全文 4,000字 | 閱讀約 16 分鐘

（黃仁勛 2026 CES 演講精彩片段）

2026 年剛開年，AI 行業(yè)最重磅的信號(hào)，不是來自模型發(fā)布會(huì)，而是來自芯片 CEO 的一場(chǎng)產(chǎn)業(yè)宣言。

1月5日，拉斯維加斯CES現(xiàn)場(chǎng)，英偉達(dá) CEO 黃仁勛一登臺(tái)就說：

計(jì)算行業(yè)的每一層，都要被重寫一次。

黃仁勛并沒有把模型升級(jí)作為主角，而是強(qiáng)調(diào)：AI的真正躍遷，不靠單點(diǎn)突破，而要靠一整套工業(yè)化能力。

什么是工業(yè)化能力？

不是展示一個(gè)更強(qiáng)的Demo，而是讓 AI 能被復(fù)制、能被部署、能被驗(yàn)收、最終能規(guī)�；�。

這次發(fā)布會(huì)，英偉達(dá)展示的正是這套完整的工業(yè)化體系：

• 硬件層：Rubin平臺(tái)全面量產(chǎn)，訓(xùn)練速度提升4倍、成本降低10倍

• 應(yīng)用層：Physical AI標(biāo)準(zhǔn)路徑，從Cosmos模擬到 Alpamayo 自動(dòng)駕駛，2026年 Q1上路

• 生態(tài)層：全棧開源工具鏈，從模型到數(shù)據(jù)到工具，全部向行業(yè)開放

黃仁勛說，機(jī)器人領(lǐng)域的“ChatGPT時(shí)刻”要到了。

這不僅是個(gè)比喻，更是整個(gè)AI工業(yè)化的新起點(diǎn)。

第一節(jié)｜應(yīng)用架構(gòu)：智能體替代代碼

在黃仁勛的演講里，有一句話值得注意：

你不再寫軟件，而是在訓(xùn)練軟件。

這意味著：AI 應(yīng)用不再是堆個(gè)模型掛在原來的程序上，而是從寫代碼變成教會(huì)一個(gè)智能體怎么做事。

過去的應(yīng)用程序，是提前寫好一套流程、預(yù)先編譯、部署到設(shè)備上運(yùn)行。

而現(xiàn)在的 AI 應(yīng)用，是實(shí)時(shí)生成、實(shí)時(shí)理解、實(shí)時(shí)回應(yīng)，連每一幀畫面、每一個(gè)詞，都是現(xiàn)場(chǎng)生成的。

這背后，底層邏輯變了三件事：

• 從編程到訓(xùn)練：開發(fā)者不再告訴程序該怎么做，而是訓(xùn)練它理解該怎么做。

• 從CPU到GPU：AI時(shí)代的計(jì)算，不再是通用芯片能支撐的任務(wù)，必須靠加速計(jì)算來支撐生成、理解和推理。

• 從調(diào)用模型到架構(gòu)智能體：單一模型不夠用了，要建立一整套能調(diào)用多個(gè)模型、會(huì)拆解問題、會(huì)用工具的工作智能體。

英偉達(dá)內(nèi)部現(xiàn)在用的編程方式，正是基于這樣的架構(gòu)。

演講中他提到了Cursor，一個(gè)能幫工程師寫代碼的智能體模型。它會(huì)接收任務(wù)、分析意圖、調(diào)用工具完成編程。

黃仁勛把這一整套結(jié)構(gòu)，稱為AI藍(lán)圖（Blueprint）：

它不是一個(gè)模型，也不是一個(gè)產(chǎn)品，而是一整套通用方法。你可以在上面建一個(gè)客服助手，也可以建一個(gè)個(gè)人管家，甚至控制家里的機(jī)器人。

更重要的是，這個(gè)架構(gòu)是可以被復(fù)制、定制的。

• 企業(yè)可以教它專屬技能；

• 工程師可以插入自己的數(shù)據(jù)；

• 每個(gè)行業(yè)都能建立自己能自主協(xié)作的AI。

所以，AI 應(yīng)用真正的躍遷，已經(jīng)不是換個(gè)更大的模型，而是從源頭上換了一種構(gòu)建方式：從怎么接入模型，轉(zhuǎn)向怎么用AI來重建工具鏈。

這就是 AI 應(yīng)用的底座變了：從軟件架構(gòu)，變成了智能架構(gòu)。

第二節(jié)｜算力基建：Rubin 讓訓(xùn)練成本降 10 倍

講到 AI，很多人以為主要看模型強(qiáng)不強(qiáng)。但在黃仁勛眼里，真正決定AI能不能用起來的，是底下那座發(fā)電廠夠不夠強(qiáng)、撐不撐得住。

這座發(fā)電廠就是他這次發(fā)布的 Rubin AI 平臺(tái)。

這不是一次普通的硬件更新，而是一次全套計(jì)算方式的重做：

• 六大芯片協(xié)同設(shè)計(jì)：Vera CPU、Rubin GPU、ConnectX-9網(wǎng)卡、BlueField-4 DPU、NVLink 6交換機(jī)、Spectrum-X光子交換機(jī)，每一塊都從零重新設(shè)計(jì)；

• 物理結(jié)構(gòu)徹底重構(gòu)：零電纜、兩根管道、5分鐘組裝（原來要2小時(shí)）；

• 能效革命性提升 ：性能翻倍，但用45°C熱水冷卻，數(shù)據(jù)中心連冷水機(jī)都不用裝。

為什么英偉達(dá)要這樣大動(dòng)干戈？

因?yàn)?AI 正在經(jīng)歷一場(chǎng)算力危機(jī)，黃仁勛稱之為"Token通脹"：

• 模型規(guī)模每年增長(zhǎng)10倍（從1萬億參數(shù)到10萬億參數(shù)）

• 推理Token生成量每年增長(zhǎng)5倍（o1這類推理模型要"思考"，不再是一次性回答）

• 訓(xùn)練量持續(xù)爆炸（預(yù)訓(xùn)練+后訓(xùn)練+測(cè)試時(shí)縮放）

與此同時(shí)，Token價(jià)格每年暴跌10倍。這意味著什么？

意味著 AI 公司要想保持競(jìng)爭(zhēng)力，必須：

1. 用更少的成本生成更多Token

2. 用更快的速度訓(xùn)練出下一代模型

3. 用更大的算力支撐更復(fù)雜的推理

這就是 Rubin 要解決的核心問題。

黃仁勛現(xiàn)場(chǎng)展示的數(shù)據(jù)很清楚：

• 訓(xùn)練速度：訓(xùn)練一個(gè) 10 萬億參數(shù)模型，Rubin 只需 Blackwell 1/4 的系統(tǒng)

• 工廠吞吐量：每瓦性能是 Blackwell 的10倍

• Token成本：生成成本是 Blackwell 的1/10

這些數(shù)字背后，是商業(yè)邏輯的改變。

一個(gè) 500 億美元、1 吉瓦電力的數(shù)據(jù)中心，用 Rubin 比用Blackwell能多產(chǎn)出 10 倍收入。不是性能提升，而是收入翻倍。

Rubin 已經(jīng)全面投產(chǎn)。這代表英偉達(dá)在摩爾定律失效的時(shí)代，通過極限協(xié)同設(shè)計(jì)硬生生把性能提升曲線拉了回來。

更關(guān)鍵的是，這樣的硬件不是給某一家公司定制的，而是為全行業(yè)準(zhǔn)備的標(biāo)準(zhǔn)底座：

• 云平臺(tái)可以用它訓(xùn)練模型；

• 大廠可以拿它做AI產(chǎn)品；

• 初創(chuàng)公司也能租用它接入AI基礎(chǔ)設(shè)施。

AI 工業(yè)化的底層，不是寫個(gè)模型上傳云，而是有一個(gè)能持續(xù)運(yùn)轉(zhuǎn)、成本可控、可規(guī)模擴(kuò)展的算力發(fā)電廠。

Rubin 正是這座發(fā)電廠的核心引擎。

第三節(jié)｜物理 AI：機(jī)器人的工業(yè)化路徑

很多人以為機(jī)器人是科技展上的展示品，離我們生活還很遠(yuǎn)。但黃仁勛這次講得很清楚：機(jī)器人，正在成為 AI 工業(yè)化之后的第一批量產(chǎn)成品。

他直接把它歸到 Physical AI 這一類。

什么是 Physical AI？

不是簡(jiǎn)單的能動(dòng)能看，而是理解物理世界如何運(yùn)作的 AI：理解重力、摩擦、慣性、因果關(guān)系，就像人類從小學(xué)會(huì)的常識(shí)。

但這種常識(shí)對(duì) AI 來說極其困難。你不能告訴它“球會(huì)滾”、“重車難停’，它必須從數(shù)據(jù)中學(xué)會(huì)。

問題是，現(xiàn)實(shí)世界的數(shù)據(jù)既稀缺又昂貴，讓自動(dòng)駕駛AI去真實(shí)撞車學(xué)習(xí)？顯然不可能。

所以英偉達(dá)做了八年的事，就是建立一套完整的 Physical A訓(xùn)練體系。 三臺(tái)計(jì)算機(jī)協(xié)同工作 ：

• 訓(xùn)練計(jì)算機(jī) ：用GPU訓(xùn)練AI模型

• 推理計(jì)算機(jī) ：在機(jī)器人本體上運(yùn)行AI

• 模擬計(jì)算機(jī) ：在虛擬世界里反復(fù)演練，再下場(chǎng)實(shí)操

這第三臺(tái)計(jì)算機(jī)是核心突破。

英偉達(dá)為此打造了兩個(gè)關(guān)鍵工具：

Cosmos：世界基礎(chǔ)模型，能預(yù)判一個(gè)動(dòng)作會(huì)帶來什么物理后果。它不是理解語(yǔ)言，而是理解物理定律。

Omniverse：物理模擬平臺(tái)，真實(shí)還原重力、摩擦、材質(zhì)、光照，讓AI在虛擬世界里先練個(gè)幾十億公里。

這套方法論的威力，在 Alpamayo 上得到了充分驗(yàn)證。Alpamayo 是英偉達(dá)剛發(fā)布的自動(dòng)駕駛 AI，也是全球首個(gè)會(huì)推理的端到端自動(dòng)駕駛系統(tǒng)。

它的突破在哪？

不只是告訴你“我要左轉(zhuǎn)”，而是會(huì)解釋：

• 前方有行人橫穿，我需要減速

• 左側(cè)車道有車輛變道，我選擇保持車道并調(diào)整速度

這種推理能力為什么重要？

因?yàn)殚L(zhǎng)尾場(chǎng)景是無窮的。你不可能收集到所有國(guó)家、所有天氣、所有突發(fā)情況的訓(xùn)練數(shù)據(jù)。但如果AI會(huì)推理，它就能把陌生場(chǎng)景拆解成熟悉的子場(chǎng)景。比如“行人+減速”、“變道+避讓”，這些它都訓(xùn)練過。

Alpamayo 的訓(xùn)練數(shù)據(jù)來自：

• 大量人類駕駛里程

• 數(shù)十億公里的Cosmos生成的虛擬數(shù)據(jù)*

• 精細(xì)標(biāo)注的邊緣案例

而且，它采用雙堆棧安全設(shè)計(jì)：

• Alpamayo 負(fù)責(zé)復(fù)雜推理場(chǎng)景

• 經(jīng)典AV堆棧負(fù)責(zé)兜底（當(dāng) Alpamayo不確定時(shí)切換）

更重要的是，2026年Q1，這套系統(tǒng)將在梅賽德斯-奔馳CLA上路，而且Alpamo已經(jīng)開源。

這代表英偉達(dá)不只是造了一輛自動(dòng)駕駛車，而是驗(yàn)證了一整套Physical AI的工業(yè)化路徑：

1. 用Cosmos生成訓(xùn)練數(shù)據(jù) → 解決數(shù)據(jù)稀缺問題

2. 用Omniverse做虛擬演練 → 降低試錯(cuò)成本

3. 用推理能力應(yīng)對(duì)長(zhǎng)尾 → 突破數(shù)據(jù)覆蓋瓶頸

這套路徑不只適用于汽車，也適用于所有機(jī)器人。

黃仁勛現(xiàn)場(chǎng)展示的 Groot人形機(jī)器人、Jetson小機(jī)器人，都是在Omniverse里訓(xùn)練出來的。它們會(huì)被部署到倉(cāng)庫(kù)、醫(yī)院、酒店、建筑工地，代替人處理一部分真實(shí)任務(wù)。

機(jī)器人不是 AI 的最后一步，而是AI工業(yè)化之后第一批量產(chǎn)的實(shí)體產(chǎn)品。

能適應(yīng)環(huán)境、理解物理、學(xué)會(huì)推理，這就是 AI 從屏幕走向現(xiàn)實(shí)。

Cosmos 生成數(shù)據(jù)、Omniverse模擬演練、推理應(yīng)對(duì)未知，這套方法論正在成為 Physical AI的標(biāo)準(zhǔn)流程。

第四節(jié)｜開源戰(zhàn)略：英偉達(dá)在下什么棋

AI 門檻高、只有大廠玩得起，這個(gè)認(rèn)知要被打破了。

黃仁勛這次的表態(tài)很明確：

我們把模型開源、把數(shù)據(jù)開源、把工具鏈開源，因?yàn)橹挥羞@樣，每家公司才能造出自己的 AI。

英偉達(dá)為什么要這么做？

這是一場(chǎng)生態(tài)戰(zhàn)爭(zhēng)。

一、OpenAI 的閉源 vs 英偉達(dá)的開源

我們先看兩條不同的路徑：

OpenAI的策略：

• 模型閉源、能力領(lǐng)先

• 你調(diào)用我的API，按Token付費(fèi)

• 我掌握模型，你掌握應(yīng)用

英偉達(dá)的策略：

• 模型開源、工具開源、數(shù)據(jù)開源

• 你自己訓(xùn)練，用我的芯片

• 你掌握模型，我掌握基礎(chǔ)設(shè)施

看出區(qū)別了嗎？

OpenAI要做的是AI時(shí)代的微軟:賣軟件、賣服務(wù)。 英偉達(dá)要做的是AI時(shí)代的臺(tái)積電:賣芯片、賣算力。

而開源，正是英偉達(dá)實(shí)現(xiàn)這個(gè)戰(zhàn)略的核心武器。

二、開源對(duì)英偉達(dá)有什么好處？

1.擴(kuò)大市場(chǎng)規(guī)模

如果 AI只能靠調(diào)用大模型API，那需要買 GPU 的只有OpenAI、Anthropic、Google這幾家。

但如果每個(gè)行業(yè)、每家企業(yè)都要訓(xùn)練自己的模型，那需要買GPU的就是成千上萬家公司。

開源工具鏈降低了門檻，激活了長(zhǎng)尾市場(chǎng)。

2.建立事實(shí)標(biāo)準(zhǔn)

黃仁勛這次發(fā)布的不只是模型，還有：

• Nemo工具鏈（訓(xùn)練語(yǔ)言模型）

• Cosmos（世界基礎(chǔ)模型）

• Omniverse（物理模擬平臺(tái)）

• Blueprint（智能體架構(gòu)）

當(dāng)全世界的開發(fā)者都用這套工具訓(xùn)練AI時(shí)，這套工具就成了事實(shí)標(biāo)準(zhǔn)。

而這套標(biāo)準(zhǔn)，深度綁定了英偉達(dá)的芯片。

3.鎖定生態(tài)

黃仁勛現(xiàn)場(chǎng)點(diǎn)名的合作伙伴：

• Palantir、ServiceNow、Snowflake（企業(yè)軟件）

• 西門子、Cadence、Synopsys（工業(yè)設(shè)計(jì)）

• Meta、Hugging Face、ElevenLabs（AI能力）

這些公司都在用英偉達(dá)的工具鏈構(gòu)建自己的AI產(chǎn)品。一旦形成依賴，想切換到AMD或其他芯片？

成本巨大。

三、這對(duì)產(chǎn)業(yè)意味著什么？

1.AI的競(jìng)爭(zhēng)從模型能力轉(zhuǎn)向工業(yè)化能力

以前比的是誰的模型更強(qiáng)，現(xiàn)在比的是：

• 誰能更快訓(xùn)練出專屬模型

• 誰能更低成本部署AI

• 誰能讓AI在更多場(chǎng)景落地

而這些，都需要芯片、工具鏈、數(shù)據(jù)支撐。

2.創(chuàng)業(yè)公司的機(jī)會(huì)來了

以前做AI應(yīng)用，只能調(diào)用大模型API，護(hù)城河很淺。

現(xiàn)在有了開源工具鏈，創(chuàng)業(yè)公司可以：

• 用開源模型做基座

• 用行業(yè)數(shù)據(jù)做訓(xùn)練

• 建立專屬AI能力

這意味著垂直領(lǐng)域的AI創(chuàng)業(yè)會(huì)爆發(fā)。

3.云廠商的角色會(huì)分化

以前云廠商只是賣算力，現(xiàn)在要選邊站：

• 要么深度集成OpenAI（如微軟Azure）

• 要么支持開源生態(tài)（如AWS、GCP）

而英偉達(dá)的開源策略，讓云廠商更容易選擇后者。

四、黃仁勛在下一盤大棋

這次發(fā)布會(huì)，黃仁勛展示的不只是產(chǎn)品，而是一套完整的產(chǎn)業(yè)布局：

• 第一層：開源模型和工具鏈，降低門檻、激活長(zhǎng)尾

• 第二層：Rubin芯片和算力基礎(chǔ)設(shè)施，鎖定生態(tài)

• 第三層：Physical AI標(biāo)準(zhǔn)路徑，定義下一代產(chǎn)業(yè)

他要傳達(dá)的信息很清楚：AI 工業(yè)化，不是把模型賣給你，而是把造模型的能力還給你。

但造模型的工具、算力、芯片，都來自英偉達(dá)。

這才是真正的生態(tài)戰(zhàn)爭(zhēng)。

結(jié)語(yǔ)｜競(jìng)爭(zhēng)焦點(diǎn)變了：從模型能力到工業(yè)化速度

黃仁勛這次發(fā)布的，不是更強(qiáng)的模型，而是一套完整的AI 工業(yè)化路徑。

從應(yīng)用架構(gòu)、算力基礎(chǔ)、物理執(zhí)行到開源生態(tài)，這四個(gè)層次構(gòu)成了AI工業(yè)化的完整閉環(huán)。

• Rubin已經(jīng)量產(chǎn)，Alpamayo 2026年Q1上路，工具鏈已經(jīng)開放。

• AI真正的升級(jí)，不是模型參數(shù)翻倍，而是從實(shí)驗(yàn)室技術(shù)變成可復(fù)制的工業(yè)能力。

競(jìng)爭(zhēng)的焦點(diǎn)已經(jīng)變了：不在誰的模型更強(qiáng)，

而在誰能更快建立 AI 工業(yè)化體系。

識(shí)自AI

本文由AI深度研究員出品，內(nèi)容整理自黃仁勛 2026 CES 演講內(nèi)容等網(wǎng)上公開素材，屬評(píng)論分析性質(zhì)。內(nèi)容為觀點(diǎn)提煉與合理引述，未逐字復(fù)制原訪談材料。未經(jīng)授權(quán)，不得轉(zhuǎn)載。

星標(biāo)公眾號(hào)， 點(diǎn)這里 1. 點(diǎn)擊右上角 2. 點(diǎn)擊"設(shè)為星標(biāo)" ← AI深度研究員 ? ← 設(shè)為星標(biāo)

參考資料：

https://www.youtube.com/watch?v=uMJOb4W8JhY

https://www.youtube.com/watch?v=e624tWBQRD0

https://x.com/nvidia/status/2008310817184264520

https://x.com/danielnewmanUV/status/2008287176555995245

https://www.youtube.com/watch?v=M8fL0RUmbP0

來源：官方媒體/網(wǎng)絡(luò)新聞

排版：Atlas

編輯：深思

主編: 圖靈