一年一度的英伟达GTC大会（GPU Technology Conference）又来了。北京时间3月21日晚11点，这场盛会如期举行，吸引了超过25万名观众涌入线上会场。

教主黄仁勋，照例穿着那件标志性的黑皮夹克，一口气讲了78分钟。他逐个揭晓了英伟达的最新“核弹”——从挑战芯片物理极限的计算光刻技术，到专门为ChatGPT这类大模型量身打造的GPU。每一个都相当重磅。

黄仁勋在台上感慨：近40年来，摩尔定律一直是计算机行业发展的铁律，但如今，在成本和功耗不变的前提下，这一定律正在放缓。各行各业都在寻找数字化转型的出路。而英伟达要做的，就是用技术重塑行业。“要成为碘伏者，而不是被碘伏者。要利用加速计算和AI，帮助企业应对这些挑战。”他说。

野心勃勃的英伟达，一边用芯片推动AI，一边也用AI反哺芯片制造。

01 AI辅助制芯技术，将计算光刻提速40倍

这次大会上，黄仁勋宣布了一个芯片领域的重大突破——推出计算光刻软件库cuLitho。这一技术将加速计算引入计算光刻领域，使得计算速度提升了40倍。

据介绍，英伟达与台积电、ASML、Synopsys（新思科技）这三大半导体巨头合作多年，终于拿出了这个成果。它大大降低了芯片代工厂在光刻工序上消耗的时间和能耗，为2nm甚至更先进制程的到来铺平了道路。

简单来说，光刻是芯片制造中一个至关重要的工艺——用“光刀”在晶圆上“雕刻”出精细的电路图。这个图案首先要画在光掩膜（photomask）上，就像漏字板一样。激光一照，通过镜头，图案就落到了硅片上。（示意图如下）

晶体管、器件、互联线路，每一步都离不开光刻。而ASML正是靠这一技术垄断着全球的EUV光刻机市场。

ASML曾表示，计算光刻是其“铁三角”业务之一。它通过模拟光通过光学元件并与光刻胶相互作用时的行为，应用逆物理算法来预测掩膜板上的图案，从而在晶圆上生成最终图形。换个说法，计算光刻就是利用软件对光刻过程进行建模和仿真，优化工艺流程，比如形貌优化、掩膜板修正等。它的核心目标，是消除光刻过程中小尺寸器件“模糊”的问题。

在芯片设计和制造领域，计算光刻是最大的计算负载，每年要消耗数百亿CPU小时。随着晶体管和互联线宽不断微缩，掩膜板的复杂度只会越来越高。英伟达先进技术副总裁Vivek Singh说：“按照过去15年的趋势，如果某个foundry厂现有3座数据中心，那么未来10年内就需要100座这样的数据中心。功耗方面，45兆瓦或许还行，但如果是45千兆瓦，问题就大了。英伟达对此给出的回答是cuLitho。”

英伟达的新算法cuLitho，让日益复杂的计算光刻工作流程可以在GPU上并行执行。它不仅让计算速度提升了40倍，功耗也降低了9倍之多。

举一个直观的例子：英伟达的H100在制造过程中需要89块掩膜板。如果用CPU处理，每块掩膜板要消耗两周时间；而用GPU运行cuLitho，只需8小时就能处理完一块。台积电也可以用500个DGX H100系统中的4000个Hopper GPU，完成原本需要4万台CPU服务器才能搞定的事，而且功率从35MW降至5MW。

这个技术堪称芯片界的“核弹”。它让2nm及更先进芯片的生产成为可能。未来，台积电、ASML、Synopsys也将引入这项技术，继续突破芯片制造的物理极限。台积电方面透露，将于今年6月对cuLitho进行生产资格认证，加速2nm芯片试产。

02 ChatGPT专用GPU：H100 NVL——提速10倍

黄仁勋一直是AI和机器学习的坚定倡导者。他曾公开表示，AI技术已经来到拐点。押注AI十年，也让英伟达在ChatGPT浪潮中赚得盆满钵满。对于大型语言模型来说，算力是重中之重，而英伟达的GPU正是不可或缺的“算力心脏”。

针对算力需求巨大的ChatGPT，英伟达发布了NVIDIA H100 NVL——一款拥有94GB内存和加速Transformer Engine的大语言模型专用方案，配备了双GPU NVLINK的PCIE H100 GPU。

黄仁勋在演讲中披露了全新的GPU推理平台，包括4种不同配置，分别对应AI视频加速、图像生成加速、大语言模型加速、以及推荐系统和LLM数据库。具体包括：L4 Tensor Core GPU、L40 GPU、H100 NVL GPU和Grace Hopper超级芯片。

其中，H100 NVL是主角——它将两块H100 GPU拼接在一起，专门部署ChatGPT这样的大模型。黄仁勋说：“当前唯一能实际处理ChatGPT的GPU是英伟达HGX A100。而搭载四对H100和双NVLINK的标准服务器，速度能快10倍，将大语言模型的处理成本降低一个数量级。”

H100 NVL配备94GB内存，与上一代产品相比，综合技术创新让大型语言模型的速度提高了30倍。据黄仁勋透露，H100 NVL预计在今年下半年上市。

此外，用于AI视频的L4芯片，在视频解码和转码、内容审核、视频通话功能上做了优化。英伟达宣称，它比CPU的视频AI性能高出120倍，同时能效提高99%。

针对Omniverse、图形渲染以及文本转图像/视频等生成式AI，英伟达推出了L40芯片。其性能是目前最受欢迎的云推理GPU T4的10倍。

全新超级芯片Grace-Hopper，则适用于推荐系统和大型语言模型的AI数据库。它通过900GB/s的高速一致性芯片到芯片接口，连接了英伟达Grace CPU和Hopper GPU，是图推荐模型、向量数据库和图神经网络的理想选择。

03 全球首个GPU加速量子计算系统

在GTC大会上，英伟达还官宣了一个用Quantum Machines构建的新系统——它为从事高性能和低延迟量子经典计算的研究人员提供了一种全新的架构。

据黄仁勋介绍，NVIDIA DGX Quantum是全球首个GPU加速的量子计算系统，能够实现GPU和量子处理单元（QPU）之间的亚微秒级延迟。它将全球最强大的加速计算平台（由NVIDIA Grace Hopper超级芯片和CUDA Quantum开源编程模型实现）与全球最先进的量子控制平台OPX（由Quantum Machines提供）结合在一起。这种组合让研究人员能够构建空前强大的应用，将量子计算与最先进的经典计算相结合，实现校准、控制、量子纠错和混合算法。

英伟达HPC和量子主管Tim Costa表示：“量子加速的超级计算有可能重塑科学和工业。NVIDIA DGX Quantum将使研究人员能够突破量子-经典计算的界限。”

为此，英伟达将高性能的Hopper架构GPU与新的Grace CPU整合为“Grace Hopper”，为巨型AI和高性能计算应用提供了超强动力。它为运行TB级数据的应用提供了高达10倍的性能，给量子-经典研究人员解决世界上最复杂的问题提供了更多动力。

总 结

在本次GTC大会上，黄仁勋回顾道：“加速计算并非易事。2012年，计算机视觉模型AlexNet动用了GeForce GTX 580，每秒可处理262 PetaFLOPS。这个模型引发了AI技术的爆炸。十年之后，Transformer出现了，GPT-3动用了323 ZettaFLOPS的算力，是AlexNet的100万倍，创造了ChatGPT这个震惊全世界的AI。崭新的计算平台出现了，AI的‘iPhone时刻’已经来临。”

显然，手握GPU算力技术的英伟达，抓住了AI的关键时刻。在大模型军备竞赛中，英伟达赢得盆满钵满。ChatGPT在全球爆火后，英伟达股价飙升，市值直接增加了700多亿美元。目前，英伟达市值为6400亿美元。而Microsoft 365、Azure、Stable Diffusion、DALL-E……时下最火的AI产品，英伟达都能分得一杯羹。

从大会发布的内容来看，英伟达对先进AI计算的支撑已覆盖到从GPU、DPU等硬件，到帮助企业加速构建定制生成式AI模型的云服务。正如黄仁勋所说，AI行业的“iPhone时刻”已来临，创业公司正在竞相建立碘伏式的商业模型，业界巨头也在寻找应对之道。而英伟达，正在成为AI“背后的巨人”。