# Эра агентов: как NVIDIA Vera Rubin превращает код в ВВП

Источник: https://www.youtube.com/watch?v=yL52AFBPBKo
Канал: CNET
Опубликовано: 01.06.2026

---

«В прошлом мы строили процессоры для людей, но новая эра принадлежит агентам — и этот рынок будет на порядок масштабнее всего, что мы видели до сих пор». Представляя архитектуру Vera Rubin на Computex 2026, Дженсен Хуанг объявил о превращении ИИ из вспомогательного инструмента в автономный генератор ВВП, способный превратить 3 триллиона долларов программистских зарплат в 9 триллионов экономической ценности. NVIDIA переизобретает компьютер как «ИИ-фабрику», где библиотеки CUDA становятся не просто кодом, а набором врожденных навыков для цифровых сущностей и человекоподобных роботов.

## 🎸 Гимн новой индустрии и возвращение домой
[[JUMP:18:45]]

Выступление Дженсена Хуанга на Computex 2026 в Тайбэе началось не просто как технический анонс, а как эмоциональное возвращение к корням. Под звуки специально написанного гимна, воспевающего «новое начало» и «искру в душе» [11:40], глава NVIDIA приветствовал аудиторию в Тайване, который он назвал домом [19:11]. Масштаб события подчеркивался тем, что прямая трансляция велась одновременно на 70 различных площадок по всему острову [19:52].

Хуанг подчеркнул уникальность местной экосистемы. По его словам, когда люди говорят об NVIDIA, они часто думают только о программном стеке или готовых системах [20:19]. Однако реальная мощь компании опирается на «самую богатую в мире цепочку поставок», которая начинается именно здесь, в Тайване [21:22]. Влияние этого сотрудничества на локальную экономику беспрецедентно: по прогнозам, годовой ВВП Тайваня благодаря бурному росту ИИ-индустрии вырастет почти на 10% [21:52].

В контексте этого роста Хуанг кратко упомянул, что индустрия уже перешла от простого генеративного ИИ к эпохе ИИ-агентов [22:06], что стало фундаментом для главного прорыва года — взрывного роста продуктивности в разработке программного обеспечения.

### Код как топливо экономики: Феномен GitHub
[[JUMP:22:20]]

Одним из первых и наиболее наглядных применений агентного ИИ стало программирование [22:20]. Программная инженерия — это колоссальная профессиональная экосистема, насчитывающая 30–40 миллионов специалистов мирового уровня [22:35]. Дженсен Хуанг привел статистику GitHub, которая наглядно демонстрирует тектонический сдвиг в том, как создаются технологии.

Динамика количества коммитов (фиксаций изменений в коде) показывает экспоненциальный рост:

*   В 2023 году было зафиксировано 300 миллионов коммитов [23:03].
*   В 2024 году этот показатель вырос до 400 миллионов [23:15].
*   В 2025 году — до 500 миллионов [23:27].
*   За первые месяцы 2026 года количество коммитов практически **утроилось** по сравнению с предыдущими периодами [23:27].

Этот всплеск не является признаком того, что программисты стали печатать быстрее. Это результат внедрения ИИ-инструментов, которые превратили написание кода из ручного ремесла в процесс, поддерживаемый интеллектуальными агентами.

### Экономика AI-продуктивности: 9 триллионов из трех
[[JUMP:23:40]]

Хуанг представил экономическую модель, объясняющую значимость этого роста. По его оценке, совокупная рыночная стоимость труда 30–40 миллионов программистов составляет около 3 триллионов долларов в год в виде зарплат [23:40]. Этот интеллектуальный ресурс является рычагом для всей мировой промышленности объемом около 100 триллионов долларов [23:53].

Благодаря ИИ-инструментам те же самые инженеры, получая те же 3 триллиона долларов, теперь производят объем работы, эквивалентный продуктивности на 9 триллионов долларов [24:19]. «Разница абсолютно экстраординарная. В этом заключается потенциал и обещание ИИ», — заявил глава NVIDIA [24:19].

### Почему ИИ не заменяет инженеров, а заставляет нанимать новых
[[JUMP:24:32]]

Вопреки распространенным опасениям, что автоматизация приведет к сокращению рабочих мест в IT, Хуанг утверждает обратное: количество вакансий для софтверных инженеров растет [24:32]. Он назвал разговоры о том, что ИИ уничтожит профессию программиста, «полной чепухой» [24:32].

Логика бизнеса здесь предельно проста:

1. Если нанятый инженер благодаря ИИ начинает генерировать в три раза больше полезного продукта [24:45].
2. Предприятие получает колоссальную добавленную стоимость на каждый вложенный в зарплату доллар.
3. Следовательно, компании стремятся нанять **как можно больше** таких сверхпродуктивных сотрудников, чтобы масштабировать свой успех [24:57].

Если бы график продуктивности оставался плоским, спрос на кадры мог бы стагнировать. Но взрывной рост отдачи делает каждого инженера более ценным активом для бизнеса, чем когда-либо прежде. «Полезный ИИ наконец-то пришел» [25:11], и его первым осязаемым продуктом стал дефицит «токенов» — элементарных единиц интеллектуальной работы, спрос на которые теперь растет по всему миру.

## 🤖 Эра агентного ИИ и новые инструменты CUDA-X

[[JUMP:25:11]]

Вторая четверть презентации Дженсена Хуанга на Computex 2026 знаменует собой фундаментальный сдвиг в понимании вычислений. Если ранее индустрия фокусировалась на «токенах как единицах прибыли» [25:25], то теперь центром внимания становится сама структура ИИ-приложений. По словам Хуанга, мы перешли от эры программного кода к эре агентного ИИ, где компьютер больше не просто исполняет инструкции, а планирует и действует самостоятельно [26:32].

### Концепция ИИ-агентов: Мозг, Тело и Окружение
[[JUMP:26:20]]

Дженсен описывает новую модель вычислений, которая радикально отличается от классического стека «приложение — код — ОС» [26:46]. В современном мире «полезный ИИ» — это агент, состоящий из трех ключевых компонентов:

*   **Мозг:** Большая языковая модель (LLM), отвечающая за логику, понимание контекста и планирование [28:17].
*   **Тело (Harness):** Программная «обвязка», которая оркеструет работу, управляет памятью и связывает модель с внешним миром [27:00].
*   **Инструментарий:** Набор внешних средств — от браузеров и баз данных до компиляторов и систем 3D-проектирования [27:25].

Паттерн работы агента строится на цикле «наблюдение — рассуждение — планирование — действие» [27:50]. Важнейшим прорывом Хуанг называет управление памятью: агенты оперируют как кратковременной «рабочей памятью» (KV-кэширование), так и долгосрочными хранилищами данных [28:03]. Это превращает ИИ из чат-бота в полноценного цифрового сотрудника, который понимает намерения пользователя (intent) и самостоятельно генерирует результат, будь то сложный CAD-файл для 3D-печати или анимированный GIF по текстовому описанию [29:47]. При этом, хотя ранее упоминался рост производительности разработчиков, здесь Хуанг подчеркивает, что агентная среда — это не конец софтверных компаний, а их «золотой век», так как количество потребителей ПО теперь не ограничено числом людей [30:53].

### CUDA-X: Готовые навыки для ИИ-сотрудников
[[JUMP:31:05]]

Самым ценным ресурсом NVIDIA Хуанг называет библиотеки CUDA-X — многолетний архив оптимизированных алгоритмов [31:19]. В эпоху агентного ИИ эти библиотеки проходят трансформацию: из инструментов для программистов они превращаются в «навыки» для агентов [31:59].

Концепция проста: современный агент может прочитать «руководство пользователя» к библиотеке CUDA-X и использовать её гораздо эффективнее, чем это сделал бы человек-разработчик [37:53]. Дженсен представил впечатляющий список таких инструментов-навыков [32:14]:

*   **cuLitho:** для вычислительной литографии;
*   **cuOpt:** для оптимизации сложных решений и логистики;
*   **Ariel:** для ИИ в сетях радиодоступа (RAN);
*   **Warp:** для дифференцируемой физики;
*   **Parabricks:** для геномных исследований.

«Математика прекрасна», — резюмирует Хуанг под аплодисменты зала [35:32]. Эти библиотеки позволяют агентам решать сложнейшие мировые проблемы, используя специализированные ускорители там, где обычного CPU недостаточно [37:27].

### Гетерогенная архитектура агентных вычислений
[[JUMP:35:46]]

Агентный ИИ — это предельно дезагрегированная вычислительная модель [35:46]. Хуанг поясняет, что выполнение одной задачи агентом может задействовать ресурсы всего дата-центра одновременно:

1.  **Процесс мышления (LLM)** активирует целые стойки Blackwell и системы NVLink 72 [37:01].
2.  **Использование инструментов** (Python, C++, SQL) ложится на плечи CPU [37:15].
3.  **Безопасность и оркестрация** обеспечиваются процессорами BlueField DPU, которые шифруют данные «в покое, в движении и в использовании» [38:20].

Эта сложность и потребность в моментальном доступе к структурированным и неструктурированным данным [38:45] заставляет NVIDIA эволюционировать. Компания более не просто производитель чипов — она стала системной и инфраструктурной компанией [41:12]. Хуанг вскользь упоминает, что именно для обслуживания этого сложного цикла «мышления и действия» была разработана архитектура Vera Rubin, которая объединяет все эти элементы в единую фабрику ИИ [39:38].

### Смена парадигмы: От чипа к ИИ-фабрике
[[JUMP:41:38]]

Завершая главу, Хуанг демонстрирует, как агентная модель меняет экономику регионов. Вместо покупки отдельных серверов, клиенты строят ИИ-фабрики мощностью до 1 гигаватта, стоимость которых достигает 100 миллиардов долларов [46:00]. NVIDIA создала платформу «DSX» — инфраструктурный эквивалент DGX — для проектирования таких гигантов в цифровых двойниках Omniverse до начала строительства [47:16]. 

Благодаря этому даже небольшие облачные провайдеры (такие как Coreweave, Nebius или N Scale) становятся лидерами рынка, предоставляя мощности для Cursor, Shopify и даже Google [47:42]. «Вычисления — это теперь выручка и прибыль», — подчеркивает Хуанг [50:09], объясняя, что малейшая задержка в развертывании такой инфраструктуры ведет к колоссальным убыткам.

## 🌌 Архитектура Vera Rubin: Новая эра агентных систем
[[JUMP:50:37]]

Дженсен Хуанг представил Vera Rubin не просто как очередное обновление чипа, а как фундаментальный сдвиг в архитектуре вычислений. Если предыдущее поколение Hopper было сосредоточено на обучении моделей [1:03:31], а Grace Blackwell — на эффективном инференсе, то Vera Rubin создана для эры «агентного ИИ» [1:03:45]. Это сложная, распределенная и полностью интегрированная система, которая учитывает, что ИИ-агенты ведут себя иначе, чем люди или классические алгоритмы: они «нетерпеливы», работают в наносекундном диапазоне и требуют мгновенного переключения между задачами [1:08:01].

### Интеграция «от земли» и экономика токенов
[[JUMP:51:05]]

В основе Vera Rubin лежит концепция экстремального совместного проектирования (extreme co-design) [52:00]. Вместо того чтобы просто предлагать отдельные чипы, Nvidia создала полную инфраструктуру, где каждый компонент — от транзистора до стойки — оптимизирован для максимизации «пропускной способности на ватт» (throughput per watt). В современных ЦОД, ограниченных мощностью в 1 ГВт, производительность напрямую конвертируется в выручку, так как каждый сгенерированный токен — это прибыль [52:27].

Ключевые аспекты архитектурной надежности и эффективности:

*   **Скорость развертывания:** Благодаря полной интеграции время до получения «первого токена» и запуска обучения сокращается в разы [51:34].
*   **Надежность:** В системах с миллионами кабелей и движущихся частей Nvidia добилась беспрецедентного времени наработки на отказ [53:36].
*   **Долговечность актива:** Гибкая архитектура CUDA позволяет системе оставаться актуальной даже при радикальной смене алгоритмов — от CNN до Mixture of Experts и агентов [54:18].
*   **Снижение TCO:** Длительный жизненный цикл и высокая плотность вычислений делают стоимость владения (TCO) минимальной, несмотря на сложность железа [55:01].

### Vera Rubin: Первая многостоечная система масштаба «Pod»
[[JUMP:57:16]]

Vera Rubin — это первая в мире суперкомпьютерная система уровня «Pod», специально спроектированная для обработки агентного ИИ [58:11]. В то время как обычные модели просто генерируют ответы, агенты должны наблюдать, рассуждать, планировать и использовать инструменты, жонглируя рабочей и долговременной памятью [57:31]. Для реализации этой сложности Nvidia пересмотрела дизайн каждой платы.

Система Vera Rubin NVL72 включает в себя:

*   **Вычислительные платы нового поколения:** 6 триллионов транзисторов и более 18 000 компонентов на одной плате [58:36].
*   **Безкабельный дизайн:** Новая конструкция PCB-мидплейна (PCB midplane) позволила отказаться от кабелей, шлангов и вентиляторов внутри системы, что радикально повысило надежность [1:04:49].
*   **Энергоэффективность:** Жидкостное охлаждение шин (bus bars), способных проводить ток более 5 000 ампер — это эквивалент 20 электромобилей Тесла на полном ускорении [59:17].
*   **Скорость сборки:** Благодаря модульности то, что раньше требовало 2 часов ручной сборки, теперь собирается за 5 минут [56:38].

### Vera CPU: Процессор, созданный для «CONDUCTOR»
[[JUMP:1:07:20]]

Особое место в архитектуре занимает процессор Vera. Дженсен Хуанг подчеркнул, что все предыдущие CPU в мире создавались для людей, но Vera CPU — первый процессор, построенный специально для ИИ-агентов [1:10:55]. Если раньше процессор был основным вычислителем, то теперь его роль изменилась: CPU — это дирижер, а GPU — это оркестр [видео-вставка после 1:15:36]. Ранее в разговоре они касались того, как агенты используют инструменты, и именно для ускорения этого процесса Vera CPU была переработана с нуля.

Архитектура Vera CPU базируется на четырех «столпах» [1:11:08]:

1.  **Рекордный IPC (инструкций за такт):** Самая высокая в мире однопоточная производительность — 10 инструкций выбираются, декодируются и исполняются за один такт [1:11:47].
2.  **Пропускная способность на ядро:** Агентам нужна мгновенная реакция при обращении к базам данных, поэтому пропускная способность внутри чипа доведена до предела [1:12:01].
3.  **Общая пропускная способность системы:** Фабрика данных внутри чипа работает со «скоростью света» — 3,6 Тбайт/с без задержек на пересечение границ чиплетов [1:12:55].
4.  **Энергоэффективность:** Процессор спроектирован так, чтобы занимать минимум энергетического бюджета фабрики, оставляя основную мощность для генерации токенов в GPU [1:14:41].

Это делает Vera первым процессором с поддержкой PCI Express Gen 6 и памяти LPDDR5 с пропускной способностью 1,2 Тбайт/с, что в три раза превышает показатели самых мощных серверных CPU конкурентов [1:13:21]. В составе стойки 256 таких процессоров координируют модели, управляют кэшем (KV cache) и обеспечивают безопасность через системы BlueField [1:09:22].

## 🚀 Новая инфраструктура ИИ: От фабрик токенов до процессора Vera

[[JUMP:1:15:36]]

Переход к эре ИИ-агентности требует радикального пересмотра основ вычислительной архитектуры [1:15:49]. Традиционная модель, ориентированная на максимальное количество ядер на сокет и их виртуализацию для аренды, больше не эффективна в мире, где критически важными становятся не просто циклы процессора, а пропускная способность токенов и минимальная задержка [1:16:02]. В этом контексте NVIDIA переосмысливает роль каждого компонента системы, превращая дата-центры в ИИ-фабрики, а процессоры — в специализированные инструменты для работы агентов.

### Экономика ИИ-фабрик: конвертация ватт в доход
[[JUMP:1:18:31]]

Современная ИИ-фабрика — это не просто серверная комната, а критическая инфраструктура, где каждый потребленный ватт энергии напрямую конвертируется в доход через генерацию токенов [1:16:14]. Дженсен Хуанг подчеркивает, что этот сегмент станет новым основным драйвером роста компании [1:18:31]. 

Эффективность такой фабрики теперь измеряется способностью поддерживать «агентный цикл» (agentic loop), где ИИ не просто отвечает на запросы, а непрерывно выполняет задачи в фоновом режиме [1:16:02]. Экономическая выгода напрямую зависит от устранения «узких мест» между CPU и GPU, что позволяет максимизировать отдачу от дорогостоящего оборудования [1:16:14]. 

Особое внимание уделяется работе с данными в реальном времени. Например, в партнерстве с Нью-Йоркской фондовой биржей (NYSE) и ее президентом Линн Мартин было показано, что новая архитектура позволяет обрабатывать потоковую телеметрию в 6 раз быстрее [1:21:27]. Для ИИ-фабрики это означает возможность обслуживать на порядок больше агентов при тех же энергозатратах, что критично для масштабирования бизнеса [1:23:30].

### Vera Rubin: Масштабирование производства и серийный выпуск
[[JUMP:1:35:03]]

Важнейшим анонсом главы стало подтверждение того, что система Vera Rubin запущена в серийное производство [1:35:03]. NVIDIA стремится к кратному ускорению выпуска оборудования, чтобы удовлетворить растущий спрос на ИИ-инфраструктуру. Процесс перехода на новую платформу был упрощен благодаря тому, что вся индустрия уже квалифицировала и оптимизировала свои программные стеки под предыдущее поколение (Grace), что позволило внедрить Vera Rubin плавно и без риска для безопасности [1:19:14].

Масштабирование производства Vera Rubin опирается на следующие факторы:

*   **Унификация экосистемы:** Все облачные провайдеры и предприятия, работающие с NVIDIA, уже имеют готовый софт для этой архитектуры [1:19:01].
*   **Глобальное партнерство:** Мощности тайваньских ODM-производителей и OEM-компаний по всему миру уже задействованы для выпуска «миллионов единиц» чипов Vera [1:22:51].
*   **Оптимизация сборки:** Использование монолитной меш-сети (mesh) и отдельных кристаллов для памяти и ввода-вывода упрощает компоновку систем при сохранении высочайшей производительности [1:17:23].

Хуанг отмечает, что переход с x86 на собственные процессоры Grace во время итерации Blackwell был «чрезвычайно опасным» маневром, который, тем не менее, прошел успешно и заложил фундамент для триумфального запуска Vera Rubin [1:19:41].

### Процессор Vera: архитектура, рожденная для агентного ИИ
[[JUMP:1:16:02]]

В отличие от традиционных CPU, которые десятилетиями оптимизировались под задачи, инициируемые человеком, процессор Vera спроектирован специально для нужд ИИ-агентов [1:16:02]. NVIDIA называет это «первым CPU для агентской эры», поскольку поведение агентов радикально отличается от поведения пользователя за ПК [1:22:38].

Ключевые технологические инновации Vera включают:

1.  **Ядро Olympus:** Специально настроено для выполнения тяжелых Python-рантаймов, вызовов инструментов (tool calls) и работы в песочницах (sandboxes) [1:16:14]. Оно оснащено нейронным предсказателем переходов, оценивающим два перехода за цикл [1:16:28].
2.  **Память LPDDR5X:** Vera — первый серверный процессор, использующий этот тип памяти с одновременным исправлением множественных ошибок без потери пропускной способности [1:16:56]. Это снижает пиковую задержку на 40% по сравнению с архитектурой x86 [1:17:09].
3.  **Масштабируемая когерентная фабрика:** Все 88 ядер Olympus объединены на монолитной сетке, что обеспечивает передачу данных между ядрами на 50% быстрее, чем в традиционных чиплетных процессорах [1:17:23].
4.  **Связь через NVLink:** Прямое когерентное соединение с GPU и возможность масштабирования до нескольких сокетов превращает Vera во флагманский вычислительный узел для самых сложных задач [1:17:37].

Результатом такой архитектуры стал прирост производительности в задачах SQL в 3 раза [1:20:33], а в выполнении кода в изолированных песочницах — в 1.8 раза по сравнению с x86-решениями [1:17:52]. Ранее в разговоре Хуанг уже упоминал важность снижения задержек для агентных систем, и Vera становится физическим воплощением этой стратегии. Как подчеркнул гендиректор NVIDIA: «Агентов будет гораздо больше, чем людей, и они очень нетерпеливы» [1:23:44].

## 🤖 Новая экосистема ИИ: от корпоративных агентов до «умного» дома
[[JUMP:1:40:53]]

В этой части выступления Дженсен Хуанг переходит от глобальной инфраструктуры центров обработки данных к конкретным инструментам, которые изменят повседневную работу компаний и жизнь обычных пользователей. Ранее в разговоре затронув принципы работы ИИ-фабрик и архитектуру чипов, NVIDIA теперь демонстрирует, как эти мощности упаковываются в прикладной софт и персональные устройства.

### Инструментарий Enterprise AI: стек для создания агентов
[[JUMP:1:42:53]]

NVIDIA представила комплексное решение для корпоративного сектора, позволяющее компаниям не просто использовать ИИ, а создавать собственные защищенные агентные системы. Этот стек включает в себя:

*   **Модели и Harness-обвязки:** Использование открытых моделей в сочетании с такими инструментами, как Hermes (harness для управления логикой) [1:43:35].
*   **Runtime-среды:** Возможность запускать агентов локально на устройствах с поддержкой RTX или в облаке, используя защищенные «песочницы» (Open Shell Sandbox) [1:43:35].
*   **Интеграция с корпоративным ПО:** Агенты могут напрямую взаимодействовать с профессиональными инструментами. Например, Adobe полностью переработала архитектуру Photoshop и Premiere, сделав их «agent-friendly» через внедрение MCP-серверов [1:45:57]. Это позволяет ИИ-помощнику напрямую манипулировать функциями редактора, работая в два раза быстрее предыдущих версий [1:46:09]. 

Хуанг подчеркивает, что такая архитектура позволяет компаниям строить проприетарные решения, где агент понимает контекст бизнеса, имеет доступ к инструментам (Rhino, Blender, Photoshop) и может самостоятельно исправлять свои ошибки в процессе проектирования [1:44:44].

### Партнерство с Cadence: супер-агенты в проектировании
[[JUMP:1:43:21]]

Одним из самых ярких примеров работы агентных систем стало партнерство с Cadence. ИИ-агенты радикально трансформируют сложные инженерные циклы. В продемонстрированном кейсе агент на базе RTX Spark помогает архитектору спроектировать дом [1:43:35]:

1.  **Анализ контекста:** Агент изучает эскизы, мудборды и текстовые требования [1:43:49].
2.  **Автоматизация моделирования:** ИИ самостоятельно открывает приложение Rhino, формирует ландшафт и предлагает варианты строения, оптимизированные по стоимости и качеству [1:44:04].
3.  **Бесшовный перенос данных:** После утверждения формы агент экспортирует модель в Blender, сохраняя весь контекст дизайна [1:44:44].
4.  **Финальный рендеринг:** Используя генеративную модель Flux 2, агент создает фотореалистичные изображения с разными сценариями освещения [1:45:10].

Такой подход сокращает циклы верификации и проектирования, которые раньше занимали недели, до нескольких часов рутинной работы ИИ под управлением человека [1:45:22].

### NeMoTron 3 Ultra: интеллект нового поколения
[[JUMP:1:43:08]]

Важной частью анонса стало семейство моделей **NeMoTron 3 Ultra**. Это открытая архитектура, которая служит «мозгом» для создаваемых агентов. 

*   **Производительность:** Модели оптимизированы для разных масштабов — от сверхмощных Ultra-версий до компактных Super-моделей для локального запуска [1:43:08].
*   **Архитектура:** NeMoTron базируется на смеси экспертов (MoE), что обеспечивает более дешевую и быструю генерацию токенов при сохранении высокого уровня рассуждений [1:48:39].
*   **Эволюция:** Хуанг пообещал, что эти системы будут становиться умнее с каждым годом: «Сегодня у нас NeMoTron 3 Ultra, завтра будет 4, 5 и 6» [1:48:52].

Для разработчиков, работающих с моделями триллионного масштаба, была представлена **DGX Station для Windows** — персональный суперкомпьютер с 768 ГБ памяти и производительностью 20 петафлопс, который позволяет обучать и тестировать агентов прямо у рабочего стола [1:49:18].

### RTX Spark: переосмысление персонального компьютера
[[JUMP:1:40:53]]

Финальным аккордом главы стало объявление о создании нового класса устройств — **RTX Spark**. Это результат глубокой коллаборации NVIDIA, Microsoft и MediaTek по переосмыслению ПК, которое Хуанг сравнил с превращением обычного телефона в смартфон [1:51:43].

*   **Чип N1X:** В партнерстве с MediaTek был создан процессор, на котором запускается 100% программного стека NVIDIA, включая CUDA, физические симуляции и геномику [1:41:45]. 
*   **Локальные агенты:** Главная особенность этих ПК — возможность запускать мощных агентов локально и «безлимитно» (meter-free), не платя за каждый токен облачному провайдеру [1:48:12]. 
*   **Интеграция с домом:** Настольные системы, такие как модель от MSI, могут работать 24/7, управляя всей умной инфраструктурой дома — от камер безопасности до водонагревателей [1:48:25].
*   **Будущее:** Хуанг предсказывает, что через 10 лет ПК перестанет быть инструментом, где нужно «кликать и печатать». Он превратится в домашний ИИ-суперкомпьютер, который будет скорее напоминать цифрового помощника уровня R2-D2 или C-3PO, чем привычный системный блок [1:51:30].

Весь мировой рынок ПК, по словам главы NVIDIA, присоединился к этой инициативе, чтобы начать «новую эру персональных вычислений» [1:52:22].

## 🤖 Наступление эпохи физического ИИ: Cosmos и Isaac GR00T

[[JUMP:2:05:52]]

Завершая свое выступление на Computex, Дженсен Хуанг подчеркнул, что за последние шесть месяцев компьютерная индустрия изменилась до неузнаваемости [2:06:45]. Главным драйвером этих перемен стало слияние концепции агентов с новейшими фронтирными моделями, что позволило ИИ наконец-то выйти за пределы чат-ботов и начать выполнять полезную физическую работу [2:06:58]. Если ранее в обсуждении затрагивались инструменты для разработки и корпоративные ИИ-фабрики, то финальный аккорд презентации был посвящен тому, как интеллект обретает тело. По словам Хуанга, мир стоит на пороге новой эры, где вычислительные паттерны для роботов, ПК и облачных систем становятся идентичными, но именно робототехника станет высшим проявлением этой технологической конвергенции [2:07:25].

### Isaac GR00T: Универсальная платформа для гуманоидных роботов
[[JUMP:2:06:06]]

NVIDIA представила Isaac GR00T — фундаментальную платформу и референсный дизайн для создания человекоподобных роботов [2:06:19]. Это не просто отдельный продукт, а открытая экосистема, призванная ускорить разработки в области робототехники по всему миру [2:06:06]. Хуанг отметил, что компания уже сотрудничает практически со всеми игроками рынка, которые занимаются созданием роботизированных систем [2:06:32].

Ключевые особенности платформы Isaac GR00T:

*   **Доступность для исследований:** Референсный дизайн предназначен для использования в любой лаборатории мира, обеспечивая ученых мощным фундаментом для фронтирных исследований [2:06:06].
*   **Гибкость архитектуры:** Платформа позволяет использовать различные модели и программные «обвязки» (harnesses) в зависимости от предпочтений разработчика или проприетарных задач [2:07:25].
*   **Масштабируемость:** Система спроектирована так, чтобы роботы могли обучаться сложным навыкам и адаптироваться к изменяющимся условиям промышленной автоматизации [2:06:06].

Дженсен акцентировал внимание на том, что NVIDIA окончательно трансформировалась из производителя GPU в инфраструктурную компанию [2:08:17]. Теперь её задача — предоставлять не просто чипы, а целостную среду, включая специализированные процессоры, которые строятся уже «не для людей, а для агентов» [2:08:29]. Разработка таких систем, как архитектура Vera Rubin, о которой упоминалось ранее, напрямую связана с необходимостью обеспечивать колоссальную вычислительную мощность для автономных машин [2:07:52].

### Cosmos 3: Обучение ИИ законам физического мира
[[JUMP:2:11:55]]

Важнейшим компонентом в создании по-настоящему автономных машин стала модель Cosmos 3. Это специализированный инструмент для генерации «миров, в которых нуждаются роботы» [2:11:55]. Главная проблема современной робототехники — нехватка реальных данных для обучения, и Cosmos решает её через создание высокоточных симуляций [2:11:55].

Функционал Cosmos включает:

*   **Синтетические данные:** Модель превращает облачные вычисления в бесконечный поток синтетических обучающих данных (synthetic feed), на которых роботы могут тренироваться безопасно и быстро [2:11:55].
*   **Понимание физики:** Благодаря Cosmos роботы начинают «понимать дороги так же, как люди» [2:12:08]. Модель учит их осознавать причинно-следственные связи и законы физического взаимодействия в пространстве [2:12:08].
*   **Освоение навыков:** Через механизм Cosmos роботы обучаются базовым и сложным движениям, развивая свои навыки в виртуальной среде перед выходом в реальный мир [2:12:08].

Хуанг подчеркнул, что этот агентный паттерн — использование модели, инструментов и среды исполнения — будет повторяться повсеместно: от персональных компьютеров до заводов, спутников и базовых станций [2:09:09]. Проект Cosmos фактически выступает в роли «цифрового инкубатора», где ИИ обретает понимание того, как устроена наша реальность.

### Будущее агентных систем и финал презентации
[[JUMP:2:08:56]]

В завершение Keynote Дженсен Хуанг напомнил, что те же алгоритмы и архитектурные принципы, которые управляют роботами Isaac GR00T, ложатся в основу нового поколения ИИ-ПК, разработанных совместно с Microsoft и другими партнерами [2:08:56]. Он выразил благодарность всему технологическому сообществу Тайваня за многолетнюю дружбу и партнерство, отметив, что без их поддержки текущий успех NVIDIA был бы невозможен [2:09:35]. Журналистский итог презентации был подведен в необычном формате — через динамичный рэп-клип, резюмирующий основные анонсы: от дешевых токенов Vera Rubin [2:10:37] до Cosmos, который строит миры для машин будущего [2:11:55]. «Следующий год будет еще более продуктивным», — пообещал Хуанг, прощаясь с аудиторией Computex под аплодисменты [2:13:07].