EP130 - 深度解析 NVIDIA！GTC 有什麽亮點嗎

重點摘要

NVIDIA 執行長黃仁勳在 GTC 2025 大會上將 NVIDIA 定位為「垂直整合、橫向開放」的公司，兼具蘋果的產品力與 Intel 的生態系廣度
NVIDIA 收購 Groq 後，將其 LPU 整合為 Vera Rubin GPU 系統的選配模組，專攻低延遲推論場景（如 AI Agent、付費用戶），在極低延遲應用中相比高延遲應用的吞吐量可提升達 35 倍
DLSS 5 首次讓 AI 大幅介入遊戲畫面生成，引發玩家強烈反彈，但主持人認為這是遊戲畫面未來的必然方向
NVIDIA 的 Nemotron 系列已成為西方開源模型的王者，採用 Transformer 與 Mamba 混合架構
馬斯克公布 TerraFab 晶圓廠細節：設於德州，整合邏輯晶片、記憶體與封裝於同一廠房，80% 產能供太空資料中心使用

詳細內容

NVIDIA 的企業定位：垂直整合、橫向開放

黃仁勳在 GTC 大會上為 NVIDIA 提出全新包裝：一間「垂直整合、橫向開放」的公司。垂直整合指的是 NVIDIA 掌握從晶片、NVLink 互聯、InfiniBand 網路、NVL72 機櫃系統、CUDA 軟體平台，到各領域開源模型（自駕車 Alpamire、大型語言模型 Nemotron、機器人 Groot）的完整技術棧。橫向開放則是將這些技術銷售給所有產業——從 AWS、Azure、Google 等雲端巨頭，到 Dell、Palantir 等企業，甚至主權國家機構，且客戶可自由選購技術棧中的任何部分。

黃仁勳依然強調 NVIDIA 打的是整個「加速運算」市場，不僅限於 AI。傳統 CPU 伺服器遷移到 GPU 加速的需求仍然龐大，這是摩爾定律放緩後的必然趨勢。

AI 推論市場：NVIDIA 的成本優勢論述與其前提

黃仁勳面對「NVIDIA 晶片太貴」的質疑，提出一個核心論點：即使競爭對手的晶片免費贈送，NVIDIA 仍然更划算。理由是 AI 公司受限於土地和電力，在相同能源供給下，NVIDIA GPU 的吞吐量可達競爭對手的 10 倍，意味著能產生 10 倍營收，長期來看成本迅速被攤平。

主持人指出這個論點有一個關鍵前提：資料中心必須永遠有做不完的工作，吞吐量一增加就能立刻轉換為營收。對於 AI 科技巨頭（如 OpenAI、Google）來說確實如此，但對中小企業或工作負載較輕的 GPU 雲端供應商而言，GPU 利用率可能只有 15%-20%，此時 NVIDIA 高昂的購買成本與能耗反而成為負擔。

Groq LPU 整合：低延遲推論的選配方案

NVIDIA 收購 Groq 後的整合方式已揭曉。Groq 的 LPU 使用 SRAM（每顆僅 500MB），距離運算單元極近，能減少資料傳輸延遲，擅長極低延遲推論；NVIDIA GPU 使用 HBM（Vera Rubin 每顆 288GB），擅長高吞吐量運算。兩者恰好互補 AI 推論的兩個階段：

Prefill（預填充）：理解使用者 prompt、計算注意力機制，屬於算力密集型（compute bound）→ 交給 NVIDIA GPU
Decode（解碼）：逐一生成回應 token，屬於記憶體頻寬密集型（memory bound）→ 交給 Groq LPU

實際部署方式是將 8 顆 Groq 晶片組成名為 LP30 的模組，作為 Vera Rubin 系統的選配。NVIDIA 透過 Dynamo 軟體進行解耦合推論（Disaggregated Inference）的工作分配。但主持人強調，LPU 僅在低延遲場景（如付費 AI Agent 應用）有價值，對一般 ChatGPT 等高延遲容忍的應用毫無幫助，不應過度神化。

DLSS 5：AI 全面介入遊戲畫面的爭議

DLSS 5 與前幾代最大的差異在於，它不再只是提升解析度或補幀，而是讓 AI 直接重新生成最終遊戲畫面——包括角色臉部、皮膚、頭髮、布料、光影全部由 AI 重新處理。這引發玩家社群強烈反彈，批評它改變原作畫風、充滿「AI 感」。

主持人認為，遊戲畫面中許多看似「風格」的元素，其實是硬體限制下的妥協（模糊的臉部、粗糙的材質），而非設計師的刻意選擇。在摩爾定律放緩的現實下，AI 是遊戲畫面持續進步的唯一出路。傳統遊戲引擎的角色正在從「渲染畫面」轉向「為 AI 提供 Grounding（語意、顏色、動態等基礎資訊）」，DLSS 5 只是這條路的第一步。

NVIDIA 其他 GTC 亮點快速回顧

NemoClaw：NVIDIA 版的 OpenClaw（MCP 協議，用於 AI 應用串聯第三方工具），強化安全性，黃仁勳稱其為「AI 時代的新電腦」
Alpamire 自駕車模型：採用 VLM-first 架構，與特斯拉 FSD（Full Self-Driving）的 End-to-End Policy-first 路線截然不同。訓練資料量差距懸殊（NVIDIA 約 8 萬小時 vs 特斯拉每天可產生 500 年的駕駛數據）
Nemotron 開源模型：在 120B（1200 億）參數量級已是西方開源模型第一名，採用 Transformer + Mamba 混合架構
太空資料中心晶片：NVIDIA 正開發抗輻射硬化版 Vera Rubin，但黃仁勳僅用 30 秒帶過，態度保守

主持人的 NVIDIA 投資觀點

主持人認為 NVIDIA 目前股價（約 172 美元）仍被低估，市場似乎預期 AI 運算需求只會有一次性高峰而非持續成長。但中長期（3-5 年）存在隱憂：GPU 本質上是通用運算裝置，並非專為 AI 設計，當 AI 工作負載更加確定後，專用 ASIC 可能侵蝕 NVIDIA 的市場份額。然而，黃仁勳的偏執狂特質與龐大資源使他不願完全出清持股。策略是持續買進，在合理價位適度減持，但不清倉。

馬斯克 TerraFab 晶圓廠最新進展

馬斯克確認 TerraFab 將從零自建，設於德州，將邏輯晶片（Logic）、記憶體（Memory）與封裝（Packaging）三道製程整合在同一廠房內——這在業界幾乎無人這麼做。目標年產能為 1TW（1 太瓦）的 AI 算力，是目前全球 AI 晶片年產能（20GW）的 50 倍。產出分配為 20% 地球用（Optimus 機器人、Robotaxi）、80% 太空資料中心。

主持人指出，1TW 算力無法在地球運行（全美國年電力供應僅 0.5TW），必須部署在太空使用太陽能。TerraFab 計劃與太空資料中心計劃完全綁定，兩者缺一不可。供應鏈方面仍有重大挑戰，包括 ASML EUV 光刻機的取得與良率提升。

精選語錄

「NVIDIA 是一間垂直整合、橫向開放的公司——有蘋果的產品力，也有 Intel 的生態系建立能力。」

「就算其他家的晶片免費送，AI 公司也會覺得 NVIDIA 比較划算，因為同樣的電力供給下，NVIDIA 可以產生 10 倍的 token，換成 10 倍的營收。」

「This is the worst it will ever be——DLSS 5 這個技術只會越來越強，不會越來越爛。」

時間軸

（逐字稿未提供精確時間戳記，以下為主題順序）

開場：Brain Sleep 枕頭業配
前段：NVIDIA GTC 大會整體故事線——加速運算市場定位、垂直整合橫向開放的新包裝
中前段：AI 推論市場的競爭力論述（ISO Power 比較、成本優勢的前提條件）
中段：Groq LPU 整合細節（SRAM vs HBM 架構差異、Disaggregated Inference、適用場景）
中後段：DLSS 5 技術突破與玩家反彈分析
後段：GTC 其他亮點快速回顧（NemoClaw、Alpamire、Nemotron、太空晶片）
後段：主持人對 NVIDIA 的投資觀點（短期低估、長期隱憂、不清倉策略）
尾段：馬斯克 TerraFab 晶圓廠發表會更新（德州設廠、三合一製程、1TW 目標、供應鏈挑戰）