2025 年的 CES 大會上，NVIDIA 創始人兼行政總裁黃仁勳發表了一場令人矚目的演講，分享了人工智能（AI）、自駕車、雲計算等領域的技術前瞻與未來展望。他詳細闡述了 AI 在各項設備上的應用，以及自駕車和數據處理在未來生活中的重要性，並展現了 NVIDIA 在這些領域的創新技術。
重點 1. AI 在雲端與 PC 的未來：隨時隨地的智能助手
黃仁勳強調 AI 的發展不再只限於雲端，未來它將進一步擴展到各種裝置上，從手機、PC 到智能眼鏡等穿戴裝置，都將成為 AI 的重要載體。他預測，隨著科技不斷進步，AI 將成為我們日常生活的一部分，成為無所不在的助手。使用智能眼鏡等設備時，使用者可以輕鬆指向物品或場景，即時向 AI 詢問相關資訊。這種全天候、隨時可用的助手將成為未來的常態。
實際例子：
AI 電腦的普及
黃仁勳表示，隨著數以百萬計的 PC 已經運行 Windows，這使得 NVIDIA 可以將 AI 技術帶入每一部PC。所有主要的 PC OEM（原始設備製造商）都將協同開發 AI PC，並為此提供支援。這樣未來的家庭將擁有更強大的 AI 計算能力。
黃仁勳也回顧了 Windows 95 的影響，當時它帶來了多媒體服務的革命，但現在的電腦系統無法完全滿足當前 AI 的需求。因此 NVIDIA 期望將來能將 AI 助手整合進 PC 系統，並將其與傳統的 3D、音效和視頻 API 並列，打造一個更為強大的集成 AI 生態系統。
NVIDIA NIM 以 AI 生成影像
為了幫助創作者進行AI影像生成，黃仁勳介紹了NVIDIA NIM（NVIDIA Integrated Microservices）。這些服務可以將簡單的3D物件用作引導AI影像生成的工具，這樣創作者可以通過更簡單的方式控制影像的組成。他舉了概念藝術家的例子，說明如何使用這些微服務來快速實現視覺化效果，從而大幅提升創作效率。
物理 AI 構想
黃仁勳介紹「物理 AI」的概念。他提到，雖然目前的語言模型（如大語言模型）是基於上下文輸入和生成 Token 的方式來運作，但隨著 AI 技術發展，未來 AI 不只能理解和生成文本，還將能處理更複雜的物理現象。他解釋了 Transformer 模型在處理大量 Token 時的計算需求，並強調了為了支撐這樣的計算需求，像 Blackwell 這樣的高效能 GPU 成為關鍵。
Blackwell 給世界的影響：計算效能大大提升
黃仁勳提到，NVIDIA在性能每瓦特（perf per watt）和每美元性能（perf per dollar）方面的提升，使訓練AI模型的成本減少了 3 倍，或者如果想要擴大模型的規模，所需的成本保持不變。他強調這對於未來的AI應用至關重要，特別是在如 ChatGPT、Gemini等應用中，這些應用會消耗大量的 AI Token。
Blackwell 給世界的影響：突破數據中心的限制
由於數據中心的運行受到電力限制，黃仁勳介紹了NVIDIA最新的Blackwell架構，這一架構使得每瓦特的效能達到四倍提升。這意味著，這些新系統能夠提供更多的商業價值，並大大提升數據中心的計算能力。Blackwell 晶片有著前所未有的計算能力。舉例來說，72個Blackwell GPU或144個dies組成的單一系統，提供1.4 exaflops的AI浮點運算性能，這一性能超過了當前世界上最快的超級計算機。他還強調了這些系統的記憶體帶寬達到1.2PB每秒，相當於全球所有互聯網流量的總和。
Windows WSL 2：將 PC 轉型為 AI 平台
黃仁勳介紹了 Windows WSL 2（Windows Subsystem for Linux 2）技術，這一技術能將兩個操作系統融合於同一台 PC 中，對開發者來說尤為重要。它提供對原生硬件的存取，還支援 CUDA 技術，為 AI 開發提供強大的計算能力。隨著這一技術的推廣，未來的 PC 將不僅是日常辦公和娛樂工具，更將成為強大的 AI 平台。
NVIDIA 目前已經開發了多種 AI 模型，並將其運行於 Windows 系統中，使用者只需擁有相容的電腦，就能直接下載並使用這些強大的 AI 工具，進一步推動 AI 技術的普及。
重點 2. 自動駕駛汽車革命：迎接全面自動駕駛時代
黃仁勳表示，自駕車技術已經步入下一階段，並且革命性改變即將來臨。他指出，像 Waymo 和 Tesla 等公司已經證明了自駕車的可行性，NVIDIA 在這一領域也提供了關鍵技術支持，包括三大核心系統：訓練 AI 的計算機、模擬系統，以及車內的計算平台。這些技術目前已被多家車企廣泛採用，像是比亞迪、梅賽德斯、豐田等。
自駕車的未來市場規模
黃仁勳預測，自駕車將成為全球首個數兆美元規模的機器人行業。他指出，全球每年生產超過一億輛車，並且每年全球行駛的車輛總里程達到一兆英里，未來這些車輛將是高度自動化或完全自動化的，這將成為一個極為龐大的市場。NVIDIA在這個領域的業務已經達到 40 億美元，今年的年化收入可能會接近 50 億美元。
NVIDIA Thor：自駕車的下一代處理器
黃仁勳提到，AI 在自動駕駛領域的應用將迎來一場重大變革。自動駕駛車的核心在於能夠理解複雜的道路環境，並基於實時數據作出決策。這些車輛不只能夠識別周圍的交通狀況，還能在突發情況下進行即時反應。通過 AI，機械人不再僅僅是依賴傳感器來感知環境，而是能夠學習並預測不同場景下的最佳應對策略。
黃仁勳提到，未來的 AI 車輛將具備不僅能夠進行基本駕駛操作，還能在極端環境下完成更複雜的任務。比如當遭遇惡劣天氣或交通事故時，AI 能夠自動調整行車路徑，甚至與其他車輛協作，實現智能車隊。
黃仁勳介紹了 NVIDIA 最新研發的自駕車處理器——Thor。它的處理能力是上一代 Orin 處理器的 20 倍，專為處理來自車輛各種感應器的數據而設計，包括高解像度的攝影鏡頭、雷達及雷射雷達（Lidar）。Thor 將這些感應器數據轉換為 Token，並進行處理，協助自駕車預測行駛路徑。目前，這款處理器已經開始量產，並將成為自駕車的核心運算平台。
DriveOS 與安全性：建構無懈可擊的自駕車系統
自駕車的安全性問題一直是焦點。黃仁勳指出，NVIDIA 在安全性方面已經取得了重要突破，他介紹了 DriveOS 這個全球首個經過 ASIL-D 認證的可編程 AI 計算機，並達到了汽車功能安全的最高標準。DriveOS 的安全性是 NVIDIA 投入 15,000 名工程師多年心血的成果，這使得其 CUDA 技術也能達到這一高標準。
自駕車數據工廠：提升訓練數據效率
黃仁勳介紹了 NVIDIA 如何利用 Omniverse 和 Cosmos 加速自駕車技術的發展。Omniverse 能夠通過融合地圖數據創建可行駛的 3D 環境，而 Cosmos 則生成大量合成數據，這些數據用於訓練 AI 模型，以提升自駕車的安全性與效能。黃仁勳最後強調了 NVIDIA 在自駕車領域的數據處理能力。他介紹了自駕車數據工廠，該工廠利用 Omniverse 和 Cosmos 生成合成數據，並將數千次駕駛數據轉換為數十億英里的有效數據。這樣的數據處理能力將顯著提升自駕車的訓練效率，並為未來自駕車的安全與效能奠定基礎。
重點 3. 機械人改變未來
在黃仁勳的演講中，他強調了機械人在各行各業的協作潛力，尤其是在製造業和服務業中的應用。未來，協作型機械人（Cobots）將成為日常工作的一部分。這些機械人不僅能夠執行高度重複和繁重的工作，還能夠與人類一起工作，協同完成更複雜的任務。
AI 在協作型機械人中的應用，將使它們具備更高的自我學習能力和靈活性。這意味著，它們不僅能在生產線上執行簡單的操作，還能根據不同情境進行智能調整。例如，AI 使得機械人能夠理解人類工人的需求，並快速適應其指令，甚至能夠主動向人類提出建議或提供幫助，實現人機協作的最大化。
機械手臂與精密操作
黃仁勳還提到了機械手臂的未來，尤其是在醫療領域的應用。AI 將使得機械手臂能夠進行更為精確且多樣化的操作，不僅限於製造業的基本組裝，還包括精細的醫療手術操作。
AI 能夠在機械手臂的運行過程中提供實時的數據分析和反饋，協助醫生在進行微創手術時進行精確控制，甚至可以在醫療機械手臂的學習過程中，不斷優化操作精度，提升手術成功率。這不僅能夠減少人類手術中的錯誤，也能夠在全球範圍內提高醫療資源的可及性。
AI 助力自動化與數位雙胞胎
黃仁勳在演講中提到，AI 在機械人領域中的一個重要進展就是數位雙胞胎技術的應用。數位雙胞胎技術使得我們可以通過虛擬模型來模擬真實世界中的物理世界，並進行預測、測試和優化。這一技術對於自動駕駛車和機器人系統的開發至關重要。
通過數位雙胞胎，AI 可以對機械人在真實世界中的運行進行模擬，並根據這些模擬結果進行調整和優化。這不僅加速了機械人的開發過程，也提升了測試的效率和安全性。例如，AI 可以利用數位雙胞胎來創建虛擬城市，並對自動駕駛車進行實驗，以預測它們在各種路況下的表現，最終將這些學到的知識應用於真實世界。
AI 推動機械人學習與自我優化
未來的機械人將不僅僅是被動執行任務的工具，它們將通過 AI 進行自主學習，甚至具備自我優化的能力。這意味著，機械人將能夠根據經驗和環境的變化，不斷調整自己的行為和決策策略，以適應不斷變化的工作需求。
AI 的進步將使機械人能夠在更多未知的情境中進行探索，從而在提供更高效服務的同時，提升它們的自主性。例如，機械人在製造業中，能夠根據生產需求的變化，調整自身的操作模式，進一步提升生產效率。
總結來看，黃仁勳的演講詳細介紹了 NVIDIA 在 AI、自駕車、數據處理、機械人等領域的創新技術。他預見，這些技術將在未來幾年內逐步改變我們的生活方式，並最終引領全球進入一個全新智能時代。
