在3月19日召开的GTC 2025大会上，英伟达CEO黄仁勋以“AI 工厂”为核心叙事，首次完整披露了2025至2028年的芯片路线图——通过硬件性能跃迁、软件生态闭环及物理AI场景渗透三大战略，勾勒出英伟达从“算力供应商”向“全栈生态主导者”的进化路径。
一、硬件矩阵：一年一迭代，构建算力 “金字塔”
英伟达延续 “科学家命名法”，以“Blackwell Ultra（2025）—Rubin（2026-2027）—Feynman（2028）”形成三代芯片矩阵，性能呈指数级跃升：
1.Blackwell Ultra：量产即巅峰
基于台积电4NP工艺的GB300系列已全面量产，单卡FP4算力达15 PetaFLOPS，搭载288GB HBM3E显存，推理速度较上一代Hopper架构提升11倍。
机架级方案GB300 NVL72集成72颗GPU，支持液冷技术，推理性能突破每秒 1000 tokens（H100的10倍），已获亚马逊AWS、微软 Azure等四大云厂商360万片订单，占据全球超算市场70%份额。
2.Rubin系列：性能跃迁900倍
（1）2026年下半年推出Rubin NVL144，采用NVLink 144互联技术与HBM4内存，性能达Hopper架构的900倍，带宽提升2倍；
（2）2027年升级至Rubin Ultra NVL576，搭载HBM4e内存，算力较Blackwell Ultra再提升14倍，内存速度加快8倍，目标为AI工厂提供“算力核爆级”支持。
3.Feynman：2028年算力成本革命
以物理学家理查德・费曼命名的下一代架构，旨在通过新一代互联技术实现算力成本指数级下降，具体参数尚未披露，但业内推测其将采用台积电2nm工艺及Chiplet异构集成技术。
二、软件生态：开源化 + 场景化，筑牢护城河
英伟达通过Dynamo推理引擎与CUDA-X全栈工具，构建“硬件 - 软件 - 应用”闭环：
1.Dynamo开源：优化KV缓存管理，使Hopper平台运行Llama模型的吞吐量提升30倍，在DeepSeek-R1测试中，单GPU生成token数量激增30倍以上；
2.CUDA-X扩展：新增Newton物理引擎（与谷歌DeepMind、迪士尼合作），机器人训练效率提升10倍；推出cuOpt 数学规划工具，算法加速千倍；
3.机器人战略：发布全球首个开源人形机器人基础模型Isaac GR00T N1，支持 “快思考执行 + 慢思考规划” 双系统，可迁移至工业制造、服务机器人等场景。
三、场景延伸：从云端到物理世界
黄仁勋提出AI三阶段演进路径：生成式AI→代理式AI（Agentic AI）→物理AI，并围绕后两者展开布局：
1.自动驾驶：与通用汽车合作开发全栈系统，集成数字孪生仿真与安全架构 HALOS（含700万行安全代码），实现从训练到车载的全链路AI化；
2.边缘计算：推出DGX Spark桌面级工作站（售价3000美元）与DGX Station企业级设备，支持本地化模型微调，年内由戴尔、惠普量产；
3.量子计算：设立波士顿量子研究中心（NVAQC），基于GB200 NVL72开发量子纠错技术，探索量子 - 经典混合计算范式。
四、算力竞赛：万亿市场下的 “英伟达时间”
英伟达的“一年一更”策略正重塑行业节奏：Blackwell Ultra已锁定2025年超算订单，Rubin架构提前三年绑定客户升级周期。
黄仁勋预测，2028年全球数据中心资本支出将达1万亿美元，AI从内容生成转向自主决策（代理式）、物理操控（机器人）的演进，将推动算力需求持续爆炸式增长。
五、结语
英伟达的路线图不仅是芯片性能的“军备竞赛”，更是一次算力范式的革命：通过硬件性能leapfrog、软件生态开源化、场景渗透纵深化，英伟达正将AI算力从“奢侈品”变为“基础设施”。
随着Rubin与Feynman的落地，这场由黄仁勋主导的算力竞赛，或将重新定义全球科技产业的未来十年。
来源：芯世圈