برای آخرین به روزرسانی ها و مطالب اختصاصی در مورد پوشش هوش مصنوعی پیشرو در صنعت ، به خبرنامه های روزانه و هفتگی ما بپیوندید. بیشتر بدانید
SAN JOSE ، کالیفرنیا – جنسن هوانگ ، مدیرعامل NVIDIA صبح سه شنبه در مرکز SAP به صحنه رفت ، ژاکت چرمی دست نخورده و بدون یک teleprompter ، برای ارائه آنچه به یکی از پیش بینی شده ترین کلید های موسیقی در صنعت فناوری تبدیل شده است. کنفرانس فناوری GPU (GTC) 2025 ، که توسط هوانگ به عنوان “سوپر بول AI” توصیف شده است ، به یک مقطع مهم برای NVIDIA و بخش هوش مصنوعی گسترده تر می رسد.
هوانگ به Arena بسته بندی شده گفت: “چه سال شگفت انگیزی بود و ما چیزهای باورنکردنی زیادی برای گفتگو داریم.” این سهام به ویژه در سال جاری پس از تلاطم بازار ناشی از انتشار چینی Deepseek از مدل استدلال بسیار کارآمد R1 ، که در اوایل سال جاری در میان نگرانی های مربوط به کاهش احتمالی تقاضای GPU های گران قیمت آن ، سهام NVIDIA را ارسال کرد ، زیاد بود.
در برابر این زمینه ، هوانگ با تأکید بر یک نقشه راه واضح برای محاسبات مرکز داده ، پیشرفت در قابلیت های استدلال هوش مصنوعی و حرکت جسورانه به روباتیک و وسایل نقلیه خودمختار ، دیدگاه کاملی از آینده Nvidia ارائه داد. این ارائه تصویری از شرکتی را که برای حفظ موقعیت غالب خود در زیرساخت های هوش مصنوعی کار می کند ، ضمن گسترش به سرزمین های جدید که در آن فناوری آن می تواند ارزش ایجاد کند ، نقاشی کرده است. سهام Nvidia در طول ارائه معامله شد و بیش از 3 ٪ برای روز بسته شد و نشان می دهد که سرمایه گذاران ممکن است به اعلامیه های نمایشی حتی امیدوار باشند.
اما اگر پیام هوانگ مشخص بود ، این بود: هوش مصنوعی در حال کند شدن نیست ، و هیچ یک از Nvidia نیست. از تراشه های پیشگامانه گرفته تا فشار به AI فیزیکی ، در اینجا پنج مهمترین غذای آماده از GTC 2025 آورده شده است.
پلتفرم Blackwell تولید را با افزایش عملکرد 40 برابر بیش از هاپر افزایش می دهد
محور استراتژی محاسبات هوش مصنوعی Nvidia ، سکوی بلکول ، اکنون به گفته هوانگ ، در حال تولید کامل است ، که تأکید کرد که “تقاضای مشتری باورنکردنی است”. این یک نقطه عطف مهم پس از آنچه که هوانگ قبلاً به عنوان “سکسکه” در تولید اولیه توصیف کرده بود ، است.
هوانگ مقایسه چشمگیری بین بلکول و سلف آن ، هاپر انجام داد: “بلکول NVLINK 72 با دینامو 40 برابر عملکرد کارخانه هوش مصنوعی هاپر است.” این جهش عملکرد به ویژه برای بارهای کاری استنباط بسیار مهم است ، که هوانگ به عنوان “یکی از مهمترین بار کاری در دهه آینده ، در حالی که ما از هوش مصنوعی استفاده می کنیم” قرار گرفت.
دستاوردهای عملکرد در یک زمان مهم برای صنعت به وجود می آید ، زیرا مدلهای استدلال هوش مصنوعی مانند R1 Deepseek نیاز به محاسبه قابل توجهی بیشتر از مدل های سنتی زبان بزرگ دارند. هوانگ این موضوع را با یک تظاهرات با مقایسه یک رویکرد سنتی LLM به یک صندلی عروسی (439 نشانه ، اما اشتباه) در مقابل رویکرد مدل استدلال (نزدیک به 9000 توکن ، اما صحیح) نشان داد.
هوانگ توضیح داد: “میزان محاسباتی که باید در هوش مصنوعی انجام دهیم ، در نتیجه استدلال هوش مصنوعی و آموزش استدلال سیستم های هوش مصنوعی و سیستم های عامل بسیار بیشتر است.” هوانگ به جای قرار دادن مدلهای کارآمد به عنوان تهدیدی برای مدل تجاری Nvidia ، آنها را به عنوان افزایش تقاضا برای محاسبات قاب کرد – به طور موثری ضعف بالقوه را به یک قدرت تبدیل کرد.
معماری روبین نسل بعدی با نقشه راه چند ساله روشن رونمایی شد
در حرکتی که به وضوح طراحی شده است تا به مشتریان شرکت و ارائه دهندگان ابر اعتماد به نفس در مسیر بلند مدت Nvidia داده شود ، هوانگ نقشه راه مفصلی را برای زیرساخت های محاسباتی هوش مصنوعی از طریق سال 2027 ارائه داد. این یک سطح غیر معمول از شفافیت در مورد محصولات آینده برای یک شرکت سخت افزار است ، اما منعکس کننده برنامه ریزی طولانی مورد نیاز برای زیرساخت های AI است.
هوانگ با تأکید بر اهمیت پیش بینی برای مشتریانی که سرمایه گذاری های گسترده سرمایه دارند ، اظهار داشت: “ما یک ریتم سالانه از نقشه های راه را برای شما فراهم کرده است تا بتوانید زیرساخت های هوش مصنوعی خود را برنامه ریزی کنید.”
نقشه راه شامل Blackwell Ultra در نیمه دوم سال 2025 است که 1.5 برابر عملکرد AI بیشتر از تراشه های فعلی Blackwell را ارائه می دهد. این در نیمه دوم سال 2026 توسط ورا روبین ، نامگذاری شده توسط ستاره شناس که ماده تاریک را کشف کرده است ، دنبال خواهد شد. روبین یک پردازنده جدید دارد که دو برابر سریعتر از پردازنده فعلی GRACE ، به همراه معماری شبکه جدید و سیستم های حافظه است.
هوانگ در مورد پلت فرم ورا روبین توضیح داد: “اساساً همه چیز کاملاً جدید است ، به جز شاسی.”
نقشه راه حتی در نیمه دوم سال 2027 به Rubin Ultra نیز گسترش می یابد ، که هوانگ به عنوان “مقیاس شدید” توصیف کرد و 14 برابر قدرت محاسباتی بیشتری نسبت به سیستم های فعلی ارائه می دهد. وی با اشاره به نگرانی های مربوط به اقتصاد زیرساخت های هوش مصنوعی ، گفت: “می بینید که روبین قصد دارد هزینه های زیادی را کاهش دهد.”
این نقشه راه تفصیلی به عنوان پاسخ NVIDIA در مورد نگرانی های بازار در مورد رقابت و پایداری سرمایه گذاری های هوش مصنوعی ، به طور مؤثر به مشتریان و سرمایه گذاران می گوید که این شرکت بدون توجه به نحوه تکامل کارآیی مدل AI ، مسیر روشنی دارد.
Nvidia Dynamo به عنوان “سیستم عامل” برای کارخانه های AI ظاهر می شود
یکی از مهمترین اعلامیه ها Nvidia Dynamo ، یک سیستم نرم افزاری با منبع باز برای بهینه سازی استنباط AI بود. هوانگ آن را “اساساً سیستم عامل یک کارخانه هوش مصنوعی” توصیف کرد ، و به موازات این که مراکز داده سنتی به سیستم های عامل مانند VMware به برنامه های سازمانی ارکستر تکیه می کنند ، ترسیم می کند.
Dynamo به چالش پیچیده مدیریت بارهای کار هوش مصنوعی در سیستم های GPU توزیع شده ، انجام وظایف مانند موازی سازی خط لوله ، موازی بودن تنشور ، موازی سازی تخصصی ، دسته بندی در پرواز ، استنباط های تفکیک شده و مدیریت بار کار می پردازد. این چالش های فنی به طور فزاینده ای اهمیت پیدا می کنند زیرا مدل های هوش مصنوعی پیچیده تر می شوند و رویکردهای مبتنی بر استدلال نیاز به محاسبه بیشتر دارند.
این سیستم نام خود را از دینامو می گیرد ، که هوانگ خاطرنشان کرد “اولین ابزاری بود که آخرین انقلاب صنعتی ، انقلاب صنعتی انرژی را آغاز کرد.” این مقایسه دینامو را به عنوان یک فناوری اساسی برای انقلاب هوش مصنوعی قرار می دهد.
NVIDIA با ساختن منبع باز دینامو ، در تلاش است تا اکوسیستم خود را تقویت کند و اطمینان حاصل کند که سخت افزار آن همچنان پلت فرم مورد نظر برای بارهای کاری هوش مصنوعی است ، حتی اگر بهینه سازی نرم افزار برای عملکرد و کارآیی اهمیت بیشتری پیدا کند. شرکاء از جمله دچار اختلال در حال حاضر با NVIDIA در اجرای Dynamo همکاری می کنند.
هوانگ گفت: “ما خیلی خوشحالیم که بسیاری از شرکای ما با ما در این زمینه همکاری می کنند.”
رویکرد منبع باز یک حرکت استراتژیک برای حفظ موقعیت اصلی NVIDIA در اکوسیستم هوش مصنوعی است و در عین حال اهمیت بهینه سازی نرم افزار را علاوه بر عملکرد سخت افزار خام تصدیق می کند.
هوش مصنوعی فیزیکی و روباتیک با مدل Groot N1 منبع باز می شوند
در آنچه که ممکن است از لحاظ بصری برجسته ترین لحظه اصلی اصلی باشد ، هوانگ از فشار قابل توجهی به روباتیک و هوش مصنوعی فیزیکی رونمایی کرد و با ظاهر “آبی” ، یک روبات با الهام از جنگ ستارگان که به صحنه می رفت و با هوانگ در تعامل بود ، به اوج خود رسید.
پس از اعلام مشارکت Nvidia با DeepMind و دیزنی ، آبی (جنگ ستارگان) را ملاقات کنید. pic.twitter.com/ylcdouf5xc
– برایان رومل (brianroemmele) 18 مارس 2025
هوانگ توضیح داد: “تا پایان این دهه ، جهان حداقل 50 میلیون کارگر کوتاه خواهد بود.”
این شرکت NVIDIA ISAAC GROOT N1 را اعلام کرد ، که به عنوان “اولین الگوی بنیاد کاملاً قابل تنظیم در جهان برای استدلال و مهارت های عمومی انسانی” توصیف شده است. ساخت این مدل منبع باز یک حرکت مهم برای تسریع در توسعه در زمینه رباتیک است ، مشابه چگونگی سرعت بخشیدن به LLM های منبع باز ، پیشرفت عمومی هوش مصنوعی را تسریع کرده است.
در کنار Groot N1 ، Nvidia از همکاری با Google Deepmind و Disney Research برای توسعه نیوتن ، یک موتور فیزیک منبع باز برای شبیه سازی روباتیک خبر داد. هوانگ نیاز به “موتور فیزیک که برای بدنهای بسیار ریز ، سفت و سخت و نرم طراحی شده است ، طراحی شده است که برای قادر به آموزش بازخورد لمسی و مهارت های حرکتی خوب و کنترل های محرک طراحی شده است.”
تمرکز بر روی شبیه سازی برای آموزش ربات از همان الگویی که در توسعه رانندگی خودمختار موفقیت آمیز بوده است ، با استفاده از داده های مصنوعی و یادگیری تقویت برای آموزش مدلهای هوش مصنوعی بدون محدودیت های جمع آوری داده های فیزیکی پیروی می کند.
هوانگ توضیح داد: “با استفاده از Omniverse برای شرط کیهان و کیهان برای تولید تعداد نامحدودی از محیط ، به ما امکان می دهد داده هایی را ایجاد کنیم که توسط ما کنترل شود ، در عین حال بی نهایت کنترل شود.”
این اعلامیه های روباتیک نشان دهنده گسترش Nvidia فراتر از محاسبات سنتی هوش مصنوعی در دنیای فیزیکی است ، که به طور بالقوه بازارها و برنامه های جدیدی را برای فناوری خود باز می کند.
مشارکت جنرال موتورز سیگنال های اصلی را به وسایل نقلیه خودمختار و هوش مصنوعی صنعتی فشار می دهد
هوانگ با گردآوری استراتژی NVIDIA برای گسترش هوش مصنوعی از مراکز داده به دنیای فیزیکی ، از همکاری قابل توجهی با جنرال موتورز برای “ساختن ناوگان اتومبیل خود رانندگی آینده خود” خبر داد.
هوانگ اعلام کرد: “جنرال موتورز NVIDIA را برای همکاری با آنها برای ایجاد ناوگان خودروی خود رانندگی آینده انتخاب کرده است.” وی گفت: “زمان وسایل نقلیه خودمختار فرا رسیده است ، و ما مشتاقانه در هر سه زمینه با GM AI ساخته شده ایم: هوش مصنوعی برای تولید آنها می تواند انقلابی را برای شرکت داشته باشد ، بنابراین آنها می توانند در نحوه کار ، طراحی خودروها و شبیه سازی خودروها را متحول کنند.”
این مشارکت رأی قابل توجهی به اعتماد به نفس در پشته فناوری خودروسازی NVIDIA از بزرگترین خودروساز آمریکا است. هوانگ خاطرنشان کرد: Nvidia بیش از یک دهه است که با الهام از عملکرد دستیابی به موفقیت الکسنت در مسابقات دید رایانه ای ، بیش از یک دهه روی اتومبیل های خودران کار می کند.
هوانگ به یاد می آورد: “لحظه ای که الکسنت را دیدم ، لحظه ای الهام بخش ، چنین لحظه ای هیجان انگیز بود ، باعث شد که ما تصمیم بگیریم که همه در ساخت اتومبیل های خودران حرکت کنیم.”
در کنار مشارکت جنرال موتورز ، Nvidia اعلام کرد Halos ، که به عنوان “یک سیستم ایمنی جامع” برای وسایل نقلیه خودمختار توصیف شده است. هوانگ تأکید کرد که ایمنی یک اولویت است که “به ندرت توجه می کند” اما به فناوری “از سیلیکون گرفته تا سیستم ها ، نرم افزار سیستم ، الگوریتم ها ، روش ها نیاز دارد.”
اعلامیه های خودرو ، دسترسی NVIDIA را از مراکز داده به کارخانه ها و وسایل نقلیه گسترش می دهد و این شرکت را برای گرفتن ارزش در کل پشته AI و در صنایع متعدد قرار می دهد.
معمار عمل دوم AI: تکامل استراتژیک Nvidia Beyond Chips
GTC 2025 تحول NVIDIA را از تولید کننده GPU به شرکت زیرساخت AI پایان به پایان نشان داد. از طریق نقشه راه Blackwell-to-Rubin ، Huang اعلام کرد که Nvidia تسلط محاسباتی خود را تسلیم نمی کند ، در حالی که محور آن به سمت نرم افزار منبع باز (Dynamo) و مدل ها (Groot N1) تأیید می کند که سخت افزار به تنهایی نمی تواند آینده خود را تضمین کند.
NVIDIA با هوشمندی از چالش کارآیی Deepseek خودداری کرده است ، و استدلال می کند که مدل های کارآمدتر محاسبه کلی بیشتری را به محض گسترش استدلال هوش مصنوعی انجام می دهند – هرچند که سرمایه گذاران شکاک باقی مانده و با وجود نقشه راه جامع ، سهام را پایین تر می کنند.
آنچه Nvidia را از هم جدا می کند ، دید هوانگ فراتر از سیلیکون است. ابتکار عمل رباتیک فقط مربوط به فروش تراشه ها نیست. این در مورد ایجاد پارادایم های محاسباتی جدید است که به منابع محاسباتی گسترده نیاز دارند. به همین ترتیب ، مشارکت جنرال موتورز NVIDIA را در مرکز تحول هوش مصنوعی خودرو در بین خود تولید ، طراحی و وسایل نقلیه قرار می دهد.
پیام هوانگ واضح بود: Nvidia در چشم انداز رقابت می کند ، نه فقط قیمت. از آنجا که محاسبه از مراکز داده به دستگاه های فیزیکی گسترش می یابد ، شرط بندی های Nvidia که کنترل پشته کامل AI – از سیلیکون تا شبیه سازی – مرز بعدی محاسبات را تعریف می کند. در دنیای هوانگ ، انقلاب هوش مصنوعی تازه آغاز شده است و این بار از اتاق سرور خارج می شود.