前言：

3月19日，英伟达公司首席执行官黄仁勋于GTC2025会议上发表了主题演讲。

鉴于年初DeepSeek公司推出的高性价比产品路线对市场产生了影响，市场对英伟达在高计算力需求领域增长潜力的预期有所调整，导致英伟达的股价出现波动并呈下降趋势。

尽管从长远来看，高性价比的产品路线有望促进整体计算能力需求的提升，但短期内，英伟达不得不面临产品更新换代的过渡期。

作者 | 方文三

图片来源 |  网 络 

明确未来芯片架构发展路线

通过本次GTC大会，黄仁勋提前揭示了一张未来几年的芯片架构发展路线图，计划每年对全栈AI系统进行升级，并推出新的产品线。

预计在2025年下半年推出Blackwell Ultra，2026年下半年推出Rubin，2027年下半年推出Rubin Ultra，以及预计在2028年推出采用下一代HBM技术的Feynman平台。

具体到Blackwell系列工作站和服务器GPU，英伟达在去年3月发布了AI芯片与超级计算平台Blackwell架构，并推出了GB200芯片。

黄仁勋此次宣布，Blackwell已经全面投入生产，而今年Blackwell新一代芯片的正式名称为Blackwell Ultra。

据悉，Blackwell Ultra是基于台积电N4P工艺的Blackwell GPU、Grace CPU以及更大容量的HBM封装而成。

此外，英伟达还公布了继Hopper、Blackwell之后的下一代GPU架构Rubin——以在暗物质研究领域取得突破性进展的天文学家Vera Rubin命名，以及Rubin Ultra的计划配置。

据称，Rubin平台将拥有全新的CPU和网络架构，性能将是Hopper的两倍，内存容量更大，将为AI应用提供更强大的支持。Rubin Ultra系统由Rubin Ultra GPU和Vera CPU组成。

Rubin Ultra由4块掩模尺寸的GPU组成，拥有1TB HBM4e内存，FP4峰值推理能力可达100PFLOPS。

值得一提的是，黄仁勋还宣布了Rubin之后的下一代AI芯片架构[Feynman]。

该名称源自对量子计算领域有着重要贡献的科学家Richard Phillips Feynman。

黄仁勋解释提前公布未来三年路线图的原因，强调现在构建的是AI工厂，这需要多年的规划。

英伟达要做算法公司

关于AI行业的未来，黄仁勋传递出更多[宏大叙事]。

AI行业并非单一领域，而是从技术到设施再到应用的全方位领域。

因此，作为AI行业领头羊的英伟达，其故事远不止于[芯片]。

在此次演讲中，黄仁勋从多个角度展示了英伟达在整个AI产业链的布局。

黄仁勋重新界定了英伟达的定位：[我们并非单纯从事芯片制造的企业，而是一家专注于算法创新的公司。]

在会议中，他多次向媒体阐述了AI工厂的概念，坚信AI工厂将成为数字经济的新动力。

他指出，数据中心将经历一次质的飞跃，演变为AI工厂，它们的作用将不再局限于托管应用程序，而是直接转化为经济收益。

尽管如此，黄仁勋依旧强调了GTC大会的重要性，认为它标志着英伟达从计算机技术公司向AI基础设施公司的重大转型。

他展示了数据中心如何从数据处理和应用托管的角色进化为AI工厂的过程，并期望大家共同见证一个全新行业的诞生。

为百万级GPU AI工厂开启新的可能性

在发布会上，黄仁勋明确表示：[英伟达已将硅光技术直接集成至交换机之中，这不仅突破了超大规模及企业网络的传统局限，而且为百万级GPU的AI工厂开启了新的可能性。]

随着 Scaling Law 的推动，业界普遍认同了提升计算能力规模的重要性。

从系统视角分析，计算能力规模的扩展可从两个层面进行：首先是增强单个芯片的计算能力；

其次是增加系统内芯片的数量，即提升集群规模。这一过程可以通过两种方式实现：横向扩展（Scale-Out）和纵向扩展（Scale-Up）。

在第一种情况下，单芯片计算能力的提升主要受到两个因素的制约：计算能力密度和内存带宽。

要想显著提高这些指标，必须在高端工艺制程上进行深入研究。

对于无晶圆厂的AI芯片公司而言，提升计算能力实质上是与制程技术的竞争，而不仅仅是架构设计的巧妙。

能否获得甚至引领顶级制造能力的竞争，已成为关键。

第二种情况是集群规模的提升，横向扩展（Scale-Out）意味着突破规模限制进行扩展，而纵向扩展（Scale-Up）则意味着成比例地增加性能。

横向扩展可以理解为分布式计算，通过增加独立服务器来分散工作负载，从而提升计算容量。在AI集群中，这可以类比为InfiniBand或RoCE网络所实现的功能；

纵向扩展则侧重于升级单台服务器或基于机箱的系统，通过向现有系统增加芯片来提升计算能力。

在AI集群中，这可以类比为NVLink所实现的功能；

由此可见，提升集群规模计算能力的核心，在于竞争通信技术的发展。

硅光子技术与CPO技术将共同助推发展

英伟达公司近期推出了创新的NVIDIA Photonics硅光子技术。

随着AI计算技术的迅猛发展，数据中心网络基础设施正面临日益增长的需求压力。

采用共封装光学（CPO）技术替代传统可插拔光学收发器，实现了光纤与交换机的直接连接，预计将使数据中心的电力消耗降低40兆瓦。

该技术不仅提升了AI计算集群的网络传输效率，而且为构建下一代大规模AI数据中心奠定了坚实的基础。

行业分析机构Lightcounting预测，在未来三年内，即便是推理集群也可能需要配备多达1,000个GPU以支持更大规模的模型。

CPO可能是唯一能够在4至8个机架系统中提供数万个高速互连器件的解决方案。

目前，英伟达公司计划推出三种不同类型的交换机，并将推出共同封装的光学产品。

Quantum 3450-LD交换机拥有四个Quantum-X CPO插槽，能够实现无阻塞的全连接，提供800 Gb/秒的速率，具备144个端口，这些端口的总有效带宽达到115 Tb/秒。

该款Quantum-X交换机预计将于2025年下半年面市。

另外两款采用CPO的Spectrum-X交换机的研发进度稍缓，预计将在2026年下半年才能完成。

英伟达推出的首款配备CPO的以太网交换机为Spectrum SN6810，它将搭载一个Spectrum-X CPO设备，并为128个端口提供800 Gb/秒的速率，总带宽达到102.4 Tb/秒。

Quantum-X光子学InfiniBand平台利用200Gbps SerDes技术，具备144x800Gbps端口，配备液体冷却的硅光子学模块。

与前代产品相比，该平台显著提升了AI计算速度，实现了五倍于以往的可扩展性。

英伟达Spectrum-X光子学交换机提供多种配置选项，包括128个800 Gb/s端口或512个200 Gb/s端口，总带宽高达100 Tb/s；

以及512个800 Gb/s端口或2048个200 Gb/s端口，总吞吐量高达400 Tb/s。

每个封装模块由一个量子X800 ASIC和六个光学组件构成，总共包含18个硅光子引擎。

量子X800 ASIC提供28.8 Tb/s的吞吐量，并采用台积电的4N工艺，集成了1070亿个晶体管。

在每个CPO模块中，直接连接的光学组件包含三个硅光子引擎（每个模块总计18个）和三个紧凑的可插拔连接器，实现4.8 Tb/s的吞吐能力。

每个硅光子引擎均采用200 Gb/s微环调制器，将功耗降低至原来的三分之一。

InfiniBand CPO预计将于2025年下半年首次推出，而以太网CPO预计将于2026年下半年推出。

值得注意的是，CPO将是可选的，英伟达将继续提供具备可插拔模块的交换机系统。

CPO代表了AI行业长期发展进程中的重要一步。

在短期内，CPO可能会在特定场景下进行试点，例如超大规模集群，而可插拔模块仍将是主流。

然而，从长远来看，随着对高带宽传输需求的不断增长，CPO技术将获得更广泛的应用。

未来，可能会出现结合[CPO+可插拔]架构的混合模式，以根据不同的应用需求提供灵活的选择。

结尾：

在GTC现场，黄仁勋与一台小型机器人共同展示了互动，传递出一个关键信息：随着Agentic AI时代的到来，计算需求可能会显著增加。

当Agentic AI从实验室走向规模化应用，单个设备的计算需求将被成千上万倍复制，这种分布式部署将推动整体算力需求呈几何级数增长。

将推动整个信息技术产业的革命性升级，从硬件到软件、从算法到架构，都需要围绕[高效、实时、智能]的目标进行全面革新。

部分资料参考：腾讯科技：《黄仁勋GTC演讲中被忽视的重磅技术：即将改写AI工厂游戏规则的CPO》，半导体行业观察：《下一代GPU发布，硅光隆重登场，英伟达还能火多久？》，镜相工作室：《英伟达的「算力信仰」保卫战》，甲子光年：《黄仁勋GTC媒体会：英伟达不是一家芯片公司，而是一家算法公司》，36氪Pro:《华尔街不买账英伟达GTC发布，黄仁勋讲不出新故事？》，极客公园：《被误解的英伟达，和不被理解的黄仁勋》，中国电子报：《一场英伟达GTC，黄仁勋释放出三大信号》

       原文标题 : AI芯天下丨热点丨英伟达要做算法公司，GTC发布下代GPU及硅光子技术