2025輝達GTC 重點

 輝達(NVIDIA)在2025年3月19日GTC大會展現關鍵發展與投資機會，而顯見輝達正從AI基礎設施供應商逐步轉型為AI應用領域領導者，並推出下一代GB300處理器與未來Rubin系列晶片規劃。散熱解決方案與電源需求的提升為相關供應鏈創造商機，而光通訊領域的CPO技術雖有突破但量產挑戰依然存在。

一、輝達AI戰略進化：從基礎設施到應用領域的領導者

1.AI發展邁向新階段：從生成到實體世界互動

輝達CEO黃仁勳指出，AI已從生成AI(Generative AI)進入到代理AI(Agentic AI)階段，未來將朝向物理AI(Physical AI)發展。在物理AI階段，機器將開始學習物理世界定律，包括摩擦力、物理慣性和物體永恆性等概念，這將開啟機器人時代的大門。

黃仁勳認為業界去年低估了算力需求，Scaling Law擴展定律的韌性比預期更高，且發展速度加快。AI計算需求正經歷三個階段的演進：從預訓練擴展(Pre-Training Scaling)，到目前的後訓練擴展(Post-Training Scaling)，未來將進入即時性擴展(Test-Time Scaling)。值得注意的是，即時性推論所需的算力可能超過訓練階段，這將持續推動GPU效能提升並帶動HBM記憶體需求。

2.軟體生態系統建設：CUDA X擴展應用領域

輝達正致力於建立完整的AI生態開發環境，將其技術整合進各類開發者生態系統中。CUDA函式庫應用不僅限於AI模型訓練，還擴展至量子運算、生物科學和氣候預測等領域。透過CUDA X Library，所有開發者都能利用輝達平台處理數據和開發AI應用。

黃仁勳預測，未來企業將同時擁有兩種工廠：實體工廠用於產品製造，虛擬工廠則用於AI教學、產品研發和設計。這一戰略使輝達有望從AI基礎設施供應商成為AI應用領域的領導者，而AI應用層背後的潛在市場規模將遠大於基礎層。

3.Dynamo：開源推論軟體提升效率

輝達發布了名為Dynamo的開源推論軟體，旨在以最低成本和最高效率加速並擴展AI推論模型。Dynamo能協調加速數千個GPU之間的推論通訊，並將大型語言模型的處理和生成階段分離到不同GPU上，使每個階段能根據特定需求獨立優化，確保GPU資源的最大化利用。

在實際應用中，Dynamo透過KV快取將推論請求分配到最適合的GPU上運行。在GB200 NVL72架構上運行DeepSeek-R1模型時，使用相同數量的GPU情況下，Dynamo讓每個GPU產生的Token數量提高了30倍以上。微軟和Perplexity AI已成為Dynamo的首批合作夥伴。