【ABIResearchGTC】2025通证经济重新定义AI算力疆界白皮书_15页_1mb

GTC 2025 总结：重新定义AI的计算边界

核心内容

NVIDIA在2025年的GPU Technology Conference (GTC) 上展示了其在AI计算领域的最新进展，强调了从传统计算向加速计算的转变。这一转变以token生成效率为核心，重新定义了AI计算的性能标准，推动了AI经济的发展。

主要观点

1. 计算范式的转变

• 从通用计算到加速计算：NVIDIA提出AI计算将不再依赖传统计算架构，而是以token生成效率作为衡量标准。
• 超越摩尔定律：通过硬件创新与软件优化，NVIDIA展示了其在支持下一代AI框架（如Agentic AI）方面的强大能力。

2. NVIDIA的硬件与软件战略

• Blackwell Ultra芯片：性能比前代提升50%，并发布Vera Rubin和Rubin Ultra的路线图，后者预计在2026和2027年推出，性能将提升14倍。
• Dynamo框架：NVIDIA推出开源的分布式推理框架，优化token生成效率，适用于复杂AI应用，如大上下文窗口的对话系统、深度研究和代码生成。
• CUDA-X库：作为底层优化工具，CUDA-X支持特定垂直领域的GPU性能提升。

3. DGX产品线扩展

• DGX SuperPOD：搭载Blackwell Ultra GPU，适用于企业级AI超级计算。
• DGX Spark：与MediaTek合作推出，专为边缘计算设计，支持开发者和研究人员在本地进行AI模型推理。
• Instant AI Factory：与Equinix合作，提供托管的AI工厂服务，降低企业部署AI基础设施的门槛。

4. 量子计算与混合计算

• 量子计算的商业化路径：NVIDIA强调量子计算应与经典计算融合，而非单独替代。
• 量子与AI的结合：量子计算在特定领域（如材料科学、化学模拟）具有优势，但大规模应用仍需时间，预计5年内实现部分应用，10年内完成行业转型。

5. 软件与基础设施需求的协同

• NVIDIA AI Enterprise：软件平台旨在推动AI应用部署，虽然曾作为SaaS模式进行商业化，但目前更侧重于通过合作伙伴推动基础设施需求。
• NVIDIA的软件生态：通过NIM和NeMo等工具，支持Agentic AI的优化部署。

6. 行业趋势与挑战

• 推理成为核心：随着Gen AI的成熟，市场逐渐从训练转向推理，强调效率（性能/TCO）而非单纯性能。
• 竞争与风险：NVIDIA的透明路线图提升了其行业地位，但也暴露了其对执行风险的敏感性。行业需关注token生成效率、基础设施成本、数据主权等挑战。

关键信息

• GTC 2025参会人数：现场参会者达25,000人，虚拟参与人数保持在300,000左右。
• Dynamo框架：通过分阶段推理（prefill和decode）、分层KV缓存管理和智能缓存路由，显著提升token生成效率。
• DGX产品线：涵盖从边缘到企业级的AI超级计算解决方案，支持大规模AI工作负载。
• 量子计算：预计5年内部分应用落地，10年内完成行业转型，需与经典计算结合。
• NVIDIA的软件策略：通过软件工具推动硬件需求，而非直接商业化软件。
• 市场格局：预计AI市场将由超大规模云服务商、新云服务商和电信运营商（neotelcos）三大集团主导，其中neotelcos将提供主权AI服务。

未来展望

NVIDIA通过GTC 2025展示了其在AI计算领域的全面布局，从硬件创新到软件生态构建，再到与量子计算和电信行业的合作，其战略目标是成为AI经济的核心基础设施提供商。然而，行业参与者需警惕执行风险、技术依赖性和市场变化带来的挑战，同时把握加速计算和token生成效率的趋势，以实现可持续发展和竞争优势。