台灣時間 3 月 19 日凌晨一點，全球科技界的目光聚焦於美國聖荷西鯊魚隊冰上曲棍球主場 SAP 中心。輝達（NVIDIA）執行長黃仁勳站上舞台，開始了他每年最重要的演講之一。這場他稱為「科技界超級盃」（Super Bowl）的 GTC 大會，是輝達每一次重大突破首次亮相的地方，更是科技發展方向的指標。
近 3 小時的演講，黃仁勳到底揭示怎樣的新霸業？人工智慧的下一階段又將如何發展？
趨勢1：AI 將走出螢幕，進入實體世界
黃仁勳預測未來將有「100 億數位員工」與現有的 10 億人類知識工作者一起工作，徹底改變人類的生產模式。想像每個知識工作者都有 10 個 AI 助手，處理從資料分析到客戶溝通等各種任務。
而再下一波，AI 要走入物理世界，就需要 實體 AI（physical AI）。實體 AI 能理解物理世界，使機器人技術成為可能，「它理解摩擦力和慣性、因果關係、物體恆常性。」想像一個 AI 不僅能認出杯子的圖片，還能理解杯子的重量、材質、如何拿起它而不打翻水，以及當杯子被桌子遮擋時它仍然存在的概念。
AI 的進化階段
| AI 類型 | 時間 | 功能描述 |
|---|---|---|
| 感知型 AI（perception） | 2010 年代初 | 能夠識別圖像和聲音，例如手機可以辨識臉部或聲音。 |
| 生成型 AI（generative） | 近 5 年 | 能夠創造內容，如 ChatGPT 生成文章或 Midjourney 創作圖片。 |
| 代理型 AI（agentic） | 現在 | 能夠獨立思考和行動，不只回應指令，還能主動解決問題，甚至使用各種工具來達成目標。 |
| 實體 AI（physical AI） | 未來 | 能夠理解物理世界。 |
為了讓 AI 學會理解物理世界，輝達開發了兩套關鍵技術：
- Omniverse：可以想像成是一個超級逼真的模擬世界，就像《模擬市民》遊戲的極度進階版，能精確模擬現實世界的物理規則。
- Cosmos：一種能在虛擬環境中創造無限多樣化場景的 AI 系統，讓機器人可以「見識」各種可能的情況。
透過這些技術，AI 能夠在安全的虛擬環境中學習如何與物理世界互動，就像飛行員先在模擬器中練習一樣，然後再將這些能力應用到現實世界中。
這種轉變對企業和消費者意味著什麼？就像辦公室裡的 AI 助手不再只是一個軟體，而是能理解你辦公環境的實體機器人，能拿取文件、整理會議室、甚至準備咖啡；家中的 AI 不再只是智慧家電，而是能理解家庭環境的助手，知道如何幫孩子整理玩具或在廚房協助烹飪。
趨勢2：實體機器人將解決全球勞動力短缺問題
當 AI 有了理解物理世界的能力，不再只是螢幕裡的聊天機器人，最直接的應用就是實體機器人。而這恰好可以解決全球面臨的一個重大危機，「到本世紀末，全球至少將面臨 5000 萬勞工短缺的問題。」
想像一下：全球工廠、醫院、養老院、農場和建築工地面臨 5000 萬工人的缺口，這相當於整個韓國或西班牙的人口。解決方案之一就是 AI 機器人。
在 GTC 大會上，輝達發布了 Groot N1，這是一個專為人形機器人設計的通用基礎模型，就像 ChatGPT 是文字生成的基礎模型一樣，Groot N1 則是機器人動作的基礎模型。
「Groot N1 採用了雙系統架構，用於快思考和慢思考，靈感來自人類認知處理的原理。」黃仁勳解釋，「慢思考系統允許機器人感知並推理其環境和指令，並計畫採取正確的行動；快思考系統則將計畫轉化為精確和連續的機器人動作。」
這就像人類的思考方式，面對一個新問題時，會先仔細思考（慢思考），但一旦掌握了技能，就能迅速執行（快思考）。例如，開車時我們不需要思考每個動作，但遇到複雜路況時，會更謹慎地分析情況。
為了訓練這些先進的機器人，輝達還與 DeepMind 和 Disney Research 合作開發了名為 Newton 的物理引擎，這是一種能夠超精確模擬物理世界的技術。此外，黃仁勳宣布 Groot N1 將開源，讓全球開發者都可以免費使用這個基礎模型，加速機器人技術的創新和普及。
黃仁勳：AI 算力需求將愈來愈高，要靠「AI 工廠」支撐
這些計畫表明，輝達預期 AI 算力需求將持續大幅增長。為何會這樣？就像從簡單計算器進化到人類大腦的差異。早期的 AI 就像計算器，給定問題直接輸出答案；而現代的推理型 AI 則像人類大腦，需要「思考」問題，分步驟推理，甚至檢查自己的答案是否正確。
黃仁勳比較這 2 個 AI 在處理問題上的差異：非推理型 AI 只生成 439 個 tokens（相當於幾段文字）就給出答案，但答案是錯的；而推理型 AI 生成了約 9000 個 tokens（相當於一篇長文章的思考過程），最終給出正確答案。
黃仁勳斬釘截鐵地表示，AI 的計算需求比我們去年此時認為需要的高出了 100 倍。
為了滿足爆炸性增長的需求，輝達提出了「AI 工廠」的概念，用以取代傳統的數據中心，使數據中心不再只是存儲和檢索信息，而是專注於生成 AI 內容（tokens）的工廠，就像傳統工廠生產實體產品一樣。
「它們（AI 工廠）只有一個工作，那就是生成這些令人難以置信的 tokens，我們隨後將其重組為音樂、文字、影片、研究、化學物質或蛋白質。」黃仁勳說明。
想像過去工業革命時期的工廠決定了企業的生產能力，未來的「AI 工廠」將決定企業的知識生產能力。擁有更強大 AI 工廠的企業將能更快地開發新產品、提供更好的客戶服務，以及做出更明智的決策。
另外，黃仁勳展示了 Blackwell 處理器相較前代 Hopper 的進步：「在相同功耗下，Blackwell 比 Hopper 提供了 25 倍的性能提升。」代表同樣的電力可以支持 25 倍的 AI 運算，極大提高能源效率。
核稿編輯：王宥筑
