中国·必发(888·VIP认证)官方网站 - App Store

　　bifa必发★★。88BIFAAPP官网数据线缆★★，必发bf88★★，bifaVIP认证★★，必发bifa★★，bifa88官网★★，智东西美国圣何塞3月18日现场报道★★，顶着热烈的加州阳光★★，一年一度的“AI春晚”英伟达GTC大会盛大开幕★★。今日上午★★，英伟达创始人兼CEO黄仁勋穿着闪亮的皮衣★★，进行了一场激情澎湃的主题演讲★★，一连亮出四代全新Blackwell Ultra★★、Rubin★★、Rubin Ultra★★、Feynman旗舰芯片★★，公布四年三代GPU架构路线图★★，还多次提到中国大模型DeepSeek年轻的母亲中字巴巴鱼汤饭★★。

　　整场演讲信息量爆棚★★，覆盖加速计算★★、深度推理模型★★、AI智能体★★、物理AI★★、机器人技术★★、自动驾驶等在内的AI下一个风口★★，新发布涉及十大重点★★：

　　5★★、个人AI超算★★：推出全球最小AI超算DGX Spark★★、高性能桌面级AI超算DGX Station★★，方便开发者本地微调或推理深度思考模型★★。

　　8★★、光电一体化封装网络交换机★★：号称“世界上最先进的网络解决方案”★★，可将AI工厂扩展到数百万块GPU★★。

　　9★★、物理AI/机器人★★：开源Isaac GR00T N1人形机器人基础模型★★，与迪士尼研究院★★、谷歌DeepMind将合作开发开源物理引擎Newton★★。

　　10★★、电信AI和自动驾驶★★：与通用汽车一起为工厂和汽车构建GM AI★★，构建综合全栈自动驾驶安全系统NVIDIA Halos★★。

　　值得一提的是★★，英伟达宣布Blackwell GPU创下满血版DeepSeek-R1推理性能的世界纪录★★。

　　通过硬件和软件的结合★★，英伟达自今年1月以来将DeepSeek-R1 671B模型的吞吐量提高了约36倍★★，相当于每个token的成本改善了约32倍★★。

　　今年GTC人气火爆到史无前例★★，万元起步的门票悉数售罄★★，超过25000名观众齐聚现场★★，几乎整座圣何塞都染上了“英伟达绿”★★，从街巷★★、集市★★、高楼★★、餐厅★★、巴士到三轮车★★，到处都是醒目的英伟达GTC标识★★。

　　还有一个彩蛋★★，在黄仁勋主题演讲开始前★★，SAP中心大屏幕上播放的5人对话暖场视频中★★，画面最右边的正是前英特尔CEO帕特基辛格★★，他的身份已经变成了Gloo董事长★★。

　　迪士尼机器人Blue作为黄仁勋主题演讲的惊喜嘉宾压轴出场★★，摇头晃脑向黄仁勋撒娇卖萌★★，还听从黄仁勋的指令★★，乖乖站到了他的旁边★★。

　　此外★★，本届GTC大会特设China AI Day – 云与互联网线上中文专场★★，涵盖大模型★★、数据科学★★、搜推广等领域的前沿进展★★，演讲企业包括字节跳动★★、火山引擎★★、阿里云★★、百度★★、蚂蚁集团★★、京东★★、美团★★、快手★★、百川智能★★、赖耶科技★★、Votee AI★★。

　　上午9点59分年轻的母亲中字巴巴鱼汤饭★★，黄仁勋闪现圣何塞SAP中心舞台★★，朝不同方向的观众席连放5个冲天炮★★，然后慢慢走下舞台★★。

　　在参会观众翘首等待11分钟后★★，黄仁勋小步慢跑再度登场★★，笑容满面地向全场观众打招呼★★，还带观众云参观了下英伟达总部★★。

　　至于为什么要提前展示路线图？黄仁勋说★★，构建AI工厂和AI基础设施需要数年的规划★★，不像买笔记本电脑★★，所以必须提前两三年制定土地★★、电力★★、资本支出的计划★★。

　　他公布了英伟达继Hopper★★、Blackwell之后的下一代GPU架构——Rubin★★。这一命名来自于发现暗物质的女性科学先驱薇拉鲁宾（Vera Rubin）★★。

　　在万众期待中★★，英伟达新一代数据中心旗舰GPUBlackwell Ultra（GB300）正式登场★★。

　　Blackwell Ultra为AI推理时代而设计★★，是全球首个288GB HBM3e GPU★★，像拼乐高一样通过先进封装技术将2块掩膜尺寸的GPU拼装在一起★★，可实现多达1.5倍的FP4推理性能★★，最高15PFLOPS★★。

　　该GPU增强了训练和测试时推理扩展★★，可轻松有效地进行预训练必发888★★、后训练以及深度思考（推理）模型的AI推理★★，构建于Blackwell架构基础之上★★，包括GB300 NVL72机架级解决方案和HGX B300 NVL16系统★★。

　　下一代模型可能包含数万亿参数★★，可以使用张量并行基于工作负载进行任务分配★★。如取模型切片在多块GPU上运行★★、将Pipeline放在多块GPU上★★、将不同专家模型放在不同GPU上★★，这就是MoE模型★★。

　　流水线并行★★、张量并行★★、专家并行的结合★★，可以取决于模型★★、工作量和环境★★，然后改变计算机配置的方式★★，以便获得最大吞吐量★★，同时对低延迟★★、吞吐量进行优化★★。

　　黄仁勋称★★，NVL72的优势就在于每块GPU都可以完成上述任务★★，NVLink可将所有GPU变成单个大型GPU★★。

　　升级的GB300 NVL72设计★★，提高了能效和可服务性★★，通过降低成本和能耗来推进AI推理民主化★★，相比Hopper将AI工厂的收入机会提高50倍★★。

　　与Hopper相比★★，HGX B300 NVL16在大语言模型上的推理速度加快至11倍★★，计算能力增加到7倍★★，内存增至4倍★★。

　　英伟达将NVIDIA DGX SuperPOD称作“全球最先进的企业级AI基础设施”★★，旨在为实时推理和训练提供强大的计算能力★★。

　　DGX SuperPOD提供FP4精度和更快的AI推理速度★★，可扩展到数万块Grace Blackwell Ultra超级芯片★★，预计将在今年晚些时候从合作伙伴处可获得★★。

　　与采用Hopper系统和38TB快内存构建的AI工厂相比★★，DGX GB300系统可提供70倍的AI性能★★。

　　与上一代Hopper相比★★，DGX B300系统可提供11倍的AI推理性能和4倍的AI训练加速★★。

　　企业正竞相建设可扩展的AI工厂★★，以满足AI推理和推理时扩展的处理需求★★。英伟达推出开源的AI推理软件NVIDIA Dynamo★★，其本质上就是AI工厂的操作系统★★。

　　Dynamo（发电机）的命名来源是★★，发电机是开启上一次工业革命的第一台工具★★，Dynamo也是现在一切开始的地方★★。

　　NVIDIA Dynamo是一个用于大规模服务推理模型的AI推理软件★★，旨在为部署推理模型的AI工厂实现token收入最大化★★。

　　它能够跨数千个GPU编排和加速推理通信★★，并使用分区分服务来分离不同GPU上大语言模型的处理和生成阶段★★，使每个阶段可根据特定需求独立优化★★，并确保GPU资源的最大利用率★★。

　　为了提高推理性能★★，英伟达采用Blackwell NVL8设计★★，之后又引入新的精度★★，用更少的资源量化模型★★。

　　未来每个数据中心都会受到电力限制★★，数据中心的收入与之挂钩★★，因此英伟达用NVL72进行扩展★★，打造更节能的数据中心★★。

　　在GPU数量相同的情况下★★，Dynamo可将Hopper平台上运行Llama模型的AI工厂性能和收益翻倍★★。在由GB200 NVL72机架组成的大型集群上运行DeepSeek-R1模型时★★，Dynamo的智能推理优化也可将每个GPU生成的token数量提高30倍以上★★。

　　基于Dynamo★★，相比Hopper★★，Blackwell性能提升25倍★★，可以基于均匀可互换的可编程架构★★。在推理模型中★★，Blackwell性能是Hopper的40倍★★。

　　黄仁勋说★★：“这就是我以前为什么说★★，当Blackwell批量发货时★★，你不要把Hopper送人★★。”他调侃自己是“首席收入官”★★。

　　“买得越多★★，省得越多★★，赚得越多★★。”黄仁勋的经典带货名言又来了★★，这次他特别强调AI工厂收入的提高★★，100MW AI工厂会包含45000颗GPU Die★★、1400个机架★★、每秒生成3亿个token★★。

　　为了提升推理性能★★，NVIDIA Dynamo加入了一些功能★★，使其能够提高吞吐量的同时降低成本★★。

　　它可以根据不断变化的请求数量和类型★★，动态添加★★、移除★★、重新分配GPU★★，并精确定位大型集群中的特定GPU★★，从而更大限度地减少响应计算和路由查询★★。

　　它还可以将推理数据卸载到成本更低的显存和存储设备上★★，并在需要时快速检索这些数据★★，最大程度地降低推理成本★★。

　　Dynamo可将推理系统在处理过往请求时于显存中保存的知识（称为KV缓存）★★，映射到潜在的数千块GPU中★★。然后★★，它会将新的推理请求路由到与所需信息匹配度最高的GPU上★★，从而避免昂贵的重新计算必发888★★，并释放GPU来响应新的请求★★。

　　该软件完全开源并支持PyTorch★★、SGLang★★、NVIDIA TensorRT-LLM和vLLM★★，使企业★★、初创公司和研究人员能够开发和优化在分离推理时部署AI模型的方法★★。

　　英伟达正为全球企业提供构建AI智能体的核心模块★★，推动企业级AI技术的普及与创新★★。英伟达的Llama Nemotron可以在任何地方运行★★，包括DGX Spark必发888★★、DGX Station以及OEM制造的服务器上★★，甚至可以将其集成到任何AI智能体框架中★★。

　　AT&T正在开发公司专用的的AI智能体系统★★。未来★★，英伟达不仅会雇佣ASIC设计师★★，还会与Cadence合作★★，引入数字ASIC设计师来优化芯片设计★★。Cadence正在构建他们的AI智能体框架★★，英伟达的模型★★、NIM和库已经深度集成到他们的技术中★★。Capital One★★、德勤★★、纳斯达克★★、SAP★★、ServiceNow★★、Accenture★★、Amdocs等企业也将英伟达技术深度融入AI框架中★★。

　　黄仁勋还宣布存储龙头们构建企业级AI数据平台★★。原本企业的存储系统是基于召回的★★，而如今的系统应该基于语义★★。基于语义的存储系统时刻在嵌入原始数据★★，用户使用数据时只需使用自然语言进行交互★★，便能找到需要的数据★★。

　　NVIDIA DGX Spark和DGX Station是英伟达打造的个人AI计算机★★，让开发者能在桌面上对大模型进行原型★★、微调★★、推理★★。

　　DGX Spark可以被用来微调或推理最新的AI推理模型★★，比如英伟达今天新发布的Cosmos推理世界基础模型和GR00T N1机器人基础模型★★。该AI超算的预订今日起开放★★。

　　DGX Station是一款基于Blackwell Ultra的新型高性能桌面级超级计算机★★，为桌面带来了数据中心级别的性能★★，用于AI开发★★，今年晚些时候可从英伟达制造合作伙伴处获得★★。

　　Blackwell系统构建于英伟达强大的开发工具生态系统★★、CUDA-X库★★、600多万开发者和4000多个应用的基础上★★，可在数千块GPU上扩展性能★★，非常适合运行新的Llama Nemotron推理模型★★、AI-Q蓝图★★、AI企业级软件平台★★。

　　黄仁勋说CUDA-X是GTC的全部意义所在★★。他展示了一张自己最喜欢的幻灯片年轻的母亲中字巴巴鱼汤饭★★，包含了英伟达构建的关于物理★★、生物★★、医学的AI框架★★，包括加速计算库cuPyNumeric★★、计算光刻库cuLitho★★，软件平台cuOPT★★、医学成像库Monaiearth-2★★、加速量子计算的cuQuantum★★、稀疏直接求解器库cuDSS★★、开发者框架WARP等★★。

　　据他分享★★，英伟达正在全面生产Blackwell★★，有十几家企业已生产和部署Blackwell系统★★。

　　2025年★★，英伟达已经向美国前四大云服务提供商售出超过360万块Blackwell GPU★★，相比去年销售Hopper的数量高出3倍★★，去年Hopper销售量为130万块★★。

　　3年前的英伟达GPU尚未将NVLink独立出来★★，导致单一系统体积和重量惊人★★，这代HGX系统8卡版本重达70磅★★，黄仁勋称自己根本不可能将其举起展示★★，而机架整体需要搭载4个8卡版本★★。这极大影响了数据中心的能效和可扩展性★★。

　　于是★★，英伟达决定将NVLink与GPU分离★★，以单独的NVLink组件实现GPU间的全速通信★★。

　　原本的系统零件约有6万个★★，而升级后的系统零件达到了60万个★★，相当于20辆汽车的零件数量★★。这一个机柜的算力就达到了1EFLOPS★★，由5000根线英里★★。

　　英伟达大费周章将二者分离的原因年轻的母亲中字巴巴鱼汤饭★★，是为了实现极致的垂直扩展（Scale-Up）★★，也就是扩展单一机柜的算力★★。在目前的制造工艺限制下★★，根本不可能造出单体包含130万亿颗晶体管的系统★★。

　　黄仁勋认为★★，推理远没有想象中的那么简单★★，需要做好成本与性能的完美平衡★★，这一平衡直接影响了服务质量和盈利能力★★。

　　为了阐释推理中的诸多考量因素★★，黄仁勋使用了一个坐标系★★。x轴代表每秒生成的token数量★★，Y轴代表系统的总吞吐量★★。

　　现场★★，黄仁勋演示了DeepSeek-R1和Llama 3.3 70B的对比★★。Llama这类非推理类模型虽然token用量更少★★，但回答质量较低★★，而耗费20倍token★★、150倍算力的推理模型★★，能对复杂问题给出高质量的准确回答★★。

　　但如果生成的速度不理想★★，也会影响用户使用服务的意愿★★，因此每秒生成的token数量需要尽可能高★★。数据中心还要尽可能地为更多用户提供服务★★，这样才能最大化收益年轻的母亲中字巴巴鱼汤饭★★。

　　英伟达今天还发布了RTX Pro Blackwell系列工作站和服务器GPU★★，提供加速计算★★、AI推理★★、光线追踪和神经网络渲染技术★★，使其数据中心GPU从桌面到移动工作站提供动力★★。

　　工作站和服务器GPU内存高达96GB★★，笔记本电脑GPU内存达到24GB★★，使应用程序可更快运行★★，并使用更大更复杂的数据集★★。

　　RTX PRO 6000数据中心和桌面GPU可将单GPU安全分区成最多4个实例★★，5000系列桌面GPU可将单GPU安全分区成两个实例★★。

　　1★★、数据中心GPU★★：RTX PRO 6000 Blackwell服务器版★★，采用被动冷却热设计★★，每台服务器最多可配置8块GPU★★，可与NVIDIA vGPU软件结合为虚拟化环境中的AI工作负载提供动力★★，预计将在今年下半年推出★★。

　　新笔记本电脑GPU还支持最新NVIDIA Blackwell Max-Q技术★★，可智能且持续地优化笔记本电脑性能和能效★★。

　　随着AI工厂发展到前所未有的规模★★，AI网络基础设施也必须升级★★。英伟达将其光交换机称作“世界上最先进的网络解决方案”★★。

　　英伟达今日发布全新共封装（CPO）的NVIDIA Spectrum-X和Quantum-X硅光网络交换机★★，可将AI工厂扩展到数百万个GPU★★。

　　与传统方法相比★★，英伟达光交换机集成了光学创新★★，将激光器减少至1/4★★，每端口1.6Tb/s★★，可提供3.5倍的能效★★、63倍的信号完整性★★、10倍的大规模网络弹性★★、1.3倍快的部署时间★★。

　　黄仁勋谈道★★，英伟达希望将以太网的水平提升至InfiniBand级别★★，这意味着更极致的拥塞控制★★、延迟控制★★。

　　相较传统以太网★★，Spectrum-X以太网网络平台可为多租户★★、超大规模AI工厂提供1.6倍的带宽密度★★。

　　Quantum-X光交换机预计将在今年晚些时候上市★★，提供144个基于200Gb/s SerDes的800Gb/s InfiniBand端口★★，并采用液冷设计对板载硅光器件进行高效散热★★。其AI计算网的速度是上一代产品的2倍★★，扩展性是上一代产品的5倍★★。

　　该系统搭载Quantum-X800 ASIC芯片★★，并配备6个光学子组件和18个硅光芯片引擎★★。

　　324个光学连接器串联起这一系统★★，总计有36个激光输入和288个数据连接★★，内置光纤管理功能★★。

　　每个硅光芯片引擎拥有200GB/s的微光调制器★★，总吞吐量为1.6Tb/s★★，实现3.5倍节能★★。

　　台积电的硅光子解决方案结合了其在先进芯片制造和台积电SoIC 3D芯片堆叠方面的优势★★，帮助英伟达释放AI国产扩展到百万GPU甚至更多★★。

　　黄仁勋做了一个换算★★，这一系统的应用能在单个数据中心中节省数十个Megawatts的能源★★，而60Megawatts就相当于10台Rubin Ultra机架的能耗★★。

　　物理AI正在改变价值50万亿美元的行业★★，在英伟达三台计算机上构建数十亿个机器人★★。英伟达将机器人视作下一个数万亿美元产业★★。

　　黄仁勋宣布推出开源★★、预训练★★、可定制的Isaac GR00T N1人形机器人基础模型★★，旨在加快人形机器人的开发★★，已提前获得该模型的公司包括波士顿动力★★、Agility Robotics★★、Mentee Robotics★★、Neura Robotics等★★。

　　黄仁勋谈道★★，物理AI和机器人技术发展得很快★★，但也面临着和大模型同样的挑战★★，就是如何获得数据★★、如何扩展让机器人更聪明★★。

　　一是扩展AI的生成能力和理解物理世界的生成模型★★，也就是Cosmos★★。Cosmos可以生成无限数量的环境数据★★。

　　二是★★，机器人的可验证回报是物理定律★★，因此需要设计用于模拟真实世界中的物理现象的物理引擎★★。这一物理引擎需要被设计用于训练触觉反馈★★、精细运动技能和执行器控制★★。也就是上面迪士尼机器人Blue已经搭载的物理引擎★★。

　　在机器人开发中★★，英伟达Omniverse可以生成大量不同的合成数据必发888★★，开发人员根据不同领域聚合现实世界的传感器和演示数据★★，将原始捕获的数据乘以大量照片级的多样化数据★★，然后使用Isaac Lab增强数据集对机器人策略进行后训练★★，让其通过模型放行为学习新技能★★。

　　实地测试中★★，开发人员使用Omniverse动态模拟真实环境进行测试★★。现实世界的操作需要多个机器人协同工作★★，Mega和Omniverse允许开发人员大规模测试★★。

　　要将加速计算带到真实世界的每一个场景之中★★，不仅需要芯片和CUDA这样的库★★，还需要为每个场景建立对应的软件栈——如企业★★、工厂★★、机器人★★、GPU云等应用场景★★。

　　英伟达认为AI将对电信行业产生深远影响★★，6G网络进入倒计时★★，下一个时代将是AI原生无线网络★★，包括用于无线电信号处理的AI/ML必发888★★、神经网络模型★★。这将释放频谱效率的巨大收益★★。

　　现场★★，黄仁勋宣布英伟达与Cisco★★、T-Mobile等几家志同道合的电信龙头合作★★，建立由AI驱动的电信系统★★，为6G开发AI原生无线网络★★，以NVIDIA AI Aerial平台为基础年轻的母亲中字巴巴鱼汤饭★★，确保下一代无线网络将是AI原生的★★。

　　其目标是研究和开发一个AI原生★★、高光谱效率★★、开放和差异化的6G无线平台★★，在频谱效率★★、电源效率★★、运营效率★★、安全性★★、成本效益★★、创收机会方面设置新基准★★，可用于全球部署★★。

　　他回忆道★★，当初AlexNet的出现★★，让英伟达决定开始研究自动驾驶技术★★，一转眼10年已逝年轻的母亲中字巴巴鱼汤饭★★，如今英伟达的产品几乎出现在所有自动驾驶汽车之中★★。

　　黄仁勋宣布★★，通用汽车将会成为英伟达最新的合作伙伴★★，在生产★★、设计★★、模拟和车机中应用英伟达的AI技术★★。英伟达和通用汽车将协力为工厂和汽车构建GM AI★★。

　　对此★★，英伟达发布综合全栈自动驾驶安全系统NVIDIA Halos★★。英伟达自动驾驶技术的全栈代码将交由第三方进行安全检验★★，确保这些技术能充分反映现实世界的多元性★★。

　　英伟达的自动驾驶模型采用蒸馏技术开发★★、表现较好但速度较慢的模型会逐渐将知识传递给表现尚未完善★★、但速度较快的模型★★。此外★★，有大量数据被转换成了3D场景★★，可用于虚拟环境中的模拟★★。

　　如今★★，在英伟达Omniverse和Cosmos中★★，自动驾驶模型能从变化中学习并自我改进★★。Cosmos能根据图像建立现实世界的4D模型（包含图像分割）★★，并通过计算机模拟同一场景的不同状况★★，比如雨天★★、雪天★★、夜晚等等★★，这将进一步提升自动驾驶模型的能力★★。

　　例如★★，在下方案例中★★，用户输入了一则指令★★，要求模型生成冬季城市环境中★★，一辆汽车打开雨刮器★★，左转时的画面★★。在经过推理后★★，模型生成的画面极为逼真★★，能作为高质量数据加到自动驾驶模型训练过程中★★。

　　黄仁勋回顾说★★，在开始研究GeForce 25年后★★，GeForce已经在全球范围内售罄★★。GeForce将支持AI的CUDA带向世界★★，现在AI彻底改变了计算机图形学★★。

　　AI在10年间已经取得了巨大进步★★。2023年的重大突破是AI智能体（AI Agents）★★，AI智能体可以对如何回答或者解决问题进行推理★★、在任务中进行规划★★、理解多模态信息★★、从网站中的视频中学习等★★，然后通过这些学到的学习来执行任务★★。

　　下一波浪潮是物理AI★★，可以理解摩擦★★、惯性和因果关系★★，使机器人技术成为可能★★，开辟出新的市场机会必发888★★。

　　关于AI智能体和物理AI有几个核心问题★★：一是如何解决数据问题★★，AI需要数据驱动★★，需要数据来学习年轻的母亲中字巴巴鱼汤饭★★、获得知识★★；二是如何解决训练问题★★，AI需要以超人的速度★★、以人类无法达到的规模进行学习★★；三是如何扩展实现Scaling Law★★，如何找到一种算法让AI更聪明★★。

　　首先从AI可以做什么开始★★，AI可以逐步分解问题★★、以不同方式解决同样问题★★、为答案进行一致性检查等★★。

　　当AI基于思维链进行一步步推理★★、进行不同的路径规划时★★，其不是生成一个token或一个单词★★，而是生成一个表示推理步骤的单词序列★★，因此生成的token数量会更多★★，甚至增加100倍以上★★。

　　三大AI Scaling Laws（预训练★★、后训练★★、测试时）对计算提出指数级需求★★。随着计算成本增加★★，需要全栈创新来降低成本/tokens★★。

　　黄仁勋解释说★★，模型更复杂★★，生成的token多10倍★★，为了保证模型的响应性和交互性★★，因此计算速度必须提高10倍★★。

　　其次是关于如何教AI★★。教会AI如何推理的两个基本问题是数据从哪里来★★、如何不受限制学习★★，答案就是强化学习★★。

　　人类历史上已经明确了二次方程的解法★★、数独★★、勾股定理等诸多知识★★，基于数百个这样的案例可以生成数百万个例子让AI去解决★★，然后使用强化学习来奖励★★。这个过程中★★，AI需要处理数百万个不同问题★★、进行数百次尝试★★，而每一次尝试都会生成数万个token★★，这些都加到一起★★，就会达到数万亿个token★★。

　　AI变得更聪明★★，使得训练这些模型所需的计算量大幅增长★★。黄仁勋预计2030年末★★，数据中心建设支出将达到1万亿美元★★。

　　这背后的第一个动态变化是★★，通用计算已经用完★★，业界需要新的计算方式★★，世界将经历手动编码软件到机器学习软件的平台转变必发888★★。

　　第二个变化是★★，人们越来越认识到软件的未来需要大量投资★★。这是因为计算机已经成为token的生成器★★，基于生成式的计算构建AI工厂★★，然后在AI工厂里生成tokens并重组为音乐★★、文字★★、视频★★、化学品等各种类型的信息★★。

　　作为AI行业风向标★★，英伟达GTC 2025大会将举办超过1000场会议★★、汇聚2000名演讲嘉宾和近400家参展商★★，涵盖大语言模型★★、物理AI★★、云计算★★、科学发现★★、气候研究★★、医疗健康★★、网络安全★★、人形机器人★★、自动驾驶等主题★★，并将举办首届量子日★★，将汇集全球量子计算界和业内重要人物★★，与黄仁勋共同探讨量子计算的现状和未来★★。

　　现场参会者还能体验各种精心策划的活动★★，包括数十场覆盖各个行业的演示★★、实战培训★★、自动驾驶汽车展览和试驾★★，还有集结20家当地供应商和手艺人制作的小吃和商品的GTC夜市★★，盲猜一波酷爱逛夜市的黄仁勋会惊喜现身★★。