注意到，黄仁勋在演讲中回顾了五年前的那个转折点，那就是选择采用 AI 处理图像的方式，即光线追踪（ray tracing）和智能渲染：分别是 RTX 和 DLSS 技术。他说：“我们意识到光栅化（rasterization）已经达到了极限。”光栅化是传统的、广泛使用的渲染 3D 场景的方法。“2018 年是一个‘孤注一掷’的时刻，要求我们重新发明硬件、软件、算法。而当我们用 AI 重新发明 CG（计算机图形学）时，我们也在重新发明 GPU（图形处理器）用于 AI。”

虽然光线追踪和 DLSS 仍在被消费 GPU 和游戏领域逐步采用的过程中，但他们为此创建的架构却被发现是与日益增长的机器学习开发社区完美匹配。训练更大更复杂的生成式模型所需的大量计算只能由像 H100 这样从一开始就设计为能够以规模化执行必要操作的系统来提供。可以说，AI 开发在某种程度上只受到这些计算资源可用性的限制。

但黄仁勋坚称，这只是开始。新的模型不仅需要被训练，还需要被数百万甚至数十亿用户定期实时运行。“未来 LLM（大型语言模型）将处于几乎所有事物的前沿：‘人类’是新的编程语言，”他说。黄仁勋推测，从视觉效果到快速数字化的制造业、工厂设计和重工业等领域都将在某种程度上采用自然语言界面。“整个工厂将由软件定义和机器人化，并且它们所建造的汽车本身也将是机器人化的。所以这是机器人设计机器人建造机器人，”他说。

黄仁勋没有提到 AI 面临的诸多挑战、监管等问题。