Эра рассуждающего ИИ: Дженсен Хуанг о будущем фабрик интеллекта и роботакси

«Каждый неиспользованный ватт — это потерянная выручка», — заявляет Дженсен Хуанг, оценивая разницу в эффективности современных ИИ-фабрик в ошеломляющие 40 миллиардов долларов. NVIDIA окончательно перерождается из производителя чипов в алгоритмическую компанию, создающую «Linux для ИИ-агентов» и глобальную экосистему физического интеллекта, где нейросети наконец-то начинают думать, прежде чем говорить.

🚀 Фундамент ИИ-революции: маховик CUDA и эра нейрорендеринга 5:54

Открывая конференцию GTC 2026, Дженсен Хуанг (Jensen Huang) подчеркнул, что сегодня ИИ пронизывает каждый слой технологического стека — от программных приложений до глубоких аппаратных архитектур. Основой этого движения стал путь, начатый NVIDIA более двадцати лет назад.

Маховик CUDA: два десятилетия лидерства и экосистема «установленной базы» 5:54

Центральным элементом выступления Дженсена Хуанга стало празднование юбилея CUDA — архитектуры, которая превратилась из амбициозного эксперимента в мировой стандарт ускоренных вычислений. Хуанг отметил, что NVIDIA десятилетиями оставалась верна этой архитектуре, постоянно совершенствуя её: от перехода к более гибкому программированию по сравнению с SIMD до недавнего внедрения «тайлов» (tiles) для оптимизации работы с данными .

Сегодня CUDA — это не просто язык программирования, а гигантский технологический «маховик». Дженсен Хуанг описал этот процесс как самоподдерживающийся цикл развития:

1. Установленная база: Решения NVIDIA присутствуют в каждом облаке и у каждого крупного производителя компьютеров .
2. Притяжение разработчиков: Огромный парк доступного оборудования привлекает миллионы программистов, создающих новые приложения.
3. Формирование экосистем: Новые приложения создают рынки, которые, в свою очередь, требуют ещё более мощной инфраструктуры .

Этот маховик вращается всё быстрее. По словам Хуанга, даже старые архитектуры, такие как Ampere, выпущенная шесть лет назад, сохраняют огромную ценность благодаря этой экосистеме: охват разработчиков настолько велик, что любое новое ускорение мгновенно масштабируется на весь мир .

История этого успеха уходит корнями в эпоху GeForce. Дженсен напомнил аудитории, что фундамент CUDA был заложен 25 лет назад с изобретением пиксельного шейдера . То, что начиналось как технология для видеоигр, оплаченная «родителями нынешних учёных» , в итоге привело к созданию платформы, на которой обучались нейросети Ильи Суцкевера и Джеффри Хинтона более десяти лет назад .

DLSS 5: Нейрорендеринг и слияние графики с ИИ 13:30

Важнейшим анонсом в области визуальных технологий стало представление DLSS 5. Дженсен Хуанг определил эту технологию как «полное слияние 3D-графики и искусственного интеллекта» . Если раньше компьютерная графика опиралась исключительно на растеризацию и трассировку лучей, то теперь индустрия переходит к эре нейрорендеринга.

DLSS 5 объединяет два фундаментально разных подхода:

• Структурированные данные: Традиционная 3D-графика, которая обеспечивает «ground truth» (базовую истину) виртуального мира, геометрию и физическую корректность .
• Генеративный ИИ: Вероятностные модели, которые добавляют фотореализм, детализацию и заполняют пробелы в визуальном ряде.

Хуанг подчеркнул, что ключевым словом здесь является «контроль». В отличие от чистой генерации видео, которая может быть хаотичной, DLSS 5 использует структуру 3D-сцены для управления генеративным процессом . Это позволяет создавать управляемый, стабильный и абсолютно фотореалистичный контент в реальном времени, что критически важно не только для игр, но и для дизайна и обучения роботов в виртуальных средах. Ранее в разговоре Дженсен вскользь упомянул важность токенов как универсальных единиц информации, и в DLSS 5 мы видим, как визуальные токены становятся частью графического конвейера.

Ускорение обработки данных: библиотеки cuDF и cuVS 16:11

Переходя от графики к корпоративному сектору, Дженсен Хуанг затронул тему «структурированных данных» — основы любого бизнеса. Огромные объемы информации хранятся в облачных хранилищах вроде Google BigQuery или Azure Fabric, и их обработка на традиционных CPU становится всё более дорогой и медленной .

Для решения этой проблемы NVIDIA представила и обновила специализированные библиотеки:

• cuDF: Библиотека для ускорения обработки табличных данных, которая позволяет перенести привычные рабочие процессы (например, в экосистеме Pandas) на GPU без изменения кода.
• cuVS: Новое решение для векторных баз данных (vector stores) . Это критический компонент для работы современных ИИ-агентов, использующих архитектуру RAG (Retrieval-Augmented Generation) для поиска информации.

Дженсен привел пример практической эффективности такого подхода. Совместно с IBM было ускорено решение Watsonx.data: обработка огромных массивов данных теперь происходит в 5 раз быстрее, а стоимость вычислений снизилась на 83% .

В завершение главы Хуанг отметил, что закон Мура в его традиционном понимании — получение большей производительности при тех же затратах только за счет уменьшения транзисторов — практически исчерпал себя . Единственный путь к дальнейшему масштабированию ИИ-фабрик — это вертикальная интеграция и ускорение алгоритмов с помощью специализированных библиотек на базе GPU. NVIDIA продолжает глубоко интегрироваться с такими фреймворками, как PyTorch и JAX, чтобы каждое обновление аппаратной части мгновенно давало преимущество всему стеку разработчиков .

🏗️ Вертикальный стек и агентная эра: архитектура лидерства NVIDIA 25:25

Вторая четверть выступления Дженсена Хуанга на GTC 2026 была посвящена не столько железу, сколько философии того, как NVIDIA встраивается в мировую экономику. Компания больше не просто поставляет компоненты; она строит фундамент, на котором разворачиваются облачные сервисы, корпоративные системы и государственные инфраструктуры.

Глобальная экспансия через облака и конфиденциальные вычисления 25:25

Дженсен Хуанг начал этот блок с обзора партнерской экосистемы, подчеркнув, что NVIDIA стремится быть доступной везде, где есть потребность в вычислениях. Он напомнил, что Microsoft Azure стал их первым облачным партнером, и сейчас сотрудничество вышло на новый уровень: именно на базе Azure были развернуты первые регионы с поддержкой конфиденциальных вычислений на GPU NVIDIA . Это критически важный шаг для финансового сектора и здравоохранения, где защита данных является приоритетом.

Параллельно с этим компания укрепляет связи с другими гигантами:

• AWS: NVIDIA интегрирует свои библиотеки для ускорения рабочих нагрузок и помогает переносить экосистему OpenAI на инфраструктуру Amazon .
• Oracle: Хуанг отметил, что лично объяснял принципы ИИ-облаков руководству Oracle еще на заре их формирования, и сегодня они являются одними из самых активных провайдеров GPU-мощностей .
• Корпоративный сектор: Благодаря партнерствам с Dell и Palantir, платформы NVIDIA теперь могут быть развернуты в любом дата-центре, обеспечивая бесшовную работу от векторов данных до финальных ИИ-моделей .

Бизнес-модель: вертикальная интеграция и горизонтальная открытость 30:09

Центральным тезисом выступления стало определение новой бизнес-модели NVIDIA. Дженсен Хуанг прямо заявил: «Ускоренные вычисления — это не проблема чипов» . По его мнению, просто создать быстрый процессор недостаточно. Чтобы добиться реального снижения затрат и кратного ускорения, необходимо переосмыслить весь стек технологий — от алгоритмов и библиотек до системной архитектуры.

NVIDIA позиционирует себя как вертикально интегрированную компанию, которая при этом сохраняет «горизонтальную открытость» . Это означает, что компания разрабатывает полный стек технологий самостоятельно, но позволяет интегрировать его в любую облачную платформу или отраслевое решение. Хуанг назвал NVIDIA «алгоритмической компанией» , чья задача — брать сложнейшие вычислительные задачи, рефакторить их и превращать в библиотеки, доступные всему миру.

В качестве примера такой специализации были представлены доменные библиотеки, которые Хуанг назвал «прекрасными» в своей эффективности:

• cuOpt: для оптимизации логистики и принятия решений .
• Warp: для дифференцируемой физики и симуляций .
• Parabricks: для геномных исследований и диагностики .

Ранее в разговоре они касались библиотек cuDF для обработки данных, но здесь фокус сместился на промышленное применение. Хуанг подчеркнул, что NVIDIA сейчас фактически перезапускает целые индустрии — от медиа и развлечений до производства, которое оценивается в 50 триллионов долларов .

Эволюция ИИ: от генерации к рассуждению и действию 46:20

Завершая этот сегмент, Дженсен Хуанг представил видение будущего искусственного интеллекта, которое он называет «Второй эрой генеративного ИИ» . Если 2023 год прошел под знаком ChatGPT и простой генерации контента, то следующий этап — это переход к рассуждающим моделям (reasoning models) и автономным агентам.

Ключевое отличие новой эпохи заключается в том, как ИИ обрабатывает запросы. Вместо того чтобы выдавать мгновенный ответ на основе вероятностей, модели нового поколения способны «разбивать задачи на части и декомпозировать сложные проблемы» . Этот процесс требует значительно большего объема вычислений (инференса), так как модель генерирует тысячи внутренних токенов, чтобы прийти к логически обоснованному и проверенному результату .

«Сегодня нет ни одного инженера-программиста, который не использовал бы ИИ», — отметил Хуанг , но добавил, что мы переходим от вопроса «что, где и когда» к полноценному делегированию задач. Современный ИИ-агент способен:

1. Считывать контекст из файлов и баз данных .
2. Самостоятельно планировать последовательность действий.
3. Выполнять работу, которая раньше требовала прямого участия человека.

Этот сдвиг создает колоссальный, «зашкаливающий» спрос на графические процессоры , так как теперь вычисления требуются не только для обучения, но и для каждого акта «размышления» ИИ-агента. По словам Хуанга, мы видим рождение стандарта вычислений, который изменит саму природу софта: ИИ, способный генерировать другой ИИ и самостоятельно выполнять сложные рабочие процессы .

🚀 Инфляционная точка инференса: как токены стали главной валютой индустрии 50:43

Переход к эпохе «размышляющего» ИИ и рынок в триллион долларов 50:43

Индустрия вычислений достигла критического перелома, который Дженсен Хуанг (Jensen Huang) называет «инфляционной точкой». Если раньше основное внимание уделялось обучению нейросетей, то сегодня центр тяжести сместился в сторону инференса — процесса работы уже обученных моделей в реальном времени. Согласно заявлению главы NVIDIA, современному ИИ теперь «нужно думать, чтобы думать», а результатом этого процесса становится генерация токенов . Этот переход фундаментально меняет структуру спроса на вычислительные мощности.

Дженсен Хуанг отметил, что индустрия уже прошла этап уверенности в выручке на уровне 500 миллиардов долларов, и теперь горизонты расширяются . По его прогнозам, к 2027 году рынок ИИ-инфраструктуры достигнет как минимум 1 триллиона долларов . Это обусловлено тем, что инференс перестал быть побочным продуктом и превратился в основной драйвер роста. Ранее в разговоре упоминалось, как генеративный ИИ эволюционирует в сторону систем, способных к сложным рассуждениям, и именно эта потребность в «размышлениях» создает колоссальный дефицит мощностей.

На текущий момент около 60% бизнеса NVIDIA связано с поддержкой экосистемы и внутреннего потребления ИИ компаниями, где доминируют большие языковые модели (LLM) . Технологии перестали быть инструментом одного приложения — они становятся фундаментальным слоем для всей мировой экономики .

Эффективность AI-фабрик: экономика «токенов на ватт» 1:01:01

В условиях глобального дефицита энергии и площадей для строительства дата-центров, ключевой метрикой доходности становится не просто теоретическая производительность, а количество сгенерированных токенов на единицу мощности. Дженсен Хуанг ввел концепцию «ИИ-фабрик», которые, по сути, являются фабриками по производству токенов . В мире, где ресурсы ограничены, типичный проект дата-центра мощностью 1 гигаватт должен выдавать максимальное количество «интеллектуального продукта» на каждый затраченный ватт .

NVIDIA продемонстрировала экспоненциальный рост в этой области:

• Архитектура Blackwell в связке с NVLink 72 обеспечивает невероятный скачок энергоэффективности.
• Первоначальные оценки Дженсена Хуанга в 35-кратный рост производительности на ватт оказались заниженными — реальный показатель достигает 50-кратного увеличения по сравнению с предыдущими поколениями .
• Этот прогресс напрямую влияет на финансовую устойчивость компаний: разница в эффективности между правильной архитектурой и устаревшими решениями на масштабе гигаваттной фабрики составляет около 40 миллиардов долларов операционных расходов .

Такая эффективность критически важна для интерактивности и скорости инференса. Чем больше контекстное окно и чем сложнее модель, тем больше вычислительных усилий требуется для поддержания «разумности» ИИ .

Инженерные вызовы и архитектурный ответ 1:08:32

Хотя размеры моделей продолжают расти, инфраструктура дата-центров вынуждена адаптироваться через комбинацию технологий вертикального масштабирования (scale-up) и горизонтального расширения (scale-out) . NVIDIA пересмотрела подход к программированию и передаче данных, внедрив такие решения, как архитектура Hopper и протокол NVLink, которые полностью изменили способ взаимодействия компонентов внутри системы .

Внедрение новых форматов данных, таких как FP4, позволило совершить очередной рывок в производительности и энергосбережении . Эти технологии становятся базой для следующего этапа развития, который Дженсен Хуанг связывает с архитектурой Vera Rubin и интеграцией специализированных решений вроде LPU от Groq для достижения сверхнизких задержек (подробнее эти системы будут разобраны в следующей главе) .

Особое внимание уделяется физическому исполнению систем: переход на 100% жидкостное охлаждение в современных стойках позволяет не только радикально снизить затраты энергии на охлаждение, но и уменьшить физические габариты систем при сохранении колоссальной плотности вычислений . Это превращает каждый серверный шкаф в мощнейший узел для обработки генетических данных, анализа видео или работы сложнейших нейронных агентов в облаке .

🚀 Шестое поколение систем: Vera Rubin и новая экономика токенов 1:15:37

На сцене GTC 2026 Дженсен Хуанг (Jensen Huang) представил не просто новые чипы, а фундаментальный сдвиг в том, как строятся и окупаются центры обработки данных. Если предыдущие анонсы касались архитектуры Blackwell, то центральной темой этой части выступления стала платформа Vera Rubin — шестое поколение систем NVIDIA, которое обещает переосмыслить эффективность «ИИ-фабрик».

Vera Rubin: Интегрированная мощь и медный масштаб 1:11:29

Платформа Vera Rubin — это кульминация стратегии вертикальной интеграции NVIDIA. По словам Дженсена, компания изобрела новые технологические процессы совместно с TSMC, чтобы создать систему с двукратным преимуществом по производительности по сравнению с предыдущими решениями .

Ключевой особенностью Vera Rubin стала её полная интеграция:

• Жидкостное охлаждение: Системы становятся всё тяжелее и мощнее, что требует перехода на жидкость как стандарт для дата-центров .
• Вычислительный узел Rubin Ultra: Он объединяет GPU в единый домен NVLink, позволяя всей стойке работать как один гигантский компьютер.
• Стойка Kyber: Дженсен продемонстрировал новую архитектуру межсоединений, использующую медные кабели для масштабирования внутри стойки .

Хуанг подчеркнул, что эффективность создания дата-центров с Vera Rubin выходит на новый уровень благодаря «экстремальному со-дизайну» . Это позволяет не просто наращивать «флопсы», но и управлять ими с ювелирной точностью, распределяя ресурсы между задачами разной сложности.

Экономика будущего: Токены как биржевой товар 1:20:52

Одним из самых смелых прогнозов Дженсена стало видение рынка ИИ не через призму проданного «железа», а через объем генерируемых токенов. Он представил график, где по вертикали отражена выручка, а по горизонтали — скорость генерации токенов (token rate) .

Дженсен Хуанг (Jensen Huang) уверен, что рынок токенов неизбежно сегментируется на уровни, аналогично любому другому массовому товару:

1. Бесплатный уровень (Free Tier): Базовые модели для простых запросов, требующие минимальных затрат энергии .
2. Средний уровень (Medium Tier): Более крупные модели для повседневных задач бизнеса.
3. Премиальный уровень (Premium Tier): Сложные рассуждения и длинные контекстные ответы, за которые пользователи готовы платить высокую цену .

«Чем выше уровень, тем выше качество. И Blackwell позволяет нам обслуживать самых ценных клиентов на премиальном уровне, одновременно снижая затраты на бесплатный сегмент», — пояснил Дженсен . Рост длины выходных токенов требует экспоненциального увеличения пропускной способности, что и делает переход на архитектуру Rubin экономически неизбежным для провайдеров облачных услуг.

Тандем с Groq: Сверхнизкая задержка для агентских систем 1:26:52

Неожиданным поворотом стало объявление о глубокой интеграции технологий компании Groq в экосистему NVIDIA. Дженсен признал, что для «агентских» ИИ-систем будущего критически важна не только общая пропускная способность, но и мгновенная реакция — сверхнизкая задержка при генерации текста (decode) .

NVIDIA лицензировала технологии Groq для создания гибридных систем, где чипы Vera Rubin отвечают за «тяжелые» вычисления и хранение параметров моделей в триллионы весов, а специализированные LPU (Language Processing Units) от Groq берут на себя молниеносную генерацию ответа .

• Распределение ролей: Vera Rubin обрабатывает сложную математику и контекст, а LPU-блоки «выстреливают» токены пользователю.
• Программное управление: Компилятор NVIDIA сам определяет, на какой чип отправить задачу. В этой системе нет динамического планирования — всё решается на уровне софта для достижения максимальной детерминированности .
• Производство: Дженсен отдельно поблагодарил компанию Samsung, которая занимается производством чипов для Groq .

Эта синергия позволяет создавать «операционную систему для ИИ-фабрик», которую мир еще не видел .

Дорожная карта: От Kyber к архитектуре Feynman 1:38:08

Завершая технический блок, Дженсен Хуанг (Jensen Huang) приоткрыл завесу тайны над следующим поколением архитектуры, получившим имя Feynman. Эта платформа должна стать ответом на запросы 2027–2028 годов, когда стандартные методы масштабирования упрутся в физические пределы.

В дорожной карте NVIDIA четко прослеживается переход от медных соединений (copper scale-up) к оптическим . Feynman объединит в себе:

• LP 40: Новое поколение LPU, разработанное совместно с командой Groq .
• CPO (Co-Packaged Optics): Технология, позволяющая интегрировать оптические каналы связи прямо в корпус процессора, что резко увеличивает пропускную способность системы .
• NVLink 144: Следующая итерация шины данных, которая обеспечит беспрецедентную связность узлов в кластере.

«Многие спрашивают меня: Дженсен, это предел? Нет, это только начало», — заявил Хуанг . С переходом на Feynman NVIDIA планирует строить целые здания как единые вычислительные машины, где каждый компонент — от хранения данных (платформа STX) до генерации токенов — спроектирован для достижения максимальной синергии .

🌐 Проектирование гигаваттных фабрик и рождение OpenClaw: операционная система для эпохи агентов 1:40:47

На текущем этапе развития индустрии ИИ-инфраструктура переросла масштабы обычных дата-центров, превратившись в настоящие «ИИ-фабрики» . Дженсен Хуанг подчеркивает, что когда речь идет о проектировании объектов мощностью в гигаватты, любая ошибка в архитектуре или логистике данных оборачивается колоссальными убытками. Чтобы справиться с этой сложностью, NVIDIA выводит концепцию цифровых двойников на новый уровень, одновременно закладывая программный фундамент для следующей большой волны — автономных ИИ-агентов.

Omniverse DSX: цифровые двойники гигаваттных фабрик 1:40:47

Строительство современных центров обработки данных требует беспрецедентной точности. Дженсен Хуанг представил NVIDIA DSX — новую платформу для проектирования и эксплуатации ИИ-фабрик в виртуальной среде . Это не просто визуализация, а полноценная инженерная симуляция, где каждый компонент — от стоек с чипами до систем жидкостного охлаждения — подчиняется законам физики.

Основная ценность DSX заключается в возможности «виртуального ввода в эксплуатацию». Прежде чем заложить первый камень, инженеры могут:

• Оптимизировать распределение энергии между энергосетью и вычислительными кластерами .
• Протестировать теплоотвод и динамическое управление питанием, используя интеграцию с инструментами Windchill PLM .
• Координировать строительные процессы через Procore, минимизируя задержки при развертывании инфраструктуры .

«Каждый неиспользованный ватт — это потерянная выручка», — отмечает Хуанг . Платформа DSX позволяет сократить время выхода ИИ-фабрик на проектную мощность, превращая хаос масштабного строительства в предсказуемый алгоритмический процесс. Ранее в разговоре уже упоминались масштабы архитектур будущего, и DSX становится тем инструментом, который делает эти амбиции физически возможными.

OpenClaw: «Linux-момент» для персональных и корпоративных агентов 1:46:32

Одним из самых громких анонсов главы стала поддержка NVIDIA открытого проекта OpenClaw . Дженсен Хуанг сравнил значимость этой инициативы с появлением Linux для мира серверных вычислений. OpenClaw позиционируется как открытая операционная система для «агентиков» — автономных систем ИИ, способных не просто генерировать текст, но и выполнять сложные цепочки действий.

В отличие от традиционных чат-ботов, агент на базе OpenClaw обладает способностью декомпозировать сложные задачи, обращаться к внешним инструментам и корректировать свои действия в реальном времени . Хуанг выделяет несколько ключевых аспектов этой технологии:

1. Агентизация ПО: Каждая SaaS-компания (Software-as-a-Service) неизбежно трансформируется в ANaaS (Agents-as-a-Service) .
2. Демократизация разработки: Использование OpenClaw позволяет любому разработчику создать персонального ИИ-агента, который понимает контекст пользователя и может взаимодействовать с миром от его имени .
3. Безопасность корпоративного уровня: Для защиты чувствительных данных NVIDIA предлагает референсный стек NemoClaw . Он включает в себя «политики безопасности» (guardrails), которые предотвращают утечку конфиденциальной информации при выполнении агентом внешних запросов .

По мнению Хуанга, OpenClaw станет фундаментом для мультитриллионной индустрии, где агенты станут такой же привычной частью бизнес-стратегии, какой в свое время стал HTML для интернета .

Семейства Nemotron и Cosmos: открытые модели фронтирного уровня 1:56:52

Чтобы обеспечить работу этих агентов, NVIDIA выпускает мощный арсенал моделей с открытым исходным кодом. Дженсен Хуанг подтвердил, что компания является одним из крупнейших контрибьюторов в open-source сообщество . Ключевым элементом здесь выступает семейство моделей Nemotron, которые регулярно занимают верхние строчки в мировых рейтингах производительности (leaderboards) .

Особое внимание уделено специализированным доменам:

• Cosmos: Модели мирового уровня (World Foundation Models), предназначенные для «физического ИИ» . Они позволяют ИИ понимать законы физики, что критически важно для визуального восприятия и взаимодействия с реальностью.
• BioNeMo: Открытые модели для исследователей в области биологии и фармацевтики, ускоряющие открытие новых лекарств .

Хуанг подчеркивает, что NVIDIA не просто создает модели, а предоставляет фронтирные технологии, которые каждый разработчик может дообучить (fine-tune) под свои специфические задачи .

Суверенный ИИ и глобальный альянс Nemotron 2:00:45

Финальная часть раздела посвящена концепции «суверенного ИИ». Дженсен Хуанг настаивает на том, что каждая страна и каждая крупная корпорация должны обладать собственным интеллектом, обученным на их локальных данных и отражающим их культуру и ценности .

Для реализации этой стратегии создана глобальная коалиция Nemotron. В неё вошли ведущие ИИ-стартапы и лаборатории, такие как Cursor (инноваторы в кодинге), Perplexity (поиск нового поколения) и Thinking Machines — новая лаборатория Миры Мурати . Сотрудничество в рамках этой экосистемы строится на использовании референсного дизайна NVIDIA Agentic Stack, что позволяет быстро развертывать локализованные и безопасные системы ИИ по всему миру.

«Будущее программного обеспечения — это фабрики, производящие токены», — резюмирует Хуанг . И если раньше эти фабрики выпускали файлы, то теперь они производят интеллект, упакованный в форму агентов, работающих на открытых стандартах. Этот переход подготавливает почву для финального этапа эволюции — выхода ИИ из цифровой среды в физический мир в виде роботов.

🤖 Эпоха воплощённого интеллекта: от беспилотных авто до гуманоидных роботов 2:05:48

Финальный аккорд GTC 2026 года Дженсен Хуанг (Jensen Huang) посвятил самому амбициозному вызову современности — физическому ИИ. Если предыдущие этапы развития нейросетей были сосредоточены на обработке текста, кода и изображений в цифровом пространстве, то теперь индустрия стоит на пороге «ChatGPT-момента» для робототехники. Это переход от программируемых механизмов к обучаемым агентам, которые способны воспринимать физический мир, рассуждать о нём и безопасно взаимодействовать с окружающей средой.

Революция на дорогах: роботакси и альянс с Uber 2:06:46

Одним из главных направлений развития физического ИИ остается автономное вождение. Дженсен Хуанг подчеркнул, что NVIDIA не просто создает чипы, а строит полноценную экосистему для автопроизводителей. В этот день было объявлено о присоединении четырёх новых крупных партнёров к платформе NVIDIA DRIVE .

Особое внимание в выступлении было уделено многолетнему сотрудничеству с Mercedes-Benz. Генеральный директор продемонстрировал возможности обновленной системы, которая теперь способна не просто следовать по маршруту, но и буквально «рассуждать» о дорожной ситуации . В представленном демонстрационном видео автомобиль Mercedes уверенно совершал перестроения в плотном потоке , при этом водитель мог взаимодействовать с машиной с помощью голоса. На запрос «Эй, Mercedes, можем мы ехать быстрее?» система анализировала знаки ограничения скорости и безопасность маневра, прежде чем ускориться.

Важнейшим анонсом стало масштабное расширение партнерства с Uber. В рамках этой интеграции технологии NVIDIA станут фундаментом для развертывания гигантского флота роботакси по всему миру. Речь идет о создании интеллектуальной транспортной сети, где ИИ управляет не только движением конкретного автомобиля, но и оптимизирует логистику всей платформы в режиме реального времени. Ранее в разговоре Хуанг упоминал цифровые двойники, и именно на их базе теперь происходит обучение алгоритмов Uber для работы в сложнейших городских условиях.

Физический ИИ: «ChatGPT-момент» для робототехники 2:09:32

«Роботы всех видов нуждаются в огромном количестве данных, но реальный мир слишком медленный и опасный для их сбора», — отметил Дженсен Хуанг . Чтобы преодолеть этот «разрыв данных» (physical AI data gap), NVIDIA представила комплексную среду, которая позволяет роботам обучаться внутри симуляции перед выходом в реальность.

Центральным элементом этой стратегии стала открытая библиотека Isaac Lab . Это специализированная операционная среда, где ИИ-модели учатся управлять «телом» робота. В сочетании с новыми моделями мира Cosmos (Cosmos world models) , которые обеспечивают фотореалистичную и физически корректную нейронную симуляцию, разработчики получают возможность тренировать роботов в виртуальном пространстве со скоростью, в тысячи раз превышающей реальное время.

Хуанг привел примеры компаний, которые уже используют этот стек для совершения качественного рывка:

• Skild AI: использует Isaac Lab и Cosmos для генерации моделей поведения роботов в сложных условиях .
• Humanoid: обучает гуманоидных роботов полному контролю движений тела — от балансировки до мелкой моторики рук .
• Foxconn: внедряет модели для точной настройки манипуляторов на своих заводах, фактически создавая автономные производственные линии .

Этот подход позволяет создавать «роботов в любой вселенной» , гарантируя, что интеллект, полученный в симуляции, будет бесшовно работать на физическом «железе».

Олаф и будущее автономных агентов 2:12:45

Кульминацией презентации стал выход на сцену робота по имени Олаф (Olaf) — совместной разработки с Disney. Этот небольшой двуногий робот продемонстрировал не только впечатляющую плавность движений, но и высокий уровень интерактивности. «Я так счастлив наконец встретить тебя», — обратился Олаф к Хуангу .

Дженсен объяснил, что за движениями робота стоит мощный математический аппарат — решатель Ньютона (Newton solver), работающий поверх инфраструктуры NVIDIA . Это позволяет роботу в реальном времени корректировать свои шаги и позу, адаптируясь к неровностям поверхности или случайным толчкам.

Появление Олафа стало живой иллюстрацией «революции автономных агентов» . В будущем такие роботы перестанут быть просто запрограммированными игрушками и станут полноценными помощниками, способными понимать контекст и выполнять сложные поручения. Завершая GTC 2026 под энергичную музыку и овации зала , Дженсен Хуанг подчеркнул, что мы находимся в самом начале пути, где искусственный интеллект обретает физическую форму, чтобы изменить наш мир навсегда.