# Дженсен Хуанг представил архитектуру Vera Rubin и систему Alpamo на CES 2025 Источник: https://www.youtube.com/watch?v=0NBILspM4c4 Канал: NVIDIA Опубликовано: 05.01.2026 --- Дженсен Хуанг на выставке CES 2025 заявил о модернизации вычислительной инфраструктуры стоимостью 10 триллионов долларов [06:25]. По его словам, компьютерная индустрия переживает одновременный переход к ускоренным вычислениям и генеративному ИИ, что требует перестройки всех пяти уровней системного стека [05:46]. ## 🏛️ Философия платформ и истоки стратегии [[JUMP:04:52]] Компьютерная индустрия проходит через смену платформ каждые 10–15 лет [04:52]. Дженсен Хуанг выделяет этапы перехода от мейнфреймов к ПК, затем к интернету, облаку и мобильным устройствам. Текущий этап отличается тем, что софт больше не программируют вручную, а обучают на данных [05:46]. Процессоры общего назначения (CPU) уступают место графическим ускорителям (GPU). Приложения перестали быть предварительно скомпилированным кодом. Теперь они генерируют каждый пиксель и текстовый токен в реальном времени с учетом контекста [06:11]. NVIDIA инвестирует в эту трансформацию сотни миллиардов долларов ежегодно через венчурные фонды и собственные разработки [06:38]. Около 100 триллионов долларов мировых расходов на НИОКР смещаются в сторону ИИ-методов. Это объясняет высокую загрузку мощностей компании в последние годы [06:51]. ## 🔄 Переломные моменты: от BERT до систем рассуждения [[JUMP:07:47]] В 2015 году модель BERT показала потенциал языковых систем, а в 2017 году появились трансформеры [07:47]. Настоящий перелом в восприятии технологий произошел в 2022 году с выходом ChatGPT. Однако Хуанг считает ключевым событием 2023 года появление модели o1, представившей концепцию масштабирования во время вывода (test-time scaling) [08:13]. Этот подход позволяет ИИ «думать» перед ответом, используя обучение с подкреплением для поиска оптимальных решений. В 2024 году начали появляться агентные системы, способные планировать действия и использовать инструменты [08:52]. Одной из таких систем внутри NVIDIA стала Cursor, которая изменила процесс написания программного кода [09:19]. Развитие открытых моделей, таких как DeepSeek R1, активировало инновации во всех отраслях одновременно [10:44]. Хуанг подчеркивает, что открытые модели теперь отстают от закрытых флагманов всего на шесть месяцев. Это заставляет рынок постоянно ускоряться [11:11]. ## 🚗 Уроки восьмилетней разработки: Физический ИИ [[JUMP:39:24]] NVIDIA начала работу над беспилотными автомобилями восемь лет назад [39:24]. Этот проект стал для компании полигоном для понимания того, как ИИ взаимодействует с законами физики. Хуанг усвоил урок: для создания физического ИИ недостаточно только данных, нужна симуляция [28:17]. Система физического ИИ требует работы трех разных компьютеров одновременно: * Компьютер для обучения моделей. * Компьютер для логического вывода (внутри робота или машины). * Компьютер для симуляции цифрового двойника мира. Для обучения систем компания использует синтетические данные, генерируемые в среде Omniverse [29:24]. Модель мира Cosmos обучается на огромных массивах видео и симуляций, чтобы ИИ понимал инерцию, гравитацию и причинно-следственные связи [31:59]. Результатом этой восьмилетней работы стала система Alpamo — ИИ для автономного вождения с возможностью рассуждения [34:14]. Она не просто крутит руль, а объясняет свои действия текстом в реальном времени [35:09]. Первые автомобили Mercedes-Benz с этой технологией появятся на дорогах в первом квартале 2025 года [41:34]. ## 📉 Ошибка масштабирования и концепция «экстремального со-проектирования» [[JUMP:1:03:04]] Замедление закона Мура стало главным вызовом для индустрии [1:03:04]. Количество транзисторов больше не растет темпами, необходимыми для обучения моделей, которые увеличиваются в 10 раз ежегодно [1:06:52]. Хуанг пришел к выводу: нельзя просто покупать новые чипы, нужно проектировать всю систему целиком. NVIDIA внедрила принцип экстремального со-проектирования (extreme co-design). Это означает одновременную разработку чипов, сетевого оборудования, софта и систем охлаждения [1:03:32]. В новой архитектуре Vera Rubin количество транзисторов выросло всего в 1,6 раза по сравнению с Blackwell, но производительность выросла кратно за счет новых тензорных ядер и форматов данных [1:05:32]. Инженеры разработали формат данных NV FP4, который адаптивно меняет точность вычислений внутри процессора [1:06:38]. Это позволило обойти физические ограничения полупроводников и обеспечить рост скорости генерации токенов в пять раз за год [1:07:30]. ## ⚡ Текущий этап: Архитектура Vera Rubin [[JUMP:55:29]] Новая вычислительная платформа названа в честь астронома Веры Рубин, открывшей темную материю [55:29]. Архитектура объединяет шесть различных типов чипов в единую систему [59:23]. Центральный процессор Vera CPU потребляет в два раза меньше энергии на ватт по сравнению с предыдущими решениями при росте производительности [1:04:12]. Технические характеристики стойки Vera Rubin MVL72: * Вес системы составляет более двух тонн [1:01:52]. * Внутри проложено более трех километров медных кабелей [1:14:53]. * Система охлаждается водой с температурой 45 градусов Цельсия, что исключает нужду в чиллерах [1:16:24]. * Общая производительность достигает 220 триллионов транзисторов в одной стойке [1:01:52]. Для решения проблемы передачи данных NVIDIA представила технологию Bluefield 4. Она управляет KV-кешем (рабочей памятью ИИ) прямо внутри стойки, добавляя 16 терабайт памяти на каждый GPU [1:22:51]. Это позволяет ИИ «помнить» всю историю диалогов с пользователем без задержек в сети [1:21:28]. ## 🏭 Индустриальная революция и партнерства [[JUMP:53:26]] NVIDIA интегрирует свои технологии в платформы Siemens, Cadence и Synopsys для создания заводов-роботов [53:26]. Хуанг утверждает, что будущие предприятия будут сначала полностью спроектированы и протестированы в симуляции, прежде чем столкнутся с гравитацией в реальности [52:20]. Партнерство с Siemens позволяет использовать библиотеки CUDA X и Omniverse для создания цифровых двойников промышленных объектов [54:06]. Агентные системы теперь помогают инженерам не только писать код, но и проектировать сложные микросхемы и производственные линии [51:40]. Дженсен Хуанг резюмирует, что NVIDIA перестала быть просто производителем чипов, превратившись в разработчика полного стека инфраструктуры для новой промышленной эпохи [1:28:43].