智東西
作者 ZeR0 陳駿達
編輯 漠影

芯東西拉斯維加斯1月5日報道，剛剛，英偉達創(chuàng)始人兼CEO黃仁勛在國際消費電子展CES 2026上發(fā)表2026年首場主題演講。黃仁勛一如既往穿著皮衣，在1.5小時內(nèi)連宣8項重要發(fā)布，從芯片、機架到網(wǎng)絡(luò)設(shè)計，對整個全新代際平臺進行了深入介紹。

在加速計算和AI基礎(chǔ)設(shè)施領(lǐng)域，英偉達發(fā)布NVIDIA Vera Rubin POD AI超級計算機、NVIDIA Spectrum-X以太網(wǎng)共封裝光學器件、NVIDIA推理上下文內(nèi)存存儲平臺、基于DGX Vera Rubin NVL72的NVIDIA DGX SuperPOD。

NVIDIA Vera Rubin POD采用英偉達6大自研芯片，涵蓋CPU、GPU、Scale-up、Scale-out、存儲與處理能力，所有部分均為協(xié)同設(shè)計，可滿足先進模型需求并降低計算成本。

其中，Vera CPU采用定制Olympus核心架構(gòu)，Rubin GPU引入Transformer引擎后NBFP4推理性能高達50PFLOPS，每GPU NVLink帶寬快至3.6TB/s，支持第三代通用機密計算（第一個機架級TEE），實現(xiàn)CPU與GPU跨域的完整可信執(zhí)行環(huán)境。

這些芯片均已回片，英偉達已對整個NVIDIA Vera Rubin NVL72系統(tǒng)進行驗證，合作伙伴也已開始運行其內(nèi)部集成的AI模型和算法，整個生態(tài)系統(tǒng)都在為Vera Rubin做部署準備。

其他發(fā)布中，NVIDIA Spectrum-X以太網(wǎng)共封裝光學器件顯著優(yōu)化了電源效率和應用正常運行時間；NVIDIA推理上下文內(nèi)存存儲平臺重新定義了存儲堆棧，以減少重復計算并提升推理效率；基于DGX Vera Rubin NVL72的NVIDIA DGX SuperPOD將大型MoE模型的token成本降低至1/10。

開放模型方面，英偉達宣布擴展開源模型全家桶，發(fā)布新的模型、數(shù)據(jù)集和庫，包括NVIDIA Nemotron開源模型系列新增Agentic RAG模型、安全模型、語音模型，還發(fā)布了適用于所有類型機器人的全新開放模型。不過，黃仁勛并未在演講中詳細介紹。

物理AI方面，物理AI的ChatGPT時刻已經(jīng)到來，英偉達全棧技術(shù)使全球生態(tài)系統(tǒng)能通過AI驅(qū)動的機器人技術(shù)改變行業(yè)；英偉達廣泛的AI工具庫，包括全新Alpamayo開源模型組合，使全球交通行業(yè)能快速實現(xiàn)安全的L4駕駛；NVIDIA DRIVE自動駕駛平臺現(xiàn)已投入生產(chǎn)，搭載于所有全新梅賽德斯-奔馳CLA，用于L2++ AI定義的駕駛。

一、全新AI超級計算機：6款自研芯片，單機架算力達3.6EFLOPS

黃仁勛認為，每10到15年，計算機行業(yè)就會迎來一次全面的重塑，但這次，兩個平臺變革同時發(fā)生，從CPU到GPU，從“編程軟件”到“訓練軟件”，加速計算與AI重構(gòu)了整個計算堆棧。過去十年價值10萬億美元的計算產(chǎn)業(yè)，正在經(jīng)歷一場現(xiàn)代化改造。

與此同時，對算力的需求也急劇飆升。模型的尺寸每年增長10倍，模型用于思考的token數(shù)量每年增長5倍，而每個token的價格每年降低10倍。

為了應對這一需求，英偉達決定每年都發(fā)布新的計算硬件。黃仁勛透露，目前Vera Rubin也已經(jīng)全面開啟生產(chǎn)。

英偉達全新AI超級計算機NVIDIA Vera Rubin POD采用了6款自研芯片：Vera CPU、Rubin GPU、NVLink 6 Switch、ConnectX-9（CX9）智能網(wǎng)卡、BlueField-4 DPU、Spectrum-X 102.4T CPO。

（1）Vera CPU：為數(shù)據(jù)移動和智能體處理而設(shè)計，擁有88個英偉達定制Olympus核心、176線程的英偉達空間多線程，1.8TB/sNVLink-C2C支持CPU:GPU統(tǒng)一內(nèi)存，系統(tǒng)內(nèi)存達1.5TB（是Grace CPU的3倍），SOCAMM LPDDR5X內(nèi)存帶寬為1.2TB/s，并支持機架級機密計算，數(shù)據(jù)處理性能翻倍提升。

（2）Rubin GPU：引入Transformer引擎，NVFP4推理性能高達50PFLOPS，是Blackwell GPU的5倍，向后兼容，在保持推理精度的同時提升BF16/FP4級別的性能；NVFP4訓練性能達到35PFLOPS，是Blackwell的3.5倍。

Rubin也是首個支持HBM4的平臺，HBM4帶寬達22TB/s，是上一代的2.8倍，能夠為苛刻的MoE模型和AI工作負載提供所需性能。

（3）NVLink 6 Switch：單lane速率提升至400Gbps，采用SerDes技術(shù)實現(xiàn)高速信號傳輸；每顆GPU可實現(xiàn)3.6TB/s的全互連通信帶寬，是上一代的2倍，總帶寬為28.8TB/s，F(xiàn)P8精度下in-network計算性能達到14.4TFLOPS，支持100%液冷。

（4）NVIDIA ConnectX-9 SuperNIC：每顆GPU提供1.6Tb/s帶寬，針對大規(guī)模AI進行了優(yōu)化，具備完全軟件定義、可編程、加速的數(shù)據(jù)路徑。

（5）NVIDIA BlueField-4：800Gbps DPU， 用于智能網(wǎng)卡和存儲處理器，配備64核Grace CPU，結(jié)合ConnectX-9 SuperNIC，用于卸載網(wǎng)絡(luò)與存儲相關(guān)的計算任務，同時增強了網(wǎng)絡(luò)安全能力，計算性能是上一代的6倍，內(nèi)存帶寬達3倍，GPU訪問數(shù)據(jù)存儲的速度提升至2倍。

（6）NVIDIA Vera Rubin NVL72：在系統(tǒng)層面將上述所有組件整合成單機架處理系統(tǒng)，擁有2萬億顆晶體管，NVFP4推理性能達3.6EFLOPS，NVFP4訓練性能達2.5EFLOPS。

該系統(tǒng)LPDDR5X內(nèi)存容量達54TB，是上一代的2.5倍；總HBM4內(nèi)存達20.7TB，是上一代的1.5倍；HBM4帶寬是1.6PB/s，是上一代的2.8倍；總縱向擴展帶寬達到260TB/s，超過全球互聯(lián)網(wǎng)的總帶寬規(guī)模。

該系統(tǒng)基于第三代MGX機架設(shè)計，計算托盤采用模塊化、無主機、無纜化、無風扇設(shè)計，使組裝和維護速度比GB200快18倍。原本需要2小時的組裝工作，現(xiàn)在只需5分鐘左右，而原本系統(tǒng)使用約80%的液冷，目前已經(jīng)100%使用液冷。

NVLink Switch托盤顆實現(xiàn)零停機維護與容錯，在托盤被移除或部分部署時機架仍可運行。第二代RAS引擎可進行零停機運行狀況檢查。

這些特性提升了系統(tǒng)運行時間與吞吐率，進一步降低訓練與推理成本，滿足數(shù)據(jù)中心對高可靠性、高可維護性的要求。

已有超過80家MGX合作伙伴準備好支持Rubin NVL72在超大規(guī)模網(wǎng)絡(luò)中的部署。

二、三大新品爆改AI推理效率：新CPO器件、新上下文存儲層、新DGX SuperPOD

同時，英偉達發(fā)布了3款重要新品：NVIDIA Spectrum-X以太網(wǎng)共封裝光學器件、NVIDIA推理上下文內(nèi)存存儲平臺、基于DGX Vera Rubin NVL72的NVIDIA DGX SuperPOD。

1、NVIDIA Spectrum-X以太網(wǎng)共封裝光學器件

NVIDIA Spectrum-X以太網(wǎng)共封裝光學器件基于Spectrum-X架構(gòu)，采用2顆芯片設(shè)計，采用200Gbps SerDes，每顆ASIC顆可提供102.4Tb/s帶寬。

該交換平臺包括一個512端口高密度系統(tǒng)，以及一個128端口緊湊系統(tǒng)，每個端口的速率均為800Gb/s。

CPO（共封裝光學）交換系統(tǒng)可實現(xiàn)5倍的能效提升、10倍的可靠性提升、5倍的應用程序正常運行時間提升。

這意味著每天可以處理更多token，從而進一步降低數(shù)據(jù)中心的總擁有成本（TCO）。

2、NVIDIA推理上下文內(nèi)存存儲平臺

NVIDIA推理上下文內(nèi)存存儲平臺是一個POD級AI原生存儲基礎(chǔ)設(shè)施，用于存儲KV Cache，基于BlueField-4與Spectrum-X Ethernet加速，與NVIDIA Dynamo和NVLink緊密耦合，實現(xiàn)內(nèi)存、存儲、網(wǎng)絡(luò)之間的協(xié)同上下文調(diào)度。

該平臺將上下文作為一等數(shù)據(jù)類型處理，可實現(xiàn)5倍的推理性能、5倍的更優(yōu)能效。

這對改進多輪對話、RAG、Agentic多步推理等長上下文應用至關(guān)重要，這些工作負載高度依賴上下文在整個系統(tǒng)中被高效存儲、復用與共享的能力。

AI正在從聊天機器人演進為Agentic AI（智能體），會推理、調(diào)用工具并長期維護狀態(tài)，上下文窗口已擴展到數(shù)百萬個token。這些上下文保存在KV Cache中，每一步都重新計算會浪費GPU時間并帶來巨大延遲，因此需要存儲。

但GPU顯存雖快卻稀缺，傳統(tǒng)網(wǎng)絡(luò)存儲對短期上下文而言效率過低。AI推理瓶頸正從計算轉(zhuǎn)向上下文存儲。所以需要一個介于GPU與存儲之間、專為推理優(yōu)化的新型內(nèi)存層。

這一層不再是事后補丁，而必須與網(wǎng)絡(luò)存儲協(xié)同設(shè)計，以最低的開銷移動上下文數(shù)據(jù)。

作為一種新型存儲層級，NVIDIA推理上下文內(nèi)存存儲平臺并不直接存在于主機系統(tǒng)中，而是通過BlueField-4連接到計算設(shè)備之外。其關(guān)鍵優(yōu)勢在于，可以更高效地擴展存儲池規(guī)模，從而避免重復計算KV Cache。

英偉達正與存儲合作伙伴緊密合作，將NVIDIA推理上下文內(nèi)存存儲平臺引入Rubin平臺，使客戶能夠?qū)⑵渥鳛橥暾葾I基礎(chǔ)設(shè)施的一部分進行部署。

3、基于Vera Rubin構(gòu)建的NVIDIA DGX SuperPOD

在系統(tǒng)層面，NVIDIA DGX SuperPOD作為大規(guī)模AI工廠部署藍圖，采用8套DGX Vera Rubin NVL72系統(tǒng)，用NVLink 6縱向擴展網(wǎng)絡(luò)，用Spectrum-X Ethernet橫向擴展網(wǎng)絡(luò)，內(nèi)置NVIDIA推理上下文內(nèi)存存儲平臺，并經(jīng)過工程化驗證。

整個系統(tǒng)由NVIDIA Mission Control軟件管理，實現(xiàn)極致效率?？蛻艨蓪⑵渥鳛榻昏€匙平臺部署，用更少GPU完成訓練與推理任務。

由于在6款芯片、托盤、機架、Pod、數(shù)據(jù)中心與軟件層面實現(xiàn)了極致協(xié)同設(shè)計，Rubin平臺在訓練與推理成本上實現(xiàn)了大幅下降。與上一代Blackwell相比，訓練相同規(guī)模的MoE模型，僅需1/4的GPU數(shù)量；在相同延遲下，大型MoE模型的token成本降低至1/10。

采用DGX Rubin NVL8系統(tǒng)的NVIDIA DGX SuperPOD也一并發(fā)布。

借助Vera Rubin架構(gòu)，英偉達正與合作伙伴和客戶一起，構(gòu)建世界上規(guī)模最大、最先進、成本最低的AI系統(tǒng)，加速AI的主流化落地。

Rubin基礎(chǔ)設(shè)施將于今年下半年通過CSP與系統(tǒng)集成商提供，微軟等將成為首批部署者。

三、開放模型宇宙再擴展：新模型、數(shù)據(jù)、開源生態(tài)的重要貢獻者

在軟件與模型層面，英偉達繼續(xù)加大開源投入。

OpenRouter等主流開發(fā)平臺顯示，過去一年，AI模型使用量增長20倍，其中約1/4的token來自開源模型。

2025年，英偉達是Hugging Face上開源模型、數(shù)據(jù)和配方的最大貢獻者，發(fā)布了650個開源模型和250個開源數(shù)據(jù)集。

英偉達的開源模型在多項排行榜中名列前茅。開發(fā)者不僅可以使用這些開源模型，還可以從中學習、持續(xù)訓練、擴展數(shù)據(jù)集，并使用開源工具和文檔化技術(shù)來構(gòu)建AI系統(tǒng)。

受到Perplexity的啟發(fā)，黃仁勛觀察到，Agents應該是多模型、多云和混合云的，這也是Agentic AI系統(tǒng)的基本架構(gòu)，幾乎所有的創(chuàng)企都在采用。

借助英偉達提供的開源模型和工具，開發(fā)者現(xiàn)在也可以定制AI系統(tǒng)，并使用最前沿的模型能力。目前，英偉達已經(jīng)將上述框架整合為“藍圖”，并集成到SaaS平臺中去。用戶可以借助藍圖實現(xiàn)快速部署。

現(xiàn)場演示的案例中，這一系統(tǒng)系統(tǒng)可以根據(jù)用戶意圖，自動判斷任務應由本地私有模型還是云前沿模型處理，也可調(diào)用外部工具（如郵件 API、機器人控制接口、日歷服務等），并實現(xiàn)多模態(tài)融合，統(tǒng)一處理文本、語音、圖像、機器人傳感信號等信息。

這些復雜的能力在過去是絕對無法想象的，但如今已經(jīng)變得微不足道。在ServiceNow、Snowflake等企業(yè)平臺上，都能使用到類似的能力。

四、開源Alpha-Mayo模型，讓自動駕駛汽車“思考”

英偉達相信物理AI和機器人最終將成為全球最大的消費電子細分市場。所有能夠移動的事物，最終都將實現(xiàn)完全自主，由物理AI驅(qū)動。

AI已經(jīng)經(jīng)歷了感知AI、生成式AI、Agentic AI階段，現(xiàn)在正進入物理AI時代，智能走入真實世界，這些模型能夠理解物理規(guī)律，并直接從物理世界的感知中生成行動。

不要要實現(xiàn)這一目標，物理AI必須學會世界的常識——物體恒存、重力、摩擦。這些能力的獲取將依賴三臺計算機：訓練計算機（DGX）用于打造AI模型，推理計算機（機器人/車載芯片）用于實時執(zhí)行，仿真計算機（Omniverse）用于生成合成數(shù)據(jù)、驗證物理邏輯。

而其中的核心模型是Cosmos世界基礎(chǔ)模型，將語言、圖像、3D與物理規(guī)律對齊，支撐從仿真生成訓練數(shù)據(jù)的全鏈路。

物理AI將出現(xiàn)在三類實體中：建筑（如工廠、倉庫），機器人，自動駕駛汽車。

黃仁勛認為，自動駕駛將成為是物理AI的第一個大規(guī)模應用場景。此類系統(tǒng)需要理解現(xiàn)實世界、做出決策并執(zhí)行動作，對安全性、仿真和數(shù)據(jù)要求極高。

對此，英偉達發(fā)布Alpha-Mayo，一個由開源模型、仿真工具和物理AI數(shù)據(jù)集組成的完整體系，用于加速安全、基于推理的物理AI開發(fā)。

其產(chǎn)品組合為全球車企、供應商、創(chuàng)企和研究人員提供構(gòu)建L4級自動駕駛系統(tǒng)的基礎(chǔ)模塊。

Alpha-Mayo這是是業(yè)內(nèi)首個真正讓自動駕駛汽車“思考”的模型，這一模型已經(jīng)開源。它通過將問題拆解為步驟，對所有可能性進行推理，并選擇最安全的路徑。

這種推理型任務-行動模型使自動駕駛系統(tǒng)能夠解決此前從未經(jīng)歷過的復雜邊緣場景，例如繁忙路口的交通燈失效。

Alpha-Mayo擁有100億個參數(shù)，規(guī)模足以處理自動駕駛?cè)蝿眨瑫r又足夠輕量，可運行在為自動駕駛研究人員打造的工作站上。

它能接收文本、環(huán)視攝像頭、車輛歷史狀態(tài)和導航輸入，并輸出行駛軌跡和推理過程，讓乘客理解車輛為何采取某個行動。

現(xiàn)場播放的宣傳片中，在Alpha-Mayo的驅(qū)動下，自動駕駛汽車可以在0介入的情況下自主完成行人避讓、預判左轉(zhuǎn)車輛并變道繞開等操作。

黃仁勛稱，搭載Alpha-Mayo的梅賽德斯奔馳CLA已經(jīng)投產(chǎn)，還剛剛被NCAP評為世界上最安全的汽車。每條代碼、芯片、系統(tǒng)都經(jīng)過安全認證。該系統(tǒng)將在美國市場上線，并將在今年晚些時候推出更強駕駛能力，包括高速公路脫手駕駛，以及城市環(huán)境下的端到端自動駕駛。

英偉達亦發(fā)布了用于訓練Alpha-Mayo的部分數(shù)據(jù)集、開源推理模型評估仿真框架Alpha-Sim。開發(fā)者可以使用自有數(shù)據(jù)對Alpha-Mayo進行微調(diào)，也可以使用Cosmos生成合成數(shù)據(jù)，并在真實數(shù)據(jù)與合成數(shù)據(jù)結(jié)合的基礎(chǔ)上訓練和測試自動駕駛應用。除此之外，英偉達宣布NVIDIA DRIVE平臺現(xiàn)已投入生產(chǎn)。

英偉達宣布，波士頓動力、Franka Robotics、Surgical手術(shù)機器人、LG電子、NEURA、XRLabs、智元機器人等全球機器人領(lǐng)先企業(yè)均基于NVIDIA Isaac和GR00T構(gòu)建。

黃仁勛還官宣了與西門子的最新合作。西門子正將英偉達CUDA-X、AI模型和Omniverse集成到其EDA、CAE和數(shù)字孿生工具與平臺組合中。物理AI將被廣泛用于設(shè)計、仿真到生產(chǎn)制造和運營的全流程。

結(jié)語：左手擁抱開源，右手將硬件系統(tǒng)做到不可替代

隨著AI基礎(chǔ)設(shè)施的重心正從訓練轉(zhuǎn)向大規(guī)模推理，平臺競爭已從單點算力，演進為覆蓋芯片、機架、網(wǎng)絡(luò)與軟件的系統(tǒng)工程，目標轉(zhuǎn)向以最低TCO交付最大推理吞吐，AI正進入“工廠化運行”的新階段。

英偉達非常注重系統(tǒng)級設(shè)計，Rubin同時在訓練和推理上實現(xiàn)了性能與經(jīng)濟性的提升，并能作為Blackwell的即插即用替代方案，可從Blackwell無縫過渡。

在平臺定位上，英偉達依然認為訓練至關(guān)重要，因為只有快速訓練出最先進模型，推理平臺才能真正受益，因此在Rubin GPU中引入NVFP4訓練，進一步提升性能、降低TCO。

同時，這家AI計算巨頭也持續(xù)在縱向擴展和橫向擴展架構(gòu)上大幅強化網(wǎng)絡(luò)通信能力，并將上下文視作關(guān)鍵瓶頸，實現(xiàn)存儲、網(wǎng)絡(luò)、計算的協(xié)同設(shè)計。

英偉達一邊大舉開源，另一邊正將硬件、互連、系統(tǒng)設(shè)計做得越來越“不可替代”，這種持續(xù)擴大需求、激勵token消耗、推動推理規(guī)?；?、提供高性價比基礎(chǔ)設(shè)施的策略閉環(huán)，正為英偉達構(gòu)筑更加堅不可摧的護城河。