基础设施的资本分配将大幅增加。正如我之前提到的，我预计在不久的将来，数据中心的建设将大幅扩张。这种动态转变已经开始，绝大部分投资可能会用于加速计算。我们早就明白，软件必须与硬件加速器紧密集成，而现在我们已经越过了一个临界点，这种集成正在成为一种必然。

图4：ComputingAI发展拐点

GTC大会，

我们现在正在见证全球数据中心扩张所带来的切实影响。第一个关键转变是基础设施的转变。第二个重大发展是软件开发所需的资本投资不断增加。这是一个重要的概念：软件加速器现在将产生代币，驱动软件流程。从本质上讲，整个计算

生态系统正在变得代币化，从而实现先进的人工智能驱动的检索和处理。

数据中心正在转变为我所说的“人工智能工厂”。这些设施只有一个目的：处理、分析和生成人工智能驱动的研究和应用。世界正在经历一场根本性的转变--不仅是数据中心的扩张，还有如何在这些环境中部署和加速