黄仁勋台大演讲 谈人工智慧时代如何带动全球新产业革命的发展,生成式AI发展影响：
辉达（Nvidia）创办人黄仁勋6月2日在台湾大学致词，以下为演讲内容：
大家好，今天非常高兴能够回到这裡。首先，我要感谢国立台湾大学，让我们使用你们的体育馆。上一次来这裡时，我获颁了一个台大的学位，在演讲时我说了“Run,
don't walk”这样的金句。所以，今天我们有很多内容要讲，我不能用走的，而得用跑的。
台湾是我们非常珍贵的伙伴的集中地，NVIDIA的一切都从这裡开始。我们的伙伴和销售团队，从台湾把这一切带到全世界。台湾与辉达的合作，创造了全世界的AI基础架构。
今天我想要跟大家谈几件事：首先，生成式AI对于我们的产业以及所有其他产业的影响。我还会谈谈我们未来的前景及所带来的机会，以及接下来会有什麽样的发展。现在是非常令人振奋的时刻，我们要重新启动我们的电脑产业，这个产业是由大家打造和创造的，现在也要準备好开启下一个重大的旅程。
在我们开始之前，我想强调辉达NVIDIA在电脑绘图、模拟及人工智慧方面的重要性。这些技术是我们的灵魂。今天展示的全部都是拟真和模拟，背后都是数学、科学和电脑科学，这些都不是动画，而是我们自製自产的技术，这是辉达的灵魂。
我们将这些技术放入虚拟世界中，称之为Omniverse。请看Omniverse的展示，它背后的两个关键技术是加速运算和人工智慧。这些技术在Omniverse裡运行，会重新打造整个电脑产业。
电脑产业已有60年的歷史，从IBM
360的中央处理器开始，至今经歷了数次重大科技转型。下一个重大改变即将来临，处理器的效能扩展速度大幅降低，但我们需要处理的资料却在快速增长，这导致了运算通膨。加速运算成为了必然，我们发明了平行运算架构，结合GPU和CPU，从而大幅提升了运算速度和效能。
过去20年，我们开发了各种函式库来加速运算，像是CUDNN、Aerial、ParaBricks等，涵盖了从AI到电信至基因定序等多个领域。我们在全球拥有500万名开发人员，服务各行各业，从金融到健康护理，从电脑产业到交通运输。
加速运算带来的效益显着，我们在资料中心节省了大量成本和能源，开发了更多应用程式，并降低了运算成本。这种良性循环使得我们能够开发出更多创新技术，如地球的数位孪生，用以预测和应对气候变迁和天灾。
今天，我们即将见证一个新的电脑时代的开始，生成式AI的发展让我们能够实现更多不可能的事情。
在星期六，颱风再次朝北前进，其路线带来巨大的不确定性，而这不确定性带来了对台湾不同的影响。但现在，我们能够想像一个世界，一个能够预测未来的世界，这就是数位孪生所能实现的。数位孪生是一种虚拟模型，它反映了真实世界的情况，并且能够从现有的数据中预测未来的影响。NVIDIA
EARTH 2就是一个极佳的例子。它利用AI、物理模拟和电脑图形技术，建立了一个全球气候的数位孪生模型。
其中一个核心技术是CoreDiff，这是NVIDIA的生成式AI模型，它能够以高达12倍的解析度生成天气模式，这将区域天气预测带入了一个全新的境界。更惊人的是，它比传统的物理模拟方法快了1000倍，并且能源效率高达3000倍。
在台湾的中央气象署，他们使用这些模型来更精确地预测颱风登陆点，这对于减少颱风带来的灾害有着重大的意义。而未来的发展将朝着超本地预测方向发展，这将使预测更加精确，能够考虑到城市基础设施的影响。CoreDiff
AI还在使用像是PAL生成的高解析度数据进行训练，这使得模型能够更準确地模拟大气和海洋边界层，预测出像下冲这样的现象，从而更好地保护城市和居民的安全。
在2012年，一件重要的事件改变了游戏规则。我们持续改进CUDA，期望提高效能、降低成本。于是，AI研究人员在2012年发现了CUDA的潜力，这是NVIDIA第一次接触到人工智慧，标志着重要的一天。我们与科学家合作，研究深度学习系统，使我们的电脑系统取得重大突破。更重要的是，我们必须了解深度学习的基础，以及它的长远影响和潜力。
深度学习是几十年前的演算法，但现在因为资料量和运算能力的增加，使得深度学习从不可能变成可能。而随着更多资料、更大的网路和更好的运算能力，深度学习的潜力无限。在2012年之后，我们有了Tensor
Core和NVLink等技术，整合在我们崭新的电脑裡面。
2016年，我们将全球第一台超级电脑交给了OpenAI，开启了DGX超级电脑时代。随后，我们不断扩大规模，到2017年推出了Transformer系统，进行大量资料的训练，并分析长时间的资料，实现自然语言处理等重大突破。
2022年11月，我们用几千个几万个NVIDIA的GPU，做了很多训练，因此，OpenAI等公司在短短5天内，就有100万人在使用我们的人工智慧系统，取得了惊人的成绩。
这些创新的背后是NVIDIA的不断努力，我们致力于改进CUDA和其他技术，以提供更好的效能和使用体验。我们相信，随着技术的不断发展，AI将为人们的生活带来更多便利和可能性。
在应用程式与系统优化方面，易于部署的微服务或NIMS已经变得十分普及。开发者可以将ACE
NIMS整合到现有的框架、引擎和数位人体体验中。Nemotron
SLM和LLM
NIMS能够理解我们的意图并协调其他模型的运作。Riva
Speech NIMS用于互动式语音和翻译，而音讯到面部和手势NIMS则用于面部和身体动画。Omniverse
RTX与DLSS可进行皮肤和头髮的神经渲染。ACE
NIMS运行于NVIDIA
GDN上，这是一个全球性的NVIDIA加速基础设施网络，提供低延迟的数位人体处理服务覆盖100多个地区。
CE可在云端上运行，也可以在个人电脑上运行，并且所有RTX
GPU都配备Tensor
Core Processing。现在，有超过一亿台GeForce
RTX AI个人电脑，并且推出了200多款新的AI个人电脑。未来，个人电脑将成为一个重要的AI平台，提供各种背景的支援和由AI强化的应用程式。
AI的发展将朝向更加符合物理定律的方向。大多数的AI目前还不太符合物理定律，但未来的AI将基于物理定律，并逐渐理解这些定律。AI将从各种方式中学习，包括观看影片、模拟和与其他电脑互相学习，这就像AlphaGo与自己对弈一样。
透过强化学习和合成生成的资料，AI的发展速度将加快，并将更好地适应物理定律。因此，未来的模型将变得越来越强大，需要更大的GPU来支援。
Blackwell就是为了这样子的一个新的时代而发明的，Blackwell当然其中光是晶片的规模，晶片的大小大家就会发现是一个很大的成就，因为台积电它可以生成的最大晶片，我们把它连接在一起，它每秒是10TB的连结，这个可以说是全世界最先进的Service，把它连接在一起，然后我们把这两个放在一个电脑的节点上，用Grey
CPU把它连接在一起，Grey
CPU可以做很多事情，在训练的这一个情境裡头，我们可以来做快速的检查点，然后重新启动，那麽在推论的情况，它可以用来储存这个情境的记忆，所以AI它就有记忆了，它了解这个对话的情境，这是我们的第二代的Transformer的引擎，Transformer的引擎让我们可以去，动态的去适应更低的精度，根据我们所需要的精度，需要的范围来调整，这是第二代的GPU，是我们可以请，要求我们的这个服务供应商来保护我们的AI，让它不会被偷窃，或者是被毁坏，这是我们第五代的MV-Link，MV-Link让我们可以把多个GPU连接在一起，等一下会再给大家展示。
除此之外，这也是我们的第一代，有一个可靠而且可用的引擎，这个RAS的系统让我们去测试每一个电晶体，每一个Flip
Flop的记忆，不管是晶片上或晶片外，让我们可以去决定说，某一个晶片是不是失灵了，如果说一台超级电脑它有一万个GPU，它的平均时，NTBF是一万个小时过去，但是现在是用分钟来测量的，所以一台超级电脑，它要能够运行很长的一段时间，让它可以长期好几个月来训练一个模型，它的前提是我们的科技要非常可靠。
换句话说它不能够中断运行，你要持续的让它运行，它就要花很多的时间很多的金钱，所以我们加入了一个资料的压缩引擎，还有解压缩的引擎，让我们可以在资料存取上面快20倍，那麽这个都是Blackwell，我们这边有一个已经在生产中的Blackwell，在GDC我有给大家看Blackwell，它是一个圆形，我们看，原来是在另外一边，这就是为什麽要先做一些演练嘛，在美国刚好是反过来哦，各位女士，各位先生，这就是Blackwell，这就是我们正式生产的Blackwell，裡头有最尖端的科技，这就是我们实际生产的一个板，可以说是有史以来功能效能最强大的一个晶片，这个是我们的CPU，每一个裸晶，应该说我们把两个GPU的裸晶串联在一起，这可以说是世界上我们可以生产出来最大的晶片，而且它两个串联起来的时候，它的连接的速度是10个TB，这个是Blackwell的电脑，它的效能非常的强大。
请各位注意一下我们的萤幕上面所秀出来的，我们来看一下它的浮点运算能力，每一代的产品，它的浮点运算能力，几乎8年内增加了1000倍，摩尔定律，如果是经过8年的话，顶多我们算一下吧，大概40倍顶多，对不对，40倍60倍，可是在过去这8年当中，摩尔定律它的速度已经变慢了，所以我们来做个比较，即便是在摩尔定律的巅峰时期，拿来跟Blackwell做一个比较，其实Blackwell我们看到这个GPU的运算能力，它进步的速度真的太快了，而且它的成本会不断的下降，因此它的运算能力不断的提高，这也代表我们用来训练GPT-4系统，也就是它有两兆个参数，有8兆个次元的这样的一个系统，我们所要消耗的电力，大概就是原来的1/350而已，Pascal过去可能要，滑1000度，换句话说，我们现在还没有一个Gigawatt的资料中心，你如果是有这样的资料中心，你要花一个，你如果是100个Megawatt，你要花一整年的时间，来处理这麽多的资料，当然我们不可能去盖这样的一个资料中心，这就是为什麽大型语言模型过去，8年之前都还是不可能的，可是因为它的效能提升了，能源效率提升了，它的成本下降了，因此我们有了Blackwell之后，过去要100个，1000个Gigawatt，也就是如果是Gigawatt的资料中心，过去要花1000年，现在只需要3年，譬如说如果有1万个GPU的话，大概只需要几天就可以完成了，大概10天就可以完成同样的资料处理的数量，所以这过去8年的进步的速度，真的是非常的惊人。
我们现在讲的是推论，讲的是次元的生成，因为这个效能越来越大，所以我们消耗的电力只有过去的1/45，过去Pascal每个次元大概要4万5千个Joule，大概就是两个电灯泡持续电两天的时间，才有办法去产生一个GPT-4所需要的次元，你一个字大概需要叁个次元来组成，换句话说，过去Pascal要产生GPT-4，要有Chet-GPT这样的系统出现，几乎是不可能的事情，可是我们只需要用0.4Joule，就可以产生一个次元，而且次元生成的速度非常的快，它消耗的能源非常的低，Blackwell真的是一个大跃进，即便如此还是不够，我们必须要打造更大型的机器，这就是我们所谓的DGX，这是我们的Blackwell的晶片，把它放到DGX系统当中，这就是为什麽我们要一再的演练才行，这就是DGX
Blackwell，是气冷式的，裡头有八个这样的GPU。
你们有没有看到，这裡头我们的散热系统，大概是15000瓦，它是气冷式的，它可以支援X86，而且可以跟我们的Hopper结合在一起，不过假如你要一冷式的系统的话，我们现在也有这个新的产品，这个新的产品，就是用这样的一个板子，我们把它叫做MGX，叫做模组化的一个系统，这就是我们的MGX系统，裡头有两个Blackwell的板子，那每一个板子有四个Blackwell的晶片，这个是一冷式的系统，九个加在一起，这裡有九个 这裡有九个，总共72个GPU，把它们用NVLink，新的NVLink连接在一起，这是我们NVLink的交换器，是我们第五代的NVLink的产品，NVLink的交换器，可以说是科技上的一种奇蹟，它的资料传输速率，真的是太扯了，我们如果把这个Blackwell，所有的晶片串联在一起的话，就可以有一个72个GPU的Blackwell系统，这样做有什麽样的好处呢，你在每一个GPU的领域当中，看起来就像一个GPU，实际上它有72个，上一代的版本只有8个，所以是过去的9倍，而它的频宽是过去的18倍，而它的浮点运算能力是过去的45倍，可是它所消耗的电力只有过去的10倍，这是一个100个KW，之前是10个KW，当然你可以把更多的晶片串联在一起，这个晶片这个NVLink的晶片，为什麽说它是一个科技上的奇蹟呢，因为这NVLink，把所有的晶片串联在一起，大型语言模型不能够只有一个节点，不能够只有一个GPU，我们必须要把整个机架裡头，所有的GPU全部都连接在一起，这样子我们才能够有一个，可以处理10兆个参数以上的，大型语言模型，它有500亿个电晶体，而且它每一个有72个Port，它有4个NVLink，它每一秒钟的速度是1.8个TB，裡头有这个交换器，这个交换器可以帮我们，协助深度学习系统，来进行资料的汇整跟缩减，这个就是我们现在的DGX。
很多人都在问我们说，他们说，好像大家搞不太清楚，NVIDIA到底是做什麽的，大家心裡面有个疑问，为什麽NVIDIA就单单凭GPU，规模就能够变得这麽大，这个就是GPU看起来，就像这个样子，这可以说是世界上最先进的GPU，不过是打电玩用的GPU，可是我们都知道，我旁边的这个也是个GPU，各位女士各位先生，这就是我们的DGX
GPU，跟过去已经截然不同了，这个GPU的后面，就是NV
LINK所组成的一个背板，这个背板当中有5000条线，加起来有两英里这麽长，就在这边，这个呢，这就是我们所谓的NV
LINK的背板，可以连接72个GPU，把72个GPU连接在一起，这可以说是在电机学上面的一种奇蹟，因为它有transceiver，它裡头呢，透过铜线，让这个NV
LINK的交换器，透过这个背板当中的铜线，让我们一个机架，可以节省20个KW，我们可以把节省下的20KW，用来进行资料处理，这就是NV
LINK的背板，哇，要稍微运动一下，其实这样还不算大耶，因为我们要打造AI工厂，所以我们必须要有更高速的网路技术，我们有Infiniband，我们有两种，第一种是Infiniband，用在AI工厂，用在超级电脑当中，而且它成长速度非常的快，可是并不是每个资料中心都可以用Infiniband，因为他们以前已经采用了乙太网路了。
实际上你要管理Infiniband，是需要一些特别的技术，因此我们就把Infiniband，它有的一些功能，把它摆到乙太网路架构当中，这其实非常的困难，为什麽呢，道理非常的简单，乙太网路当初设计的时候，它是针对平均传输量比较高的系统，每一个电脑，每一个节点，都是连接到一个不同的人，而大部分是资料中心，跟另外一端的人在进行沟通，可是AI工厂当中的深度学习系统，GPU并不是跟人来做沟通，GPU是他们彼此之间在做沟通，为什麽呢，因为他们在收集一些资料，也就是把这个产品的部分的资料收集起来，然后进行缩减，然后再重新的来进行分配，所以重点不是平均的传输量，而是说最后一个接收到资讯的那个GPU，因为你是从每一个人那边，去收集一些资料，譬如说，我把每一个人都在做的东西呢，这边拿一点那边拿一点，然后看谁的速度最慢，这个系统的速度就决定，是哪一个人给我资料的时候速度最慢，那个人就决定了这样的一个速度，过去以太网路是办不到的，所以我们必须要有端到端的架构，而且这当中有四个不同的技术，NVIDIA有世界上最先进的MDNA，RDMA对不起RDMA，这个是专门针对以太网路所做设计。
除此之外我们还有永塞控制系统，这个交换器，他很快的在处理这些参数的数值，因此每次假如有任何的GPU送出太多的资料，我们就叫他慢一点，这样子才不会产生瓶颈，第叁个就是调适性的路由器，以太网路必须要传送跟接收资料的时候，必须要按顺序来，假如我们看到有任何地方，有任何的port没有使用，或者是有塞车情形，我们就把这个资讯送到没有永塞port，这样子我们就可以把工作的顺序，重新安排好，还有一个很重要的杂讯的隔离，因为我们在训练的模组不止一个，所以资料中心裡头一定都会有一些杂讯，一旦进入我们的工作流程当中，就会产生很多的杂音，这样子就会影响资料传递的速度，就会使训练的速度变慢，我们已经打造了一个50亿，或者是30亿美金造价的资料中心来做训练，假如它的利用率，网路的利用率，下降了40%，那你所需要训练时间就必须要增加20%，51亿的资料中心，现在就突然变成像60亿的资料中心，为什麽因为它的成本增加了，所以原本你只花了50亿，实际上感觉就像60亿美金一样，所以我们的系统就可以去改善这些问题，这个是一个了不起的成就。
我们现在有很多仪态网路的产品会陆续的推出，这个是Spectrum
X800，它有我们有所谓的RAIDX，这个RAIDX以前是256，现在明年会有512，这个当中，最重要的是X800，它是针对，几千个GPU所设计的，那我们下一代的产品，它可以使用几十万个GPU，然后再下来，它可以使用几百万个GPU，我们当然希望能够训练比较大型的模型，不过在未来，我们在跟网路或者跟电脑进行互动的时候，裡头应该在云端系统裡头，都会有生成式的AI系统在裡面，它在跟你进行互动，在不断的生成图片、影片、文字，甚至有一个数位人在裡面，所以你几乎不断的在跟电脑，具有生成式A功能的电脑进行互动，有些时候是在你的装置当中，有些是在云端系统裡面，而且这个生成式的AI，它可以帮你做推论，它可以帮你做推理，所以它会不断的进行思考之后，再把最好的答桉告诉你，所以以后我们透过这样的系统，可以办到的事情，是我们现在难以想像的。
我相信在台北电脑展之前从未有人进行过这样的演讲，或许这也将是最后一次。这样的专题演讲只有NVIDIA能做得到，只有我能做得到。
Blackwell当然是第一代的NVIDIA平台，这个平台是我们在AI时代开始时推出的。当时我们才刚开始了解到AI工厂的重要性，这个新的产业革命的开端。我们有许多伙伴，无论是OEM、电脑製造商、CSP、GPU甚至是电信公司等各式各样的企业，他们都站在我们的背后。对于Blackwell的支持程度，我真的感激得无以名状，但是我们也不停止脚步。在这个成长的期间，我们希望能持续地强化效能、降低成本，包括训练和推论的成本，并持续地扩充AI的能力，让所有的公司都能拥有AI。
Hopper平台当然是最成功的资料中心处理器，这应该是史上最成功的一个桉例。但现在有了Blackwell，我们每一个平台都可以看到，你有CPU、GPU、NVLink、NIC，还有交换器。而这个NVLink
Switch可以把所有的GPU连结在一起，形成一个最大的领域。透过这个，我们可以使用非常高速的交换器，但其实它是一整个平台。我们打造了整个平台，并将它整合成一个AI工厂的超级电脑，然后再分散到全世界各地让大家使用。
为什麽要这样做呢？因为在座的各位都有能力去创造非常有趣、非常有创意的设置和配置，并能以不同的风格满足不同的资料中心和顾客需求。我们让它具有弹性，让大家能够以最具创意的方式进行构建。现在我们推出了Blackwell的平台，而明年将会是Blackwell
Ultra。我们之前有H100、H200，而下一代就是Blackwell
Ultra，一样会将性能推向极限。而下一代的Spectrum
Switch也将会是我们第一次给大家看的，我不知道我是否会后悔。
我们公司裡头有各式各样的开发代码，我们尽量的保密，有的时候大部分的员工，甚至都不晓得这些开发码是什麽，但是我们下一个平台叫做Rubin，Rubin的这个平台，我不会花太多时间讲，因为我知道会发生什麽事情，大家一定会拍照，然后会去想办法去看，它裡头的这个细节，没关係，那这个Rubin的平台，一年之后我们会有Rubin
Ultra的平台，那麽这些给大家看的晶片，都已经在开发当中了，百分之百都在开发当中了。
而这个一年推出一次的节奏，基本上就是跟我们的架构，是相容的，那所以上面当然也会有，很多的这个软体，那过去这12年，从我们ImageNet开始，然后我们了解到说，这个运算的未来，会有大幅的改变的时候，其实就像我刚才给大家看的G-Force，它在2012年之前，跟现在的这个NVIDIA有什麽差别，其实我们整个公司，已经有很大的转型，我当然要非常感谢我们所有的伙伴，在这一路上的支持，这个就是NVIDIA的Blackwell平台。
我接下来要讲我们未来的发展，我想新一波的AI，就是所谓的符合物理定律的AI，这个AI理解物理定律，AI它可以在我们的生活周遭协助我们，因此AI必须要了解整个世界，让他们可以知道，怎麽样子去感知这个世界，当然这个AI也有非常好的认知能力，让他们了解我们，让AI能够了解我们，到底在问什麽样子的问题，帮我们做什麽样子的事情，未来机器人会是越来越普遍的一个概念，我所谓的机器人，包括了人型机器人，人型机器人通常就是大家想到，机器人的时候，出现的这个想像，但是不仅是人型机器人，未来工厂裡头会有很多的机器人，那麽这些机器人，它会製造各式各样的机器。
换句话说，这个机器它互相互动，会有互动，然后它可以去製造机器人，等一下给大家看这个影片，机器人的时代到了，有一天，所有动物都会变得自由，研究者和世界各地的公司，正在研发机器人，由物理智能发挥的机器人，物理智能是能够理解指令的模型，并且能够自由地进行，在现实世界中複杂的工作。
多元化的物理智能是能够让机器人学习，理解世界各地的情况，并计划他们的行为，从人类的示范中，机器人可以学习，需要和世界互动的技巧，利用粗糙的机械技术，一种进步机器人的基本技术，就是强化学习，就像LM需要RLHF，人类回应学习强化学习，学习一些技巧，物理智能人类可以学习强化学习，物理回应学习，在模拟世界中，这些模拟环境，是让机器人学习作出决定，通过在实际世界中进行行动，遵守物理法律，在这些机器人健身房，机器人可以学习，做出複杂和动作的工作，安全和快速，通过数百万次试验和失败，来精準化他们的技巧，我们将NVIDIA
Omniverse，作为机器人的运作系统，让物理智能人类可以创造Omniverse是一个开发平台，让人类实现实时的物理基础的运作，物理模拟，以及智能智能技术，在Omniverse中机器人可以学习变身，学习自动操纵物件，以精準的方式，例如抓住和控制物件，或自动探索环境，寻找最佳路径，避免障碍和危险，在Omniverse中学习，减少模拟实际空间，以减少学习行为的转移，製造机器人，使用智能智能人类，需要叁台电脑NVIDIA
AI超级电脑，来训练模型，NVIDIA
Jetson Oren，以及下一代的Jetson
Thor超级电脑，来运作模型。
在Omniverse中，机器人可以学习和精準化他们的技巧，在模拟世界中，我们建立了平台，快速图书馆以及AI模型，需要开发商和企业，让他们可以使用任何或所有适合他们的模型，AI的下一个波段就在这裡，机器人，由物理智能人类，来发展发展产业，这个不是未来，这个是现在就在发生的事情。
我们未来服务市场的方式有很多种，第一个是针对不同的机器人系统来打造平台，第一个是像是机器人的工厂，或者是仓库，另外一个则是，我们在机器人的工厂，来打造平台，我们在机器人的工厂来打造平台，我们在机器人的工厂或者是仓库，另外一个则是能够操作东西的机器人，再来是移动的机器人，第四个则是人型机器人，所以每一个不同的机器人平台，跟我们过去做的一样，就是会有一个电脑有加速的函式库，还有预先训练的模型，然后我们会去测试一切，训练一切，把它整合在Omniverse裡头，Omniverse就如同影片裡头所说的，就是机器人学习怎麽成为机器人。
那麽当然整个生态系，就是机器人的仓库的生态系，非常的複杂，因为它需要很多的公司，很多的工具，很多的技术，才能够让我们打造一个现代的仓库，那麽这个未来，它机器人当然会越来越能够自主，那麽在这些不同的生态体系裡头，会有SDK也会有API，它把它连结到各式各样的软体，还有是连结到边缘AI的产业，那麽有一些公司，他们则是去设计PLC，这个是为了Odeon，然后会有整合商，把它整合在一起，来打造顾客所需要的仓储，举例来说KenMech，他们就广运在，为巨大集团打造一个工厂。
然后这边我们来谈，接下来谈一谈工厂，未来工厂会是完全不一样的生态系，那麽现在鸿海在打造，世界上最先进的工厂，包括了边缘运算机器人，还有设计工厂的软体，各式各样的工作流程，还有PLC电脑，还有机器人的编程，这些全部都会把它整合在一起，这些SDK都会跟这些生态系，连结在一起，这个全部都在台湾发生，鸿海正在打造，他们工厂的数位孪生模型，台达电也在打造，自己数位工厂的数位孪生模型有一半是数位的，一半是真实的，那麽和硕他们也在打造，他们的机器人工厂，纬创也在打造，他们的数位孪生模型，然后这边真的很酷，这个影像是鸿海新的工厂。
NVIDIA的数位孪生模型，正在全球发展，世界正在进行全球化，传统数位进入AI产业中，FOXCONN世界上最大的电子产业厂商，正在应对这个需求，建立机械工厂，与NVIDIA
Omniverse和AI工厂计划员使用Omniverse，来结合设施和装置资料，从领导业的应用，例如Siemens
Team Center X，和AutoDesk
Revit，在数位孪生模型中，他们将地面设计和线条设计最佳，并在设置最佳摄像位置，以监察未来的运作，使用NVIDIA
Metropolis，支援的视觉AI，数位孪生模型，能够省下计划员，在大量的物理改变项目中，付出的费用，在建造过程中，FOXCONN的团队使用数位孪生模型，作为真相的源头，以传达和核实準确的装置设计，数位孪生模型，也就是机械工厂，在这裡FOXCONN的开发者训练和测试，NVIDIA
Isaac AI应用，对于机械理解和操纵，以及Metropolis
AI应用，对于感应融合。
在Omniverse中，FOXCONN在运行运作前先测试两台机械人，并在机械工厂上，在组装线上，他们测试Isaac操纵系统，和AI模型，以自动的视觉检查，避免物理认证，失败探测，以及旅程计划，以HGX系统转移到测试机，他们测试Isaac，以Perceptor能力的Ferrobot
AMR，以3D地图和重建，来观察和运行环境，在Omniverse中，FOXCONN建造了机械工厂，运行NVIDIA
Isaac运行的机械人，来建造NVIDIA
AI超级电脑，并且训练了FOXCONN的机械人，机械人工厂，机器人工厂，其实就是具备AI功能的电脑，来协助训练，因为需要有人进行，工厂裡头各种作业项目的协调，机械手臂，机械移动，自动，自主性移动的机器人，其实也一样的道理，他们会在同样的虚拟空间当中，而这个机械手臂，就会被摆到机器人工厂裡面。
这裡有叁个不同的电脑，包括了加速运算，还有训练的模组，这当中我们刚才已经听到了，在Omniverse裡头，我们有操作系统，有感知系统，这真的是一个很棒的计划，我们也跟我们的伙伴共同合作，Semantic
AI，它整合了ISAC
Manipulator，还有ABB,
Cougar, Yasakawa, Phenom，Universal
Robotics，还有Tipman，这些都是我们的合作伙伴，而西门子，也帮我们做了系统的整合，我们一起来看一下系统整合的结果，ISAC
Perceptor，为人类动物系统的，人类动物认识和人类动物遥控，提供了更多的技术，BYD
Electronics，正在将ISAC
Manipulator和Perceptor，融合到AI机械人工，以提升全球客户的製造效率，Idealworks正在将ISAC
Perceptor，融合到AI机械人工，工厂设备的IWOS软件，Intrinsic,一家文字公司，正在将ISAC
Manipulator，融合到他们的流动体系平台，以提升人工认识。
Gideon正在将ISAC
Perceptor，融合到AI机械人工，以提升AI机械人工的设备，Argo
Robotics正在将ISAC
Perceptor，融合到前瞻基础AMR的，Perception
Engine，Solomon正在使用，ISAC
Manipulator AI模型，在他们的Acupic
3D软件，进行工业操作，Techman
Robot正在将ISAC
Sim，和Manipulator融合到TM
Flow，以提升自动化的，视觉检查，Teradyne
Robotics正在融合，ISAC
Manipulator，融合到Cobots的Polyscope
X，以及Mir
AMR的ISAC
Perceptor，Vention正在融合，ISAC
Manipulator，融合到AI机械人工，融合到机械理论，机械人工正在到来，所以我们现在有机器人，有物理AI，这不是科幻小说。
其实台湾很多的工程，很多的工厂，都已经在使用这些系统了，所以工厂裡头，会有很多的机器人，有两种机器人，它的市场是非常大的，第一种是自驾车，自驾车它有很高的自主性，NVIDIA我们有，完整系列的产品，明年，Mercedes会使用我们的系统，2026年，还有另外一家汽车公司，也会使用我们的系统，不论我们开发的是，哪一个层级的产品，我们都会把它做到最好，而接下来最大的机器人的市场，是跟製造业有关，因为在製造业的工厂当中，有很多的机器人，大部分都是人形机器人。
其实近年来，在这方面已经有了长足的进步，他们因为有了基础模型，所以有更好的感知能力，而且我们也不断地在开发，具备更好感知能力的，机器人的系统，其实人形机器人，是最使用起来，最简便的一种机器人，我们可以有大量资料，来训练这些机器人，因为他们的外形，是跟我们一样的，我们以后，这样的人形机器人，他们会有非常好的感知，跟操作的能力，我想接下来，我们要欢迎一些机器人进场了，好，大概跟我差不多高，其实都是电脑，其实他们裡头用到的科技，跟我们现在台湾所生产的这些电脑产品，所使用的科技非常的类似，我们非常期待未来，属于人工智慧的时代，属于机器人的时代。
由AI
智能分析以上要点如下：
1, 开场白：黄仁勋对台湾大学的邀请表示感谢，并强调了台湾在NVIDIA发展中的重要地位。
2. NVIDIA的技术和产品：黄仁勋介绍了NVIDIA在电脑绘图、模拟及人工智能方面的技术，以及这些技术在Omniverse中的应用。他还展示了NVIDIA的一些产品，如DGX超级电脑、Blackwell晶片等。
3. 生成式AI的发展：黄仁勋认为生成式AI将对各个行业产生重大影响，包括预测天气、减少灾害损失等。他还介绍了NVIDIA在生成式AI方面的研究和应用，如CoreDiff
AI模型。
4. AI的发展趋势：黄仁勋认为AI的发展将朝向更加符合物理定律的方向，未来的AI将基于物理定律，并逐渐理解这些定律。他还认为AI将从各种方式中学习，包括观看影片、模拟和与其他电脑互相学习。
5. NVIDIA的未来发展：黄仁勋介绍了NVIDIA的未来发展计划，包括推出新的平台和产品，如Blackwell
Ultra、Rubin
Ultra等。他还强调了NVIDIA将继续致力于改进CUDA和其他技术，以提供更好的效能和使用体验。
黄仁勳以一段影片展示NVDIA的Earth-2「数位孪生模型」，影片中的旁白是黄仁勳的虚拟AI以中文口白叙述，表示目前台湾的中央气象局已经运用这些模型预测颱风登陆点，接下来的目标则是达成以城市样貌预测基础建筑产生的「下冲现象」，以减缓对街道和行人的影响，另外这个模型也将运用来预测极端气候，避免地球气候变化产生的天灾影响。
黄仁勳在演讲中提及2016年来自旧金山的OpenAI当时还是间小公司，就提出是否能与NVDIA合作的机会，而双方也一直保持良好关係，直到近年来ChatGPT的诞生，黄仁勳也大讚ChatGPT实在太好用，难怪能成为现在人的一大工具，他更透露自己也会问ChatGPT哪裡有夜市，更再次提及通化夜市裡有他很喜欢的水果摊，展现对夜市满满的爱。
黄仁勳提及现在每天都有新的生成式AI使用方式被发明，而AI也能应用在各个产业中，能用在生产车子、电脑、手机甚至是机器人和健康照顾产业，这是一个AI工厂，也是一场全新的工业革命，除此之外，AI也会让你在手机上搜寻到的内容更为精简，他提到未来再也不会是你在网路上挑选自己需要的答桉，而是告诉AI一个问题，它就会提供你答桉。
生成式AI现在有许多种模型，黄仁勳提及语言、搜寻和生成式脸型等模型综合应用起来，就可以实现数位护士、客服和老师或是数位品牌大使（影片中也出现日本AI
KOL「imma」登上杂志封面的画面）等等职业，例如怎样的症状该如何给出怎样的非处方用药，或是你用手机拍下空间，云端就有数位室内设计师提供你装潢建议。
黄仁勳在演讲中谈到现在有许多大企业已经正在应用AI，其中鸿海在全世界有超过170座工厂，其中最新的一处是位于墨西哥的推动工业自动化技术最新发展虚拟工厂。工程师在此训练机器人与制定流程，让工厂的自动化生产能够达到最高效率，也为作业员显示最佳流程，以达到节约能源、成本和时间的作用。
黄仁勳在演讲最后表示他对机器人领域感到真的非常兴奋，在影片中也展示了全世界已经有许多AI机器人正在不断的学习，像是仓库中的机器人正在学习更快速地拿取货物，车辆中的机器人也在学习侦测路上是否有小孩跑到马路上，有否有物品，甚至是家用机器人在学习怎麽为人类打一杯果汁。除此之外，黄仁勳更在最尾端感谢所有来自台湾的伙伴，以「谢谢你，台湾」作为演讲结尾。
资料来源
1. https://youtu.be/pKXDVsWZmUU , https://www.youtube.com/watch?v=fWOpGOxJ7OI , https://youtube.com/live/NbCaQ9IWMbc
3.
https://www.gq.com.tw/article/%E9%BB%83%E4%BB%81%E5%8B%B3-%E5%8F%B0%E5%A4%A7-ai%E6%87%89%E7%94%A8
4. https://www.cool3c.com/article/217041
5. AI 智能助手
