在年度 GTC 大会上，黄仁勋围绕人工智能与加速计算的发展趋势进行了系统阐述，强调当下正处于 AI 产业加速落地的重要阶段。这场演讲聚焦技术演进、产品布局以及行业应用，释放出一个明确信号：人工智能正在进入类似“关键转折点”的新阶段。
黄仁勋提到，本届大会吸引了超过 25 万名参会者，汇聚了来自科研机构与科技企业的大量从业者和管理者。大会安排了数百场主题分享，内容覆盖生成式 AI、机器人多任务模型、合成数据、云端部署等多个方向，反映出 AI 生态正在持续扩张。
在演讲中，他重点介绍了加速计算平台在产业中的基础作用。通过构建一系列面向不同场景的加速库与软件平台，这类技术正在把底层计算能力连接到具体业务系统，并进一步延伸到汽车、航空航天、医疗、制造、金融、零售和媒体等行业。
除了现有技术体系外，会上还公布了多项新能力，包括面向计算流体力学的求解器、量子计算平台、大规模数据处理引擎以及向量数据库相关加速库等。这些工具的目标，是帮助企业和研究团队更高效地处理复杂任务，并缩短从研究到应用的距离。
面向大模型应用，会上还发布了若干与模型部署和性能优化相关的新功能，例如模型分析、模型组合支持、多 GPU 与多节点推理能力等。同时，新推出的推理管理服务也被用于提升模型上线后的吞吐效率与成本表现。
大会公布的重点方向
1. 量子计算平台升级
黄仁勋表示，新开源的 CUDA Quantum 将为量子计算研究人员提供更高性能、低延迟的架构支持，帮助相关研究更高效地完成模拟、开发与实验工作。
2. 通信与数据处理场景深化应用
在行业合作方面，AT&T 将借助 NVIDIA AI 提升数据处理效率，进一步优化服务车辆路线规划，并推进数字孪生与数字化角色等应用场景。
3. 计算机视觉处理效率提升
CV-CUDA Beta 重点优化了视觉任务中的预处理与后处理流程，目标是在降低成本和能耗的同时提升云端吞吐能力。微软、腾讯、百度等企业也正在将这一开源方案应用于各自的计算机视觉业务。
4. 医疗与边缘计算结合
Medtronic 将整合 NVIDIA 在医疗健康与边缘计算方面的技术，加速 AI 在患者护理中的落地，并推动更多基于人工智能的新型解决方案进入实际应用。
5. 半导体制造工具更新
会上发布的 NVIDIA cuLitho 被视为计算光刻方向的重要进展，有望帮助半导体企业提升下一代芯片设计与制造流程的效率。
6. 数据中心节能计算推进
NVIDIA Grace CPU 被用于强化数据中心的能效表现。按照会上介绍，这一平台能够在多种主流应用中提供更优的性能能耗比，以满足高密度计算需求。
7. 加速库继续扩展
大会还介绍了多类面向新场景的加速库，包括服务于汽车和航空航天行业的 CFD 求解器、量子计算平台、大规模数据处理引擎 Spark RAPIDS，以及面向物流优化等场景的相关能力。
8. 视频处理云服务增强
新发布的视频处理相关云服务库将帮助客户更高效地完成视频内容的转码、处理与分发，满足媒体和内容平台不断增长的需求。
9. 企业级 AI 超级计算服务
DGX Cloud 的推出，让企业能够更快获得多节点 AI 超级计算资源，用于训练生成式 AI 等复杂模型，降低了高性能基础设施的使用门槛。
10. 大模型与企业数据融合
NeMo 服务则聚焦企业级大语言模型应用，帮助企业将通用模型与私有数据结合，用于客服、问答、助手等场景，让模型更贴近实际业务需求。
AI 正在从技术热潮走向产业基础设施
从整场演讲释放的信息来看，人工智能的发展重点已经不再局限于模型能力本身，而是进一步延伸到训练、部署、推理、管理、行业集成和成本优化等完整链条。加速计算平台在其中扮演着越来越关键的角色，既决定技术上限，也影响企业落地效率。
黄仁勋最后表示，未来仍将持续投入研发，推动人工智能和加速计算在全球范围内服务更多行业，帮助企业降低成本、提升效率并实现创新。随着越来越多行业开始将 AI 视为核心能力建设的一部分，这一领域或许正迎来真正意义上的关键时刻。
