黃仁勳現身CES解讀尺度定律 英偉達多個新品點燃市場

本報記者 李玉洋 上海報道

時隔6年，那個穿着皮衣的男人拿着最新的顯卡再次出現在CES（Consumer Electronics Show，國際消費類電子產品展覽會）2025舞臺上。

“Are you excited in Las Vegas？Do you like my jacket？”（注：同款皮衣網上售價8990美元）在CES 2025開幕前夜，英偉達創始人兼CEO黃仁勳以這樣的開場白，開始了一場長達一個半小時的主題演講，吸引了全球的矚目，只因英偉達是當前研發AI的版本答案。

《中國經營報》記者注意到，黃仁勳在主題演講中最先擲出的“核彈”產品是GeForce（英偉達開發的個人電腦的圖形處理器品牌）RTX 50系列顯卡，不同以往的是，該系列顯卡採用了用於數據中心的加速卡和系統（如B200和GB200）的Blackwell架構。

“我們利用GeForce來實現AI，而現在AI正在革新GeForce。”黃仁勳如此說道。由此，他通過多模態、模型、訓練數據量等更爲人熟悉的名詞，將話題引向當前的AI世界，從而介紹Grace Blackwell NVLink72、個人AI超級計算機Project Digits、世界基礎模型Cosmos等英偉達新品。

其中，黃仁勳還分享了自己對大模型時代的金科玉律“Scaling Law”（尺度定律）的觀察，認爲這是一個經過幾代研究人員和行業觀察並被證明的經驗法則，“Scaling Law仍在持續發揮作用”。

黃仁勳表示，除了Pre-Training Scaling（預訓練擴展定律）和Post-Training Scaling（後訓練擴展定律），新的Scaling Law已經出現，即Test-Time Scaling（測試時間擴展），當使用AI時，AI能夠應用不同的資源分配，而不是單純改善其參數，專注於決定使用多少算力來生成所需的答案。

多名接受記者採訪的人工智能算法工程師均表示，Test-time scaling已是業內當前共識，黃仁勳只是總結了下。“隨着數據和算力的增大，模型的能力就會更強，在數據達到瓶頸之後，現在堆時間，其實本質上也就是算力。”華東某省級實驗室算法工程師唐小魚表示，哪怕數據達到了瓶頸，算力繼續投入也會更加智能。

範式變化

在展開說Scaling Law前，有這樣一個背景值得一提：在2024年年末，有觀點認爲Scaling Law正逐漸失效，大模型演進速度在放緩。

而黃仁勳堅信Scaling Law不會“撞牆”。在他看來，相比Pre-training scaling和Post-Training Scaling，Test-Time Scaling更注重模型的論證能力，模型不再集中於改善其參數，而是專注於決定要使用多少計算來生成想要的答案，且“已被證明非常有效”。他還指出，從ChatGPT到OpenAI o1、OpenAI o3，再到Genimi 1.5 Pro，這些新模型的強大能力都印證了Scaling Law的延續。

對於黃仁勳的Scaling Law範式由一變三的觀點，人工智能算法工程師張昱軒表示：“現在的模型訓練集和測試集沒什麼關係，導致模型的實際應用效果不佳。準確地說，與其倒騰參數，不如搞硬件資源配置整合。就是精確確定每一個token（源代碼中的基本單位）是怎麼得到的，這方面還有很大的優化空間，而不是按照傳統的範式，一直去疊加所謂的數據。”

他還表示，黃仁勳所說的Test-Time Scaling類似於高配版的MoE（Mixture of Experts，混合專家），但不是用現在的MoE結構。“相當於模型自己知道什麼是難的，哪個是簡單的，哪些有什麼方法解決……這種思考能力是比較深的。”張昱軒說。

2024年9月，OpenAI發佈了主打推理能力的o1系列模型，與以往追求快速響應的模型不同，OpenAI o1系列最大的特點在於其“慢思考”的模式。據OpenAI介紹，這些模型經過特殊訓練，能夠在回答問題之前花費更多時間進行思考，就像人類一樣。

通過模仿人類的思維過程，通過強化學習和“思維鏈”（CoT）技術，引導模型自主解決問題。o1系列模型在解決複雜問題，尤其是在科學、編碼和數學等領域，展現出了超越以往模型的強大能力。

“所有的大模型公司都跟着OpenAI走，（模型）推理能力目前靠CoT是很好的方式。”唐小魚表示，長思維鏈的方法就是引導大模型一點點地解答，就像我們做數學題一樣，一步一步地思考，看題、理解題目，查找相關的公式，把數據導入公式，最後一步計算。

然而，這麼做來解決模型的智能瓶頸終歸不夠優雅。“CoT，我認爲只是暫時的，類似打補丁。雖不夠優雅，但是很有效。”唐小魚說。

當然，仍有活力的Scaling Law也在推動着行業對英偉達產品，尤其是Blackwell芯片的巨大需求。黃仁勳手持一塊Grace Blackwell NVLink72的展示樣品模型，擺出“美國隊長”的姿勢，儼然有着“美國芯片隊長”的樣子。

他透露，英偉達計劃造一個由72塊Blackwell GPU組成的巨型芯片，裡面有130萬億個晶體管，AI浮點性能達到1.4 ExaFLOPS，重量達1.5噸，有60萬個零部件，功耗120千瓦。

黃仁勳說，這是有史以來最大的單一芯片，“基本上全世界的互聯網流量都能在這個芯片上進行處理”，已經在全球45家工廠中生產，英偉達會將部件拆卸並送往各個數據中心重新組裝。

在介紹Blackwell架構芯片進展後，黃仁勳還“蹭了下熱點”，發佈了現階段英偉達版的AI Agents——“Blueprint for AI Agents”，並展示具有“Teat-Time Scaling”功能的Agentic AI。這位AI行業的“執劍人”還預測，AI Agents可能帶來超過1萬億美元的市場機會。

AI PC生態有望高速發展

“AI的下一個前沿是物理AI。”黃仁勳又一次面向世界強調了一遍。在CES 2025上，他向外界揭曉了英偉達首個專爲理解物理世界的基礎模型Cosmos（宇宙）。

據悉，Nvidia Cosmos是一個用來加速物理AI（能夠讓機器人和自動駕駛汽車等自主機器感知、理解和執行物理世界中的複雜動作的AI）開發的平臺，由一套開源的擴散（Diffusion）和（Auto-regressive）模型組成，用於生成物理感知視頻。

這些模型在2000萬小時的現實世界人際互動、環境、工業、機器人和駕駛數據之上訓練而成，包含9000萬億個tokens。Cosmos從小到大分爲Nano、Super、Ultra三大類，參數規模從40億到140億不等，主要用於機器人和自動駕駛場景。

在這場長達一個半小時的主題演講中，黃仁勳還介紹了下一代智駕芯片Thor、用於人形機器人合成運動數據生成的NVIDIA Isaac GR00T Blueprint、基於Llama基礎的一系列Llama Nemotron模型等內容。

從長期觀察消費電子和半導體行業的角度看，英偉達RTX 50系列顯卡和AI超級計算機Project DIGITS更受關注。

作爲英偉達最新的消費級GPU產品線，採用Blackwell架構的RTX 50系列得到了大大提升。旗艦產品RTX 5090搭載了21760個CUDA核心，成爲首個核心數突破20000大關的Geforce顯卡。RTX 5090內含920億個晶體管，每秒可實現超3352萬億次AI運算，同時搭配512bit位寬的32GB GDDR7顯存，性能較上代旗艦產品RTX 4090提升近2倍。

而更爲誇張的是，黃仁勳提到RTX 50系列的基礎版5070能以549美元的價格達到上代RTX 4090的相似性能水平。對此，芯片行業資深產業分析師黃燁鋒表示，這應該不是指單純的圖形渲染算力或AI算力，而是從系統層面表現出在AI加持下的性能水平。

“實際上從此前Ada Lovelace發佈開始，英偉達就更習慣於用AI加持來衡量性能提升幅度了。在Tensor core上堆料的收益，是明顯高於在其他通用和固定圖形單元上堆料的。”黃燁鋒說。

黃仁勳提到，GeForce產品讓AI實現了上量，而現在“AI回到GeForce”。對當代全高清4K渲染的3D畫面而言，3300萬像素僅有200萬像素是真正渲染出來的，其他像素都能借助AI生成。

值得一提的是，黃仁勳還特別在發佈會上展示了一臺搭載RTX 5070的筆記本，得益於AI技術，英偉達能夠將Blackwell顯卡縮小並集成到筆記本電腦中，這樣的筆記本電腦售價從1299美元至2899美元不等，將從今年3月起開始發貨。

“這是個相當不同以往的時代，圖形計算需要AI加持的時代，更是AI PC的時代。”黃燁鋒表示。

而在遊戲顯卡之外，英偉達還發布了把用於數據中心的Grace-Blackwell超級芯片下放到桌面設備Project Digits中，面對AI開發者和發燒友。

據黃仁勳的表述，Project Digits的靈感來自於DGX-1（首個專爲深度學習而設計的系統）。2016年，黃仁勳把第一臺DGX-1送給了OpenAI和馬斯克，坊間到處流傳着那張照片。

“那臺機器要是能小點兒就好了。”黃仁勳話音剛落，Keynote裡的樣機成倍縮小，全球最小的個人AI超級計算機Projects Digits最後登場。

支撐Project Digits的核心硬件是英偉達GB10 Grace Blackwell Superchip，在FP4精度下，可提供高達1 PFLOPS（千萬億次浮點運算/秒）的AI性能。Project DIGITS具有128GB的統一內存和4TB的NVMe存儲。

此外，Project Digits可使用標準電源插座供電，外形類似Mac Mini，起售價爲3000美元。藉助這臺超級計算機，開發人員可以運行多達2000億個參數的大型語言模型，在使用NVIDIA ConnectX網絡，兩臺Project DIGITS AI超級計算機可以連接起來，運行多達4050億參數的模型。

值得一提的是，開發者還可以在Project Digits上開發和運營模型推理，然後在使用相同的Blackwell架構和NVIDIA AI Enterprise 軟件平臺的雲端或數據中心基礎設施上進行無縫部署。

“通過Project Digits，Grace Blackwell超級芯片將惠及數百萬個開發者。”黃仁勳表示，“將AI超級計算機放在每個數據科學家、AI研究人員和學生的辦公桌上，使他們能夠參與和塑造AI時代。”

而黃燁鋒認爲，從Project Digits及更多面向RTX AI PC開發工具與AI基礎模型的發佈，都能看出英偉達期望把一直以來的AI生態優勢帶到PC端，並真正從嚴肅生產的角度普惠AI PC。“這一生態的持續完善，也是讓AI PC全面邁入高速發展期的基礎。”他說。

（編輯：吳清 審覈：李正豪 校對：顏京寧）