时隔6年，那个穿着皮衣的男人拿着最新的显卡再次出现在CES（Consumer Electronics Show，国际消费类电子产品展览会）2025舞台上。

　　“Are you excited in Las Vegas？Do you like my jacket？”（注：同款皮衣网上售价8990美元）在CES 2025开幕前夜，英伟达创始人兼CEO黄仁勋以这样的开场白，开始了一场长达一个半小时的主题演讲，吸引了全球的瞩目，只因英伟达是当前研发AI的版本答案。

　　《中国经营报》记者注意到，黄仁勋在主题演讲中最先掷出的“核弹”产品是GeForce（英伟达开发的个人电脑的图形处理器品牌）RTX 50系列显卡，不同以往的是，该系列显卡采用了用于数据中心的加速卡和系统（如B200和GB200）的Blackwell架构。

　　“我们利用GeForce来实现AI，而现在AI正在革新GeForce。”黄仁勋如此说道。由此，他通过多模态、模型、训练数据量等更为人熟悉的名词，将话题引向当前的AI世界，从而介绍Grace Blackwell NVLink72、个人AI超级计算机Project Digits、世界基础模型Cosmos等英伟达新品。

　　其中，黄仁勋还分享了自己对大模型时代的金科玉律“Scaling Law”（尺度定律）的观察，认为这是一个经过几代研究人员和行业观察并被证明的经验法则，“Scaling Law仍在持续发挥作用”。

　　黄仁勋表示，除了Pre-Training Scaling（预训练扩展定律）和Post-Training Scaling（后训练扩展定律），新的Scaling Law已经出现，即Test-Time Scaling（测试时间扩展），当使用AI时，AI能够应用不同的资源分配，而不是单纯改善其参数，专注于决定使用多少算力来生成所需的答案。

　　多名接受记者采访的人工智能算法工程师均表示，Test-time scaling已是业内当前共识，黄仁勋只是总结了下。“随着数据和算力的增大，模型的能力就会更强，在数据达到瓶颈之后，现在堆时间，其实本质上也就是算力。”华东某省级实验室算法工程师唐小鱼表示，哪怕数据达到了瓶颈，算力继续投入也会更加智能。

　　范式变化

　　在展开说Scaling Law前，有这样一个背景值得一提：在2024年年末，有观点认为Scaling Law正逐渐失效，大模型演进速度在放缓。

　　而黄仁勋坚信Scaling Law不会“撞墙”。在他看来，相比Pre-training scaling和Post-Training Scaling，Test-Time Scaling更注重模型的论证能力，模型不再集中于改善其参数，而是专注于决定要使用多少计算来生成想要的答案，且“已被证明非常有效”。他还指出，从ChatGPT到OpenAI o1、OpenAI o3，再到Genimi 1.5 Pro，这些新模型的强大能力都印证了Scaling Law的延续。

　　对于黄仁勋的Scaling Law范式由一变三的观点，人工智能算法工程师张昱轩表示：“现在的模型训练集和测试集没什么关系，导致模型的实际应用效果不佳。准确地说，与其倒腾参数，不如搞硬件资源配置整合。就是精确确定每一个token（源代码中的基本单位）是怎么得到的，这方面还有很大的优化空间，而不是按照传统的范式，一直去叠加所谓的数据。”

　　他还表示，黄仁勋所说的Test-Time Scaling类似于高配版的MoE（Mixture of Experts，混合专家），但不是用现在的MoE结构。“相当于模型自己知道什么是难的，哪个是简单的，哪些有什么方法解决……这种思考能力是比较深的。”张昱轩说。

　　2024年9月，OpenAI发布了主打推理能力的o1系列模型，与以往追求快速响应的模型不同，OpenAI o1系列最大的特点在于其“慢思考”的模式。据OpenAI介绍，这些模型经过特殊训练，能够在回答问题之前花费更多时间进行思考，就像人类一样。

　　通过模仿人类的思维过程，通过强化学习和“思维链”（CoT）技术，引导模型自主解决问题。o1系列模型在解决复杂问题，尤其是在科学、编码和数学等领域，展现出了超越以往模型的强大能力。

　　“所有的大模型公司都跟着OpenAI走，（模型）推理能力目前靠CoT是很好的方式。”唐小鱼表示，长思维链的方法就是引导大模型一点点地解答，就像我们做数学题一样，一步一步地思考，看题、理解题目，查找相关的公式，把数据导入公式，最后一步计算。

　　然而，这么做来解决模型的智能瓶颈终归不够优雅。“CoT，我认为只是暂时的，类似打补丁。虽不够优雅，但是很有效。”唐小鱼说。

　　当然，仍有活力的Scaling Law也在推动着行业对英伟达产品，尤其是Blackwell芯片的巨大需求。黄仁勋手持一块Grace Blackwell NVLink72的展示样品模型，摆出“美国队长”的姿势，俨然有着“美国芯片队长”的样子。

　　他透露，英伟达计划造一个由72块Blackwell GPU组成的巨型芯片，里面有130万亿个晶体管，AI浮点性能达到1.4 ExaFLOPS，重量达1.5吨，有60万个零部件，功耗120千瓦。

　　黄仁勋说，这是有史以来最大的单一芯片，“基本上全世界的互联网流量都能在这个芯片上进行处理”，已经在全球45家工厂中生产，英伟达会将部件拆卸并送往各个数据中心重新组装。

　　在介绍Blackwell架构芯片进展后，黄仁勋还“蹭了下热点”，发布了现阶段英伟达版的AI Agents——“Blueprint for AI Agents”，并展示具有“Teat-Time Scaling”功能的Agentic AI。这位AI行业的“执剑人”还预测，AI Agents可能带来超过1万亿美元的市场机会。

　　AI PC生态有望高速发展

　　“AI的下一个前沿是物理AI。”黄仁勋又一次面向世界强调了一遍。在CES 2025上，他向外界揭晓了英伟达首个专为理解物理世界的基础模型Cosmos（宇宙）。

　　据悉，Nvidia Cosmos是一个用来加速物理AI（能够让机器人和自动驾驶汽车等自主机器感知、理解和执行物理世界中的复杂动作的AI）开发的平台，由一套开源的扩散（Diffusion）和（Auto-regressive）模型组成，用于生成物理感知视频。

　　这些模型在2000万小时的现实世界人际互动、环境、工业、机器人和驾驶数据之上训练而成，包含9000万亿个tokens。Cosmos从小到大分为Nano、Super、Ultra三大类，参数规模从40亿到140亿不等，主要用于机器人和自动驾驶场景。

　　在这场长达一个半小时的主题演讲中，黄仁勋还介绍了下一代智驾芯片Thor、用于人形机器人合成运动数据生成的NVIDIA Isaac GR00T Blueprint、基于Llama基础的一系列Llama Nemotron模型等内容。

　　从长期观察消费电子和半导体行业的角度看，英伟达RTX 50系列显卡和AI超级计算机Project DIGITS更受关注。

　　作为英伟达最新的消费级GPU产品线，采用Blackwell架构的RTX 50系列得到了大大提升。旗舰产品RTX 5090搭载了21760个CUDA核心，成为首个核心数突破20000大关的Geforce显卡。RTX 5090内含920亿个晶体管，每秒可实现超3352万亿次AI运算，同时搭配512bit位宽的32GB GDDR7显存，性能较上代旗舰产品RTX 4090提升近2倍。

　　而更为夸张的是，黄仁勋提到RTX 50系列的基础版5070能以549美元的价格达到上代RTX 4090的相似性能水平。对此，芯片行业资深产业分析师黄烨锋表示，这应该不是指单纯的图形渲染算力或AI算力，而是从系统层面表现出在AI加持下的性能水平。

　　“实际上从此前Ada Lovelace发布开始，英伟达就更习惯于用AI加持来衡量性能提升幅度了。在Tensor core上堆料的收益，是明显高于在其他通用和固定图形单元上堆料的。”黄烨锋说。

　　黄仁勋提到，GeForce产品让AI实现了上量，而现在“AI回到GeForce”。对当代全高清4K渲染的3D画面而言，3300万像素仅有200万像素是真正渲染出来的，其他像素都能借助AI生成。

　　值得一提的是，黄仁勋还特别在发布会上展示了一台搭载RTX 5070的笔记本，得益于AI技术，英伟达能够将Blackwell显卡缩小并集成到笔记本电脑中，这样的笔记本电脑售价从1299美元至2899美元不等，将从今年3月起开始发货。

　　“这是个相当不同以往的时代，图形计算需要AI加持的时代，更是AI PC的时代。”黄烨锋表示。

　　而在游戏显卡之外，英伟达还发布了把用于数据中心的Grace-Blackwell超级芯片下放到桌面设备Project Digits中，面对AI开发者和发烧友。

　　据黄仁勋的表述，Project Digits的灵感来自于DGX-1（首个专为深度学习而设计的系统）。2016年，黄仁勋把第一台DGX-1送给了OpenAI和马斯克，坊间到处流传着那张照片。

　　“那台机器要是能小点儿就好了。”黄仁勋话音刚落，Keynote里的样机成倍缩小，全球最小的个人AI超级计算机Projects Digits最后登场。

　　支撑Project Digits的核心硬件是英伟达GB10 Grace Blackwell Superchip，在FP4精度下，可提供高达1 PFLOPS（千万亿次浮点运算/秒）的AI性能。Project DIGITS具有128GB的统一内存和4TB的NVMe存储。

　　此外，Project Digits可使用标准电源插座供电，外形类似Mac Mini，起售价为3000美元。借助这台超级计算机，开发人员可以运行多达2000亿个参数的大型语言模型，在使用NVIDIA ConnectX网络，两台Project DIGITS AI超级计算机可以连接起来，运行多达4050亿参数的模型。

　　值得一提的是，开发者还可以在Project Digits上开发和运营模型推理，然后在使用相同的Blackwell架构和NVIDIA AI Enterprise 软件平台的云端或数据中心基础设施上进行无缝部署。

　　“通过Project Digits，Grace Blackwell超级芯片将惠及数百万个开发者。”黄仁勋表示，“将AI超级计算机放在每个数据科学家、AI研究人员和学生的办公桌上，使他们能够参与和塑造AI时代。”

　　而黄烨锋认为，从Project Digits及更多面向RTX AI PC开发工具与AI基础模型的发布，都能看出英伟达期望把一直以来的AI生态优势带到PC端，并真正从严肃生产的角度普惠AI PC。“这一生态的持续完善，也是让AI PC全面迈入高速发展期的基础。”他说。