NVIDIA 的 CES 2025：AI 智能体、Cosmos 与 Project DIGITS

我参加了 NVIDIA 首席执行官黄仁勋在 CES 2025 的主题演讲，内容涵盖智能体、世界模型、自动驾驶、机器人和新硬件。NVIDIA 邀请我参加并支付了部分差旅费用，但没有付费让我制作这段视频。

黄仁勋回顾了 AI 从 AlexNet 和图像分类，经由感知 AI、生成式 AI，到智能体 AI 和物理 AI 的发展。我认为 2025 年会是智能体之年：语言模型结合记忆、工具、浏览能力和信息访问能力，从而执行任务。这是我的预测，并非测得的采用情况。

我还提出了一个更具推测性的计算愿景：或许 AI 可以根据底层数据按需生成交互，而不再依赖传统应用。许多程序员预计 AI 会与传统软件结合；我的另一种设想是一项预测，而非已经证明可以取代应用层的方案。

黄仁勋展示了一个实时图形演示，结合传统渲染和神经生成。AI 生成大量视觉内容的说法让我印象深刻。我的讨论混淆了生成像素和生成帧：该百分比针对特定渲染设置，并非所有帧或游戏都具有的普遍属性。

NVIDIA 推出了 Blackwell GeForce RTX 50 系列。主题演讲宣传 RTX 5070 的起价为 549 美元，并将其性能与 RTX 4090 比较。这是历史发布价格，以及涉及 AI 渲染功能的厂商比较；它不能证明两者在所有游戏、延迟或工作负载下具有同等原生性能。

黄仁勋围绕三个扩展领域描述 AI 的进步：预训练、后训练和测试时计算。预训练利用数据、模型容量和算力构建通用能力。扩展关系来自经验观察，取决于数据、架构、评估和资源限制，并不保证每个模型都能无限改进。

我讨论了收集高质量训练数据的压力，以及 AI 生成内容可能越来越多地出现在互联网上。衍生数据对未来模型有帮助还是有害，取决于其质量和用途。黄仁勋还表示全球数据产量正在快速增长；视频没有独立证实这一估计。

黄仁勋介绍了后训练技术，包括基于人类反馈的强化学习、AI 反馈和合成数据。模型可以在预训练之后针对特定领域或任务进一步优化。我将反馈比作教练的指导，同时指出实际过程比这个类比复杂。

对于答案可验证的任务，系统可以通过练习和反馈不断改进。我提到 AlphaGo 大量自我对弈，以及它对阵李世石时的著名一步棋，作为例子。这有助于理解其中的思路，但不意味着每个语言模型任务都有容易使用的自动验证器。

第三类是测试时扩展：在回答问题时投入更多计算，而不是在训练期间改变模型参数。黄仁勋描述了分解问题、生成备选方案并进行评估。我对 o1、o3 等推理模型感到兴奋，但额外计算并不能保证每项任务的答案都正确。

黄仁勋还展示了一套大型 Grace Blackwell 系统。我回顾了从早期晶体管到现代庞大系统的进步，并提到了演讲中显示的晶体管数量。这类系统由多个组件构成；不应将视频理解为声称 130 万亿个晶体管都位于一块芯片上。

谈到企业智能体时，黄仁勋描述了可能结合语言模型、检索、网页访问、文档、计算器和图表生成的系统。一个请求可以触发多个步骤和模型，而不是立即给出单一回答。他预计这会增加推理需求；这一预测也符合 NVIDIA 销售算力的商业利益。

我预测智能体会大量进入工作场所，编排层将协调模型和工具。我披露自己投资了 Not Diamond 和 CrewAI，并在这一背景下将它们作为例子。这种架构可能有助于完成实际工作，但不能证明每个智能体都自主或可靠。

NVIDIA 还推出了面向企业用途的 Nemotron 模型系列，介绍了能力和延迟权衡不同的多个版本。较小模型可能适合本地使用，而较大版本需要更多资源。这些是 NVIDIA 的产品定位和活动中介绍的选项，并非独立的准确率排名。

接下来的发布是 NVIDIA Cosmos，这是一个旨在支持物理 AI 的世界基础模型平台。黄仁勋和 NVIDIA 介绍，这些模型可以接收文本、图像或视频提示，并生成类似视频的世界状态。演示将这项工作与机器人和自动驾驶汽车开发联系起来。

NVIDIA 的演示展示了一个涉及世界模型、分词器和加速数据处理的流程。它提议使用 Omniverse 构建基于物理的场景，再使用 Cosmos 生成天气、光照和环境等视觉变化。这些是设想中的工作流程和宣传演示，并非对每个生成场景物理真实性的独立验证。

其设想是，合成环境可以帮助创建训练和测试机器人及车辆的数据，包括难以采集的罕见场景。我将此与已经收集大量真实驾驶数据的公司作了比较。合成数据可以补充数据采集，但演示没有证明它能消除真实世界验证的必要性。

视频描述了生成不同的未来情景，以帮助选择行动。我将其与仿真论联系起来，但模型生成想象中的场景，并不能证明我们的宇宙是模拟的，也不能证明它能列举所有可能的未来或完美预测物理世界。

黄仁勋提出，工厂可以使用数字孪生探索未来情景，并根据绩效目标选择行动。这是对工作流程的愿景，并非每个数字孪生都能精确复现真实工厂的证据。同样的模拟工具也被介绍为适用于自动驾驶和机器人。

黄仁勋预测，通用机器人技术的突破性时刻即将到来。他指出正在进行的人形机器人项目，并认为软件智能体、自动驾驶汽车和人形机器人可以使用已经为人类建造的环境。我觉得这个前景令人兴奋，但突破的时间和最终市场规模仍是预测。

黄仁勋最后发布了一款名为 Project DIGITS 的小型个人 AI 电脑。他回顾了 2016 年交付给 OpenAI 的首台 DGX-1，并描述了让 AI 开发硬件摆上桌面、无需完整数据中心设施的目标。

该设备被介绍为运行 NVIDIA AI 软件栈的 Linux 工作站，可以连接其他电脑或网络。我对本地 AI 和隐私感到兴奋。本地运行可以减少部分数据暴露，但隐私仍取决于软件配置及系统的使用方式。

设备内部是 GB10 Grace Blackwell Superchip，CPU 部分与 MediaTek 合作开发，Grace CPU 与 Blackwell GPU 相连。展示的规格包括 20 个 Arm 核心、128 GB 统一内存、最高 4 TB 存储，以及声称达到 1 PFLOP 的 FP4 AI 算力。低精度峰值吞吐量不能直接衡量每一种实际应用的表现。

主题演讲时，NVIDIA 预计产品在 2025 年 5 月前后上市，并介绍了通过 ConnectX 网络连接两台系统的方法。该设备后来命名为 DGX Spark。发布计划和规格属于历史信息，实际性能取决于模型、量化、软件和工作负载。

NVIDIA 表示，一台 Project DIGITS 系统可以运行最多 2000 亿参数的模型，两台连接后最多可以运行 4050 亿参数的模型。这些是在合适配置下的容量声明，并非对速度或质量的保证。我猜测价格为 2000 至 2500 美元，但 NVIDIA 在 2025 年 1 月宣布的起价是 3000 美元；该发布价格并非当前报价。

演讲结束后，我对本地 AI 感到兴奋，并计划继续探索 CES。回顾这些发布时，区分 NVIDIA 的演示和前瞻性声明、独立测试以及我自己的预测很有必要。