在此次GTC 2024期間，除了正式揭曉代號「Blackwell」的新一代顯示架構，NVIDIA同時也再次強調GPU加速的重要性，並且藉由GPU加速應用推動更多運算平台發展。
NVIDIA執行長黃仁勳在GTC 2024主題演講再次重申，相較早期以CPU堆疊的運算模式，過去10年多以來的運算因為GPU加入而有明顯加速變化，同時也從傳統機器學習逐漸演變成自動生成式人工智慧，並且改變諸多運算模式。
而藉由人工智慧應用，更讓許多傳統運算發展大幅改變，甚至也加快機器人、自動駕駛等技術成長，同時可對應更真實的物理模型也讓許多研究有大幅進展。
同時，隨著自動生成式人工智慧技術發展，許多內容已經不是透過推論 (inference)產生，而是直接透過人工智慧學習、理解之後，進而透過「構思」產生結果。
• 針對兆級規模參數量的人工智慧需求打造，NVIDIA揭曉代號「Blackwell」的新一代顯示架構
• NVIDIA推出結合「Grace」CPU與「Blackwell」GPU的運算叢集，強化雲端人工智慧應用佈署
• NVIDIA提出加速人形機器人應用發展的Project GR00T基礎模型
• NVIDIA超級車載電腦DRIVE Thor換上「Blackwell」GPU設計，用於2025年量產智慧車款
• 加速應用成長，NVIDIA NIM微服務可在數分鐘內完成佈署自動生成式人工智慧
• 蘋果Vision Pro也能使用，NVIDIA將以API形式推廣Omniverse數位孿生平台
• NVIDIA宣布推出雲端量子電腦模擬微服務，加速量子運算開發
• NVIDIA以AI推動6G行動通訊網路研究雲端平台，為智慧城市等發展建構超智慧世界奠定基礎
• NVIDIA宣布推出雲端量子電腦模擬微服務，加速量子運算開發
• NVIDIA以AI推動6G行動通訊網路研究雲端平台，為智慧城市等發展建構超智慧世界奠定基礎
GPU依然是許多人工智慧技術成長背後基礎，設計將有更大彈性
黃仁勳強調，以GPU加速運算的本質不會改變，因此NVIDIA會持續投入大量資源推進GPU設計，並且以此推動更龐大的運算加速效能。
在此說法之下，顯然說明即便競爭對手如Intel、AMD強調在其處理器整合人工智慧專屬運算元件，仍無法改變以GPU加速為主，藉此加速人工智慧運算發展的事實。
在此次推出的新一代「Blackwell」顯示架構設計，其中採用兩組光罩對應Die裸晶核心單元構成的特殊設計，並且透過每秒10TB資料傳輸速率方式的NV-HBI介面讓兩組Die裸晶核心單元進行溝通。
這樣的設計類似蘋果在Ultra級別的Apple Silison處理器設計，透過特殊傳輸介面將兩組Max級別處理器「連接」，讓處理器效能能更直接疊加，雖然會讓整體面積增大，卻能在既有製程技術、效能提升與生產良率考量之間取得平衡。
另一方面，這樣的設計其實也能讓GPU設計有更大彈性，不用為了效能、電晶體密度提升持續挑戰製程的物理極限，同時也能避免製作成本大幅提升，以及良率不佳的風險。
而即便目前在CPU運算部分的整合，是以Arm架構的「Grace」CPU為主，但在NVIDIA當前強調的設計彈性之下，意味無須像過往必須大幅仰賴x86架構處理器，甚至能在運算架構組合有更多選擇。
人工智慧資源將變得更容易取得
相比過去幾年在談論人工智慧應用時，許多人都會認為需要從頭建置，或是必須具備豐富的程式編寫能力，使得人工智慧建置顯得相當困難。
但在NVIDIA與諸多雲端服務業者合作，持續推動以雲端形式運作建構人工智慧，甚至在此次GTC 2024提供以微服務 (micro services)形式，讓企業、開發者能直接透過API資源串接，立即就能在服務內導入人工智慧技術，甚至可以依照需求快速調整。
對於資源相對不多的中小企業、新創團隊，或是個人開發，就能藉由此類資源快速建構人工智慧應用服務，甚至能以無編碼形式 (zero code)快速建立服務內容，同時也不用花費時間建立人工智慧訓練模型，因為市場上已經有諸多以開源形式提供使用資源，幾乎只要有想法就能快速打造應用服務。
這樣的發展，其實就像是蘋果、Google提供諸多API資源，讓開發者能更快打造適用於iOS或Android平台的App。
而NVIDIA提供的NIM微服務，則是協助整合諸多人工智慧模型、GPU加速運算資源，讓企業、開發者能更快導入應用，並且在短時間內建構自有人工智慧應用服務。
當然，如果企業或開發者希望進一步設計更符合需求、客製化程度更高的人工智慧應用服務，依然可以透過NVIDIA提供開發工具從零打造。
藉由微服務形式提供資源，NVIDIA除了希望加速人工智慧技術應用成長之外，另一方面自然也是希望鞏固自身以CUDA為基礎的GPU加速應用發展。
以Omniverse平台模擬更大規模「世界」，加速各類技術發展
NVIDIA提出Omniverse平台已經多年，初期確實是為了虛擬視覺相關內容製作，但隨著GPU算力持續成長，Omniverse平台已經足以模擬更大規模場景，甚至已經能夠建構「整個地球」，讓研究人員可以透過貼近真實的物理特性預測氣候變化。
因為能夠模擬更貼近真實環境，因此也讓Omniverse平台能夠作為機器學習訓練工具，讓機器人、自動駕駛車輛等可以在虛擬環境內進行持續學習，無須在真實世界冒著意外風險進行訓練，甚至能透過數位化大量複製學習經驗，讓機器人、自動駕駛車輛能在更短時間內學習如何走路、在道路上正確行駛。
而Omniverse平台目前也能用來模擬測試各類環境，例如建構產線最佳配置、分析事故現場發生經過，甚至用於行動通訊網路的基地台訊號運作模擬測試，不再僅只是圍繞在虛擬視覺內容應用，因此也成為NVIDIA重要發展運算平台。
人形機器人應用將加速發展
過去提到機器人，多半都會聯想到科幻電影中可與人自然交談、互動的人形機器人，但現實上的機器人往往是僅能進行固定作業、單一互動的形式，甚至不是以人形姿態呈現，可能只是一隻機器手臂，或是四輪傳動形式的載貨車輛。
不過，隨著NVIDIA近年持續在機器人領域發展，並且藉由GPU加速機器人學習訓練效率，在此次提出的Project Groot (實際上應為Gr00t)與Isaac平台結合之下，預期將加快人形機器人普及應用。
而推動人形機器人的發展，實際上是為了促進更深入的人機互動，甚至能透過貼近人類型態的機器人協助完成更多工作，例如需要藉由雙手完成的精細動作，或是彌補人力短缺問題。
另一方面，除了追求實現雙足機器人應用成真的「理想」，目前許多企業推動人形機器人背後想法，其實也是為了讓社會大眾更容易接受，避免非人形機器人會造成心理恐懼的問題產生。
但過去要打造高度仿生的人形機器人有相當難度，因此NVIDIA希望藉由Project Groot設計，藉此加速人形機器人訓練，使其能更快學習貼近人類動作，並且知曉如何因應不同情況做出正確互動。
加上NVIDIA此次提出的NIM微服務等應用資源，則預期能使人形機器人更快投入市場各類應用場景。
