跳转至 GTC 华盛顿特区主题演讲回顾 🔗
美国东部时间 10 月 29 日 (星期三) 下午 2:30
梦想成真——NVIDIA Isaac GR00T-Dreams 借助合成数据与神经仿真推进机器人训练 🔗
机器人需要借助大规模、高物理精度且多样化的数据集进行训练，才能在复杂环境中进行推理并完成多种任务，而目前这些数据难以公开获取。
在华盛顿特区举行的 NVIDIA GTC 大会上，NVIDIA 发布了基于 NVIDIA Cosmos 世界基础模型构建的 Isaac GR00T-Dreams 合成数据生成与神经仿真框架，可帮助机器人突破现实经验的局限进行学习。通过生成如虚拟世界状态与动作轨迹的“梦境”，开发者可为机器人生成不同环境下的训练数据与动作指令，使其掌握新技能。
传统合成数据生成方法需要开发者耗费大量精力构建虚拟环境，而 GR00T-Dreams 框架彻底改变了这一模式：仅需一张图片以及简单的自然语言指令，即可“构想”出全新的训练场景。
GR00T-Dreams 框架包含两种核心模式：
- Passive dreaming 模式能够自动生成多样化的机器人训练视频场景。开发者只需输入图像和指令，例如移动物体或在空间内导航，即可对类似 NVIDIA Cosmos Predict 等世界模型进行后训练。随后，GR00T-Dreams 仅需文本提示，即可“构想”生成多个合成序列，动态呈现机器人如何在新环境中完成各类任务，同时场景中的物体与背景可以完全通过文本提示进行更换。
- Lucid dreaming 模式作为一个响应式神经仿真器则更进一步。它可使 AI 模型仅凭一张 2D 图像构建出完整的交互式虚拟世界，在这些环境中开发者可以远程精确控制机器人进行复杂机械动作，还可实时测试各种边缘场景。
场景生成后，GR00T-Dreams 会将其送入 Cosmos Reason 推理模型进行筛选，该模型能够过滤存在缺陷或质量较低的“不好的梦境”。经筛选保留的数据将形成连贯的动作轨迹，为 GR00T N 系列等视觉语言动作模型提供后训练支持。
这些模型集成了视觉感知、自然语言理解与物理控制系统，使机器人能够精准解析指令并在复杂环境中做出自主响应。
美国东部时间 10 月 29 日 (星期三) 上午 11:00
NVIDIA Earth-2 赋能新一代极端天气模拟 🔗
新型 Earth-2 工具实现了 AI 赋能的快速模拟，MITRE 公司部署 Earth-2 模型，将稀疏观测数据转化为全面的天气状态，用于风险分析。
NVIDIA Earth-2 平台正助力全球气象机构、气候科技初创企业及研究人员开发高分辨率、AI 增强型全球天气与气候模型及预测方案。在华盛顿特区 NVIDIA GTC 大会上亮相的全新 Earth-2 工具与研究成果，聚焦于快速、精准模拟极端天气事件，以支持更完善的风险分析与灾害防备工作。
GTC 展会现场展示了基于 NVIDIA Omniverse 平台上的全新工作流演示，该技术可将逼真极端天气模拟的生成时间从数小时缩短至数秒，使用户能够在任意目标区域模拟风暴，从而解锁交互式气候信息学新潜能。
该工作流采用 Earth-2 工具集，其中包括 cBottle (Climate in a Bottle 的简称)——这是 NVIDIA Research 开发的基础模型，其生成精确高分辨率气候状态的速度比传统数值模型快数千倍，且效率更高。
灾害防备机构、保险公司、政策制定者以及国家气象局等气象机构，可借助此类 AI 工具快速研究前所未有的气象情景可能带来的影响。
美国国家气象局首席科学家 Monica Youngman 表示：”能够生成逼真且符合物理规律的气象场景，将有助于国家气象部门快速测试新型业务工具，对预报员进行罕见天气事件的培训，同时还能检验集合模型在传递概率信息时的表现。”
NVIDIA 气候与天气模拟研究实验室近期在《地球系统建模进展》期刊发表的新论文，探讨了基于分数的数据同化的技术挑战。该方法通过 AI 模型利用有限的气象观测数据生成更高分辨率的可视化效果——借助强大的生成式模型填补数据点间的空白。
例如，这使得用户能够利用美国俄克拉荷马州仅 50 个气象站的数据，对该州范围内任何区域的风场和降水情况进行建模。
使用传统数据同化技术创建美国大陆极高分辨率天气图，每年需在超级计算机上运行数百万个 CPU 小时。研究人员采用 NVIDIA PhysicsNeMo 框架，将处理时间大幅缩短至单块 GPU 仅需一小时即可完成，使原本仅限大型气象中心使用的复杂大气模型得以普及。
MITRE 是一家非营利机构，目前正利用该模型改进天气预报的初始条件。这一过程通过整合分散的气象站观测数据，生成完整的大气图像，以帮助预报模型实现更精准的预测。
MITRE 战略拓展高级主管 Alex Philp 表示：“基于分数的数据同化标志着天气预报领域的重大突破：新型生成式神经网络能够将有限观测数据转化为大规模高保真大气状态。我们看到公共和私营机构对此表现出浓厚兴趣，因为更优的初始状态能惠及所有下游应用——无论是数值模型、混合模型还是 AI 天气模型。当起点更贴近现实时，所有的预报结果都会更加准确。”
开始探索 Earth-2。
请参阅有关软件产品信息的声明。
美国东部时间 10 月 28 日 (星期二) 下午 2:00
NVIDIA GTC 华盛顿特区：AI 的未来发展趋势 🔗
在主题演讲中，NVIDIA 创始人兼首席执行官黄仁勋勾勒出了 AI 时代的最新蓝图。从大规模 GPU 部署和量子技术突破，到 AI 工厂、机器人技术和自动驾驶：
- 通过物理 AI 和数字孪生提振工业
- 以 AI 原生的 6G 技术制定全球标准
- 凭借 NVIDIA NVQLink 实现量子计算飞跃
- 采用安全且可部署的 AI 基础设施设计来推动政府现代化进程
- 通过日常贡献构建开放模型基础架构
- 通过统一的 DRIVE Hyperion 生态系统加速自动驾驶技术发展
阅读 NVIDIA GTC 华盛顿特区的博客和新闻稿，并观看回放，了解更多信息。
深入解读 NVIDIA 创始人兼首席执行官黄仁勋在 GTC 华盛顿特区的主题演讲
灯光渐暗，人群安静下来，现场的气氛瞬间变得格外热烈。黄仁勋走上位于美国首都华盛顿特区的 Walter E. Washington 会议中心 GTC 大会的讲台，发表主题演讲。
主题演讲以一段视频开场，这段视频旨在向过去、现在以及未来的创新精神和创新者致敬。
“华盛顿特区，欢迎来到 GTC！”黄仁勋在人群的欢呼声中说道。“我不得不说，我对美国既感慨万千，又倍感自豪。”
黄仁勋首先感谢了 NVIDIA 的众多合作伙伴。“如果没有 NVIDIA 的合作伙伴生态系统，我们就无法取得今天的成就，”黄仁勋表示，并称赞 GTC 是“AI 领域的超级碗 (Super Bowl)”。
NVIDIA 的支点：从 CPU 到 GPU 加速计算
几十年来，CPU 性能一直像时钟一样稳定提升——直到丹纳德定律失效。NVIDIA 的解决方案是：并行计算、GPU 和加速计算。摩尔定律不可能永远持续下去。
黄仁勋表示：“我们发明这种计算模型是因为我们想要解决通用计算机无法解决的问题。我们发现，如果我们能够添加一个处理器以利用越来越多的晶体管，用它实现并行计算，并将其与顺序处理的 CPU 结合起来，我们就能极大地扩展计算能力——而现在，这一时刻真正到来了。”
加速计算始于贯穿整个技术栈的 NVIDIA CUDA-X 库——从用于深度学习的 cuDNN 和 TensorRT-LLM，到用于数据科学的 RAPIDS（cuDF/cuML）、用于决策优化的 cuOpt、用于计算光刻的 cuLitho，以及用于量子计算和混合量子经典计算的 CUDA-Q 和 cuQuantum 等等。
“这确实是我们公司的瑰宝，”黄仁勋强调，随后播放了一段视频，展示了 CUDA-X 的功能。
与诺基亚合作打造支持 6G 的 AI 平台
“电信行业是我们经济与国家安全的命脉。”黄仁勋指出。
黄仁勋宣布推出 AI 原生无线 6G 技术栈 NVIDIA Arc，该技术栈基于 NVIDIA Aerial 平台，并由加速计算驱动。诺基亚将集成这项技术。
量子飞跃：NVQLink
四十年前，量子物理学家 Richard Feymann 设想了一种新型计算机，它可以直接模拟自然，基于量子原理运行。
黄仁勋表示，现在我们有可能制造出一个相干、稳定且可纠错的逻辑量子比特（或称量子位）。但这些量子比特“极其脆弱”，因此需要强大的技术来进行量子纠错，并推断量子比特的状态。
为了连接量子和 GPU 计算，黄仁勋宣布推出 NVIDIA NVQLink，一种量子 GPU 互连技术，可实现来自 QPU 的实时 CUDA-Q 调用，延迟低至约 4 微秒。
加速科学发展
黄仁勋宣布国家级实验室正在与 NVIDIA 合作建造全新的超级计算机，以促进未来科学的发展。新的投资将开启由代理式 AI 驱动的科学新时代，极大地促进生产力提升和突破性进展。
走进 AI 工厂：极致协同设计
黄仁勋表示：“AI 不是工具，AI 本身就是劳动力。技术首次能够真正承担工作，并帮助我们提高生产力。这种从工具到 AI ‘工作者’的转变，正在创造全新的计算模式，并随之带来新的就业机会和产业。”
AI 工厂不仅仅是数据中心；它们是专为大规模生成、传输和提供 token 而构建的平台。
“因为 AI 是一个非常庞大的问题，我们首先进行纵向扩展，”黄仁勋解释道。“我们打造了一台完整的计算机…首次将其扩展至整个机架。这相当于一台计算机，一块 GPU。接着，我们通过开创性的 AI 以太网技术实现横向扩展，”他补充道，这里指的是 NVIDIA Spectrum-X。
随着这些工厂的兴起，它们正在催生 AI 工程、机器人技术、量子科学和数字化运营等领域的新职业，这些职业在几年前还未出现。
“这个良性循环现在已经运转起来了，”黄仁勋表示。“我们需要做的就是大幅降低成本，这样一来，用户体验会更好。其次，我们也能通过降低成本来维持这个良性循环的持续运转。”
黄仁勋表示，解决方案是“极致协同设计”，即同时设计新的基础计算机架构，包括新的芯片、系统、软件、模型和应用程序。
黄仁勋在主题演讲中展示了部分设备，重点强调了这些系统的物理特性。此外，他还展示了全新的 NVIDIA BlueField-4 DPU，这款处理器搭载 64 核 NVIDIA Grace CPU 和 NVIDIA ConnectX-9，为 AI 工厂的操作系统提供动力，其计算能力约为 BlueField-3 的 6 倍。
Omniverse DSX 正式发布——千兆级 AI 工厂蓝图
黄仁勋还介绍了 Omniverse DSX，这是一个用于设计和运营 100 兆瓦到数千兆瓦 (吉瓦级) AI 工厂的综合蓝图。
- DSX Flex 用于动态电网协作
- DSX Boost 可实现每瓦性能优化
- DSX Exchange 用于统一 IT/OT 集成
黄仁勋表示：“AI 基础设施是一项生态系统规模的挑战，需要数百家公司协同合作。NVIDIA Omniverse DSX 是构建和运营千兆级 AI 工厂的蓝图。借助 DSX， NVIDIA 的全球合作伙伴能够以前所未有的速度构建和部署 AI 基础设施。”
NVIDIA 开放模型、数据、库
黄仁勋解释说，开源和开放模型推动着全球初创企业、大型企业和研究人员的创新。NVIDIA 在各个模型系列和数据领域都做出了贡献，仅今年一年就贡献了数百个开放模型和数据集。
NVIDIA 模型系列包括 Nemotron (用于代理式和推理 AI)、Cosmos (用于合成数据生成和物理 AI)、Isaac GR00T (用于机器人技能和泛化) 以及 Clara (用于生物医学工作流)，旨在推动代理 AI、机器人技术和科学突破。
“我们全力投入这项工作，原因在于科学需要它，研究人员需要它，初创企业需要它，公司也需要它，”黄仁勋说道，赢得了现场观众的热烈掌声。
随后，黄仁勋重点介绍了采用 NVIDIA 技术的 AI 初创公司取得的成果，以及来自 Google、微软 Azure、Oracle、ServiceNow、SAP、Synopsys、Cadence、CrowdStrike 和 Palantir 等公司的工作。
NVIDIA 与全球领先企业携手打造数字孪生平台
物理 AI 正在推动再工业化进程，利用机器人技术和智能系统改造工厂、物流和基础设施。黄仁勋在一段视频中重点介绍了合作伙伴如何将其付诸实践。
黄仁勋表示：“这家工厂本质上就是一个机器人，它指挥着其他机器人来制造机器人产品。完成这项工作所需的软件数量非常庞大，如果不能在数字孪生环境中模拟，这项工作几乎不可能实现。”
黄仁勋还介绍了 Foxconn、卡特彼勒、Figure AI、强生和迪士尼等公司的工作。
DRIVE Hyperion 10 助力全球领先企业，革新出行体验
NVIDIA DRIVE AGX Hyperion 10 是一个参考平台，可助力汽车制造商和开发者打造 L4 级自动驾驶汽车，构建安全、可扩展、AI 定义的车队，并可将人类驾驶与机器人驾驶整合到统一的运营平台上。
黄仁勋宣布 Uber 和 NVIDIA 正在合作构建自动驾驶出行的基础架构，以实现规模化部署自动驾驶汽车。
“未来，大家就能叫到这样的车了，”黄仁勋表示，“这个生态系统将会极其丰富，Hyperion 或自动驾驶出租车将会遍布世界各地。”
此外，Lucid、梅赛德斯-奔驰和 Stellantis 正采用 DRIVE AGX Hyperion 平台打造 L4 级乘用车。
“AI 时代已经到来。Blackwell 是它的引擎。美国制造，面向世界，”黄仁勋总结道。“感谢大家让我们有机会将 GTC 带到华盛顿特区。我们希望每年都能在这里举办，感谢大家的付出。”
阅读 NVIDIA GTC 华盛顿特区相关博客和新闻稿，了解更多信息。
美国东部时间 10 月 28 日 (星期二) 下午 1:30
NVIDIA Clara 开放模型助推动科学与医疗规模化协作 🔗
NVIDIA 正在推出新的开放模型作为 NVIDIA Clara 的一部分。NVIDIA Clara 涵盖模型、工具和解决方案，旨在加速科学发现、分析医学影像，并提供对人类健康、生物学和化学的基础认知。
Clara 为从预测蛋白质结构到设计可在实验室合成的分子的整个早期药物发现流程提供支持。
Clara 包括 CodonFM，该模型通过学习 RNA 结构来揭示编码变化如何优化治疗方案。
CodonFM 模型是与 Arc Institute 共同开发的，Therna Biosciences、Greenstone Biosciences、Moonwalk Biosciences 和斯坦福大学 RNA Medicine 计划将使用该模型完善其 RNA 数据集，从而更精准地规划药物设计。
NVIDIA 将向陈和扎克伯格基金会的虚拟细胞平台提供 CodonFM 等开放模型，加速开源合作和模型评估。NVIDIA 还与其共同开发了 cz-benchmarks，以创建社区驱动的虚拟细胞模型标准。
另一款 Clara 模型名为 La-Proteina，它能以原子为单位构建蛋白质 3D 结构，其构建长度是先前同类模型的两倍，且速度更快，从而能够设计出更优质的药物、酶和材料。
Clara 还包括 Reason——一款推动放射学和影像学领域可解释 AI 发展的视觉语言模型；Segment——用于交互式 3D 分割与标注的工具；以及 Generate——用于生成高质量合成 CT 和 MR 图像的解决方案。
NVIDIA 研究人员与美国国立卫生研究院（NIH）临床医生合作，成功捕捉人类专家的推理过程，为医疗 AI 带来透明度与可解释性。NIH 正将 Clara Reason 模型整合至放射科工作流程，以辅助报告撰写、解释检查结果并支持临床医生培训。
Kitware 已将 NVIDIA Clara 开放模型集成至其 VolView 平台，将先进的医疗 AI 引入交互式网络可视化环境。
这使得研究人员、开发人员和创新者能够在现有的成像和数据生态系统中尝试最先进的 AI 功能，用于分割、推理和生成工作流。
软件产品信息请参见声明。
美国东部时间 10 月 28 日 (星期二) 下午 1:30
强生医疗科技借助 NVIDIA 物理 AI 推动外科创新 🔗
借助物理 AI 和模拟技术，强生医疗科技正在推进 MONARCH 平台的开发，这是一种机器人辅助支气管镜检查领域首个投放市场的创新技术，在美国也已获准用于机器人辅助泌尿科手术。
本周在 NVIDIA GTC 华盛顿特区大会上，强生医疗科技团队将借助基于 NVIDIA Omniverse 和 Cosmos 平台打造的 NVIDIA Isaac for Healthcare，通过虚拟环境来模拟 MONARCH 平台是如何在泌尿科来运行的——从设备安装调试到患者互动的各项环节，均可在进入真实手术室前完成测试。
肾结石困扰着近九分之一的美国人，每年导致多达 200 万人次急诊科就医。此外，许多患者需要接受多次治疗，10% 的患者甚至在一个月内复发，半数患者在十年内复发。在治疗肾结石等疾病的过程中，临床医生要承受长时间、重复性的内窥镜手术，从而导致疲劳和劳损，60% 以上的内镜医生都曾报告过骨科损伤。
借助 Omniverse，工程师和临床医生可以共同设计和测试解剖与手术室的数字孪生，优化布局、人体工程学和程序流程，而无需占用物理空间或设备。以往需要几个月甚至数年的设计审核现在可以在几个小时内完成，从而实现更快的迭代。
同时，Cosmos 生成高保真的合成数据集，用于训练视觉、目标追踪和自动化的感知和导航模型——将耗时几个月的数据采集压缩至数小时。虚拟系统和物理系统之间的这种持续反馈循环加速了验证过程，缩短了临床准备时间，在每一秒都至关重要的环境中，提升了手术室的效率。
这种模拟优先的方法，将帮助强生医疗科技团队评估多种设计方案，对新型器械进行虚拟测试，并整合临床医生的反馈意见。该方法还有望彻底改变针对泌尿科的 MONARCH 平台的培训模式，该平台已计划于 2026 年在美国上市，使临床医生在接触患者前，能够先在高保真、在物理上达到精确的解剖模拟环境中演练复杂场景。