从黄仁勋CES演讲，看英伟达庞大AI棋局：物理AI、AI PC、通用机器人

作者 | 周雅

来源 | 科技行者

NVIDIA创始人黄仁勋在CES 2025的全程高能演讲，浅看是一场新品发布会，实则是英伟达下了一步巨大的棋，这步棋关乎从云端到终端、从数据中心到普通用户、从虚拟世界到物理世界的“全方位”AI发展路线，不过这个“全”带了引号，因为英伟达试图在每一个方向都去突破既有玩法的极限。

就像黄仁勋在会后接受包括至顶科技在内的媒体采访时所说：“英伟达只做两类事情：要么是别人没在做的，要么是我们能做得独特且更好的。”

所以从这个角度，再回看那场发布会，似乎是另外的基调，所以这篇文章特此梳理黄仁勋这次演讲背后的8个核心要点。

图：出现在CES 2025舞台上的黄仁勋，这次穿了件闪亮亮的皮衣，开玩笑地对观众说道：“毕竟我在拉斯维加斯”。

要点一：“AI改变了游戏规则，更改变了计算的本质”，所以用BlackWell重新定义AI计算的边界。

黄仁勋开篇回顾了英伟达的发展历程。

从1993年NV1开始，英伟达就立志，构建能完成普通计算机无法完成任务的计算机，当时英伟达的编程架构被称为UDA（Unified Device Architecture，统一设备架构），跑在UDA的第一个应用程序，是世嘉的《虚拟战士》。

六年后的1999年，NVIDIA发明了可编程GPU；又过了六年后的2006年，英伟达发明了通用并行计算架构CUDA（Compute Unified Device Architecture）；再过了六年后的2012年，随着“师生三人组”Alex Krzyzewski、Ilya Suskevor和Jeffery Hinton利用GPU训练AlexNet，并赢得2012年ImageNet挑战赛，震惊了计算机视觉界，AI由此进入新阶段。（这几个6年历程，老铁见了都得直呼666）

黄仁勋认为，AI发展有四个阶段：

1、感知AI（Perception AI），理解图像、文字和声音，场景包括语音识别、推荐系统、医学成像；

2、生成式AI（Generative AI），生成图像、文本和声音，场景包括数字营销、内容生成；

3、现阶段的Agenic AI，能够感知、推理、规划和行动，场景包括代码助理、客户服务、患者护理；

4、未来的物理AI（Physical AI），场景包括自动驾驶汽车、通用机器人。

2018年是一个关键的节点，谷歌发布Transformer模型BERT，彻底改变了AI的格局。这里温馨插入一段解释，之所以说Transformer具有变革性，是因为它引入的注意力机制，解决了长序列数据处理的难题，且允许并行计算，打破了传统RNN和LSTM的串行限制，它让机器第一次真正学会了“看全局”。

如果说以前的AI是只能一个个字往下读，但会看了后边忘了前边的儿童，而Transformer就是一目十行，心有全篇的专家。这个突破不仅让AI更聪明，处理信息的速度也贼快。而且它厉害的地方是，不光能处理文字，连图片、声音这些都能应对。所以说，Transformer就像是AI世界的“基本法”，彻底改变了AI的发展方向。

黄仁勋现场说：“Transformer驱动的机器学习将从根本上改变每一个应用程序的构建方式、计算方式、以及超越这些的可能性。”

顺着这句话，黄仁勋举了个“AI革新传统图形渲染”的例子。传统光线追踪，要对每个像素进行复杂计算，计算量巨大，但AI变革了这个过程——英伟达在游戏图形领域完成了两次根本性的革新：

第一次革新是引入可编程着色器和光线追踪技术，这让显卡能够通过定制化的程序来处理像素，并模拟真实世界中的光线行为，从而生成极具真实感的画面；第二次革新是DLSS(AI超分辨率技术，Deep Learning Super Sampling)，它的核心理念是让AI来辅助甚至部分取代传统的像素渲染，通过在英伟达超级计算机上进行大规模训练，AI系统学会了理解和预测像素的颜色值，使得GPU上的神经网络能够“脑补”出未经实际渲染的像素内容。

最新一代DLSS 4的突破，被黄仁勋称之为“奇迹”，它不仅能在空间维度上补全像素，还能在时间维度上工作——通过预测未来画面，为每一帧额外生成三帧画面，就好比有3300万像素，而实际只需计算200万像素，并让AI预测其余的3100万像素，既保证了渲染质量，又提升了渲染效率。在现场演示中，DLSS 4 以每秒247帧的速度渲染场景，比不使用AI快8倍以上，同时将延迟保持在仅34毫秒。

顺着上述知识点，黄仁勋发布了这次的第一款GPU新品——RTX Blackwell系列。

RTX Blackwell 系列拥有920亿个晶体管，AI算力最高达4000 TOPS（比上一代高出三倍），美光G7内存，带宽可达每秒 1.8 TB（是上一代性能的2倍）。现有的 RTX GPU 也将支持 DLSS 4。

该系列包括四种型号：

RTX 5070——售价549 美元，提供 RTX 4090 的性能。

RTX 5070 Ti——售价749 美元，提供与 4090 相当的性能，配备 1406 AI TOPS 和 16GB G7 内存。

RTX 5080——售价999 美元，配备 1800 AI TOPS 和 16GB G7 内存。

RTX 5090——售价1999 美元，配备 3404 AI TOPS 和 32GB G7 内存。

搭载 RTX Blackwell GPU 的笔记本电脑，电池寿命延长 40%，性能提高一倍，功耗降低一半，价格从1299 美元到 2899 美元不等。其中，搭载RTX 5090、RTX 5080、RTX 5070 Ti的笔电将于3月上市，搭载RTX 5070笔电将于4月由OEM发售。

要点二：“Scaling Law依然奏效，正推动AI计算需求的指数级增长”，所以用NVLink满足全球数据中心需求。

接着讲到AI发展，黄仁勋认为Scaling Law（规模定律）还没结束——即数据越多、模型越大、计算能力越强、模型就越有效。之所以还没结束，是因为互联网每年产生的数据量都在翻倍，未来几年人类产生的数据量将超过之前的总和，而且这些数据正变得多模态。

黄仁勋认为，规模定律非但没结束，而且还发展出三种状态：预训练规模定律（Pre-Training Scaling）、后训练规模定律（Post-Training Scaling）、测试时间规模定律（Test-Time Scaling）。

其中：

「预训练规模定律」利用强化学习和人工反馈等技术，AI借助人类反馈进行学习提升，它可以针对特定领域微调，类似学生根据老师指导改进作业，适合解决数学、推理问题。

「后训练规模定律」则类似于自我练习，AI通过持续自主练习提升能力，过程中虽耗费大量算力，但能产生突破性模型。

「测试时间规模定律」是指AI运行时，不再仅仅改进参数，而是能动态掉配计算资源，通过“分步推理”和“深入思考”找出最优解决方案。该定律已被证明极其有效。

黄仁勋说，“规模定律推动了对英伟达的计算，特别是Blackwell芯片的巨大需求。”

图：Blackwell全系产品图

话音落下，黄仁勋搬出了一个由72块Blackwell GPU组成的NVLink72巨型“盾牌”模型，还摆了个pose，被网友调侃“美国队长”。

不过黄仁勋手里的“盾牌”，只是NVLink72的缩小模型，真正的NVLink72重达1.5吨，拥有60万个零件，相当于20辆汽车的复杂程度，系统内部有个类似“脊椎”的结构，通过2英里的铜线与5000根电缆把所有的Blackwell连接在一起。

黄仁勋介绍了性能参数。一个NVLink72芯片的AI浮点运算性能是1.4 ExaFLOPS，比世界上最大、最快的超级计算机还要大。其内存带宽达到 1.2 PB/s，相当于全球所有互联网流量的总和。这种超级计算能力，使得 AI 能够处理更复杂的推理任务，同时显著降低成本，为更高效的计算奠定了基础。

NVLink72的生产和部署过程十分复杂。它在全球45个工厂进行生产，采用液冷技术散热，经过严格测试后会被拆解成小部件，运送到全球的数据中心，之后再重新组装起来——这种特殊的运输方式是因为整机太重太大。

黄仁勋解释了“为什么要建造这块庞然大物”，是因为Scaling Law要求越来越强大的计算能力。新一代Blackwell芯片与上一代相比，每瓦性能提升了4倍，每美元性能提高了3倍。这个提升带来两个重要影响：

第一，从成本角度看，训练同样规模的AI模型，成本可以降低到原来的1/3；或者用相同成本，可以训练规模大3倍的模型。

第二，从数据中心运营角度看，由于数据中心受限于供电能力，新芯片的能效提升意味着，在相同供电条件下，数据中心可以进行4倍于之前的AI运算，这直接转化为更高的营收能力。

黄仁勋强调，这种提升非常重要，因为未来几乎所有应用都会使用AI进行文本处理（tokens）。目前大模型的token生成速度为每秒20-30个，与人类阅读速度相当。但在未来，GPT-o1/o2/o3、Gemini Pro等新模型能够进行自我对话、思考、反思，因此token的生成速度将大幅提高，而这些处理都需要在数据中心进行，他将这些数据中心比喻为“AI工厂”，而新一代芯片的能效提升，本质上就是在提高这些“AI工厂”的生产效率。

要点三：“Agenic AI是企业最重要的变革之一”，所以英伟达软硬兼施。

黄仁勋描绘了一个令人振奋的AI未来图景——“Agenic AI将成为企业最重要的变革之一。”这种变革不仅是技术的进步，更是工作方式的根本转变。

在他的描述中，AI代理不再是简单的问答系统，而是一个复杂的智能网络，它能够理解用户需求，搜索信息、调用各种工具、并通过多个模型的协同工作，来帮助用户解决问题。

为了帮助企业和合作伙伴实现Agenic AI的未来图景，英伟达推出了三个重要产品：

第一个是NVIDIA NIMS，这是一套打包好的AI微服务，包含CUDA DNN、Cutlass、Tensor RTLM、Triton等CUDA软件，以及一系列模型（涵盖语义理解、数字人、虚拟内容生成、数字生物等领域，并即将上线“物理AI”模型），方便开发者集成到自身软件中，可以在大部分云平台上运行。

第二个是NVIDIA NEMO，这是一个“数字员工”管理系统，负责训练AI智能体适应企业特定需求、设置行为准则和权限、并且通过反馈不断改进，就像是给AI代理做“入职培训”。

第三是一整套AI Blueprints（AI蓝图），以便生态系统伙伴和开发者自主构建AI智能体，而且它完全开源。黄仁勋介绍了其中的一套模型——Llama Nemotron开源模型套件，这是一个企业级语言模型的“全家桶”，是英伟达针对Meta的Llama进行微调而成（黄仁勋解释说，是因为英伟达发现Llama 3.1已经成为一个现象级产品，它被下载65万次，衍生出了6万个不同版本，是大部分企业研发AI的开始，而且可以它能被很好地微调）。

英伟达的Llama Nemotron包括三种规格：

Nano：极其小巧、响应快、最具成本效益的模型，针对PC和边缘设备所需的低时延模型进行了优化；

Super：在单个GPU上提供卓越吞吐量的高精度模型；

Ultra：精度最高的模型，专为要求最高性能的数据中心规模应用而设计。

黄仁勋预测，未来企业的IT部门将转变成AI智能体的HR部门，它们不再仅仅是维护软件系统，而是要管理一支数字劳动力队伍。全球有3000万程序员和10亿知识工作者将受益于这场变革，AI智能体将成为他们的得力助手。

这种AI智能体带来的变革，正在影响各行各业，黄仁勋在现场通过一支视频展示了5种AI代理的应用场景：

AI研究助手：在研究领域，AI智能体可以快速处理讲座、期刊、财报等复杂资料，生成易于理解的内容；

天气预报系统：在气象预报中，AI智能体将预报精度从25公里提升到2公里；

软件安全AI：在软件开发过程中，AI智能体可以自动扫描代码漏洞并提出修复建议；

虚拟实验室：在制药研究中，AI智能体可以帮助研究人员快速筛选药物候选物，加速新药研发过程。

英伟达选择了一条独特的市场路径。他们不直接面向企业用户，而是与生态系统的合作伙伴一起工作，就像当年推广CUDA一样。生态系统中的合作伙伴有CrewAI、Daily、LangChain、LlamaIndex、Weights & Biases的工具，也有ServiceNow、SAP、西门子的工业平台，也有甲骨文、dataloop的数据平台等。英伟达正在将AI代理渗透到各个行业。

这个战略显示了英伟达对未来AI的深刻理解：AI代理不仅是一个技术产品，而是企业的“数字员工”，它们需要培训、管理和持续改进，就像管理人类员工一样，这些AI代理可被训练为领域特定的任务专家。

通过这番演讲，黄仁勋展现了一个AI代理与人类协同工作的未来。在这个未来中，企业将拥有一支由人类+AI代理组成的劳动力队伍，该队伍是推动生产力提升的重要力量，而英伟达正在通过完整的技术方案和生态系统建设，来帮助企业实现这个未来。

要点四：“将Windows PC转变为AI超级计算机”，所以英伟达发布了WSL2。

说完了Agenic AI的愿景之后，如何才能真正落地呢？黄仁勋的答案是——本地算力：

“虽然云端计算对AI 来说是完美的选择，但AI的未来不应该仅限于云端，而是应该无处不在，特别是要进入我们的个人电脑。就像Windows 95革新了个人计算时代一样，未来的PC将开创新的计算范式，让每个用户都能够充分利用AI的力量来提升工作效率和创造力。”

从这个角度来看，黄仁勋介绍了未来PC的概念：不再只是简单地拥有3D、声音和视频API，而是要具备各种生成式API的能力（包括3D生成、语言生成、声音生成等），这意味着每台电脑都将成为一个强大的AI助手。

英伟达提供了一个解决方案：Windows WSL2（Windows Subsystem for Linux 2），这是一个Window系统内的双操作系统，为开发者提供直接访问硬件的能力，并且已经针对云原生应用和CUDA进行了优化，这使得包括NVIDIA NIMS、NVIDIA NEMO在内的所有AI工具都能在Windows PC上运行。

通过WSL2，英伟达可以将其所有AI工具和服务带到个人电脑上，包括各种模型。换句话说，这是一种计算范式的转变——每台个人电脑都将成为一个强大的AI工作站。

要点五：“我们要创造一个物理世界的AI模型”，所以英伟达发布Cosmos。

黄仁勋接下来的演讲内容，我认为是本场最重要也是英伟达接下来最重要的战略布局，我觉得可以理解为“让AI化形”。

什么意思？如果说GPT等大语言模型让AI掌握了“说”的能力，那么英伟达希望创造一个能理解物理世界的AI系统，赋予AI“做”的能力，这预示着AI即将从虚拟世界走向现实世界的重要一步。

接下来我们就逐步来讲讲。

黄仁勋首先说，当我们使用ChatGPT这样的语言模型时，我们输入一段提示词，模型会分析这段文字中的每个词语（token）之间的关系，然后一个接一个地生成回答的词语。这个过程看似简单，实际上模型内部有数十亿个参数在运作，每个词语都要和上下文中的其他词语建立联系，计算它们之间的相关性。

但是，我们生活的现实世界比文本复杂得多，AI需要理解重力、摩擦力、惯性等物理规律，还要明白空间关系和因果关系。比如，当你把球推出去时，它会如何运动；当你推倒一个物体时，会发生什么；物体从桌子上掉下去后，并不会消失——这些在人类看来很简单的常识，对AI来说都是巨大的挑战。

为了达成这个极具挑战性的“让AI理解物理世界”目标，于是英伟达正式推出Cosmos——一个强大的、能理解物理世界的、全球基础模型。

Cosmos是如何工作的？就像婴儿通过观察、触摸、实验来认识这个物理世界，Cosmos通过看大量视频来学习物理世界的规律，就像是一个加速学习的婴儿。黄仁勋说，Cosmos已经学习了2000万小时的视频，内容包括：自然现象（水会怎么流动）、物理规律（物体会如何碰撞）、人类动作（人是如何走路和抓取物品的）等。这些都成为它理解物理世界的“经验”。

但是，Cosmos的作用远不止于此。黄仁勋说，因为有Cosmos，我们可以因此创造一个物理世界的基础模型，基于Autoregressive Model（自回归模型）、Diffusion Model（扩散模型）、Video Tokenizer（将视频内容编码为紧凑的潜在token）、Video Processing and Curation Pipeline（视频处理管道）。

比如，它可以用来生成训练数据，帮助开发更智能的机器人，被黄仁勋比喻成“机器人的种子”；它能生成多种未来的物理场景，帮助AI做出更好的决策，“就像是一个奇异博士”；它甚至可以为视频生成准确的描述，这些描述又可以用来训练语言模型。

最重要的是，英伟达选择将Cosmos开源，就像Meta开源Llama一样。黄仁勋表示，希望Cosmos能为机器人和工业AI领域带来类似Llama 3.1对企业AI的革命性影响。

现在关键来了：当Cosmos与英伟达的虚拟现实仿真平台Omniverse结合时，这就像是给AI创造了一个“物理世界的实验场”，让它能在这里学习、实验和成长，它就能创造出基于真实物理规律的虚拟世界。

这里梳理一下黄仁勋的解释：Omniverse是一个基于物理规律运行的模拟器，而Cosmos则可以理解为一个物理世界的AI生成系统。当这两个系统结合时，这就像是我们在用大语言模型时，通过RAG（检索增强生成）系统来确保AI生成的内容是基于真实信息一样。在这里，Omniverse的物理模拟确保了Cosmos生成的内容符合现实世界的物理规律。

黄仁勋用了一个很好的类比：就像我们需要让语言模型的输出建立在真实信息的基础上一样，我们也需要让机器人的行为建立在真实物理规律的基础上，这样的结合创造出了一个“基于物理规律的多元宇宙生成器”。

在实际应用中，这种结合特别适合机器人和工业应用场景。正因为如此，黄仁勋提出了一个“三个计算机系统”概念：

第一个计算机系统（DGX）是用来训练AI的。这就像是机器人的“学校”，在这里进行基础的AI训练。

第二个计算机系统（AGX）是部署在实际场景中的，比如安装在自动驾驶汽车里、机器人身上或者体育场馆中的计算机。这些是在“前线”工作的计算机，负责实际的自主操作。

第二个计算机系统正是Omniverse+Cosmos系统，它是一个数字孪生平台。这就像是机器人的“虚拟训练场”。在这里，已经训练好的AI可以进行练习、完善，通过合成数据生成和强化学习，来提升性能。这个系统将前两个系统连接起来，使它们能够协同工作。

为什么需要Cosmos+Omniverse？因为假设你在教一个孩子学物理，不可能让孩子去做所有危险的实验，比如从高处跳下来感受重力，或者去碰滚烫的物体了解温度。而Omniverse就提供了一个“虚拟实验场”：比如可以无限尝试各种动作，而不用担心损坏真实设备；或者，快速模拟数千种不同的场景，而不用担心时间不够；或者测试各种极端情况，而不用承担实际风险。

这种组合的强大之处还在于：一方面，就算AI出错，也不会造成实际损失，可以立即重来。另一方面，Cosmos通过观察视频学习到的“经验”，可以在Omniverse中得到验证和完善。

黄仁勋特别强调了Omniverse+Cosmos系统在工业领域的重要性：“全球制造业大约有50万亿美元的规模，包括数以百万计的工厂和数十万个仓库，这些设施都需要向软件定义和自动化方向发展。无论是工厂的自动化系统，还是自动驾驶汽车，都需要这样的系统，来保证其行为既符合AI的智能决策，又符合现实世界的物理规律。”

图：英伟达Omniverse的合作伙伴生态系统

也因此，黄仁勋预测：工业生产正在向数字化、智能化方向发展，数字孪生将成为未来每一个工厂的标配，它就像工厂的“虚拟分身”，能够完全模拟真实工厂的运作，通过Omniverse+Cosmos系统，可以模拟出多种未来可能的运营方案，然后让AI选择最优方案，这些方案会成为真实工厂的运营指导。

要点六：“三个计算机系统”理论构筑自动驾驶未来，所以英伟达带来了Thor。

接着，黄仁勋谈到了自动驾驶革命，又秀出一张生态合作图，展示了英伟达在自动驾驶领域的广泛合作，覆盖Waymo、特斯拉、捷豹路虎、奔驰、丰田，还有比亚迪、理想、小鹏等众多中国车企。

黄仁勋提供了一组数据：全球每年生产1亿辆汽车，道路上有10亿辆车，每年行驶里程达到1万亿英里。他预测，“这些车辆未来都将实现高度自动化或完全自动化驾驶，这代表自动驾驶很可能成为第一个万亿美元级别的机器人产业。”目前，仅仅是少量开始量产的自动驾驶汽车，就已经为英伟达带来了40亿美元收入规模，预计今年将达到50亿美元。

针对于此，英伟达这次发布了新一代车载处理器Thor。

图： 英伟达Thor

这款芯片的处理能力是上一代Orin的20倍。在安全方面，DRIVE OS获得了ASIL-D认证，这是汽车功能安全的最高标准，这背后凝聚了约15000个工程年的努力，使CUDA发展成为一个功能完备、安全可靠的自动驾驶计算平台。

要点七：“通用机器人的ChatGPT时刻来临”，所以英伟达用ISAAC Groot重新定义机器人开发。

谈到机器人变革，黄仁勋说了一句金句：“通用机器人的ChatGPT时刻来临”，并指出了三种最有前景的机器人类型，这三种机器人的独特之处在于，它们不需要特殊的环境改造，可以直接在我们现有的世界中使用：

1、通用型AI或AI代理：因为它们是信息工作者，只要能适应我们现有的办公环境和电脑系统，就可以工作。

2、自动驾驶汽车：因为人类已经花了一百多年建设道路和城市，这些基础设施已经完备。

3、人形机器人：可以直接适应为人类设计的所有环境和工具。

黄仁勋认为，如果这三种机器人技术获得突破，将创造人类历史上最大的科技产业。

但他也指出了当前面临的关键挑战，特别是在人形机器人的训练方面，与自动驾驶汽车不同（我们每天都在产生大量的驾驶数据），收集人类动作示范数据是非常耗时费力的。

为了解决这个问题，英伟达提出了一个创新方案——ISAAC Groot平台，这是一个面向人形机器人开发的完整解决方案。

该平台的创新之处在于其独特的数据获取和训练方法：开发者可以使用Apple Vision Pro进行远程操作来捕获数据，通过少量人类示范就能生成大规模训练数据，并利用Omniverse+Cosmos进行领域随机化和3D真实感放大，这是一种AI训练方法的创新。

这个环节其实也揭示了机器人领域的重大变革：我们正在从专用机器人向通用机器人过渡，而这个转变的关键在于如何高效地训练这些机器人，通过AI和虚拟仿真技术的结合，我们可以大大加速这个过程。

要点八：“每个用计算机的人，都需要AI超级计算机”，所以英伟达用“DIGITS”开启个人AI超算的新纪元。

作为压轴的重磅产品，黄仁勋介绍了公司内部的一个项目“Project DIGITS”，展现了将企业级AI计算能力带入个人桌面的雄心。

首先，黄仁勋解释了项目名字的由来。最初项目叫“DIGITS”（Deep Learning GPU Intelligence Training System，深度学习GPU智能训练系统），后来为了与公司其他产品线（如RTX、AGX等）保持一致，简化为DGX。

DGX-1的推出是一个革命性的转折点。在此之前，如果想要使用超级计算机，你需要建设专门的设施和基础设施，这对大多数机构来说都是难以实现的。而DGX-1改变了这一切，它是一台“开箱即用”的AI超级计算机。黄仁勋还特别提到，2016年他们将第一台DGX-1交付给了OpenAI，当时包括马斯克、Ilya Sutskever在内的团队都在场。

图： 英伟达DGX-1

但现在情况不一样了，AI的应用已经不再局限于研究机构或创业公司。正如黄仁勋在演讲开始时提到的，AI计算正成为新的计算方式、新的软件开发方式，每个软件工程师、工程师、创意艺术家，实际上是每个用计算机的人，都需要AI超级计算机。

因此，英伟达希望能做出比DGX-1更小的设备，于是正式发布“Project DIGITS”：一个小型化的AI超级计算机。

图：英伟达“Project DIGITS”

该产品基于英伟达的GB110芯片（最小的Grace Blackwell芯片），通过与MediaTek合作开发CPU，并采用NVLink连接到Blackwell GPU，实现了前所未有的性能突破。

图：英伟达“Project DIGITS”的内部结构

它的设计理念，是成为一个放在桌面上的云计算平台，无论你的PC是什么系统都能连接使用，也可以作为Linux工作站使用，支持ConnectX和GPU Direct等技术，是一台袖珍版的超级计算机。预计将在2025年5月上市。

换句话说，英伟达正在将高性能计算从专业数据中心，带入普通用户的办公桌面，这种小型化、便携化的AI超级计算机，可能会像个人电脑革命一样，让更多人使用AI技术进行创新和开发。