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

Источник: https://www.youtube.com/watch?v=jw_o0xr8MWU
Канал: NVIDIA
Опубликовано: 16.03.2026

---

«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
[[JUMP:05:54]]

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»
[[JUMP:05:54]]

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 [06:29].

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 [07:29].
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 [08:14].

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 [09:31]. 

История этого успеха уходит корнями в эпоху GeForce. Дженсен напомнил аудитории, что фундамент CUDA был заложен 25 лет назад с изобретением пиксельного шейдера [11:35]. То, что начиналось как технология для видеоигр, оплаченная «родителями нынешних учёных» [10:52], в итоге привело к созданию платформы, на которой обучались нейросети Ильи Суцкевера и Джеффри Хинтона более десяти лет назад [12:47].

### DLSS 5: Нейрорендеринг и слияние графики с ИИ
[[JUMP: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» [13:30]. 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 [15:11].
*   **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 [15:39]. 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
[[JUMP: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 [17:23].

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) [19:20]. 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% [21:34]. 

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 [23:24]. 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 [25:11].

## 🏗️ Вертикальный стек и агентная эра: архитектура лидерства NVIDIA
[[JUMP: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
[[JUMP: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 [28:02]. 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 [26:03].
*   **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 [28:18].
*   **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 [29:14].

### Бизнес-модель: вертикальная интеграция и горизонтальная открытость
[[JUMP:30:09]]

Центральным тезисом выступления стало определение новой бизнес-модели NVIDIA. Дженсен Хуанг прямо заявил: «Ускоренные вычисления — это не проблема чипов» [30:24]. 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» [42:39]. 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» [37:24], 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 [38:49].
*   **Warp:** для дифференцируемой физики и симуляций [39:09].
*   **Parabricks:** для геномных исследований и диагностики [39:21].

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 [35:16] до производства, которое оценивается в 50 триллионов долларов [36:01].

### Эволюция ИИ: от генерации к рассуждению и действию
[[JUMP:46:20]]

Завершая этот сегмент, Дженсен Хуанг представил видение будущего искусственного интеллекта, которое он называет «Второй эрой генеративного ИИ» [46:49]. 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» [47:46]. Этот процесс требует значительно большего объема вычислений (инференса), так как модель генерирует тысячи внутренних токенов, чтобы прийти к логически обоснованному и проверенному результату [48:15]. 

«Сегодня нет ни одного инженера-программиста, который не использовал бы ИИ», — отметил Хуанг [48:50], 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 [49:37].
2.  Самостоятельно планировать последовательность действий.
3.  Выполнять работу, которая раньше требовала прямого участия человека.

Этот сдвиг создает колоссальный, «зашкаливающий» спрос на графические процессоры [50:10], 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 [49:54].

## 🚀 Инфляционная точка инференса: как токены стали главной валютой индустрии
[[JUMP:50:43]]

### Переход к эпохе «размышляющего» ИИ и рынок в триллион долларов
[[JUMP: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 [50:43]. 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 [52:41]. По его прогнозам, к 2027 году рынок ИИ-инфраструктуры достигнет как минимум 1 триллиона долларов [53:42]. 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) [58:05]. Технологии перестали быть инструментом одного приложения — они становятся фундаментальным слоем для всей мировой экономики [58:39].

### Эффективность AI-фабрик: экономика «токенов на ватт»
[[JUMP: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 [1:05:59]. В мире, где ресурсы ограничены, типичный проект дата-центра мощностью 1 гигаватт должен выдавать максимальное количество «интеллектуального продукта» на каждый затраченный ватт [1:01:16].

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 [1:03:57].
*   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 [1:04:36].

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 [1:02:09]. 

### Инженерные вызовы и архитектурный ответ
[[JUMP: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) [1:08:32]. 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 [59:09]. 

Внедрение новых форматов данных, таких как FP4, позволило совершить очередной рывок в производительности и энергосбережении [59:50]. 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) [1:10:04]. 

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 [1:14:03]. Это превращает каждый серверный шкаф в мощнейший узел для обработки генетических данных, анализа видео или работы сложнейших нейронных агентов в облаке [1:13:49].

## 🚀 Шестое поколение систем: Vera Rubin и новая экономика токенов
[[JUMP: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
[[JUMP: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 [1:16:09]. 

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 [1:17:13].
*   **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 [1:18:36].

Хуанг подчеркнул, что эффективность создания дата-центров с Vera Rubin выходит на новый уровень благодаря «экстремальному со-дизайну» [1:25:21]. 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
[[JUMP: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) [1:20:52].

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 [1:22:07].
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 [1:22:42].

«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 [1:26:04]. 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
[[JUMP: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) [1:31:02].

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 [1:31:18]. 

*   **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 [1:29:46].
*   **Производство:** Дженсен отдельно поблагодарил компанию Samsung, которая занимается производством чипов для Groq [1:33:04].

Эта синергия позволяет создавать «операционную систему для ИИ-фабрик», которую мир еще не видел [1:32:49].

### Дорожная карта: От Kyber к архитектуре Feynman
[[JUMP: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 [1:38:49]. Feynman объединит в себе:

*   **LP 40:** Новое поколение LPU, разработанное совместно с командой Groq [1:38:30].
*   **CPO (Co-Packaged Optics):** Технология, позволяющая интегрировать оптические каналы связи прямо в корпус процессора, что резко увеличивает пропускную способность системы [1:39:42].
*   **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 [1:39:29]. 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 [1:40:29].

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

На текущем этапе развития индустрии ИИ-инфраструктура переросла масштабы обычных дата-центров, превратившись в настоящие «ИИ-фабрики» [1:41:00]. 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
[[JUMP: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 [1:45:29]. 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 [1:43:09].
*   Протестировать теплоотвод и динамическое управление питанием, используя интеграцию с инструментами Windchill PLM [1:43:25].
*   Координировать строительные процессы через Procore, минимизируя задержки при развертывании инфраструктуры [1:43:59].

«Каждый неиспользованный ватт — это потерянная выручка», — отмечает Хуанг [1:42:38]. 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
[[JUMP:1:46:32]]

Одним из самых громких анонсов главы стала поддержка NVIDIA открытого проекта OpenClaw [1:47:20]. 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 [1:51:01]. 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) [1:54:09]. 
2.  **Демократизация разработки:** Использование OpenClaw позволяет любому разработчику создать персонального ИИ-агента, который понимает контекст пользователя и может взаимодействовать с миром от его имени [1:52:02].
3.  **Безопасность корпоративного уровня:** Для защиты чувствительных данных NVIDIA предлагает референсный стек NemoClaw [1:56:05]. Он включает в себя «политики безопасности» (guardrails), которые предотвращают утечку конфиденциальной информации при выполнении агентом внешних запросов [1:56:38].

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 [1:52:48].

### Семейства Nemotron и Cosmos: открытые модели фронтирного уровня
[[JUMP: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 [1:57:54]. Ключевым элементом здесь выступает семейство моделей Nemotron, которые регулярно занимают верхние строчки в мировых рейтингах производительности (leaderboards) [1:58:06].

Особое внимание уделено специализированным доменам:

*   **Cosmos:** Модели мирового уровня (World Foundation Models), предназначенные для «физического ИИ» [1:58:27]. 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 [1:58:45].

Хуанг подчеркивает, что NVIDIA не просто создает модели, а предоставляет фронтирные технологии, которые каждый разработчик может дообучить (fine-tune) под свои специфические задачи [2:00:28].

### Суверенный ИИ и глобальный альянс Nemotron
[[JUMP: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 [2:01:44].

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 [2:02:01]. 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 [2:04:18]. 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

[[JUMP: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

[[JUMP: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 [2:06:46]. 

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 [2:08:08]. В представленном демонстрационном видео автомобиль Mercedes уверенно совершал перестроения в плотном потоке [2:09:01], при этом водитель мог взаимодействовать с машиной с помощью голоса. На запрос «Эй, Mercedes, можем мы ехать быстрее?» [2:09:16] 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

[[JUMP:2:09:32]]

«Роботы всех видов нуждаются в огромном количестве данных, но реальный мир слишком медленный и опасный для их сбора», — отметил Дженсен Хуанг [2:09:32]. 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 [2:10:14]. Это специализированная операционная среда, где ИИ-модели учатся управлять «телом» робота. В сочетании с новыми моделями мира Cosmos (Cosmos world models) [2:10:27], 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 [2:10:54].
*   **Humanoid**: обучает гуманоидных роботов полному контролю движений тела — от балансировки до мелкой моторики рук [2:11:07].
*   **Foxconn**: внедряет модели для точной настройки манипуляторов на своих заводах, фактически создавая автономные производственные линии [2:11:20].

Этот подход позволяет создавать «роботов в любой вселенной» [2:11:34], гарантируя, что интеллект, полученный в симуляции, будет бесшовно работать на физическом «железе».

### Олаф и будущее автономных агентов

[[JUMP: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 [2:13:03].

Дженсен объяснил, что за движениями робота стоит мощный математический аппарат — решатель Ньютона (Newton solver), работающий поверх инфраструктуры NVIDIA [2:13:35]. 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» [2:14:36]. 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 [2:15:32], Дженсен Хуанг подчеркнул, что мы находимся в самом начале пути, где искусственный интеллект обретает физическую форму, чтобы изменить наш мир навсегда.