NVIDIA GTC 2026 Keynote - วิสัยทัศน์ของ Jensen Huang สำหรับยุค AI Factory
การนำทางด่วน
แท็ก
แชร์สไลด์
NVIDIA GTC 2026 Keynote - วิสัยทัศน์ของ Jensen Huang สำหรับยุค AI Factory
มุมมองรายละเอียดของแต่ละหน้าสไลด์ รวมถึงlayout เนื้อหาหลักและองค์ประกอบภาพ
สไลด์เปิดตัวพร้อมโลโก้ NVIDIA GTC และไอคอนอุตสาหกรรมแนวดิ่ง: Automotive, Financial Services, Healthcare, Industrial, Media, Quantum, Retail, Robotics, Telco
พื้นหลังสีเข้มพร้อมโลโก้ GTC ตรงกลาง และการ์ดไอคอน 9 อันด้านล่าง
สไลด์แสดงความร่วมมือเชิงกลยุทธ์ระหว่าง NVIDIA, Palantir และ Dell Technologies กับลูกค้าองค์กร (Accenture, CenterPoint Energy, Hertz, Lowe's, Teton Ridge) และเครื่องมือแพลตฟอร์ม Palantir
โลโก้สามอันด้านบนพร้อมรูปหัวใจ, โลโก้พันธมิตรในส่วนกลาง, ตารางเครื่องมือ Palantir, NVIDIA AI Platform stack ด้านล่าง
แผนผังระบบนิเวศที่ครอบคลุมของบริษัทที่ใช้ AI เป็นหลักใน 8 หมวดหมู่: AI for Auto, Customer Support, Engineering, Healthcare, Robotics, Search, Software Development, รวมถึง DL/Inference Frameworks, Agent Frameworks, Frontier Model Builders, Model to Production
Grid layout พร้อมโลโก้บริษัทที่จัดเรียงตามหมวดหมู่, NVIDIA AI Platform stack ด้านล่าง
การเรนเดอร์ภาพทางอากาศแบบ Cinematic แสดงเครื่องบินบินเหนือภูมิประเทศที่เป็นภูเขา แสดงให้เห็นถึงความสามารถในการจำลอง NVIDIA Omniverse
ภาพ Cinematic เต็มเฟรมพร้อมกรอบโค้งมน
ไทม์ไลน์แสดงการเติบโตของการคำนวณ Inference: 2023 (ChatGPT), 2024 (o1 - 10X models/context, 10X tokens), 2025 (Claude Code - 100X models/context, 100X tokens)
ไทม์ไลน์แนวนอนพร้อมไอคอนวงกลมสามอันแสดงถึงแต่ละยุค
NVIDIA full-stack ขยายไปสู่ทุกภูมิภาค/อุตสาหกรรม Blackwell+Rubin pipeline เติบโตจาก $0.5T เป็น $1T+ ลูกค้ารายใหม่ตั้งแต่ GTC DC 2025: Anthropic, MetaSL, Multiple OSS, xAI, Gemini, OpenAI การกระจาย CUDA: 60% Cloud/AI Natives, 40% Hyperscalers + NCP/SCC/Sovereign AI/Industrial/Enterprise
Two-chart layout: bar chart สำหรับ pipeline growth, pie chart สำหรับ CUDA distribution
GB NVL72 'Inference King': ประสิทธิภาพ/วัตต์สูงขึ้น 50 เท่า, ต้นทุนโทเค็นต่ำลง 35 เท่าเมื่อเทียบกับคู่แข่ง InferenceX โดย SemiAnalysis benchmarks โดยใช้ DeepSeek R1 0528 FP4 1K/1K
Two side-by-side charts: Tokens per Watt vs Interactivity, Performance vs Token Cost
Output speed benchmark (3 มีนาคม 2026): Baseten 185, Fireworks 170, Lightning AI 99 tokens/sec. Inference endpoints ชั้นนำทั้งหมดทำงานบน NVIDIA Kimi K2.5 Reasoning model
Horizontal bar chart จัดอันดับผู้ให้บริการ Inference ตาม output speed
ใจความสำคัญ: Inference คือ Workload, Tokens คือสินค้าโภคภัณฑ์ใหม่, Compute คือรายได้ แผนผังการไหล: ไฟฟ้า → AI Factory → Tokens → AI Agents
แผนภาพการไหลจากซ้ายไปขวาพร้อมภาพประกอบวาดด้วยมือ
Vera Rubin POD specs: AI FLOPS 60,000 PF, Memory Bandwidth 92 TB/s, All-to-All Bandwidth 260 TB/s, Scale-Out Radix 131,072 แสดงความก้าวหน้าจาก chip-to-rack
Hardware showcase พร้อมชิปด้านบน, server trays ตรงกลาง, full rack ด้านล่าง
ภาพถ่ายสดจากเวที Keynote ของ Jensen Huang นำเสนอแผนภูมิเศรษฐศาสตร์ Inference ต่อหน้าผู้ชมจำนวนมาก
ภาพถ่ายเวทีมุมกว้าง
เฟรมเวิร์กแสดงปริมาณงาน (TPS/MW) เทียบกับการโต้ตอบ (TPS/User) พร้อมระดับราคา: ฟรี (Qwen 3, $0), ปานกลาง (Kimi K2.5, $3), สูง (GPT MoE 2T, $6), พรีเมียม (GPT MoE 2T 400K, $45), อัลตร้า ($150)
แผนภาพการกระจายโดยมีป้ายกำกับระดับที่ด้านล่าง
เส้นโค้งประสิทธิภาพ Hopper แสดงปริมาณงานพื้นฐานในระดับฟรีและปานกลาง
แผนภูมิเส้นที่มีเส้นโค้ง Hopper เดียว
เพิ่มเส้นโค้ง Blackwell NVL72 แสดงการปรับปรุง 35 เท่าเมื่อเทียบกับ Hopper ขยายไปถึงระดับสูง ($6)
แผนภูมิเส้นที่มีสองเส้นโค้ง Blackwell เป็นสีเขียว
ส่วนโค้ง Blackwell ขยายไปถึงระดับ Premium (45 ดอลลาร์) แสดงให้เห็นถึงประสิทธิภาพที่ยั่งยืนที่ 400 TPS/User
แผนภูมิเดิมที่มีส่วนโค้ง Blackwell ที่ขยายออกไป
เพิ่มส่วนโค้ง Rubin NVL72: 2 เท่าเมื่อเทียบกับ Blackwell ที่ 50 TPS, 2 เท่าที่ 100 TPS, 3 เท่าที่ 200 TPS, 10 เท่าที่ 400 TPS
แผนภูมิเปรียบเทียบสามส่วนโค้ง
การเปรียบเทียบรายได้ต่อกิกะวัตต์: Blackwell vs Rubin ในแต่ละระดับ รายได้รวมต่อปีเพิ่มขึ้นจาก 3 หมื่นล้านดอลลาร์เป็น 1.5 แสนล้านดอลลาร์ (5 เท่า) ด้วย Rubin
แผนภูมิแท่งที่มีแท่ง Blackwell (สีเขียวอมฟ้า) และ Rubin (สีเขียว) ซ้อนกัน
แผนภูมิสามส่วนโค้งเดิมแสดงความก้าวหน้าของประสิทธิภาพ Hopper → Blackwell → Rubin
แผนภูมิประสิทธิภาพที่มีสามส่วนโค้ง
ส่วนโค้ง Rubin + LPX ขยายไปถึงระดับ Ultra (150 ดอลลาร์, 1000+ TPS/User) รักษา 35 เท่าเมื่อเทียบกับ Hopper ในทุกระดับ
แผนภูมิสี่ส่วนโค้งที่มีส่วนขยาย LPX เป็นสีเหลือง-เขียว
ไดอะแกรมสถาปัตยกรรม Agent: NemoClaw อยู่ตรงกลาง โดยมีการเชื่อมต่อกับ Multi-Modal Prompt, Files, Computer Use, Tools (CLI/MCP), OpenShell, Sub-Agents, Skills, LLM, Memory ขับเคลื่อนโดย Nemotron/NeMo/Dynamo/NIM และ cuDF/cuVS/vGPU/cuOPT/AI-Q
ไดอะแกรมสถาปัตยกรรมวงกลมที่มีขอบสีเขียวเรืองแสงบนแผงด้านข้าง
NVIDIA เป็นผู้สนับสนุนรายใหญ่ที่สุดของโลกสำหรับ Open-source AI (400+ repos แซงหน้า Alibaba Cloud) จัดแสดงโมเดล BioNeMo, Earth-2, Nemotron, Cosmos, GR00T, Alpamayo
แผนภูมิ Center โดยมีการ์ดโมเดลอยู่ด้านข้างทั้งสองด้าน
การจัดแสดงโมเดล Earth-2 climate/weather AI พร้อมการเรนเดอร์โลกที่สมจริง
Split view โดยมีการ์ดโมเดลทางด้านซ้ายและลูกโลกขนาดใหญ่ทางด้านขวา
ผลการวัดประสิทธิภาพ 12 รายการใน Nemotron 3 Super, NemotronVL, Nemotron VoiceChat, Cosmos Predict/Reason, GR00T N, Alpamayo ทั้งหมดแสดงประสิทธิภาพระดับแนวหน้าหรือ SOTA
ตารางผลการวัดประสิทธิภาพแบบกริด 4x3
Leaderboard: claude-sonnet-4.6 (86.9%), claude-opus-4.6 (86.3%), gpt-5.4 (86.0%), nvidia/nemotron-3-super-120b-a12b (85.6%) - โมเดลเปิดที่ดีที่สุด
ลีดเดอร์บอร์ดแผนภูมิแท่งแนวนอน
ประสิทธิภาพ 5 เท่าและความแม่นยำในการให้เหตุผลสูงสุดบน GB200 NVL72 การเปรียบเทียบกับ GLM และ Kimi K2 ในด้าน Peak Throughput, MMLU Pro, HumanEval/MBPP, GSM8K, Global MMLU
การเปรียบเทียบสองแผนภูมิ: แท่ง throughput และแท่ง accuracy
แผนที่โลกที่แสดงการนำ Nemotron ไปใช้: US, EuroLLM, Linagora (France), Bielik.ai (Poland), SOOFI, Dicta (Israel), TII (UAE), HUMAIN, BharatGen/Gnani.ai/Sarvam AI (India), Viettel, NAVER/Trillion Labs, Institute of Science Tokyo, AI Singapore, Indosat, WideLabs (Brazil)
แผนที่โลกส่องสว่างในเวลากลางคืนพร้อมหมุดที่มีป้ายกำกับ
ผู้นำด้าน AI ระดับโลกเข้าร่วม NVIDIA Nemotron Coalition: Black Forest Labs, Cursor, LangChain, Mistral AI, Perplexity, Reflection, Sarvam, Thinking Machines
โลโก้ NVIDIA ที่ด้านบนพร้อมหัวใจ โลโก้พันธมิตรในสองแถวด้านล่าง
ไดอะแกรมสถาปัตยกรรมเอเจนต์ระดับองค์กร 12 รายการจาก Adobe, Atlassian, Cadence, Cisco, CrowdStrike, Dassault Systemes, Palantir, Salesforce, SAP, ServiceNow, Siemens, Synopsys พร้อมโลโก้พันธมิตรเพิ่มเติมอีก 40+ รายการ
ตารางกริด 4x3 ของไดอะแกรมสถาปัตยกรรมโดยละเอียดพร้อมแถบโลโก้พันธมิตรที่ด้านล่าง
เอเจนต์ระดับองค์กรอีก 12 รายการ: Abridge, CodeRabbit, Cohesity, Edison, IQVIA, Mastercard, Microsoft Security, PayPal, Perplexity, Xiaohongshu, Rockwell Automation, Schneider Electric
ตารางกริด 4x3 ของไดอะแกรมสถาปัตยกรรม
ไดอะแกรมสถาปัตยกรรมเอเจนต์เดียวกับหน้า 20
ไดอะแกรมสถาปัตยกรรมแบบวงกลม
โชว์รูมหุ่นยนต์ที่เรนเดอร์ด้วย Omniverse นำเสนอหุ่นยนต์กว่า 30 ตัวจาก Boston Dynamics, Figure, Foxconn, Agility, 1X, LG Electronics, XPENG, Disney Research และอีกมากมาย หุ่นยนต์อุตสาหกรรมและหุ่นยนต์ฮิวแมนนอยด์ควบคู่ไปกับยานพาหนะ
ห้องนิทรรศการที่เรนเดอร์แบบ 3 มิติ โดยมีหุ่นยนต์วางเรียงรายอยู่บนพื้น
ภาพหน้าจอแยก แสดงการจำลอง (ด้านซ้าย, สีพาสเทล) เทียบกับแขนหุ่นยนต์ในโลกจริง (ด้านขวา, สีเมทัลลิก) ที่กำลังทำงานประกอบ
การเปรียบเทียบแบบเคียงข้างกันในกรอบโค้งมน
การเรนเดอร์ภาพเสมือนจริงของหมู่บ้านในธีม Frozen ของ Disney ที่สร้างด้วย NVIDIA Omniverse
ภาพเรนเดอร์ภาพยนตร์แบบเต็มหน้า
ฉาก CG สไตล์ Pixar ที่แปลกประหลาดของ Jensen Huang ในรูปแบบการ์ตูนกำลังย่างมาร์ชเมลโลว์ที่กองไฟกับหุ่นยนต์ต่างๆ และมาสคอตล็อบสเตอร์
ภาพเรนเดอร์ภาพยนตร์แบบเต็มหน้า
โลโก้ NVIDIA ที่คมชัดบนพื้นหลังสีเข้ม - ตัวแบ่งส่วน
โลโก้ตรงกลาง
รายได้ต่อกิกะวัตต์ด้วย VR+LPX: รายได้รวมต่อปีจาก $30B เป็น $300B (10X) แท่งกราฟซ้อนสามสี: Blackwell, Rubin, VR+LPX ในทุกระดับราคา
แผนภูมิแท่งซ้อนที่มีฮาร์ดแวร์สามรุ่น
การเปรียบเทียบชิป: Rubin GPU (288GB HBM4, 22 TB/s, 50 PFLOPs NVFP4, 336B ทรานซิสเตอร์) vs Groq 3 LPU (500MB SRAM, 150 TB/s แบนด์วิดท์, 1.2 PFLOPs FP8, 98B ทรานซิสเตอร์)
รูปภาพชิปแบบเคียงข้างพร้อมสเปคด้านล่าง
การเปรียบเทียบแบบปรับขนาด: 8 Groq 3 LPU = 4GB SRAM, 1,200 TB/s (55X vs Rubin), 9.6 PFLOPs, 784B ทรานซิสเตอร์ 'การรวมหน่วยประมวลผลที่มีประสิทธิภาพสูงมาก'
เคียงข้างกับชิป Groq ที่คูณ
สถาปัตยกรรมอนุมาน Dynamo: Vera Rubin NVL72 จัดการ Prefill+Decode Attention, Groq 3 LPX จัดการ Decode FFN KV Cache ที่ใช้ร่วมกัน, การเปิดใช้งานแลกเปลี่ยนแบบสองทิศทาง
แผนภาพสถาปัตยกรรมทางเทคนิคที่มีสามองค์ประกอบ
Groq 3 LPX rack: 315 PFLOPS AI Inference, 128GB SRAM, 40 PB/s bandwidth, 256 chips, 640 TB/s scale-up พร้อมใช้งาน 2H26 แสดงรายละเอียด rack และ node พร้อม 8 LPUs, FPGA, Host CPU, BF4
ภาพถ่ายผลิตภัณฑ์พร้อมรายการสเปคทางด้านขวา, ไดอะแกรม node โดยละเอียดด้านล่าง
AI Labs: Anthropic, Cursor, Meta, OpenAI, Perplexity, Black Forest Labs, Cohere, Harvey, Mistral AI, OpenEvidence, Runway, Thinking Machines. Cloud: AWS, Google Cloud, Azure, Oracle, CoreWeave, Crusoe, Lambda, Nebius, NScale. OEMs: Dell, HPE, Lenovo, Supermicro, etc.
รูปภาพผลิตภัณฑ์ด้านซ้าย, ตารางพาร์ทเนอร์สามระดับด้านขวา
Cloud partners: Meta, Oracle, CoreWeave, Crusoe, Lambda, Nebius, NScale, together.ai. OEMs: Cisco, Dell, HPE, Lenovo, Supermicro, ASRock, ASUS, COMPAL, Foxconn, etc. 256 Vera CPUs, 300 TB/s LPDDR5X
รูปภาพผลิตภัณฑ์ด้านซ้าย, ตารางพาร์ทเนอร์สองระดับด้านขวา
Cloud: CoreWeave, Crusoe, CREN, Lambda, Mistral AI, Nebius, Oracle, Vultr. OEMs: AIC, Cloudian, DDN, Dell, HPE, Hitachi, IBM, MinIO, NetApp, Nutanix, etc. 5x Tokens/sec, 50 Tb/s, 16TB Shared Context/GPU
รูปภาพผลิตภัณฑ์ด้านซ้าย, ตารางพาร์ทเนอร์สองระดับด้านขวา
Complete system: การเปรียบเทียบ 1GW AI Factory X86+Hopper (600K GPUs, 1.2 ZFLOPS, 2M TPS) vs Vera Rubin (300K GPUs, 16 ZFLOPS, 700M TPS) แสดงชิปทั้ง 7 แบบและฟอร์มแฟคเตอร์ระบบ 6 แบบ
ตารางเปรียบเทียบด้านบน, ภาพชิป/ถาดในสองแถว, rack ด้านล่าง
แผนงานสามรุ่น: Blackwell (2024), Rubin (2026), Feynman (2028) แต่ละรุ่นมีกลุ่มผลิตภัณฑ์ชิป, ระบบแร็ค Feynman แนะนำ Die Stacking Custom HBM, LP40 NVLink, Rosa CPU, BlueField-5, NVLink 8 CPO
ความก้าวหน้าจากซ้ายไปขวาพร้อมการเรนเดอร์ฮาร์ดแวร์แบบเรียงซ้อน
Extreme Co-Design at Infrastructure Scale สามเลเยอร์: Reference Designs (Rubin DSX, DSX Ecosystem, Omniverse DSX Blueprint), Libraries/APIs/Software (DSX Max-Q, DSX Flex, DSX Exchange, DSX Sim), Chips/Systems/Facilities (Power → Liquid Cooling)
สถาปัตยกรรมแนวนอนสามระดับพร้อมการเรนเดอร์โรงงาน AI ที่ด้านล่าง
ภาพถ่ายทางอากาศที่สมจริงของศูนย์ข้อมูลโรงงาน AI ขนาดใหญ่ที่มีแถวของแร็คเซิร์ฟเวอร์ระบายความร้อนด้วยของเหลว
ภาพเรนเดอร์แบบ cinematic เต็มหน้า
รายการพันธมิตร DSX Flex, DSX Max-Q, DSX Sim, DSX Exchange พันธมิตรมากกว่า 40 รายต่อหมวดหมู่ รวมถึง CoreWeave, Crusoe, Digital Realty, NSCALE, Red Hat, Dell, Cadence, Siemens, VAST, WEKA และอื่นๆ
ตารางพันธมิตรแบบสี่ส่วนพร้อมภาพเรนเดอร์โรงงานที่ด้านล่าง
ประกาศ NVIDIA Space-1: โมดูลประมวลผล Vera Rubin ที่ออกแบบมาสำหรับการใช้งานบนดาวเทียม
ภาพเรนเดอร์ชิปทางด้านซ้าย แผงโซลาร์เซลล์ดาวเทียมทางด้านขวา โลกเป็นพื้นหลัง
แผนภูมิประวัติดาว GitHub แสดงให้เห็นว่า openclaw/openclaw แซงหน้า facebook/react และ torvalds/linux ในปี 2026 มีมาสคอตล็อบสเตอร์
แผนภูมิประวัติดาวพร้อมภาพประกอบมาสคอต
ภาพหน้าจอ Terminal แสดงการติดตั้ง nemoclaw (curl -fsSL nvidia.com/nemoclaw.sh | bash) และการเริ่มต้นใช้งาน (nemoclaw onboard)
ภาพหน้าจอหน้าต่าง Terminal วางซ้อนกัน
สถาปัตยกรรมเอเจนต์ทั่วไป: เอเจนต์อยู่ตรงกลางโดยมีการเชื่อมต่อกับ Multi-Modal Prompt, Files, Computer Use, Tools (CLI/MCP), Sub-Agents, Skills, LLM (ผู้ให้บริการหลายราย), Memory
ไดอะแกรมสถาปัตยกรรมวงกลมในสไตล์วาดด้วยมือ
โมเดล IT แบบดั้งเดิม: ค่าใช้จ่าย IT ขององค์กร → Software/SaaS + GSI → Files → Data Centers
ไดอะแกรมการไหลแนวตั้ง ด้านซ้ายเท่านั้น
โมเดลใหม่: พนักงานข้อมูลองค์กร → Software/SaaS + GSI + AI Providers + AI Natives → Tokens → AI Factories การเปรียบเทียบก่อน/หลังแบบเคียงข้างกัน
การเปรียบเทียบก่อน/หลังแบบสองคอลัมน์
โลโก้ NVIDIA บนพื้นหลังสีเข้ม
โลโก้ตรงกลาง
ฉากจำลองน้ำ/คลื่นที่สมจริง แสดงกลไกประตูน้ำอุตสาหกรรมพร้อมการเรนเดอร์น้ำแบบไดนามิก
ภาพเรนเดอร์แบบ cinematic เต็มหน้า
ภาพมุมสูงที่เรนเดอร์แบบ 3 มิติของสถานที่จัดงานประชุม GTC 2026 ใน San Jose พร้อมอาคารและพื้นที่จัดงานที่มีตราสินค้า NVIDIA
ภาพเรนเดอร์เมืองสไตล์ภาพยนตร์พร้อมโลโก้ GTC ซ้อนทับ
รายชื่อวิทยากร: Sarah Guo (ปรากฏตัวครั้งที่ 3), Alfred Lin (ครั้งที่ 2, เปิดตัวในฐานะเจ้าภาพปี 2026), Gavin Baker (ครั้งที่ 2, เปิดตัวในฐานะเจ้าภาพปี 2026) และวิทยากรเพิ่มเติมอีก 20+ ท่าน รวมถึง Harrison Chase, Michael Dell, Anirudh Devgan และอื่นๆ
วิทยากรเด่นสามท่านในรูปแบบการ์ดขนาดใหญ่ด้านบน ตารางการ์ดวิทยากรขนาดเล็กด้านล่าง
โลโก้บริษัท 250+ แห่ง รวมถึง ABB, Apple, Adobe, Anthropic, AWS, BYD, Cisco, CoreWeave, Disney Research, Meta, Microsoft, OpenAI, Samsung, Tesla, Uber, Walmart, Xiaomi และอื่นๆ อีกมากมาย
ตารางโลโก้หนาแน่นพร้อมภาพเรนเดอร์สถานที่ 3 มิติด้านล่าง
ไดอะแกรมวงจรฟลายวีล: Breakthroughs → Developers → Installed Base → Ecosystems → กลับไปที่ Breakthroughs
ไดอะแกรมวงกลมตรงกลางบนพื้นหลังสีดำ
ภาพผลิตภัณฑ์เด่นของกราฟิกการ์ด GeForce GTX 1080 - อ้างอิงถึงรากฐานด้านเกมมิ่งของ CUDA ในอดีต
ภาพถ่ายผลิตภัณฑ์ตรงกลางบนพื้นหลังสีดำ
ภาพหน้าจอเกม Hogwarts Legacy ที่เปิด DLSS 5 แสดงคุณภาพ 3D-Guided Neural Rendering
ภาพหน้าจอเกมแบบเต็มขอบ
ภาพหน้าจอ EA Sports FC พร้อมประกาศ DLSS 5 3D-Guided Neural Rendering
ภาพหน้าจอเกมแบบเต็มขอบ
แผนผังระบบนิเวศข้อมูลที่มีโครงสร้างมูลค่า $120B แสดงให้เห็นว่า cuDF เร่งความเร็วเอ็นจิน CSP (AWS, GCP, Azure), แพลตฟอร์ม OSS เชิงพาณิชย์ (Clickhouse, Cloudera, Databricks), เอ็นจินที่เป็นกรรมสิทธิ์ และเอ็นจิน OSS (DuckDB, Pandas, Polars, Spark)
แผนภาพเครือข่ายโดยมี cuDF อยู่ด้านล่างเชื่อมต่อกับทุกเลเยอร์
ระบบนิเวศข้อมูลที่ไม่มีโครงสร้าง: หลายร้อยเซตตาไบต์เติบโตแบบทวีคูณ cuVS เร่งความเร็วการค้นหาเวกเตอร์ในฐานข้อมูลระดับองค์กร, เอ็นจิน CSP, เอ็นจิน OSS (Elasticsearch, FAISS, Milvus, etc.)
แผนภาพเครือข่ายโดยมี cuVS อยู่ด้านล่าง
IBM watsonx.data กับ NVIDIA cuDF: การอัปเดต Order-to-Cash Data Mart ใช้เวลา 3 นาที เทียบกับ 15 นาที ประหยัดค่าใช้จ่าย 83% (CPU เทียบกับ GPU) คำพูดจาก Chris Wright, CIO ของ Nestle
คำพูดอยู่ด้านบน, แผนภาพสถาปัตยกรรมด้านซ้าย, แผนภูมิแท่งด้านขวา
ภาพถ่ายทางอากาศของโรงงานผลิต Nestle
ภาพถ่ายแบบเต็มขอบ
Dell AI Data Platform กับ NVIDIA cuVS/cuDF: การประมวลผลข้อมูลระดับองค์กรจากหลายชั่วโมงเหลือเพียงไม่กี่นาที (10TB, เร็วขึ้น 3 เท่า) คำพูดจาก Abhijit Dubey, CEO ของ NTT DATA
คำพูดอยู่ด้านบน, แผนภาพสถาปัตยกรรม Dell ด้านซ้าย, แผนภูมิเปรียบเทียบด้านขวา
Google Cloud AI Hypercomputer กับ cuDF: A/B Experimentation Platform จาก 45k CPUs เหลือ 1k GPUs, ประหยัดค่าใช้จ่าย 76% คำพูดจาก Saral Jain, CIO ของ Snap
คำพูดอยู่ด้านบน, สถาปัตยกรรม Google Cloud ด้านซ้าย, แผนภูมิการประหยัดด้านขวา
ภาพรวมความร่วมมือทั้งหมด: ลูกค้า (baseten, CrowdStrike, GM, Puma, Salesforce, Snapchat, etc.), บริการของ Google (Vertex AI, GKE, BigQuery, etc.), NVIDIA AI Platform stack
รูปแบบความร่วมมือสามระดับ
ความร่วมมือเต็มรูปแบบกับ AWS: ลูกค้า (CrowdStrike, databricks, OpenAI, Perplexity, Palantir, etc.), บริการ AWS (Braket, EKS, Nitro Enclaves, SageMaker AI, EC2, etc.)
รูปแบบความร่วมมือสามระดับ
ความร่วมมือเต็มรูปแบบกับ Azure: ลูกค้า (Anthropic, BlackRock, BMW, Krones, Rockwell, Synopsys), บริการ Azure (Foundry, Windows 365, Fabric, AKS, Copilot, Bing)
รูปแบบความร่วมมือสามระดับ
ความร่วมมือเต็มรูปแบบกับ Oracle: ลูกค้า (Cohere, Fireworks AI, Neospace, Siemens, Uber, Zoom), บริการ OCI (Superclusters, AI Database, Generative AI, Data Science, OKE)
รูปแบบความร่วมมือสามระดับ
ความร่วมมือเต็มรูปแบบกับ CoreWeave: ลูกค้า (Canva, Cohere, Cursor, Mercado Libre, Mistral AI, Morgan Stanley, OpenAI, Runway), บริการ (W&B Models/Training/Inference/Weave, CoreWeave Inference/Slurm/K8s/Compute/Storage/Mission Control)
รูปแบบความร่วมมือสามระดับ
คำถามทั่วไปเกี่ยวกับสไลด์นี้และเนื้อหาการนำเสนอพื้นฐาน
การประกาศที่สำคัญ ได้แก่ ระบบ Vera Rubin NVL72 ที่มีประสิทธิภาพเหนือกว่า Blackwell ถึง 2 เท่า, NVIDIA Groq 3 LPX (ตัวเร่งความเร็ว Inference ที่ใช้ LPU ใหม่ที่มี 315 PFLOPS และ 128GB SRAM), แพลตฟอร์ม Vera Rubin ที่สมบูรณ์พร้อมชิป 7 ตัวและระบบแร็ค 5 ระบบ, Technology roadmap สถาปัตยกรรม Feynman สำหรับปี 2028, โมดูล NVIDIA Space-1 สำหรับ Satellite compute และ DSX AI Factory Platform สำหรับการปรับใช้ในระดับโครงสร้างพื้นฐาน
Vera Rubin ให้ Throughput ที่ดีขึ้น 2 เท่าเมื่อเทียบกับ Blackwell NVL72 ที่ 50 และ 100 TPS/User และเพิ่มขึ้นเป็น 3 เท่าที่ 200 TPS และ 10 เท่าที่ 400 TPS AI Factory ขนาด 1GW ที่มี Vera Rubin ใช้ GPU เพียง 300K (เทียบกับ 600K ที่ใช้ X86+Hopper) ในขณะที่ให้ 16 ZFLOPS (เทียบกับ 1.2) และ 700 ล้านโทเค็นต่อวินาที ปลดล็อกโอกาสในการสร้างรายได้ต่อปี 1.5 แสนล้านดอลลาร์ต่อกิกะวัตต์ ซึ่งเพิ่มขึ้น 5 เท่าจาก Blackwell
NVIDIA และ Groq กำลังรวมโปรเซสเซอร์สองตัวที่มีประสิทธิภาพสูง: Rubin GPU (288GB HBM4, 50 PFLOPs) สำหรับการดำเนินการ Prefill ที่มีการคำนวณสูง และ Groq 3 LPU (แบนด์วิดท์ SRAM 150 TB/s) สำหรับการดำเนินการ Decode ที่มีแบนด์วิดท์สูง NVIDIA Dynamo จัดการการแยก โดยส่ง Prefill ไปยัง Vera Rubin NVL72 และ Decode FFN ไปยัง Groq 3 LPX ซึ่งให้ประสิทธิภาพเหนือกว่า Hopper เพียงอย่างเดียวถึง 35 เท่า
NemoClaw คือการ Implement อ้างอิงของ NVIDIA สำหรับ OpenClaw ซึ่งเป็นชุดเครื่องมือเอเจนต์ Open source สำหรับการสร้าง AI Agent เฉพาะทาง มีการจัดการ Prompt แบบ Multi-modal, การประมวลผลไฟล์, การใช้คอมพิวเตอร์, เครื่องมือ CLI/MCP ผ่าน OpenShell Sandbox, Sub-agent, ทักษะ, การรวม LLM และ Memory ขับเคลื่อนโดย Nemotron 3 Super (โมเดล Open source ที่ดีที่สุดสำหรับ OpenClaw ที่ 85.6% ในเกณฑ์มาตรฐาน) และใช้ประโยชน์จาก cuDF, cuVS, vGPU และ cuOPT สำหรับความสามารถของ Agent ที่เร่งความเร็วด้วย GPU
NVIDIA นำเสนอระดับ Inference ห้าระดับตามขนาดโมเดลและการโต้ตอบ: ฟรี (Qwen 3, 235B, 32K Context, $0), ปานกลาง (Kimi K2.5, 1T, 128K, $3), สูง (GPT MoE 2T, 128K, $6), พรีเมียม (GPT MoE 2T, 400K, $45) และ Ultra (GPT MoE 2T, 400K, $150) Vera Rubin + LPX ช่วยให้การให้บริการมีกำไรในทุกระดับ ปลดล็อกรายได้รวมต่อปี 3 แสนล้านดอลลาร์ต่อกิกะวัตต์
กว่า 24 องค์กรใหญ่ได้นำเสนอสถาปัตยกรรม Agent: Adobe, Atlassian, Cadence, Cisco, CrowdStrike, Dassault Systemes, Palantir, Salesforce, SAP, ServiceNow, Siemens, Synopsys, Abridge, CodeRabbit, Cohesity, Edison, IQVIA, Mastercard, Microsoft Security, PayPal, Perplexity, Xiaohongshu, Rockwell Automation และ Schneider Electric
พันธมิตรเปิดตัว Vera Rubin NVL72 ได้แก่ AWS, Google Cloud, Microsoft Azure, Oracle Cloud, CoreWeave, Crusoe, Lambda, Nebius และ NScale สไลด์ยังแสดงให้เห็นถึงการผสานรวมอย่างลึกซึ้งกับบริการเฉพาะของผู้ให้บริการแต่ละราย (เช่น Amazon SageMaker AI, Google Vertex AI, Azure Foundry, OCI Superclusters) พันธมิตร OEM ได้แก่ Dell, HPE, Lenovo, Supermicro, Foxconn และอื่นๆ อีกมากมาย
NVIDIA อธิบายถึง 'การฟื้นฟู Enterprise IT จาก SaaS สู่ Agent-as-a-Service' รูปแบบดั้งเดิมของค่าใช้จ่าย Enterprise IT ที่ไหลผ่าน Software/SaaS และ GSI ไปยัง Data center เปลี่ยนเป็นการสนับสนุน Enterprise Information Worker โดย Software/SaaS, GSI, ผู้ให้บริการ AI และ AI Native ซึ่งทั้งหมดนี้ใช้โทเค็นจาก AI Factory นี่แสดงถึงการเปลี่ยนแปลงพื้นฐานที่ Compute กลายเป็นรายได้และโทเค็นกลายเป็นสินค้าโภคภัณฑ์ใหม่
Create Your Own Slides
Turn your ideas into professional presentations in seconds with 2slides AI.
อ้างอิงการออกแบบมืออาชีพ เลือกสไตล์ของคุณ และสร้างสไลด์ด้วยการแสดงผลข้อความที่สมบูรณ์แบบ ขับเคลื่อนโดย Nano Banana—เริ่มสร้างการนำเสนอของคุณตอนนี้
เอเจนต์ AI ของคุณสำหรับสไลด์ ประหยัดเวลา เปล่งประกายเร็วขึ้นด้วยการสร้างงานนำเสนออัจฉริยะ
© 2026 2slides สงวนลิขสิทธิ์