【NVIDIA GTC DC 2025】黃仁勳：當 AI 摩爾定律放緩，就用加速運算與外部擴展解決問題

NVIDIA於美國華盛頓特區展開GTC DC大會，執行長黃仁勳除了分享對AI發展的趨勢分析，也介紹多樣技術資訊，並在舞台上展示Vera Rubin Superchip。

透過GPU加速各種運算

黃仁勳在GTC DC大會的開幕演說中，以摩爾定律放緩為引。隨著半導體製程技術漸漸碰觸到物理極限，電晶體的尺寸難以持續縮小，造成單一晶片的效能成長也隨之放緩，為了解決這個問題，黃仁勳表示透過GPU進行加速運算就是個明確的解方。

延伸閱讀：
【NVIDIA GTC DC 2025】黃仁勳：當 AI 摩爾定律放緩，就用加速運算與外部擴展解決問題
NVIDIA於GTC DC 2025大會（下）：Vera Rubin Superchip登場，打造超級資料中心數位孿生與物理AI（工作中）
Hot Chips 2025：NVIDIA發表Spectrum-XGS Ethernet，實現Scale-Across分散式運算
 NVIDIA於AI Infra Summit 2025發表Rubin CPX GPU，透過分離運算提升6倍AI推論效能
 NVIDIA於GTC 2023春季展發表多樣AI技術，帶來更多生成式AI還能用AI加速晶片設計與生產

黃仁勳表示NVIDIA提供多款以CUDA運算架構為基礎的加速運算API（應用程式介面），並以與Nokia合作的ARC（Aerial RAN Computer，無線電接入網天線電腦）為例，透過AI協助6G網路基礎系統強化無線頻譜、束波成型的管理，以提升通訊品質。

另一方面NVIDIA也發表NVQLink連接量子電腦的量子處理器（QPU），透過繪圖處理器（GPU）強大的平行運算能力為量子位元進行即時錯誤校正。

▲ 隨著半導體製程技術漸漸碰觸到物理極限造成效能成長放緩，黃仁勳表示能夠透過GPU加速運算解決問題。

▲ NVIDIA提供多款以CUDA運算架構為基礎的加速運算API。

▲ NVIDIA發表與Nokia合作的ARC，透過AI協助6G網路基礎系統強化無線頻譜、束波成型的管理，以提升通訊品質。

▲ NVQLink是款能夠連接量子電腦的量子處理器（QPU）的互連技術。

▲ 如此一來能夠透過GPU強大的平行運算能力為量子位元進行即時錯誤校正。

▲ 目前已經有多間合作夥伴與NVIDIA在量子運算領域上展開合作。

透過Scale-Across彌補摩爾定律放緩

黃仁勳也重提AI運算的3個擴展法則，其中預訓練（Pre-Training）為透過大量資料進行AI基礎模型的訓練，而後訓練（Post-Training）則是針對使用需求，輸入特定專業領域的資料對模型進行微調，而推論中思考（Test-Time Training）則指所謂的長思考或是推理式AI，在AI推論運算的過程中，透過思維鏈（Chain of Thoght）的方式讓AI系統反覆進行思考推論，以提高答案的精準度。

另一方面，黃仁勳也分析了AI生態系統的循環趨勢。當企業透過AI服務營利之後，將利潤投入擴建AI基礎設施，如此一來就能提高服務品質以及同時上線的使用者人數，以賺取更多利潤。

至於另一個解決摩爾定律放緩的方式，就是透過外部擴展解決問題。傳統上擴產電腦效能的方式有Scale-Up與Scale-Out，前者可以理解為更換效能更強的運算單元，以提高單一伺服器的效能，後者則是串聯多台伺服器，提高整體效能輸出。

以NVIDIA的產品為例，Grace Blackwell NVL72機櫃內整合72組Blackwell GPU，彼此透過NVLink互聯技術整合為單一運算叢集，對軟體與應用程式而言它就像是1顆效能優異的超大型GPU，發揮類似於Scale-Up的效果。而各機櫃還可以透過InfiniBand或Ethernet（乙太網路）等方式進行Scale-Out擴展。

黃仁勳則再次重申先前在Hot Chips 2025大會提到的Scale-Across分散式運算概念。透過超低延遲、高頻寬的資料交換技術，串聯位於不同地理位置的資料中心，將多座獨立的資料中心整合為單一超級AI工廠，以滿足超大量體（Giga-Scale）AI運算需求。

▲ 黃仁勳表示AI的一切基礎是能源，並透過GPU以及AI資料中心的基礎設施，搭配AI模型與應用程式提供多種功能與服務。