1.黄仁勋将在北京时间3月19日凌晨1点的英伟达GTC2025上发表主题演讲，旨在鼓舞市场信心。
2.由于市场担忧，黄仁勋需要阐述AI重心转向推理和应用，以及数据中心需求仍将高速增长的理由。
3.他可能会推出下一代GPU技术，如Blackwell架构的升级版和下一代Rubin架构的AI芯片。
4.然而，黄仁勋也需要面对越来越强大和数量众多的开源小模型，以及市场对其高端GPU的替代需求。
5.除此之外，英伟达还需在智能体AI和物理AI领域取得突破，以维持业绩增长。
以上内容由腾讯混元大模型生成，仅供参考
黄仁勋将在北京时间周三（3月19日）凌晨1点，在英伟达GTC2025的舞台上发表主题演讲。
英伟达的处境，与前两年截然不同。2023年与2024年，英伟达的市值涨势如破竹，接连跨越万亿和两万亿里程碑。而如今，已经从高点的3.6万亿美元跌至2.9万亿美元，震荡不前。
市场更需要黄仁勋亲自来一场鼓舞士气的胜利演说，他要让市场相信，AI重心转向推理和应用，数据中心的需求仍将高速增长；他要推出继续引领的下一代GPU技术。
但黄仁勋也必须说清楚，越来越强大和数量众多的开源小模型只需要一块GPU就能跑起来，而且越来越多的平替产品在出现，市场为什么还需要那么多GPU。有些问题他不便公开谈论，但是更加不确定的地缘政治因素也是明摆着。
下一代GPU
无论是美国巨头还是中国大厂，甚至欧盟也苏醒了，都在追加对数据中心的投资，一方面用于新的前沿模型的训练，一方面用于AI推理的规模落地。
换言之，AI算力的市场总量仍在增长。这至少不是一个坏消息。EpochAI认为，到2030年前，基于算力增长的前沿模型训练的扩展定律不会完全终结。但它给出了四个限制条件，产能、能效、网络与数据，都是基于历史趋势的。
前三个与英伟达息息相关。去年，Blackwell架构芯片就因为设计问题良率不佳，产能爬坡缓慢，让英伟达的投资者吃尽了苦头。
黄仁勋很可能会在GTC大会上，展望新的加速计算的发展趋势，并拿出英伟达下一代产品，包括Blackwell架构的升级版，下一代Rubin架构的AI芯片，或许还会稍微暗示下Rubin之后的时间线。英伟达还有一款代号Vera的服务器CPU，将要替代已经用了4年的Grace。
他要用这些产品让市场相信，黄氏定律继续生效，英伟达仍然主导算力的扩展趋势。
在英伟达最近一次财报会议上，黄仁勋已经证实，将在今年下半年发售基于BlackwellUltra的GB300系列。券商大行的分析师，已经从供应链处打探到，它搭载的HBM内存带宽更大，达到288GB，整体热设计功耗（TDP）也将提升至1.4千瓦。去年至今初版Blackwell架构的设计问题，没有影响到Blackwell Ultra的进展。
更高的内存带宽对推理更为友好，算力指标鸡肋的H20仍受到中国企业追捧，很大一个原因，就是它搭载了中国目前尚无法量产的HBM3。同时，伴随推理需求占比的提升，GB300将继续往低精度方向扩展，FP4精度下性能比B200提升50%。
几乎可以确定，全新的Rubin架构将得以隆重介绍。它是推动2026年英伟达业绩增长的关键产品。英伟达的客户及投资者，都期盼着听到关于它的性能参数、配置方案及量产时间表。它可能采用台积电的N3工艺。与其配置在一起的Vera，即下一代ARM架构的CPU，很可能也是N3工艺。Rubin架构的量产时间可能提前至最快2025年年末，但大规模发货最早也要等到2026年二季度。
黄仁勋在最近一次财报会议上还提到了后Rubin时代。它可能是新的代号，也可能是Rubin Ultra。也许这次会透露一二。
黄仁勋还可能在GTC上印证几则传言。有关英伟达NVL288机架的消息已经流传已久。去年10月，市场就开始讨论英伟达将向单个机柜塞进288张GPU。从机柜间互联的超大规模集群，转向机柜内强互联的超节点（intra-rack），能提升性能及空间效率，被视为英伟达针对大模型从训练向推理转型的调整。但单机架GPU密度的提升，进一步提高了对电源与散热的要求。
机构还关注英伟达的CPO（共封装光学）路线图。它有助于提高带宽、降低延迟并减少功耗。但是，摩根大通认为它对英伟达财务数据的影响，至少要等到2027年之后。
讲好智能体与机器人故事
自ChatGPT发布以来，来自数据中心AI芯片的收入，是英伟达一次次超越市场预期的主要贡献者。黄仁勋需要证明，英伟达数据中心业务还将继续爆发，其他业务部门也正处于跨越鸿沟的阶段。否则，市场对其业绩的惊喜，即将耗尽。
在CES2025上，黄仁勋已经搬出了“救兵”：继生成式AI之后，智能体AI（AgenticAI）与物理AI（Physical AI）正在到来。
按OpenAI的框架，我们处于从AGI五阶段的L2推理者向L3智能体过渡的阶段。在数字环境中持续自主行动的多模态的AI智能体将越来越多，最终，成为帮助完成工作的组织者。AI自身是可以通过“智能体”的方式无限增殖的，智能体之间的交互将创造近乎无限的算力需求。
几个月前，英伟达发布了智能体AI相应的开发套装。这次，黄仁勋需要兑现更多。
这还只是面向数字世界的算力需求。能在工业和住宅等现实世界环境中执行各种物理任务的通用机器人，将真正通往AGI。
几个月前，黄仁勋高呼人形机器人ChatGPT时刻，并发布了自己的Cosmos世界基础模型（WFM）系列。此间，市场一直传言它与台湾机器人相关供应链往来密切。今年，英伟达还与卡内基梅隆大学（CMU）合作，拿宇树科技的G1人形机器人模仿C罗、科比与詹姆斯的经典动作。该公司旗下GEAR实验室联合创始人兼GR00T项目负责人Jim Fan戏称，2030年人形机器人奥运会肯定很精彩。
机器人仍然需要强大的端侧算力。谷歌最近发布的Gemini Robotics-ER模型，就是因为本地算力不足，蒸馏成Gemini Robotics，但是这个视觉语言动作模型（VLA）的主干，仍然只能部署于云端，本地仅部署了动作解码器。去年，英伟达公开了Jetson Thor，这是一款专为机器人打造的基于Blackwell架构的端侧芯片，原定今年上半年上市。自动驾驶也是如此，汽车是装了四个轮子的机器人。
还有端侧算力。越来越多开源模型的性能，接近前沿闭源模型水平。最新发布的谷歌Gemma3是“世界上最好的单芯片模型”，目前非推理开源模型第一。类似谷歌这样能在多种硬件平台高效运行的大模型将越来越多，进一步降低开发者对英伟达高端GPU的依赖。
随着Meta的Llama 4、阿里QwQ-Max、DeepSeek的R2开源，端侧算力生态位的争夺也将日趋激烈。黄仁勋2个月前发布的个人桌面超级计算机Project Digits，已经被苹果搭载M3 Ultra的Mac Studio打败了。前者只能本地运行2000亿参数规模的大模型，后者已经可以驱动6000亿参数大模型了，几乎就是满血版R1的体量。
英伟达平替版涌现
目前，英伟达的AI芯片仍是全球云巨头争抢的对象，尤其是用于训练，除了谷歌自用的TPU外，目前没有与之匹敌的规模部署的替代。但未来可不一定。
Meta正在测试第一颗自主研发的AI训练芯片，也属于MTIA系列。此前，Meta已经推出了该系列中的AI推理芯片。据路透的消息，这款训练芯片已经开始小规模部署测试，预计2026年前投入使用。这款芯片很可能是RISC-V架构芯片，比英伟达GPU更节能，还配备了HBM3或HBM3e内存。博通与台积电是Meta的合作伙伴。
博通已经成为平替版的英伟达。该公司在定制AI芯片领域已经拥有三家大客户，让其有底气喊出了至多900亿美元的需求市场总量。在最近的财报电话会议上，博通透露可能再增加四家大客户，其中两家接近为其带来收入。市场推测其中一家就是计划研发AI服务器芯片的苹果。
博通正在扩展产能，尤其是先进制程的2nm与3.5D封装技术，以及适配50万卡级别集群的技术。目前，博通定制芯片仍然多数服务于训练，但该公司称，随着推理占比的提升，ASIC和FPGA等可以在特定应用场景中找到机会，自己的市场占有率将进一步提升。
英伟达周围还有一众初创芯片企业追兵。DeepSeek激活了市场对它们“最快”推理芯片的需求。它们也终于可以因此回点血，活下去继续竞争了。每次DeepSeek与Qwen开源最新模型，Groq总是最积极部署，主打就是一个快。Cerebras也声称在R1发布后，公司迎来了“有史以来最大的服务需求高峰之一”。该公司正在冲刺上市，在其招股书中，它宣告自己打破了摩尔定律。
（来源：Cerebras招股书）