文 | 藍字計劃，作者｜Hayward
一身皮衣黃仁勳，GTC 2025上意氣風發。
雖然最近英偉達的股票跌得比較狠，甚至來到了10年來的最低點，但這不影響老黃，對最新的GPU們信心滿滿。
時間回撥到2月初，DeepSeek的發佈在AI領域掀起巨浪。一個中國團隊的產品，僅用了少量的低端GPU（以A100為主）蒸餾現有超大模型就實現了高端GPU（以H100為代表）才有的性能。
高端GPU並非剛需，誰還成噸地採購你老黃的Hopper、Blackwell 核彈？過去在AI行業被奉為金科玉律的“Scaling Law”（規模定律），也就是“模型參數量、數據集、訓練成本越多越好”的觀念也被嚴重衝擊。
這幾年谷歌、Meta、微軟等互聯網大廠成噸地採購H100晶片以維持規模，正是想以算力分勝負、定生死。現在根本不需要如此恐怖的規模，也能讓大模型擁有媲美 OpenAI o1的性能。
一時間，宣稱DeepSeek能讓英偉達走上末路的聲音此起彼伏，特別是海外的社媒平台發酵最快、傳播最兇。有X網友更坦言“英偉達的一切都將開始瓦解”，這段時間里英偉達的股票一天下跌13%、17%都成了常態。
不過，也有另一種聲音稱，從長期來看DeepSeek的成功反而利好英偉達。
DeepSeek揭示了可以通過“蒸餾現有超大模型”的方法訓練性能出色的大模型，但只是不需要用到H100晶片這等性能怪獸而已，並非完全不依賴計算卡。A100計算卡，也是英偉達家的產品。
玩家的門檻降低了，入場的玩家自然會越來越多，從市場總量來說，對算力的需求還是會上升的。英偉達又是全世界最大的卡販子，總會賣出更多的計算卡。
再說了要蒸餾現有的超大模型，也得先有性能出色的超大模型存在才行，到底還是需要H100這樣的計算卡集群來訓練超大模型，這似乎是個“先有雞還是有蛋”的問題。
只能說兩種聲音都有道理，不過大家最想知道的還是老黃本人的聲音。
這次GTC 2025，我們終於等到老黃的親自回應。
按照慣例，我們先來回顧一下這場光門票就要價1萬美元的“科技盛宴”。
簡單來說，英偉達主要發佈了四款晶元架構、兩款AI電腦、一款AI訓練底層軟體和展示了具身機器人相關的進展，其他內容就不贅述了。
· 4款AI晶片架構，分別是將在2025下半年發佈的Blackwell Ultra、2026下半年發佈的Vera Rubin、2027下半年發佈的Vera Rubin Ultra，和2028年的Feynman。
全新的超級晶元產品方面，基於Blackwell Ultra架構的GB300 NVL72晶片是上代最強晶元GB200的繼任者，推理是GB200 NVL72的1.5倍，提升幅度不算大，甚至在大會上GB300的直接對比對象還是2年前的H100。
從市場的反應來看大部分人對GB300不太買帳，它沒有上一代GB200的那種“橫空出世”的驚喜感，要說最大的升級點，可能是HBMe記憶體提升至288GB，就是有點“蘋果今年發佈的新機是2TB版本的iPhone 16 Pro Max”的味道了。
重頭戲是英偉達未來的晶元架構規劃，下代超級晶片Rubin NVL144，比GB300 NVL72 強了3.3倍；下下代的Rubin Ultra NVL576性能是GB300 NVL72的14倍，從畫餅給出的性能來看，未來大概率還是會由英偉達掌握GPU算力王座。
· 兩款全新的AI電腦，分別是搭載了GB10 Grace Blackwell超級晶片的DGX Spark，每秒可提供高達 1000 萬億次 AI 運算；搭載了GB300 Grace Blackwell Ultra的DGX Station，可以提供每秒可提供高达2000 萬億次 AI 運算。目前DGX Spark已經開始預售，要價3000美元。
· 開源軟體NVIDIA Dyamo，可以簡單理解為一款AI工廠（數據中心）的作業系統，英偉達說在NVIDIA Blackwell上使用Dynamo優化推理，能讓DeepSeek-R1的輸送量提升30倍。
· 具身機器人的技術儲備，包括機器人通用基礎模型Isaac GR00T N1、一款配備了GR00T N1模型的機器人：Blue，和Google Mind、迪士尼合作的最新成果。
從發佈的產品來看，英偉達還是那個GPU領域的霸主，甚至領導地位已經開始向AI拓展。它們不僅將產品技術路線圖更新至一年一更，未來三年的產品堪稱“超級大餅”，圍繞AI相關的軟體建設也在飛速推進，NVIDIA Dyamo很可能會是未來數據中心的標配。
對於DeepSeek的衝擊，英偉達似乎也有了解決的辦法。
終於，黃仁勳首次在公開場合，正面回應了DeepSeek誕生以來對公司造成的衝擊。
首先他把DeepSeek從頭到腳吹了一遍，說DeepSeek R1模型是“卓越的創新”和“世界級的開源推理模型”，而且他淡定地表示，不理解為什麼大家會把DeepSeek當成英偉達的末日。
至於因DeepSeek而起的關於Scaling Law撞牆的討論，老黃在會上給出了自己的理解。
首先，他在大會上對Scaling Law進行了一次反覆運算更新：
現在他將Scaling Law細化為PRE-TRAINING SCALING、POST-TRAINING SCALING、TEST-TIME SCALING三個部分。老黃的意思是，隨著AI進入到不同階段，對Scaling的需求是不斷提高的。
這裡要提一下，老黃認為AI的發展分為四個階段：感知人工智慧（Perception AI）、生成式人工智慧（Generative AI）、代理人工智慧（Agentic AI）和未來的物理 AI（Physical AI）。而現在我們正處於代理人工智慧階段。
現階段由於推理模型、AI代理的爆發，實際上更加需要Scaling，更加需要算力。
其背後的關鍵是token。
以推理模型為例子，模型進行推理時，token的消耗猛漲。用老黃的話，我們不僅需要讓token的輸送量提升十倍，還需要過去10倍的算力來提升token的輸出速度，最終，需要的算力是之前的100倍。
從技術上來說，這不無道理。相比傳統的生成式模型，比如ChatGPT，我們觀察到它沒有列舉推理步驟。輸入問題 → 提供答案，沒中間商差價，答案所呈現的就是最終消耗的token數。
而擁有思維鏈的推理式模型，比如大家熟知的DeepSeek R1，會有一連串的推理過程，有些時候可能推理過程的字數比答案還要多。
R1模型能夠實現推理，是因為會將輸出的token返回上級重新思考、推理，正如比喻大師老黃所說的“每個token都會自我懷疑”，在不斷的懷疑-論證中，形成了推理的過程。但這也會更多地消耗算力和token，推理模型要比傳統生成式模型多消耗的token不是2倍，而是20倍。
所以，我們用推理模型時，一大串的思考、推理過程要在前臺展示出來，不僅因為使用者可以從大模型的推理過程介入修正答案，還因為它們不是白送的，不是免費的，而是在消耗一個個token，都是真金白銀，花了錢的地方肯定得讓你看到。
而且市面上的推理模型越來越多，更多的傳統模型也陸續開始加入推理過程，比如谷歌的Gemini，最終token的消耗會呈指數級增長。
這就是老黃堅信Scaling Law沒有失效的底氣。在會上，老黃用傳統模型Llama 3.3 70B與DeepSeek R1 671B進行了對比，統一回答一個複雜問題。最終前者消耗了400多個token但結果不可用，後者的結果堪稱完美，但足足消耗了8559個token。
或許從蒸餾大模型的點子中節約的算力，又會消耗到推理的過程中，說不准這就是AI算力中的能量守恆呢。
除了黃仁勳的激情論證，一個事實是，在這個高token消耗時代，英偉達的GPU的確賣得更猛了。
彭博社報導，OpenAI 預計在「星際之門」首期計劃中，建立一個可以容納40萬個英偉達的 AI 晶元的數據中心綜合體。全部裝滿的話，這會是世界最大的AI算力集群之一。
還有對算力推崇至極的馬斯克，旗下的 xAI 已與戴爾達成 50 億美元協定，用於在孟菲斯建設超級計算機的 AI 伺服器；Meta也宣佈計劃要擁有相當於 600,000 塊英偉達 H100 晶片的算力。
還有國內的阿裡、小米、騰訊等公司，也將部署海量算力作為主要目標。這背後的顯卡供應商，毫無疑問都主要來自英偉達。推理模型鋪開后大公司們對計算卡、算力的熱情絲毫不減，看來至少大公司們仍相信未來是算力的時代。
在個人本地部署領域，DeepSeek R1也沒有真正地減輕個人用戶的算力負擔。
2月中，全網掀起了一陣本地部署DeepSeek R1蒸餾模型的熱潮，但從個人的經驗來看，想要得到較好的模型性能，對電腦配置，也就是算力的要求一點都不低。
以RTX 4080 16GB顯卡為例，擁有9728個CUDA核心，16GB GDDR6X的顯存頻寬為736 GB/s，在顯卡中已經算高端。
但用它在本地部署14B的DeepSeek R1蒸餾模型時，大部分的推理速度只有20-30 tokens/s，需要分析深度問題往往需要等待超過10分鐘。
如果更進一步用它來部署32B的蒸餾模型，推理速度會進一步下降到5-15 tokens/s，生成同樣的回答，就需要等待超過30分鐘。
這樣的效率顯然是不行的。如果想要提高推理速度，有兩個辦法：
選擇更小參數的蒸餾模型部署，但推理的精度、答案的可靠性會明顯下降；
選擇更高配置的硬體，比如RTX 5080/5090，用5090部署32B的蒸餾模型，推理速度也能達到50-60 tokens/s，效率明顯提升，但又讓老黃賣卡的計劃通了。
也許大多數人的算力條件，本地部署的大模型還不如直接打開騰訊元寶高效。
因此，從DeepSeek R1引申出來的“蒸餾模型節省訓練算力”已經被“推理模型消耗算力”抵消，這給了英偉達全新的機遇，可以說DeepSeek的出現為英偉達關上了一扇門，又打開了一扇窗。
最終，我們不得不承認長遠來看算力的需求還會不斷增加，還是利好英偉達。雖說今年Blackwell Ultra擠牙膏，但後面幾年的晶元架構都會有明顯的算力提升。當各大廠的算力吃緊時，老黃的核彈們，又有大展拳腳的機會了。
縱觀GTC 2025，只要是涉及AI、GPU、算力的部分，老黃都離不開token，甚至有好事的媒體專門統計了他在會上提到“token”的次數，還怪幽默的。
在新Scaling Law時代，token彷彿成了英偉達的救命稻草。雖然從邏輯上看老黃的觀點說得通，但如此頻繁地重複一種邏輯，就像我們在文章中連續寫100次“token”，多少會有人覺得，英偉達有點歇斯底裡。
自農曆新年以來，英偉達的市值已經跌去了將近30%，這次發佈會的黃仁勳不再像一個技術大拿，不像是那個“全世界最聰明的科學家”、“全球最牛公司的CEO”，而像一個絮絮叨叨的金牌銷售，通過販賣token焦慮的方式，讓大家堅信英偉達仍掌握著未來。
不過投資者的信心不來自推銷和佈道，而來自產品。事實就是今年下半年面世的GB300確實沒有太多亮點，畫的大餅又比較遙遠。反映到股價上，發佈會結束后英偉達的股價依然下跌了3.4%。
其實更令我哭笑不得的是價值3000美元的DGX Spark，根據官網披露的資訊這款產品的128GB記憶體，帶寬只有273GB/s。
儘管老黃將它定義為“可用於本地部署”的AI電腦，但這性能真不敢恭維。不說滿血版671B的DeepSeek R1，跑大部分32B的模型可能也只能實現2-5 tokens/s的輸出效率。用它來跑傳統的模型應該還不賴，但推理模型估計是很困難了。
或許它存在的意義，停留在“讓大家買更強的DGX Station”上罷了。只是如果你一直在販賣token焦慮，最好能拿出更多能解決token焦慮的產品來。
英偉達現在缺乏的不是技術和產品，在GPU領域一騎絕塵，第二名都看不到車尾燈；真正缺乏的，是對消費者的誠意。
參考資料：
APPSO 《剛剛，黃仁勳甩出三代核彈AI晶片！個人超算每秒運算1000萬億次，DeepSeek成最大贏家》
第一財經 《淩晨，黃仁勳重大宣佈！》
圖片來源：GTC March 2025 Keynote with NVIDIA CEO Jensen Huang