本周可谓美国科技行业的“超级周”，而号称“AI 风向标”的英伟达 GTC（GPU Technology Conference，GPU 技术大会）也于美东时间 10 月 27 日开幕。
10 月 28 日，黄仁勋依旧身着皮衣登场。但与以往有明确重点的发布会不同，老黄此次演讲几乎把全球科技圈的热词悉数点了一遍：6G、量子计算、物理 AI、机器人、自动驾驶、核聚变...一个没落下。
他还官宣了一个跨次元般的重磅消息：
英伟达和诺基亚合作了，用 AI 提高无线通信的速度，共同建造面向 AI 原生的移动网络，搭建 6G AI 平台；为此，英伟达推出新品 NVIDIA Arc（Aerial Radio Network Computer），还将对诺基亚投资 10 亿美元（约合人民 71 亿元）。
也就是说，AI 不再只是网络的使用者，还成为了网络本身的“智能中枢”。
黄仁勋直言：“我们将采用这项新技术，升级全球数百万个基站。”
值得一提的是，老黄这次（可能下次血本了）不仅演讲话题涉猎甚广，还组建了一支超级“嘉宾足球队”，在一众大佬中，具身智能当红新星 Figure AI 创始人兼 CEO Brett Adcock（第二行左四）也赫然在列。
话说回来，英伟达 AI 芯片的成绩也着实亮眼：Blackwell 和 Rubin 芯片订单总额，已达 5000 亿美元（约合人民币 35,000 亿元）。
在今年 3 月的春季 GTC 大会上，老黄曾秀出最强 AI 芯片 GB300 NVL72，其中“G”是该芯片中的 CPU 架构 Grace，“B”是 GPU 架构 Blackwell，也是英伟达现在主推的数据中心 GPU 架构。
截至当日收盘，英伟达股价涨约 5%，总市值逼近 5 万亿美元（约合人民币 35 万亿元），创下新高。
次元壁破了：和老牌手机霸主一起搞通信
在这次 GTC 上，老黄官宣的第一个合作协议，就是和诺基亚携手共建 6G AI 平台。
二者此次合作重点不在“造芯片”，而在“让网络学会思考”：英伟达把其加速计算平台 Aerial RAN Computer Pro（ARC-Pro），带进诺基亚的无线通信系统 AirScale 中，推动运营商向 AI 原生的 5G 与 6G 网络过渡。
话说，诺基亚这个零几年的全球手机霸主、听起来好像是个“上古战神”，现在为什么会出现在英伟达的合作名单上，而且还被放在超级显眼位置？
首先，其实诺基亚“没死”，它只是卖掉了手机业务，退回了“根部”的通信设备业务。
2013 年，在卖掉手机部门给微软之后，诺基亚彻底转向电信基础设施：基站、天线、光纤网络、核心网软件——全球运营商的底层网络都离不开这些。
2016 年，诺基亚收购了阿尔卡特朗讯——这是由传奇的“贝尔实验室”（曾获 9 项诺贝尔奖、4 项图灵奖）改组重建的公司，然后就自然而然地继承了贝尔实验室一堆领先的技术和专利；收购后，贝尔实验室也更名为 Nokia Bell Labs。
如今的诺基亚和华为、爱立信并列，是全球三大通信设备厂商之一。
第二，英伟达做芯片的终极目标，其实不是“更强的 GPU”，而是让所有计算都发生在“靠近数据产生的地方”——也就是网络边缘，而这正是诺基亚的主场。
英伟达提供 ARC-Pro 平台：让通信基站不仅传信号，还能执行 AI 推理；诺基亚则提供 AirScale 无线系统和 RAN 软件栈：让这些“AI 基站”融入现有的 5G 网络，并能平滑升级到 6G。另外，T-Mobile 是他们的首个运营商合作方，将在 2026 年开始实地测试。
简单来说，就是英伟达把 GPU 算力塞进基站，诺基亚负责让它能在真实的网络中跑起来。
正如黄仁勋在发布会上所说的：“基于 NVIDIA CUDA 和 AI 的 AI-RAN，将彻底改变电信行业，这是一次跨时代的平台变革。”
英伟达的官方新闻稿也指出，此次合作标志着行业的转折点，通过在全球范围内推动 AI-RAN 的创新和商业化，为 AI 原生 6G 铺平了道路。
在诺基亚之外，黄仁勋还一口气官宣了几家合作伙伴：从自动驾驶巨头 Uber、政府 AI 供应商 Palantir 到与美国能源部、甲骨文达成战略合作——几乎覆盖了 AI 产业的每一个关键环节，暗含其野心。
先是 Uber。黄仁勋认为“机器人出租车的拐点即将到来”，双方计划在全球铺开 10 万辆自动驾驶汽车。这不仅是自动驾驶的突破，更是 AI 硬件与智能算法的深度融合——英伟达正试图让 GPU 成为 Robotaxi 时代的“车载大脑”，推动出行生态进入商业化阶段。
接着是 Palantir。这家擅长处理政府和军情数据的公司，将把英伟达的 CUDA-X 和 Nemotron 模型嵌入自家系统，让 AI 学会“看懂”世界。Lowe’s 已经在用这套组合调度它的供应链——AI 代理成了企业的隐形决策官。
不过更大胆的布局在科研领域，与美国能源部、甲骨文联手打造七台 AI 超级计算机。其中阿贡实验室的 Solstice 与 Equinox 系统，将以 2,200 exaFLOP 的惊人算力，成为“美国的探索引擎”。
从 Robotaxi 到政府级 AI 决策，再到超级计算，英伟达不再“造芯片”，而是在“造智能的地基”。
前沿科技话题“大点兵”
前文提到，老黄这次的演讲涉及多个话题，除了 6G，还有量子计算、物理 AI、机器人、自动驾驶等；下面来具体看几个。
1、量子计算
自理查德·费曼提出量子计算概念起，40 年后，业界终于在去年实现了关键突破——创造出可相干、稳定、且具纠错能力的逻辑量子比特（logical qubit）。
英伟达此前推出了开放式量子 GPU 计算平台 CUDA-Q，这次又开发了一个基于 CUDA-Q 核心构建的 NVQLink，是一种能把传统 GPU 和量子处理器连接起来的互联架构。
当下的量子计算仍处在“易碎”阶段——对环境噪声异常敏感，且算力利用率有限。为了让量子比特保持稳定运行，往往要借助 GPU 超算系统承担控制与纠错计算，这让量子计算暂时还离不开经典计算的“辅助臂”。
黄仁勋分享称，英伟达将与美国能源部合作建设 7 台 AI 超级计算机，这些超算将使用 Blackwell 和下一代 Vera Rubin 架构芯片，利用 AI、量子计算等最前技术投入研究。
老黄还化身“AI 赛道的美国队长”，举起了他的“芯片盾牌”：由 NVLink 连接的 72 块 GPU 构成。
2、具身智能和物理 AI（Physical AI）
对于具身智能与机器人计算，英伟达的理念是，如果要让 AI 真正进入物理世界、具备感知和行动能力，必须依托一个“三计算机”体系：
一是用于模型训练的 Grace Blackwell AI 计算机，负责生成大规模智能模型；二是用于仿真和虚拟验证的 Omniverse 数字孪生计算机，在虚拟环境中模拟机器人行为与物理交互；三是用于实际执行的 Jetson Thor 机器人计算机，让智能在真实世界中运行。
这三者都基于 CUDA 平台运行，形成从训练、仿真到执行的完整“物理智能”闭环，使 AI 能够真正连接虚拟与现实世界。
英伟达投资过多家具体智能公司，和美国具体智能新独角兽 Figure AI 也在开展合作，加速下一代机器人的研发。
3、开源模型与生态合作
英伟达在开源模型和产业生态上正展开双线布局。
一方面，得益于推理、多模态与知识蒸馏等能力的提升，开源模型已经足够强大，成为初创企业和科研机构进行灵活定制与创新的基础。英伟达作为开源社区的重要贡献者，已有 23 个模型登上各类性能榜单，并承诺将持续投入。
另一方面，英伟达正加速与云计算和行业伙伴的深度集成：其模型与库已嵌入 AWS、Google Cloud、Microsoft Azure 等主流云平台，以及 ServiceNow、SAP 等 SaaS 系统，使用户能够在不同生态中无缝调用 AI 能力。
同时，英伟达还与 CrowdStrike（网络安全）、Palantir（数据处理）和 Synopsys（芯片设计）等行业巨头合作，以 AI 提升垂直领域生产力，推动从安全到设计的智能化变革。
4、AI 在聊天机器人之外的更多应用
AI 被广泛用于基础科学研究，远不止聊天或生成内容。在医疗、基因组学、企业计算等领域都有应用。不同类型的模型（卷积神经网络 CNN、图神经网络 GNN、状态空间模型等）被用于不同任务。
AI 不仅是工具，也能成为“数字员工”。例如英伟达内部的 Cursor 系统可帮助工程师自动生成代码；AI 驾驶员（AI Chauffeur）则被用于自动驾驶出租车。
老黄还亲自详解：AI 到底是什么？
在 GTC 大会上，除了抛出一个又一个爆炸性的技术新动向，黄仁勋还特意拿出 20 分钟，讲了一堂“AI 是什么”的深度课。
在他看来，这件事十分必要——如果没弄清 AI 的定义，就无法判断下一场产业潮水将流向何处。
黄仁勋首先澄清一个误区：AI 的世界远不止 ChatGPT 所代表的聊天机器人，那只是大众心中的 AI 形象。真正关键的，是以 AGI 为代表的深层计算机科学，以及支撑它的惊人算力，“AI 不是某个应用，而是一种新的计算方式。”
过去的计算世界，是程序员写规则、计算机执行命令；现在，机器靠数据自己学习规律。
比如，以前要教电脑识别猫，你得写几十条规则；如今只需给它十万张猫的照片，它自己就能学会什么是“猫”。
这场转变包含三层逻辑：计算方式变了——从写代码变成喂数据；计算工具变了——从 CPU 到 GPU；计算目标也变了——从执行任务到生成智能。AI 由此彻底重构了计算栈。
换句话说，AI 正在从“螺丝刀”变成“工人”。
它不再是被动的工具，而是主动的执行者——会使用浏览器、写代码、制定计划、理解需求。
当技术第一次具备了“做事”的能力，机器也第一次进入了生产力的核心。
有了学习能力，AI 看世界的方式也彻底不同。
在它的眼中，万物都被拆解成可学习的片段：文字、图片、声音、分子、蛋白质……这些最小的信息单位叫作 token。
AI 通过这些“语言颗粒”去理解、模仿、重建世界。谁能以更低成本、更高速度生成和操控 token，谁就能主导下一代计算。
这也催生了一种全新的基础设施——AI 工厂。
如果传统数据中心像多功能仓库，负责存储文件、运行程序，那么 AI 工厂就像一条生产线，只做一件事：生产 token。
能源流入，驱动 GPU；GPU 通过 NVLink 和 Spectrum-X 网络连接成超级系统；软件与模型协同工作，批量产出 token。
黄仁勋把这条链概括成一句话：
“能源 → GPU → 算法 → 模型 → Token → 智能。”
AI 的成长轨迹，也像一个“吃电的天才”。
它先在预训练阶段“学语言、记知识”，像学前班；
后在后训练阶段“学技能、学推理”；
最后进入“思考阶段”，在与你互动时实时规划、推理——那是最消耗算力的时刻。
AI 越聪明，就越费电。这是第一条指数——AI 使用指数：智能与算力的爆炸式增长。
但还有第二条曲线——AI 采用指数：AI 越好用，越多人使用；使用越多，算力需求又被推高。
两条指数叠加，形成了一个强劲的正反馈——AI 越聪明，体验越好；越好用，用户越多；越多的使用带来更多利润，又反过来推动 AI 变得更聪明。
面对算力需求如此巨大，要让这台“永动机”持续转动，黄仁勋的答案是“极致协同设计（Extreme Co-Design）”。
摩尔定律的线性提升早已赶不上 AI 的指数爆炸，必须在芯片、封装、互联、系统、编译器、模型、算法、应用等每一层同时创新。
他说：“要让 AI 继续前进，不能只造更快的芯片，而要重新设计整座工厂。”
这座“工厂”，就是未来的 AI 工厂。
在黄仁勋眼中，它不再是通用数据中心，而是一条智能的生产线——能源是燃料，GPU 是引擎，模型是模具，Token 是产品。
算力不再是辅助资源，而是新的生产资料。只有不断压低成本、扩大产能，AI 的良性循环才能继续。
这就是未来计算的形态。
AI 工厂将成为现代经济的新基础设施，从科学、医疗、制造到娱乐，所有行业都将围绕 AI 工厂重构。
从 Arvin 在 Perplexity 的工作、软件开发中的 Cursor，到机器人出租车中的 AI 司机。人工智能正快速渗透到过去难以触及的经济领域，占据越来越广阔的版图。
那 20 分钟里，他讲的其实不只是 AI，而是人类第一次拥有一种能把能量直接转化为智能的机器。
未来的计算，不再是让电脑执行命令，而是让世界自己学会思考。
老黄演讲视频回看地址：
https://www.youtube.com/watch?v=lQHK61IDFH4&list=TLGG23pf8VjteXoyODEwMjAyNQ
参考链接：
https://nvidianews.nvidia.com/news/nvidia-nokia-ai-telecommunications
