今日凌晨，英偉達(dá)CEO黃仁勛身著標(biāo)志性皮衣亮相CES2026主舞臺，帶來一場聚焦AI推理時(shí)代的重磅演講。

黃仁勛的演講不是一次單純的技術(shù)發(fā)布。演講中貫穿的 “AI 工業(yè)化” 主線、物理 AI 的場景落地路徑，以及全棧生態(tài)的構(gòu)建邏輯，清晰揭示了行業(yè)從 “實(shí)驗(yàn)室技術(shù)比拼” 向 “規(guī)?；虡I(yè)變現(xiàn)” 的關(guān)鍵跨越 —— 當(dāng)算力成本通過 Rubin 架構(gòu)實(shí)現(xiàn) 10 倍下降，當(dāng)自動(dòng)駕駛、人形機(jī)器人明確 2026 年量產(chǎn)節(jié)點(diǎn)，當(dāng)開源生態(tài)打破巨頭壟斷，AI 產(chǎn)業(yè)的投資邏輯已從 “賭技術(shù)突破” 轉(zhuǎn)向 “抓落地確定性”。

那么，開源生態(tài)將打破 “巨頭壟斷”后，是否會催生大量垂直領(lǐng)域初創(chuàng)公司？“物理世界的 AI 改造”，能否定義下一個(gè)十年的 AI 產(chǎn)業(yè)格局？這篇文章，整理了演講中的干貨。以下，Enjoy：

本文經(jīng)授權(quán)轉(zhuǎn)自騰訊科技(ID: qqtech)

文丨李海倫 蘇揚(yáng)

編輯丨徐青陽

北京時(shí)間1月6日，英偉達(dá)CEO黃仁勛身著標(biāo)志性皮衣再次站在CES2026的主舞臺上。

2025年CES，英偉達(dá)展示了量產(chǎn)的Blackwell芯片和完整的物理AI技術(shù)棧。在會上，黃仁勛強(qiáng)調(diào)，一個(gè)“物理AI時(shí)代”正在開啟。他描繪了一個(gè)充滿想象力的未來：自動(dòng)駕駛汽車具備推理能力，機(jī)器人能夠理解并思考，AI Agent（智能體）可以處理百萬級 token 的長上下文任務(wù)。

轉(zhuǎn)眼一年過去，AI行業(yè)經(jīng)歷了巨大的變革演進(jìn)。黃仁勛在發(fā)布會上回顧這一年的變化時(shí)，重點(diǎn)提到了開源模型。

他說，像DeepSeek R1這樣的開源推理模型，讓整個(gè)行業(yè)意識到：當(dāng)開放、全球協(xié)作真正啟動(dòng)后，AI的擴(kuò)散速度會極快。盡管開源模型在整體能力上仍比最前沿模型慢大約半年，但每隔六個(gè)月就會追近一次，而且下載量和使用量已經(jīng)呈爆發(fā)式增長。

相比2025年更多展示愿景與可能性，這一次英偉達(dá)開始系統(tǒng)性地希望解決“如何實(shí)現(xiàn)”的問題：圍繞推理型AI，補(bǔ)齊長期運(yùn)行所需的算力、網(wǎng)絡(luò)與存儲基礎(chǔ)設(shè)施，顯著壓低推理成本，并將這些能力直接嵌入自動(dòng)駕駛和機(jī)器人等真實(shí)場景。

在本次黃仁勛在CES上的演講，圍繞三條主線展開：

● 在系統(tǒng)與基礎(chǔ)設(shè)施層面，英偉達(dá)圍繞長期推理需求重構(gòu)了算力、網(wǎng)絡(luò)與存儲架構(gòu)。以Rubin平臺、NVLink 6、Spectrum-X以太網(wǎng)和推理上下文內(nèi)存存儲平臺為核心，這些更新直指推理成本高、上下文難以持續(xù)和規(guī)模化受限等瓶頸，解決AI多想一會、算得起、跑得久的問題。

● 在模型層面，英偉達(dá)將推理型 AI（Reasoning / Agentic AI）置于核心位置。通過Alpamayo、Nemotron、Cosmos Reason 等模型與工具，推動(dòng) AI 從“生成內(nèi)容”邁向能夠持續(xù)思考、從“一次性響應(yīng)的模型”轉(zhuǎn)向“可以長期工作的智能體”。

● 在應(yīng)用與落地層面，這些能力被直接引入自動(dòng)駕駛和機(jī)器人等物理AI場景。無論是 Alpamayo 驅(qū)動(dòng)的自動(dòng)駕駛體系，還是GR00T 與 Jetson的機(jī)器人生態(tài)，都在通過云廠商和企業(yè)級平臺合作，推動(dòng)規(guī)?；渴?。

01

在本次CES上，英偉達(dá)首次完整披露了Rubin架構(gòu)的技術(shù)細(xì)節(jié)。

演講中，黃仁勛從Test-time Scaling（推理時(shí)擴(kuò)展）開始鋪墊，這個(gè)概念可以理解為，想要AI變聰明，不再只是讓它“多努力讀書”，而是靠“遇到問題時(shí)多想一會兒”。

過去，AI 能力的提升主要靠訓(xùn)練階段砸更多算力，把模型越做越大；而現(xiàn)在，新的變化是哪怕模型不再繼續(xù)變大，只要在每次使用時(shí)給它多一點(diǎn)時(shí)間和算力去思考，結(jié)果也能明顯變好。

如何讓“AI多思考一會兒”變得經(jīng)濟(jì)可行？Rubin架構(gòu)的新一代AI計(jì)算平臺就是來解決這個(gè)問題。

黃仁勛介紹，這是一套完整的下一代AI計(jì)算系統(tǒng)，通過Vera CPU、Rubin GPU、NVLink 6、ConnectX-9、BlueField-4、Spectrum-6的協(xié)同設(shè)計(jì)，以此實(shí)現(xiàn)推理成本的革命性下降。

英偉達(dá)Rubin GPU 是Rubin 架構(gòu)中負(fù)責(zé) AI 計(jì)算的核心芯片，目標(biāo)是顯著降低推理與訓(xùn)練的單位成本。

說白了，Rubin GPU 核心任務(wù)是“讓 AI 用起來更省、更聰明”。

Rubin GPU 的核心能力在于：同一塊 GPU 能干更多活。它一次能處理更多推理任務(wù)、記住更長的上下文，和其他 GPU 之間的溝通也更快，這意味著很多原本要靠“多卡硬堆”的場景，現(xiàn)在可以用更少的 GPU 完成。

結(jié)果就是，推理不但更快了，而且明顯更便宜。

黃仁勛現(xiàn)場給大家復(fù)習(xí)了Rubin架構(gòu)的NVL72硬件參數(shù)：包含220萬億晶體管，帶寬260 TB/秒，是業(yè)界首個(gè)支持機(jī)架規(guī)模機(jī)密計(jì)算的平臺。

整體來看，相比Blackwell，Rubin GPU在關(guān)鍵指標(biāo)上實(shí)現(xiàn)跨代躍升：NVFP4 推理性能提升至 50 PFLOPS（5 倍）、訓(xùn)練性能提升至 35 PFLOPS（3.5 倍），HBM4 內(nèi)存帶寬提升至 22 TB/s（2.8 倍），單 GPU 的 NVLink 互連帶寬翻倍至 3.6 TB/s。

這些提升共同作用，使單個(gè) GPU 能處理更多推理任務(wù)與更長上下文，從根本上減少對 GPU 數(shù)量的依賴。

Vera CPU是專為數(shù)據(jù)移動(dòng)和Agentic處理設(shè)計(jì)的核心組件，采用88個(gè)英偉達(dá)自研Olympus核心，配備1.5 TB系統(tǒng)內(nèi)存（是上代Grace CPU的3倍），通過1.8 TB/s的NVLink-C2C技術(shù)實(shí)現(xiàn)CPU與GPU之間的一致性內(nèi)存訪問。

與傳統(tǒng)通用CPU不同，Vera專注于AI推理場景中的數(shù)據(jù)調(diào)度和多步驟推理邏輯處理，本質(zhì)上是讓“AI多想一會兒”得以高效運(yùn)行的系統(tǒng)協(xié)調(diào)者。

NVLink 6通過3.6 TB/s的帶寬和網(wǎng)絡(luò)內(nèi)計(jì)算能力，讓Rubin架構(gòu)中的72個(gè)GPU能像一個(gè)超級GPU一樣協(xié)同工作，這是實(shí)現(xiàn)“推理成本降至1/7”的關(guān)鍵基礎(chǔ)設(shè)施。

這樣一來，AI 在推理時(shí)需要的數(shù)據(jù)和中間結(jié)果可以迅速在 GPU 之間流轉(zhuǎn)，不用反復(fù)等待、拷貝或重算。

在Rubin架構(gòu)中，NVLink-6負(fù)責(zé)GPU內(nèi)部協(xié)同計(jì)算，BlueField-4負(fù)責(zé)上下文與數(shù)據(jù)調(diào)度，而ConnectX-9則承擔(dān)系統(tǒng)對外的高速網(wǎng)絡(luò)連接。它確保Rubin系統(tǒng)能夠與其他機(jī)架、數(shù)據(jù)中心和云平臺高效通信，是大規(guī)模訓(xùn)練和推理任務(wù)順利運(yùn)行的前提條件。

相比上一代架構(gòu)，英偉達(dá)也給出具體直觀的數(shù)據(jù)：相比 NVIDIA Blackwell 平臺，可將推理階段的 token 成本最高降低10倍，并將訓(xùn)練混合專家模型（MoE）所需的 GPU 數(shù)量減少至原來的1/4。

英偉達(dá)官方表示，目前微軟已承諾在下一代Fairwater AI超級工廠中部署數(shù)十萬Vera Rubin芯片，CoreWeave等云服務(wù)商將在2026年下半年提供Rubin實(shí)例，這套“讓AI多想一會兒”的基礎(chǔ)設(shè)施正在從技術(shù)演示走向規(guī)?；逃谩?/p>

02

讓AI“多想一會兒”還面臨一個(gè)關(guān)鍵技術(shù)挑戰(zhàn)：上下文數(shù)據(jù)該放在哪里？

當(dāng)AI處理需要多輪對話、多步推理的復(fù)雜任務(wù)時(shí)，會產(chǎn)生大量上下文數(shù)據(jù)（KV Cache）。傳統(tǒng)架構(gòu)要么把它們?nèi)M(jìn)昂貴且容量有限的GPU內(nèi)存，要么放到普通存儲里（訪問太慢）。這個(gè)“存儲瓶頸”如果不解決，再強(qiáng)的GPU也會被拖累。

針對這個(gè)問題，英偉達(dá)在本次CES上首次完整披露了由BlueField-4驅(qū)動(dòng)的推理上下文內(nèi)存存儲平臺（Inference Context Memory Storage Platform），核心目標(biāo)是在GPU內(nèi)存和傳統(tǒng)存儲之間創(chuàng)建一個(gè)“第三層”。既足夠快，又有充足容量，還能支撐AI長期運(yùn)行。

從技術(shù)實(shí)現(xiàn)上看，這個(gè)平臺并不是單一組件在發(fā)揮作用，而是一套協(xié)同設(shè)計(jì)的結(jié)果：

• BlueField-4 負(fù)責(zé)在硬件層面加速上下文數(shù)據(jù)的管理與訪問，減少數(shù)據(jù)搬移和系統(tǒng)開銷；

• Spectrum-X 以太網(wǎng)提供高性能網(wǎng)絡(luò)，支持基于 RDMA 的高速數(shù)據(jù)共享；

• DOCA、NIXL和Dynamo等軟件組件，則負(fù)責(zé)在系統(tǒng)層面優(yōu)化調(diào)度、降低延遲、提升整體吞吐。

我們可以理解為，這套平臺的做法是，將原本只能放在GPU內(nèi)存里的上下文數(shù)據(jù)，擴(kuò)展到一個(gè)獨(dú)立、高速、可共享的“記憶層”中。一方面釋放 GPU 的壓力，另一方面又能在多個(gè)節(jié)點(diǎn)、多個(gè) AI 智能體之間快速共享這些上下文信息。

在實(shí)際效果方面，英偉達(dá)官方給出的數(shù)據(jù)是：在特定場景下，這種方式可以讓每秒處理的 token數(shù)提升最高達(dá)5倍，并實(shí)現(xiàn)同等水平的能效優(yōu)化。

黃仁勛在發(fā)布中多次強(qiáng)調(diào)，AI正在從“一次性對話的聊天機(jī)器人”，演進(jìn)為真正的智能協(xié)作體：它們需要理解現(xiàn)實(shí)世界、持續(xù)推理、調(diào)用工具完成任務(wù)，并同時(shí)保留短期與長期記憶。這正是 Agentic AI 的核心特征。推理上下文內(nèi)存存儲平臺，正是為這種長期運(yùn)行、反復(fù)思考的 AI 形態(tài)而設(shè)計(jì)，通過擴(kuò)大上下文容量、加快跨節(jié)點(diǎn)共享，讓多輪對話和多智能體協(xié)作更加穩(wěn)定，不再“越跑越慢”。

03

英偉達(dá)在本次CES上宣布推出基于Rubin架構(gòu)的新一代DGX SuperPOD（超節(jié)點(diǎn)），將Rubin從單機(jī)架擴(kuò)展到整個(gè)數(shù)據(jù)中心的完整方案。

什么是DGX SuperPOD？

如果說Rubin NVL72是一個(gè)裝有72個(gè)GPU的“超級機(jī)架”，那么DGX SuperPOD就是把多個(gè)這樣的機(jī)架連接起來，形成一個(gè)更大規(guī)模的AI計(jì)算集群。這次發(fā)布的版本由8個(gè)Vera Rubin NVL72機(jī)架組成，相當(dāng)于576個(gè)GPU協(xié)同工作。

當(dāng)AI任務(wù)規(guī)模繼續(xù)擴(kuò)大時(shí)，單個(gè)機(jī)架的576個(gè)GPU可能還不夠。比如訓(xùn)練超大規(guī)模模型、同時(shí)服務(wù)數(shù)千個(gè)Agentic AI智能體、或者處理需要數(shù)百萬token上下文的復(fù)雜任務(wù)。這時(shí)就需要多個(gè)機(jī)架協(xié)同工作，而DGX SuperPOD就是為這種場景設(shè)計(jì)的標(biāo)準(zhǔn)化方案。

對于企業(yè)和云服務(wù)商來說，DGX SuperPOD提供的是一個(gè)“開箱即用”的大規(guī)模AI基礎(chǔ)設(shè)施方案。不需要自己研究如何把數(shù)百個(gè)GPU連接起來、如何配置網(wǎng)絡(luò)、如何管理存儲等問題。

新一代DGX SuperPOD五大核心組件：

○ 8個(gè)Vera Rubin NVL72機(jī)架 - 提供計(jì)算能力的核心，每個(gè)機(jī)架72個(gè)GPU，總共576個(gè)GPU；

○ NVLink 6擴(kuò)展網(wǎng)絡(luò) - 讓這8個(gè)機(jī)架內(nèi)的576個(gè)GPU能像一個(gè)超大GPU一樣協(xié)同工作；

○ Spectrum-X以太網(wǎng)擴(kuò)展網(wǎng)絡(luò) - 連接不同的SuperPOD，以及連接到存儲和外部網(wǎng)絡(luò)；

○ 推理上下文內(nèi)存存儲平臺 - 為長時(shí)間推理任務(wù)提供共享的上下文數(shù)據(jù)存儲；

○ 英偉達(dá)Mission Control軟件 - 管理整個(gè)系統(tǒng)的調(diào)度、監(jiān)控和優(yōu)化。

這一次的升級，SuperPOD的基礎(chǔ)以DGX Vera Rubin NVL72機(jī)架級系統(tǒng)為核心。每一臺 NVL72本身就是一臺完整的AI超級計(jì)算機(jī)，內(nèi)部通過NVLink 6 將72塊Rubin GPU 連接在一起，能夠在一個(gè)機(jī)架內(nèi)完成大規(guī)模推理和訓(xùn)練任務(wù)。新的DGX SuperPOD，則由多臺NVL72 組成，形成一個(gè)可以長期運(yùn)行的系統(tǒng)級集群。

當(dāng)計(jì)算規(guī)模從“單機(jī)架”擴(kuò)展到“多機(jī)架”后，新的瓶頸隨之出現(xiàn)：如何在機(jī)架之間穩(wěn)定、高效地傳輸海量數(shù)據(jù)。圍繞這一問題，英偉達(dá)在本次 CES 上同步發(fā)布了基于 Spectrum-6 芯片的新一代以太網(wǎng)交換機(jī)，并首次引入“共封裝光學(xué)”（CPO）技術(shù)。

簡單來看，就是將原本可插拔的光模塊直接封裝在交換芯片旁邊，把信號傳輸距離從幾米縮短到幾毫米，從而顯著降低功耗和延遲，也提升了系統(tǒng)整體的穩(wěn)定性。

04

本次CES上，黃仁勛宣布擴(kuò)展其開源模型生態(tài)（Open Model Universe），新增和更新了一系列模型、數(shù)據(jù)集、代碼庫和工具。這個(gè)生態(tài)覆蓋六大領(lǐng)域：生物醫(yī)學(xué)AI（Clara）、AI物理模擬（Earth-2）、Agentic AI（Nemotron）、物理AI（Cosmos）、機(jī)器人（GR00T）和自動(dòng)駕駛（Alpamayo）。

訓(xùn)練一個(gè)AI模型需要的不只是算力，還需要高質(zhì)量數(shù)據(jù)集、預(yù)訓(xùn)練模型、訓(xùn)練代碼、評估工具等一整套基礎(chǔ)設(shè)施。對大多數(shù)企業(yè)和研究機(jī)構(gòu)來說，從零開始搭建這些太耗時(shí)間。

具體來說，英偉達(dá)開源了六個(gè)層次的內(nèi)容：算力平臺（DGX、HGX等）、各領(lǐng)域的訓(xùn)練數(shù)據(jù)集、預(yù)訓(xùn)練的基礎(chǔ)模型、推理和訓(xùn)練代碼庫、完整的訓(xùn)練流程腳本，以及端到端的解決方案模板。

Nemotron系列是此次更新的重點(diǎn)，覆蓋了四個(gè)應(yīng)用方向。

在推理方向，包括Nemotron 3 Nano、Nemotron 2 Nano VL等小型化推理模型，以及NeMo RL、NeMo Gym等強(qiáng)化學(xué)習(xí)訓(xùn)練工具。在RAG（檢索增強(qiáng)生成）方向，提供了Nemotron Embed VL（向量嵌入模型）、Nemotron Rerank VL（重排序模型）、相關(guān)數(shù)據(jù)集和NeMo Retriever Library（檢索庫）。在安全方向，有Nemotron Content Safety內(nèi)容安全模型及配套數(shù)據(jù)集、NeMo Guardrails護(hù)欄庫。

在語音方向，則包含Nemotron ASR自動(dòng)語音識別、Granary Dataset語音數(shù)據(jù)集和NeMo Library語音處理庫。這意味著企業(yè)想做一個(gè)帶RAG的AI客服系統(tǒng)，不需要自己訓(xùn)練嵌入模型和重排序模型，可以直接使用英偉達(dá)已經(jīng)訓(xùn)練好并開源的代碼。

05

物理AI領(lǐng)域同樣有模型更新——用于理解和生成物理世界視頻的Cosmos，機(jī)器人通用基礎(chǔ)模型Isaac GR00T、自動(dòng)駕駛視覺-語言-行動(dòng)模型Alpamayo。

黃仁勛在CES上聲稱，物理AI的“ChatGPT時(shí)刻”快要來了，但面對挑戰(zhàn)也很多：物理世界太復(fù)雜多變，采集真實(shí)數(shù)據(jù)又慢又貴，永遠(yuǎn)不夠用。

怎么辦呢？合成數(shù)據(jù)是條路。于是英偉達(dá)推出了Cosmos。

這是一個(gè)開源的物理AI世界基礎(chǔ)模型，目前已經(jīng)用海量視頻、真實(shí)駕駛與機(jī)器人數(shù)據(jù)，以及3D模擬做過預(yù)訓(xùn)練。它能理解世界是怎么運(yùn)行的，可以把語言、圖像、3D和動(dòng)作聯(lián)系起來。

黃仁勛表示，Cosmos能實(shí)現(xiàn)不少物理AI技能，比如生成內(nèi)容、做推理、預(yù)測軌跡（哪怕只給它一張圖）。它可以依據(jù)3D場景生成逼真的視頻，根據(jù)駕駛數(shù)據(jù)生成符合物理規(guī)律的運(yùn)動(dòng)，還能從模擬器、多攝像頭畫面或文字描述生成全景視頻。就連罕見場景，也能還原出來。

黃仁勛還正式發(fā)布了Alpamayo。Alpamayo是一個(gè)面向自動(dòng)駕駛領(lǐng)域的開源工具鏈，也是首個(gè)開源的視覺-語言-行動(dòng)（VLA）推理模型。與之前僅開源代碼不同，英偉達(dá)這次開源了從數(shù)據(jù)到部署的完整開發(fā)資源。

Alpamayo最大的突破在于它是“推理型”自動(dòng)駕駛模型。傳統(tǒng)自動(dòng)駕駛系統(tǒng)是“感知-規(guī)劃-控制”的流水線架構(gòu)，看到紅燈就剎車，看到行人就減速，遵循預(yù)設(shè)規(guī)則。而Alpamayo引入了“推理”能力，理解復(fù)雜場景中的因果關(guān)系，預(yù)測其他車輛和行人的意圖，甚至能處理需要多步思考的決策。

比如在十字路口，它不只是識別出“前方有車”，而是能推理”那輛車可能要左轉(zhuǎn)，所以我應(yīng)該等它先過”。這種能力讓自動(dòng)駕駛從“按規(guī)則行駛”升級到“像人一樣思考”。

黃仁勛宣布英偉達(dá)DRIVE系統(tǒng)正式進(jìn)入量產(chǎn)階段，首個(gè)應(yīng)用是全新的梅賽德斯-奔馳CLA，計(jì)劃2026年在美國上路。這款車將搭載L2++級自動(dòng)駕駛系統(tǒng)，采用“端到端AI模型+傳統(tǒng)流水線”的混合架構(gòu)。

機(jī)器人領(lǐng)域同樣有實(shí)質(zhì)性進(jìn)展。

黃仁勛表示包括Boston Dynamics、Franka Robotics、LEM Surgical、LG Electronics、Neura Robotics和XRlabs在內(nèi)的全球機(jī)器人領(lǐng)軍企業(yè)，正在基于英偉達(dá)Isaac平臺和GR00T基礎(chǔ)模型開發(fā)產(chǎn)品，覆蓋了從工業(yè)機(jī)器人、手術(shù)機(jī)器人到人形機(jī)器人、消費(fèi)級機(jī)器人的多個(gè)領(lǐng)域。

在發(fā)布會現(xiàn)場，黃仁勛背后站滿了不同形態(tài)、不同用途的機(jī)器人，它們被集中展示在分層舞臺上：從人形機(jī)器人、雙足與輪式服務(wù)機(jī)器人，到工業(yè)機(jī)械臂、工程機(jī)械、無人機(jī)與手術(shù)輔助設(shè)備，展現(xiàn)出一版“機(jī)器人生態(tài)圖景”。

從物理AI應(yīng)用到RubinAI計(jì)算平臺,再到推理上下文內(nèi)存存儲平臺和開源AI“全家桶”。

英偉達(dá)在CES上展示的這些動(dòng)作，構(gòu)成了英偉達(dá)對于推理時(shí)代AI基礎(chǔ)設(shè)施的敘事。正如黃仁勛反復(fù)強(qiáng)調(diào)的那樣，當(dāng)物理 AI 需要持續(xù)思考、長期運(yùn)行，并真正進(jìn)入現(xiàn)實(shí)世界，問題已經(jīng)不再只是算力夠不夠，而是誰能把整套系統(tǒng)真正搭起來。

CES 2026 上，英偉達(dá)已經(jīng)給出了一份答卷。