英伟达2026 GTC大会 黄仁勋演讲全文

主持人： 欢迎英伟达创始人兼首席执行官黄仁勋上台。黄仁勋，创始人兼首席执行官：欢迎来到 GTC。我想提醒大家，这是一场技术大会。能看到这么多人一大早排队入场，能看到在座的各位，我感到非常高兴。在 GTC，我们将聚焦三大主题：技术、平台和生态系统。英伟达目前拥有三大平台：CUDA-X 平台、系统平台，以及我们最新推出的 AI 工厂平台。在正式开始之前，我要感谢我们的预热环节主持人——Conviction 的 Sarah Guo、红杉资本的 Alfred Lin（英伟达的第一位风险投资人），以及英伟达的第一位主要机构投资人 Gavin Baker。这三位对技术有深刻的洞见，在整个技术生态系统中拥有极广的影响力。当然，我还要感谢今天所有我亲自邀请出席的贵宾们。感谢这支全明星团队。我同样要感谢今天到场的所有企业。英伟达是一家平台公司，我们拥有技术、平台和丰富的生态系统。今天到场的企业代表了价值 100 万亿美元行业中几乎全部的参与者，共有 450 家公司赞助了本次活动，在此深表感谢。本次大会共设有 1,000 场技术论坛、2,000 位演讲嘉宾，将覆盖人工智能"五层蛋糕"架构的每一个层级——从土地、电力与机房等基础设施，到芯片、平台、模型，以及最终推动整个行业腾飞的各类应用。CUDA：二十年的技术积淀一切的起点，就在这里。今年是 CUDA 诞生二十周年。二十年来，我们始终致力于这一架构的研发。CUDA 是一项革命性的发明——SIMT（单指令多线程）技术允许开发者以标量代码编写程序，并将其扩展为多线程应用，其编程难度远低于此前的 SIMD 架构。我们最近还新增了 Tiles 功能，帮助开发者更便捷地编程张量核心（Tensor Core），以及当今人工智能所依赖的各类数学运算结构。目前，CUDA 已拥有数千种工具、编译器、框架和库，在开源社区中存在数十万个公开项目，并已深度集成到每一个技术生态系统之中。这张图表揭示了英伟达 100%的战略逻辑，我从最初就一直在讲这张幻灯片。其中最难实现、也是最核心的要素，是图表底部的"装机量"。历经二十年，我们已在全球范围内积累了数亿块运行 CUDA 的 GPU 和计算系统。我们的 GPU 覆盖所有云平台，服务于几乎所有计算机厂商和行业。CUDA 庞大的装机量，正是这个飞轮不断加速的根本原因。装机量吸引开发者，开发者创造新算法并取得突破，突破催生全新市场，新市场形成新生态并吸引更多企业加入，进而扩大装机量——这个飞轮正在持续加速。英伟达库的下载量正以惊人的速度增长，规模庞大且增速不断提升。这个飞轮使我们的计算平台能够支撑海量应用和层出不穷的新突破。更重要的是，它还赋予了这些基础设施极长的使用寿命。原因显而易见：NVIDIA CUDA上可运行的应用极为丰富，涵盖 AI 生命周期的每个阶段、各类数据处理平台，以及各种科学原理求解器。因此，一旦安装了英伟达 GPU，其实际使用价值极高。这也是为何我们六年前发布的 Ampere 架构 GPU，其云端价格反而在上涨。这一切的根本原因在于：装机量庞大，飞轮强劲，开发者生态广泛。当这些因素共同发挥作用，加之我们持续更新软件，计算成本便会不断下降。加速计算在大幅提升应用性能的同时，随着我们长期维护和迭代软件，用户不仅能在初期获得性能跃升，还能持续享受计算成本的下降。我们愿意为全球每一块 GPU 提供长期支持，因为它们在架构上完全兼容。我们之所以愿意这样做，是因为装机量如此庞大——每发布一次新的优化，便能惠及数百万用户。这种动态组合，使得英伟达架构在持续扩大覆盖范围、加速自身成长的同时，不断压低计算成本，最终刺激新的增长。CUDA 是这一切的核心。从 GeForce 到 CUDA：二十五年的演进之路而我们与 CUDA 的旅程，实际上早在二十五年前就已开始。GeForce——相信在座有很多人是伴随着 GeForce 长大的。GeForce 是英伟达最成功的市场推广项目。我们从你们还买不起产品的时候就开始培养未来的客户——是你们的父母代替你们成为了英伟达最早的用户，年复一年地购买我们的产品，直到有一天，你们成长为优秀的计算机科学家，成为真正意义上的客户和开发者。这是二十五年前 GeForce 奠定的基业。二十五年前，我们发明了可编程着色器——这是让加速器实现可编程化的一项显而易见却意义深远的发明，也是世界上第一款可编程加速器，即像素着色器。这五年后，我们创造了 CUDA——这是我们有史以来最重要的投资之一。当时公司财力有限，但我们将绝大部分利润押注于此，致力于将 CUDA从 GeForce 延伸到每一台计算机。我们之所以如此坚定，是因为我们深信其潜力。尽管初期历经艰辛，公司坚守这一信念长达 13 代、整整二十年，如今 CUDA 已无处不在。正是像素着色器推动了 GeForce 的革命。而大约八年前，我们推出了 RTX——为现代计算机图形时代对架构进行了全面革新。GeForce 将 CUDA 带给了全世界，也正因如此，让 Alex Krizhevsky、Ilya Sutskever、Geoffrey Hinton、Andrew Ng 等众多学者发现，GPU 可以成为加速深度学习的利器，由此点燃了十年前人工智能的大爆炸。十年前，我们决定将可编程着色与两个全新理念相融合：一是硬件光线追踪（RayTracing），这在技术上极具挑战；二是一个当时颇具前瞻性的想法——大约十年前，我们就预见到 AI 将彻底变革计算机图形。正如 GeForce 将 AI 带给了全世界，AI 如今也将反过来重塑整个计算机图形的实现方式。今天，我要向大家展示未来。这是我们的下一代图形技术，我们称之为神经渲染（NeuralRendering）——3D 图形与人工智能的深度融合。这就是 DLSS 5，请看。神经渲染：结构化数据与生成式 AI 的融合这是不是令人叹为观止？计算机图形就此焕发生机。我们做了什么？我们将可控的 3D 图形（虚拟世界的真实基础）与其结构化数据相结合，再融入生成式 AI 和概率计算。一个完全确定性，另一个概率性却高度逼真——我们将这两种理念融为一体，通过结构化数据实现精准可控，同时进行实时生成。最终，内容既美观惊艳，又完全可控。结构化信息与生成式 AI 融合这一理念，将在一个又一个行业中不断复现。结构化数据是可信 AI 的基石。结构化数据与非结构化数据的加速平台现在我要带大家看一张技术架构图。结构化数据——大家熟悉的 SQL、Spark、Pandas、Velox，以及 Snowflake、Databricks、Amazon EMR、Azure Fabric、Google BigQuery 等重要平台，都在处理数据框（Data Frame）。这些数据框就像巨型电子表格，承载着商业世界的全部信息，是企业计算的基本事实（Ground Truth）。在 AI 时代，我们需要让 AI 来使用结构化数据，并对其实现极致加速。过去，加速结构化数据处理是为了让企业更高效地运转。而未来，AI 将以远超人类的速度使用这些数据结构，AI 智能体也将大量调用结构化数据库。非结构化数据方面，向量数据库、PDF、视频、音频等构成了世界上绝大多数的数据形态——每年生成的数据中，约 9