“我们需要更大的GPU。”
当地时间3月18日，黄仁勋在英伟达2024 GTC大会上，宣布了英伟达新一代加速计算平台NVIDIA Blackwell，以及基于Blackwell GPU架构的双芯片GPU B200和超级芯片GB200。
Blackwell架构单GPU AI性能达到 20 PFLOPS，性能比上一代提高了5倍，而成本和能耗下降降低25倍。黄仁勋以训练1.8万亿参数的GPT模型为例（可能GPT-4的参数量）。同样以90天为训练周期，上一代Hopper架构的GPU至少要用8000个，功耗15MW，而使用Blackwell架构的GPU，只需要2000颗，功耗约4 MW。
Blackwell
作为全球加速计算市场的“老大”，英伟达今天的一切成功都建立在GPU上。
不过，从黄仁勋在GTC大会上的主题演讲来看，英伟达似乎并不希望外界只看到他们的GPU。在黄仁勋2个小时的主题演讲中，虽然Blackwell平台的发布是绝对主角，但他也把超过一半的演讲时间放在了GPU“周围”的技术上，包括：芯片设计、生产技术，生成式AI模型训练，数字孪生，以及具身智能等。
一直以来，英伟达都在强调自己是“人工智能时代领先的计算公司”，而不只是一家芯片或是硬件公司。在GTC上宣布的软件技术、AI训练技术、机器人技术等，也无不透露着“源于GPU，高于GPU”的味道。
软件是GPU的护城河
加速计算市场上并不乏性能与英伟达接近的GPU产品，然而英伟达真正的护城河其实来自GPU软件开发工具。
在Blackwell之外，英伟达公布了一系列与AI、GPU、机器人相关的创新软件应用，包括：
AI 模型和工作流微服务产品NVIDIA NIM（NVIDIA AI Microservices）；企业级的 AI 软件平台NVIDIA AI Enterprise 5.0；用于机器人开发的仿真环境NVIDIA Isaac Sim；GPU 加速、性能优化的轻量级应用NVIDIA Isaac Lab；用于计算编排服务的工具NVIDIA OSMO；用于药物研发的微服务NVIDIA BioNeMo；用于基因组学分析的软件套件NVIDIA Parabricks；用于视频分析和智能视频管理的软件平台NVIDIA Metropolis等。
其中，NVIDIA NIM（NVIDIA AI Microservices）最为突出。
NIM是一系列集成AI模型和工作流的微服务，专为企业和开发者提供在生物、化学、影像及医疗数据领域构建和部署AI应用的高效、灵活方式。NIM的关键优势是其符合行业标准的API，便于开发者创建云原生应用。
目前，NIM 微服务以及开始在医疗影像领域推广。通过利用 NVIDIA 的 AI 技术，NIM 微服务可以帮助医疗专业人员更快速、更准确地分析和解释医疗影像数据，从而提高诊断的质量和效率。此外，NIM 微服务还可以用于药物研发，通过生成式化学模型和蛋白质结构预测模型，加速新药的发现和开发过程。
事实上，软件应用生态除了在AI等开发端支撑英伟达的GPU业务，在未来也有可能为英伟达走出一条新的增长曲线。
SaaS行业是公认的毛利更高、赚钱快，且软件、应用研发资产轻，不会像硬件生产那样受到供应链的制约，也没有生产、库存压力。
虽然英伟达的GPU借着AI的东风也能赚得盆满钵满，但增长速度相比不如爆发增长的OpenAI。而且如果只做GPU和算力生意，未来的发展空间，也难免会受到制造业自身增长缓慢属性的影响。
已经垄断了GPU生意的英伟达，自然不希望像AMD、Intel、高通那样，“躬耕”于芯片行业卷生卷死。对于英伟达来说，基于AI大模型、软件等向上再迈一层，不仅能巩固自己当下的行业地位，也能拓宽未来的赛道。
算力怪兽的关注点在通信
专为AI而生的Blackwell可以处理万亿参数规模的大语言模型（LLM）。每块GPU拥有2080亿个晶体管，采用专门定制的双倍光刻极限尺寸4纳米TSMC工艺制造，通过 10 TB/s的片间互联，将GPU裸片连接成一块统一的GPU。
与Blackwell平台一同推出的还有采用双芯片设计的新一代GPU B200，单GPU AI性能达到20 PFLOPS。B200配备192GB内存。以及基于B200的超级芯片GB200 ，通过900GB/s超低功耗的片间互联，将两个 NVIDIA B200 Tensor Core GPU 与 NVIDIA Grace CPU 相连。
虽然Blackwell的性能提升巨大，但今天的超大规模AI模型多数都需要多GPU并联计算。由此，GPU的连接性能，才真正体现了GPU在AI大模型训练和应用过程中的价值。
第五代NVIDIA NVLink提供1.8TB/s 双向吞吐量，可以使576块GPU之间实现无缝高速通信，满足更为复杂的大语言模型训练需求。
在云端模型部署方面，英伟达还推出了NVIDIA Quantum-X800 InfiniBand 和 Spectrum-X800 以太网网络平台，提供了高达800Gb/s 的端到端吞吐量，大幅提高了AI和HPC分布式计算的可用性。
此外，英伟达还推出了6G研究云平台，以推动AI在无线接入网络 (RAN) 技术的应用。保证了端侧设备到云基础设施之间的链接，从而推动自动驾驶汽车、智能空间和沉浸式教育体验的发展。
英伟达全新网络交换机 – X800 系列。
与Blackwell架构一同宣布的，还有英伟达与主流服务器、云计算厂商的合作。AWS、戴尔、谷歌、Meta、微软、OpenAI、甲骨文、特斯拉和XAI等预计都会在未来将加速计算服务器更新到Blackwell架构。
促进落地是英伟达的当务之急
在GPU硬件方面，英伟达在全球GPU市场中持续保持领先。Blackwell的性能比2年前的Hopper架构提升了5倍，比8年前的Pascal架构提升了1000倍。
黄仁勋在演讲中自豪地说：“摩尔定律是每10年提升100倍性能，过去8年里，我们提升了1000倍，我们还少用了2年。”
英伟达GPU性能八年提升1000倍
Blackwell一出，业界一片欢腾，很多人直呼：新摩尔定律诞生了。
相对于英伟达的用户，华尔街对英伟达的看法相对冷静。
刚刚过去的3月前几周，英伟达遭市场逼空，3月8日股价下跌5.55%。虽然华尔街对英伟达本届GTC表现乐观，市场普遍预测此次大会将帮助英伟达股票结束近期震荡走势。但是黄仁勋的主题演讲结束后，英伟达夜盘表现不佳，次日开盘股价亦未见起色。
这主要是因为GTC上公布重磅新品，对于市场来说基本都在预期之内。其实对于英伟达来说，不管是8年前的Pascal还是今天的Blackwell。1-2年一次的GPU架构的升级早已经是顺理成章的技术迭代，时至2024年，推出Blackwell在英伟达来说是一个“渐进式创新”的必然结果。
另一方面，对于如今的市场来说，随着GPU技术的迭代，算力快速增长很可能会大幅压缩英伟达的增长空间。
方舟投资首席执行官、知名投资人“木头姐”凯西·伍德（Cathie Wood）在3月7日致股东的一封信中对英伟达未来可能面临的竞争压力发出警告，并将其与思科在1997至2000年期间股价经历的“抛物线”进行比较。
伍德认为，如果AI公司、软件公司在应用层面一直见不到收益的话，很可能会停止增加在GPU建设方面的投入。
只是循序渐进地提升GPU性能，显然不能保证英伟达业务的长期增长。英伟达需要给客户提供更多围绕GPU构建业务能力的工具。英伟达大概也早就认识到了这一点。
在传统的GPU图形渲染方面，英伟达重点向客户推广工业数字孪生应用和工作流创建平台Omniverse。本次GTC，也宣布了最新的NVIDIA Omniverse Cloud API，用以帮助开发者将 Omniverse 技术集成到他们的设计和仿真工具中。
英伟达还宣布了与西门子、达索系统、Ansys、楷登软件、新思科技等主流工业软件厂商的进一步合作。
在AI方面，本次GTC上英伟达公布了一款人形机器人基础模型NVIDIA Project GR00T。可以支持通过语言、视频和人类演示来学习动作和技能，为机器人技术的 AI 应用提供了新的可能。Project GR00T与前段时间Figure推出的使用OpenAI大脑控制的机器人有些异曲同工。Project GR00T是一个多模态的人形机器人通用基础模型，可以使机器人通过观察人类行为来模仿动作，从而快速学习协调、灵活性等技能。
除此之外，英伟达一直着力打造的机器人开发和仿真环境Isaac平台此次也升级加入了生成式 AI 基础模型和仿真工具，以及针对机器人学习和操作的优化工具。