1 月 5 日，美国消费性电子展（Consumer Electronics Show, CES）正式揭开序幕。本次展会一大亮点为辉达执行长黄仁勋的主题演讲，其立足现今、放眼未来，透露了不少 AI 浪潮下大环境与自家公司的趋势，也展示了辉达于产品及技术上的创新。本次将以趋势核心、业务亮点和未来发展三大方向进行论述，全面检视 AI 产业现况。
对Nvidia业务还不熟悉的朋友，可以参考我们的这篇文章噢！ 美股小学堂：Nvidia 业务介绍
趋势核心
AI 原先是透过不断扩张样本数与模型大小的「扩展定律（Scaling Laws）」逐步提升模型性能与精准度。黄仁勋指出，目前效能提升途径已经发展到「训练后扩展定律（Post-Training Scaling）」及「测试时间扩展（Test-time Scaling）」，使模型得以事先对资料品质与问题层次进行分析推理，并于回答后接收使用者回馈、反思，提供具效率的回答。因此，为了因应模型优化的持续加速，黄仁勋强调 GPU 的计算需求必定与日俱增。
GPU 的高速运算带动 AI 发展，AI 发展进程已从感知型 AI（Perception AI）、生成式 AI（Generative AI）正逐渐由进一步从事推理、计划、行动的代理 AI（Agentic AI），升华至用以协助人类完成生活中实体任务的物理 AI（Physical AI）。AI 正逐渐扩散，从原先存在云端的应用，正朝向 PC、软体层面渗透，成为人类的「数位代理」。如今更要跨越次元，往如：企业解决方案、自驾车、机器人等实务领域迈进，为一大突破。
“ GeForce brought AI to the world, democratized AI. Now, AI has come back and revolutionized GeForce.” - Jensen Huang
另外，黄仁勋也一语道破现今 AI 的定位，核心理念更是贯彻了本次演讲。过去 GPU 的高速计算推动 AI 诞生，让 AI 走入大众；现在，AI 回头助力 GPU，与其相辅相成，创造良性循环，加速整体产业的革新。
在这样的核心下，黄仁勋点名「机器学习」重要性。机器学习为 AI 的一环，其透过大量资料及神经网路的层层剖析、学习提升作业流程。以往应用程式的创建多为人工编码，给予 CPU 指令进行运作。然而，透过机器学习，应用程式的运作将借由大量资料，进行像人类大脑一般的深度学习（Deep Neural Network, DNN）使用者从 AI 获取资讯将如同得到专家解答般直觉。如此不仅能减少企业于初期的建置成本，更可以降低资源消耗，提高效率。在后续业务的展示上，也可以看出黄仁勋于上述两大重点的着墨。
本次业务亮点
亮点 1：GeForce RTX
游戏作为辉达的起家部门，旗下的 GeForce RTX 系列是目前的主力产品，其强调实时光线追踪，呈现逼真的视觉效果。RTX 可以针对每一个像素进行光线渲染，加入 AI 后不仅能减少计算、预测大部分像素，更能提高帧率并保持清晰度，此技术亦称深度学习超级采样（Deep Learning Super Sampling, DLSS)。
有了技术，GPU 也必须具备相应的能力运作，因此黄仁勋也一并公布了下代 RTX Blackwell。新款架构搭载 920 亿晶体，算力突破 4000 每秒兆次运算单位（Trillions of Operations Per Second, TOPS），使其除了可以提供基础图形渲染，更是可以在此之上配备神经网路，在原先已经非常大量的计算之上突破性的承载更大运算压力。
RTX 4090 为当今世上最快速的 GPU，要价 1599 美金。黄仁勋表示，辉达在 AI 的帮助下，GPU 得以降低部分运作压力而研发出 5070。其有着与 4090 相同的效能，却仅需 549 美金，可见 AI 回头助力 GPU 的前景巨大。同时，辉达也一并推出了 5070 Ti、5080、5090 与仅有 14.9 毫米厚度的 5070 笔电，预计将于一月大规模供货。5090 效能为 4090之两倍，推出后，将取代 4090 成为世上快速的 GPU。
亮点 2：NVIDIA Cosmos 与机器人
ChatGPT 的模型为语言取向，其掌握了人类语句之中的脉络架构，目的是理解文字并与人类交流；同理，物理 AI 要进入现实，也必须了解世界运作原则。AI 目前缺乏的前提是人类的直觉 ，因此，黄仁勋顺势介绍了 NVIDIA Cosmos。此模型掌握了物理基本规则，如：世上具有地心引力、摩擦力等，提供 AI 针对使用者的指令进行背景评估。拥有这些常识，AI 才能协助人类完成符合常理的动作，目前已于 GitHub 开放使用。
黄仁勋表示，未来每间公司都将拥有三台计算机，建立工业世界下机器人应用的基础架构。此由三要素组成，分别为训练 AI 的 DGX，部署于实体上的 AGX，以及由 Cosmos 和 Omniverse 组成之数位孪生（digital twins）。数位孪生结合 Cosmos 对于物理世界的常识与 Omniverse 的虚拟空间，得以提供实务上的模拟，协助搜集 AI 训练所需的数据及经验。此三者环环相扣、缺一不可，将于未来协助扩大物理 AI 的领域，运用于自驾车、机器人、工业应用等自动化流程创建之中。
亮点 3：自驾车
辉达已与丰田等车企达成合作，将共同开发自驾车。黄仁勋也展示了下一代汽车处理器 Thor，其采用 Blackwell 架构，运算能力为上一代处理器 Orin 的 20 倍，正全力制作当中。目前，辉达的 Drive OS 已通过 ASIL-D（Automotive Safety Integrity Level D，为汽车安全完整性中最高的认证级别）未来也将不断引入驾驶的真实使用数据与数位挛生进行行车模拟，强化自驾车于更加复杂的驾驶情境应变能力。辉达的自驾车业务已达 40 亿美元，黄仁勋表示，2025 年电动车的部门营收将上看50亿美元，而自动车将是第一个价值数兆的机器人产业，是现今辉达的另一开发重心。
亮点 4：Project Digits
深度学习 GPU 智能训练系统（Deep Learning GPU Intelligence Training System）也是备受瞩目的焦点。2016 年，辉达首度发表深度学习超级电脑－DGX-1，提供研发人员、新创企业拥有插电便可上手的超级计算机以训练 AI，使企业无需于先前耗费大量成本与资源建造自己的基础设施 。但在 AI爆炸的时代，其应用的层面更大、更广，需求也日益增加。黄仁勋表示，辉达将原先巨大的 DGX 所有人工智慧技术堆叠，合并开发、部署与运行三个主要功能并缩小，发表了迷你型 AI 超级电脑－Project Digits，提供研发人员更具效率与性价比的 AI 测试系统。
值得关注的是，黄仁勋亲自点名超级 CPU 为辉达与联发科合作研发，采用其 SoC 技术。此款已经投入生产，预计将于五月上市。
未来发展
本次业务展示以强化 AI 思考深度作为技术主力，机器人为实践 AI 愿景的重要手段，期望能透过提升AI 效能，逐步引领 AI 跨足现实应用，而这一概念也被称为边缘 AI（Edge AI）。边缘运算的革新得以加速工业 5.0 的发展，同时也将颠覆大众的生活模式，应用层面无远弗届。究其根本，持续扩展 AI 广度才是辉达未来的核心目标，亦为带领辉达乃至于整体 AI 产业迈向新巅峰的关键。
黄仁勋提及机器人训练时，强调 AI 发展的一大关键为「如何训练机器人」。其不仅仅是整体算力的提升，更包括训练与回馈的方式，经验、数据等资料的大量搜集途径等。整体 AI 层次提升上最大的挑战，取决于作为 AI 产业引擎的辉达创新力道，技术端能否跟上黄仁勋对于其描绘之 AI 产业愿景，将是大幅影响 AI 发展进程的关键。未来投资人可以在此面向上，观察辉达的创新与突破。
如果你对AI产业有兴趣，你可能也会对以下文章有兴趣！
