作者 | 小小

出品 | 網(wǎng)易科技

CES 2026最具熱度的演講，無疑屬于英偉達創(chuàng)始人兼CEO黃仁勛。這位被業(yè)界稱為“黃衣教主”的業(yè)界領袖，定于美國時間1月5日下午1點開講，卻讓慕名而來的聽眾早早體驗了“未來熱度”——網(wǎng)易科技上午11點到達時，場外排隊隊伍已蜿蜒近500米。有前來參會的中國KOL感嘆：“我們等的不僅是黃仁勛，更是在等一個答案：未來十年，人與機器將如何重新分工。而有些答案，似乎只在現(xiàn)場才能聽見?！?/p>

黃仁勛比預定時間晚了約十分鐘登上舞臺。他拋出核心判斷：“物理AI的‘ChatGPT時刻’，即將到來?！?/p>

黃仁勛指出，計算機行業(yè)正經(jīng)歷十年一遇的“平臺重置”：我們正從“編程軟件”時代跨入“訓練軟件”時代，計算的基礎技術棧（所謂的“五層蛋糕”），每一層都在被重新發(fā)明。

2025年被黃仁勛定義為“智能體系統(tǒng)”普及的元年。AI不再僅僅是預先錄制的程序，而是具備推理、規(guī)劃、甚至在實時運行中進行“思考”的智能體。他特別致敬了中國開源模型DeepSeek R1的突破，認為開源力量正讓AI變得無處不在，使智能不再拋下任何人。

黃仁勛演講的重頭戲在于“物理AI”。英偉達正致力于讓AI理解重力、慣性、因果關系等物理定律。為此，黃仁勛發(fā)布了世界首個會思考、會推理的自動駕駛AI——Alpamayo。它不僅能開車，還能像人類一樣解釋“為什么這么開”。這標志著AI正式從屏幕后的對話框，走向現(xiàn)實世界的自動駕駛汽車與人形機器人。

面對AI計算量每年10倍的暴增，黃仁勛祭出了新一代架構Rubin。這不僅是一顆芯片，而是包含Vera CPU、Rubin GPU、NVLink-6等六大核心組件的全棧革命。

黃仁勛強調(diào)，英偉達的角色已從芯片供應商轉(zhuǎn)變?yōu)椤叭珬I體系”的構建者。通過開源模型、數(shù)據(jù)及NeMo開發(fā)庫，英偉達正通過“三臺計算機”（訓練、推理、模擬）的架構，為全球提供構建物理AI的底座。這場競賽不僅關乎速度，更關乎誰能以更低的成本、更高的能效，將人類文明帶入萬物皆有智能的新時代。

以下為黃仁勛2026 CES演講實錄（經(jīng)編輯略有修改，小標題為后加）：

一、時代定調(diào)：兩大“平臺轉(zhuǎn)移”與AI的重塑之力

拉斯維加斯，新年快樂！歡迎來到CES。

大約每十到十五年，計算機行業(yè)就會經(jīng)歷一次重置。平臺會發(fā)生一次根本性的轉(zhuǎn)變，從大型機到個人電腦，再到互聯(lián)網(wǎng)、云計算、移動設備。每一次，應用生態(tài)都會瞄準一個新的平臺，這就是所謂的“平臺轉(zhuǎn)移”。每次，你都要為新的計算平臺編寫新的應用程序。但這一次，事實上，有兩個平臺轉(zhuǎn)移在同時發(fā)生。

當我們邁向人工智能時代時，應用程序?qū)嫿ㄔ贏I之上。起初，人們認為AI本身就是應用，事實也確實如此。但未來，你將要在AI之上構建應用程序。除此之外，軟件的運行方式和開發(fā)方式也發(fā)生了根本性改變。

計算機工業(yè)的整個基礎技術棧正在被重新發(fā)明。你不再“編程”軟件，而是“訓練”軟件；你不再在CPU上運行它，而是在GPU上運行它。過去的應用程序是預先錄制、預先編譯并在你的設備上運行的，而現(xiàn)在的應用程序能夠理解上下文，每一次、每一個像素、每一個token都是從零開始生成的。由于加速計算，由于人工智能，計算已經(jīng)被徹底重塑。那個“五層蛋糕”（指技術棧）的每一層如今都在被重新發(fā)明。

這意味著，過去十年積累的價值約十萬億美元的計算機基礎設施，現(xiàn)在正被現(xiàn)代化改造，以適應這種新的計算方式。每年有數(shù)千億甚至上萬億美元的風險投資正在涌入，用于現(xiàn)代化改造和發(fā)明這個新世界。

這也意味著，一個百萬億美元規(guī)模的產(chǎn)業(yè)，其研發(fā)預算中有幾個百分點正在轉(zhuǎn)向人工智能。人們問錢從哪里來？這就是來源。從傳統(tǒng)AI到現(xiàn)代AI的現(xiàn)代化改造，研發(fā)預算從經(jīng)典方法轉(zhuǎn)向現(xiàn)在的人工智能方法，海量投資正涌入這個行業(yè)，這解釋了為什么我們?nèi)绱嗣β怠?/p>

過去這一年也不例外。2025年是不可思議的一年?？雌饋硭坪跛惺虑槎荚谕粫r間發(fā)生，事實上可能也確實如此。第一件事當然是擴展定律（Scaling Laws）。2015年，我認為第一個真正會產(chǎn)生影響的模型BERT出現(xiàn)了，它確實帶來了巨大影響。

2017年，Transformer架構問世。直到五年后的2022年，“ChatGPT時刻”才發(fā)生，它喚醒了世界對人工智能可能性的認識。那之后一年發(fā)生了一件非常重要的事。ChatGPT的第一個推理模型o1面世，“測試時縮放”這個概念也隨之產(chǎn)生。

我們不僅預訓練讓模型學習，還在后訓練階段通過強化學習讓它學習新的技能?，F(xiàn)在我們還有了測試時縮放，這本質(zhì)上是“思考”的另一種說法，包括實時進行思考。人工智能的每一個階段都需要巨大的計算量，而計算定律仍在持續(xù)擴展，大語言模型持續(xù)變得更好。

二、開源革命：前沿模型與智能體普及

與此同時，另一個突破發(fā)生了，這個突破發(fā)生在2024年：智能體系統(tǒng)開始出現(xiàn)。到2025年，它開始普及，擴散到幾乎每個角落。具備推理能力、能查找信息、進行研究、使用工具、規(guī)劃未來、模擬結(jié)果的智能體模型，突然開始解決非常重要的問題。我最喜歡的智能體模型之一叫做Cursor，它徹底改變了英偉達內(nèi)部的軟件開發(fā)方式。智能體系統(tǒng)將真正從這里起飛。

當然，還有其他類型的AI。我們知道大語言模型并不是唯一的信息類型。宇宙中凡有信息之處、凡有結(jié)構之處，我們都能教一種語言模型去理解那種信息，理解其表征，并將其轉(zhuǎn)化為一種AI。其中最重要的一種是物理AI，即能夠理解自然定律的AI。當然，物理AI也涉及AI與世界交互。但世界本身蘊含著被編碼的信息，這就是“AI物理”。在物理AI的語境下，你有與物理世界交互的AI，也有理解物理定律物理AI。

最后，去年發(fā)生的最重要事情之一是開源模型的進步。我們現(xiàn)在可以知道，當開源、當開放創(chuàng)新、當全世界每個行業(yè)、每家公司的創(chuàng)新同時被激活時，AI將無處不在。與此同時，開源模型在2025年真正起飛了。

事實上，去年我們看到了DeepSeek R1的進步，這是第一個開源推理系統(tǒng)。它讓世界大吃一驚，現(xiàn)在世界各地有各種不同類型的開源模型系統(tǒng)。開源模型已經(jīng)達到了前沿水平，雖然仍落后前沿模型大約六個月，但每六個月就有新模型出現(xiàn)，而且這些模型越來越聰明。

正因為如此，你可以看到開源模型的下載量呈現(xiàn)爆炸式增長，因為初創(chuàng)公司、大公司、研究員、學生，幾乎每個國家都想?yún)⑴cAI革命。

智能——數(shù)字形式的智能——怎么可能拋下任何人呢？因此，開源模型去年真的徹底改變了人工智能，整個行業(yè)將因此被重塑。

其實我們對此早有預感。你可能聽說過，幾年前，我們開始建造和運營自己的AI超級計算機——DGX Cloud。很多人問，你們要進軍云計算業(yè)務嗎？答案是否定的。我們建造這些DGX超級計算機是供自己使用的。結(jié)果是，我們有數(shù)十億美元的超算在運行，以便開發(fā)我們的開源模型。

它開始吸引全球各行各業(yè)的關注，因為我們在眾多不同領域進行著前沿的AI模型工作：我們在蛋白質(zhì)、數(shù)字生物學（La Proteina）方面的工作，用于合成和生成蛋白質(zhì)；OpenFold 3，用于理解蛋白質(zhì)結(jié)構；EVO 2，用于理解和生成多種蛋白質(zhì)；以及開源的細胞表征模型的開端。

Earth-2 AI，理解物理定律的AI；我們在ForecastNet方面的工作；我們在Cordiff方面的工作，真的徹底改變了人們進行天氣預報的方式。Nemotron，我們現(xiàn)在正在那里進行開創(chuàng)性的工作。第一個混合Transformer SSM模型，速度快得驚人，因此可以進行長時間思考，或者快速思考（不那么長時間）并產(chǎn)生非常非常智能的答案。你們可以期待，我們在不久的將來發(fā)布Nemotron 3的其他版本。

Cosmos，一個前沿的開放世界基礎模型，理解世界如何運作。Groot，一個人形機器人系統(tǒng)，涉及關節(jié)控制、移動性、運動。這些模型，這些技術現(xiàn)在正在被集成，并且在每一種情況下，都對世界開源。今天，我們也將談談Alpamayo，我們在自動駕駛汽車方面所做的工作。

我們不僅開源模型，還開源用于訓練這些模型的數(shù)據(jù)，因為只有這樣，你才能真正信任模型的產(chǎn)生過程。我們開源所有模型，我們幫助你基于它們進行衍生開發(fā)。我們有一整套庫，稱為NeMo庫：物理NeMo庫、Clara NeMo庫、BioNeMo庫。每一個都是AI的生命周期管理系統(tǒng)，讓你能夠處理數(shù)據(jù)、生成數(shù)據(jù)、訓練模型、創(chuàng)建模型、評估模型、為模型設置防護欄，一直到部署模型。每一個庫都極其復雜，而且全部開源。

因此，在這個平臺之上，英偉達也是一個前沿AI模型構建者，我們以一種非常特殊的方式構建：我們完全以開放的方式構建，以便讓每家公司、每個行業(yè)、每個國家都能成為這場AI革命的一部分。

這些模型不僅具備前沿能力、是開源的，它們還在各類排行榜上名列前茅。我們有理解多模態(tài)文檔（即PDF）的重要模型。世界上最有價值的內(nèi)容都存儲在PDF中，但需要人工智能來發(fā)現(xiàn)里面有什么、解讀內(nèi)容并幫助你閱讀。

因此，我們的PDF檢索器、PDF解析器是世界級的。我們的語音識別模型絕對是世界級的。我們的檢索模型，本質(zhì)上是現(xiàn)代AI時代的搜索、語義搜索、AI搜索、數(shù)據(jù)庫引擎，也是世界一流的。所以我們經(jīng)常占據(jù)榜首。

所有這些都是為了服務于你構建AI智能體的能力。這真是一個開創(chuàng)性的發(fā)展領域。當ChatGPT剛出現(xiàn)時，人們認為其產(chǎn)生的結(jié)果很有趣，但幻覺也很嚴重。產(chǎn)生幻覺的原因在于，它可以記住過去的一切，但無法記住未來和當前的一切。所以它需要基于研究來“接地氣”。

在回答問題之前，它必須進行基礎研究。能夠推理是否需要研究、是否需要使用工具、如何將問題分解成更多步驟。ChatGPT能夠?qū)⑦@些步驟組合成一個序列，來完成它從未做過、從未被訓練過的事情。這就是推理的魔力所在。我們可以遇到從未見過的情況，并將其分解成我們過去經(jīng)歷過、知道如何處理的情況、知識或規(guī)則。

因此，AI模型現(xiàn)在具備的推理能力極其強大。智能體的推理能力為所有這些不同的應用打開了大門。我們不再需要在第一天就訓練AI模型知道一切，就像我們不需要在第一天就知道一切一樣。我們應該能夠在任何情況下，推理出如何解決某個問題。大語言模型現(xiàn)在已經(jīng)實現(xiàn)了根本性的飛躍。

使用強化學習、思維鏈、搜索、規(guī)劃等不同技術和強化學習的能力，使我們具備了這種基本能力，并且現(xiàn)在也完全開源了。

但真正了不起的是，另一個突破發(fā)生了，我第一次看到它是在Perplexity（AI搜索公司）那里。我第一次意識到他們同時使用多個模型。我認為這完全是天才之舉。AI在推理鏈的任何環(huán)節(jié)，能調(diào)用世界上所有優(yōu)秀的AI來解決它想解決的問題。這就是為什么AI本質(zhì)上是多模態(tài)的，它們理解語音、圖像、文本、視頻、3D圖形、蛋白質(zhì)。

它也是“多模型”的，意味著它們應該能夠使用最適合任務的任何模型。因此，它本質(zhì)上是“多云”的，因為這些AI模型位于所有這些不同的地方。它還是“混合云”的，因為如果你是一家企業(yè)公司，或者你構建了一個機器人或任何設備，有時它在邊緣，有時在無線基站，有時在企業(yè)內(nèi)部，或者是在醫(yī)院等需要實時處理數(shù)據(jù)的地方。換言之，由于未來的應用構建在AI之上，這就是未來應用的基本框架。

這個基本框架，這種能夠完成我所描述的、具備多模型能力的智能體AI的基本結(jié)構，現(xiàn)在已經(jīng)極大地推動了各類AI初創(chuàng)公司的發(fā)展。

通過我們開源的模型和工具，現(xiàn)在你也可以輕松定制自己的AI，教它那些獨一無二的技能。這正是我們開發(fā)Nemotron、NeMo等開源模型的目標。你只需要在AI前面加一個智能路由管理器，它會根據(jù)你的指令，自動選擇最合適的模型來解決問題。

這樣的架構帶來什么？你得到的AI既能完全按你的需求定制，可以教它公司特有的技能，這些可能正是你的核心優(yōu)勢，而且你也有對應的數(shù)據(jù)和專業(yè)知識去訓練它；同時，它又能始終保持技術領先，隨時用上最新的能力。

簡單來說，你的AI既能高度個性化，又能即開即用，始終保持在前沿。

為此，我們做了一個最簡單的示例框架，叫“AI Route Blueprint”，已經(jīng)集成到全球多家企業(yè)的SaaS平臺中，效果很不錯。

這是不是很不可思議？使用語言模型。使用預先訓練好的、專有的、前沿的語言模型，與定制的語言模型結(jié)合到一個智能體框架、一個推理框架中，允許你訪問工具和文件，甚至可能連接到其他智能體。這基本上就是AI應用或現(xiàn)代應用的基本架構，而我們創(chuàng)建這些應用的能力非常快。

注意，即使你給它從未見過的應用程序信息，或者以一種并非完全如你所想的結(jié)構呈現(xiàn)，它仍然能進行推理，并盡最大努力通過數(shù)據(jù)和信息去嘗試理解如何解決問題。這就是人工智能。

這個基本框架現(xiàn)在正在被整合，而我剛才描述的一切，我們有幸與一些世界領先的企業(yè)平臺公司合作。例如Palantir，他們整個AI和數(shù)據(jù)處理平臺正在集成，并由英偉達加速。還有世界領先的客戶服務和員工服務平臺ServiceNow、全球頂級的云端數(shù)據(jù)平臺Snowflake。CodeRabbit，我們在英偉達內(nèi)部廣泛使用。CrowdStrike，正在創(chuàng)建AI來檢測和發(fā)現(xiàn)AI威脅。NetApp，他們的數(shù)據(jù)平臺現(xiàn)在上面有英偉達的語義AI，以及智能體系統(tǒng)，用于客戶服務。

但重要的是：這不僅是你現(xiàn)在開發(fā)應用的方式，它還將成為你平臺的用戶界面。所以，無論是Palantir、ServiceNow還是Snowflake，以及我們正在合作的許多其他公司，智能體系統(tǒng)就是界面。它不再是在方格里輸入信息的Excel，也許也不再僅僅是命令行。現(xiàn)在，所有這些多模態(tài)信息交互都成為可能。你與平臺交互的方式變得更加簡單，就像你在與人交互一樣。因此，企業(yè)AI正在被智能體系統(tǒng)徹底改變。

三、物理AI突圍：教會機器理解與交互真實世界

下一件事是物理AI。這是你們聽我談論了好幾年的領域。事實上，我們已經(jīng)為此工作了八年。問題是：如何將計算機內(nèi)通過屏幕和揚聲器與你交互的智能體，變成能與世界交互的智能體？這意味著它能理解世界運作的常識：物體恒存性（我移開視線再回來，物體還在那里）、因果關系（我推它，它會倒下）。

它理解摩擦力、重力以及慣性，知道一輛重型卡車在路上行駛需要更多時間才能停下，一個球會繼續(xù)滾動。這些想法對小孩來說都是常識，但對AI來說完全是未知的。因此，我們必須創(chuàng)建一個系統(tǒng)，讓AI能夠?qū)W習物理世界的常識、學習其規(guī)律，當然也能從數(shù)據(jù)中學習。而數(shù)據(jù)相當稀缺。并且需要能夠評估AI是否有效，這意味著它必須在環(huán)境中進行模擬。如果AI沒有能力模擬物理世界對其動作的反饋，它怎么知道自己執(zhí)行的動作是否符合預期？

這個基本系統(tǒng)需要三臺計算機：一臺是我們熟知的、英偉達制造的用于訓練AI模型的計算機；第二臺是用于推理模型的計算機。推理模型本質(zhì)上是在汽車、機器人、工廠或任何邊緣地方運行的機器人計算機；但必須有另一臺為模擬設計的計算機，因為模擬是英偉達幾乎所有事情的核心，這是我們最得心應手的地方。模擬確實是我們所做的一切物理AI工作的基礎。

所以我們有三臺計算機，以及運行在這些計算機上、讓它們變得有用的多個技術棧和庫。Omniverse是我們的數(shù)字孿生、基于物理的模擬世界。Cosmos是我們的基礎模型，不是語言基礎模型，而是世界基礎模型，并且也與語言對齊。你可以問“球怎么樣了？”，它會告訴你球正在街上滾動。當然，還有機器人模型，我們有兩個：一個叫Groot，另一個叫Alpamayo。

對于物理AI，我們必須做的最重要的事情之一就是創(chuàng)建數(shù)據(jù)來訓練AI。這些數(shù)據(jù)從何而來？不像語言那樣，因為我們創(chuàng)造了一堆被認為是“真實情況”的文本，AI可以從中學習。我們?nèi)绾谓虝嗀I物理世界的“真實情況”？盡管有大量的視頻，但遠遠不足以捕捉我們需要的交互的多樣性和類型。

因此，一些偉大的頭腦聚集在一起，將原本用于計算的資源轉(zhuǎn)化為數(shù)據(jù)?，F(xiàn)在，利用以物理定律為基礎和條件、以真實情況為基礎和條件的合成數(shù)據(jù)生成技術，我們可以有選擇地、巧妙地生成數(shù)據(jù)，然后用來訓練AI。例如，我們可以利用Cosmos基礎模型，生成基于物理、物理上合理的環(huán)繞視頻，AI現(xiàn)在可以從中學習。

我知道這很不可思議。Cosmos是世界領先的基礎模型、世界基礎模型。它已被下載數(shù)百萬次，在世界各地使用，讓世界為這個物理AI的新時代做好準備。我們自己也在使用它，用它來創(chuàng)建我們的自動駕駛汽車系統(tǒng)，用于場景生成和評估。通過計算機模擬，我們能夠有效地行駛數(shù)十億、數(shù)萬億公里。

今天，我們宣布推出Alpamayo，世界上首個會思考、會推理的自動駕駛汽車AI。Alpamayo是端到端訓練的，從攝像頭輸入到驅(qū)動輸出。訓練數(shù)據(jù)包括它自己行駛的大量里程、人類駕駛示范，以及由Cosmos生成的大量里程。除此之外，還有數(shù)十萬個非常仔細標記的例子，以便我們教汽車如何駕駛。

Alpamayo獨特之處在于。它不僅接收傳感器輸入并驅(qū)動方向盤、剎車和加速器，還會推理它即將采取什么行動。它會告訴你它將采取什么行動，采取該行動的原因，當然還有軌跡。所有這些都直接耦合，并通過人類訓練數(shù)據(jù)和Cosmos生成數(shù)據(jù)的巨大組合進行專門訓練。結(jié)果非常不可思議。

不僅汽車能像你期望的那樣駕駛，而且駕駛得非常自然，因為它直接從人類示范中學習。但在每一個場景中，當它遇到某個場景時，它會進行推理，告訴你它將做什么，并推理它為什么要做。這之所以如此重要，是因為駕駛的“長尾”問題。

我們不可能簡單地收集世界上每個國家、每種情況、所有人口可能遇到的所有可能的場景。然而，每個場景如果被分解成一系列更小的場景，很可能都是相當常見的、你能理解的。因此，這些長尾場景將被分解成汽車知道如何處理的相當常見的情況，它只需要進行推理。

我們八年前就開始研發(fā)自動駕駛汽車了。原因在于我們很早就認識到，深度學習和人工智能將徹底重塑整個計算技術棧。如果我們想要理解如何引領自己、如何指引行業(yè)走向這個新未來，就必須精通構建整個技術棧。

四、計算躍進：Rubin平臺與全棧芯片的終極重構

正如我之前提到的，AI是一個“五層蛋糕”。最底層是土地、電力和外殼。在機器人領域，最底層就是汽車本身。往上一層是芯片：GPU、網(wǎng)絡芯片、CPU等等。再往上是基礎設施層。在物理AI這個具體案例中，基礎設施就是Omniverse和Cosmos。然后在上層是模型層。我剛才展示的模型就屬于這一層，這個模型叫做Alpamayo。今天，Alpamayo正式開源了。

我們設想有一天，道路上的十億輛汽車都將實現(xiàn)自動駕駛。你可以選擇租用別人運營的自動駕駛出租車，也可以擁有自己的車讓它為你駕駛，或者選擇自己駕駛。但每一輛車都將具備自動駕駛能力。每一輛車都將由AI驅(qū)動。所以在這個案例中，模型層是Alpamayo，而應用層之上就是梅賽德斯-奔馳汽車。

總而言之，這個技術棧是英偉達首次嘗試構建的完整技術棧。我們一直為此努力，非常高興英偉達的首款自動駕駛汽車將于第一季度在美國上路，然后歐洲是第二季度，亞洲或許是第三、第四季度。強大之處在于，我們將不斷用Alpamayo的后續(xù)版本進行更新。

毫無疑問，在我看來，這將成為最大的機器人產(chǎn)業(yè)之一。它教會了我們大量關于如何幫助世界其他地區(qū)構建機器人系統(tǒng)的深刻理解。通過自己構建整個基礎設施，我們知道了機器人系統(tǒng)需要什么樣的芯片。

在這個具體案例中，是下一代雙Thor處理器。這些處理器專為機器人系統(tǒng)設計，具備最高級別的安全能力。梅賽德斯-奔馳CLA剛剛被NCAP評為世界上最安全的汽車。

據(jù)我所知，這是唯一一個每一行代碼、芯片、系統(tǒng)都經(jīng)過安全認證的系統(tǒng)。整個模型系統(tǒng)基于此，傳感器是多樣且冗余的，自動駕駛汽車技術棧也是如此。Alpamayo技術棧是端到端訓練的，擁有驚人的技能。然而，除非無限期地駕駛，否則沒人知道它是否絕對安全。

因此，我們通過另一個軟件技術棧、一個完整的自動駕駛技術棧來為其設置防護欄。那個完整的技術棧被構建為完全可追溯的。我們花了大約五年（實際上是六七年）來構建那個第二技術棧。這兩個軟件技術棧相互映照。

然后我們利用Alpamayo進行策略和安全評估。如果是一個我不太自信的情況，安全策略評估器決定我們將退回到一個更簡單、更安全的防護欄系統(tǒng)，那么就回到經(jīng)典的自動駕駛技術棧。這是世界上唯一同時運行這兩個自動駕駛技術棧的汽車。所有安全系統(tǒng)都應該具備多樣性和冗余性。

我們的愿景是，有朝一日每一輛汽車、每一輛卡車都將是自動駕駛的。我們一直在朝著那個未來努力。這整個技術棧是垂直集成的。當然，在梅賽德斯-奔馳的案例中，我們一起構建了整個技術棧，我們將部署汽車、運營技術棧，只要我們還存在，就會維護這個技術棧。

然而，就像我們公司所做的其他一切一樣，我們構建整個技術棧，但整個技術棧對生態(tài)系統(tǒng)開放。與我們合作構建L4級和自動駕駛出租車的生態(tài)系統(tǒng)正在擴展，無處不在。我完全相信，這已經(jīng)是我們的一項巨大業(yè)務，因為客戶用它來訓練、處理訓練數(shù)據(jù)，以及訓練他們的模型。在某些案例中，一些公司用它來生成合成數(shù)據(jù)。有些公司基本上只制造汽車內(nèi)部的計算機和芯片，有些公司與我們進行全棧合作，有些則合作部分環(huán)節(jié)。

整個系統(tǒng)現(xiàn)在是開放的。這將成為第一個大規(guī)模、主流的AI物理AI市場。從非自動駕駛汽車到自動駕駛汽車的轉(zhuǎn)折點，很可能就在此時開始，并在未來十年內(nèi)發(fā)生。我相當確信，世界上很大比例的汽車將是自動駕駛或高度自動駕駛的。

但是，我剛才描述的這個基本技術（使用三臺計算機、利用合成數(shù)據(jù)生成和模擬），適用于所有形式的機器人系統(tǒng)?？赡苤皇且粋€關節(jié)、一個機械臂，可能是移動機器人，也可能是完整的人形機器人。所以，下一個旅程將是機器人。這些機器人將會有各種不同的尺寸。

這些機器人身上有微型Jetson計算機，它們是在Omniverse里面訓練出來的。機器人模擬器叫Isaac Sim和Isaac Lab。 我們有很多建造機器人的朋友，包括New Robot、AG Bot、LG、卡特彼勒（他們有史上最大的機器人）、Serve Robot、Agility、波士頓動力、Franka以及Universal Robots等。

舉例來說，Cadence將CUDA-X集成到他們所有的模擬器和求解器中。他們將使用英偉達的物理AI來進行不同的物理裝置和工廠模擬。AI物理正被集成到這些系統(tǒng)中。所以，無論是電子設計自動化還是系統(tǒng)設計自動化，以及未來的機器人系統(tǒng)，我們將擁有基本上與創(chuàng)造你們相同的技術，現(xiàn)在將徹底革新這些設計技術棧。

在芯片設計領域，Synopsys和Cadence是完全不可或缺的。Synopsys在邏輯設計和IP領域領先，而Cadence在物理設計、布局布線、仿真和驗證方面領先。Cadence在仿真和驗證方面做得非常出色。他們兩家都正在進入系統(tǒng)設計和系統(tǒng)仿真的領域。所以未來，我們將在Cadence和Synopsys內(nèi)部設計芯片，并在這些工具內(nèi)部模擬一切。

西門子也在做同樣的事情。我們將把CUDA-X物理AI、智能體AI、NeMo、Nemotron深度集成到西門子的世界中。原因如下：首先，我們設計芯片，未來這一切都將由英偉達加速。我們將有智能體芯片設計師和系統(tǒng)設計師與我們合作，他們幫助我們進行設計，就像我們今天有智能體軟件工程師幫助我們的軟件工程師編碼一樣。

然后我們必須能夠制造機器人。我們必須建造生產(chǎn)它們的工廠、設計組裝它們的生產(chǎn)線。而這些制造工廠本質(zhì)上將是巨型機器人。所以，機器人將在計算機中被設計，在計算機中被制造，在計算機中被測試和評估。我們現(xiàn)在創(chuàng)造的技術已經(jīng)達到了足夠成熟和強大的水平，可以反過來幫助他們徹底革新它們所在的行業(yè)。

放眼全球的模型格局，毫無疑問，OpenAI是當今領先的token生成器。今天，OpenAI生成的token數(shù)量遠超其他任何模型。第二大群體，可能就是開源模型了。我猜隨著時間的推移，因為有如此多的公司、如此多的研究人員、如此多不同類型的領域和模態(tài)，開源模型將成為規(guī)模最大的群體。

在此過程中，離不開Rubin構架。這個平臺的誕生，是為了應對我們面臨的一個根本性挑戰(zhàn)：AI所需的計算量正在飆升，對英偉達GPU的需求也在飆升。這種飆升是因為模型每年都在以10倍、一個數(shù)量級的規(guī)模增長。更不用說，o1模型的引入是AI的一個轉(zhuǎn)折點。推理不再是一次性給出答案，現(xiàn)在是一個思考過程。為了教會AI如何思考，強化學習和極其大量的計算被引入了后訓練階段。它不再是監(jiān)督式微調(diào)（也稱為模仿學習或監(jiān)督訓練），現(xiàn)在有了強化學習，本質(zhì)上是計算機通過自我嘗試不同迭代來學習如何執(zhí)行任務。結(jié)果，用于預訓練、后訓練、測試時縮放的計算量爆炸式增長。

現(xiàn)在，我們進行的每一次推理，都可能生成2個token而不是1個，你可以看到AI在“思考”。它思考得越久，通常能給出更好的答案。因此，測試時縮放導致生成的token數(shù)量每年增加5倍。

與此同時，AI的競賽正在激烈進行。每個人都在試圖達到下一個水平，登上新的前沿。而每當他們到達新的前沿，上一代AI生成token的成本就開始下降，降幅大約是10倍。每年下降10倍這件事實際上說明了不同的情況：它表明競賽如此激烈，每個人都在努力達到下一個水平，并且確實有人正在達到那個水平。

因此，所有這一切本質(zhì)上都是一個計算問題。你計算得越快，就能越早達到下一個水平和前沿。所有這些事情都在同時發(fā)生，所以我們決定，必須每年都推進計算技術的水平，一年都不能落后。

我們一年半前出貨GB200。目前，我們正在進行GB300的大規(guī)模生產(chǎn)。如果Rubin想要在今年及時推出，它現(xiàn)在就必須已經(jīng)投產(chǎn)。所以今天，我可以告訴你們：Rubin已進入全面生產(chǎn)階段。

我們還推出了基于Rubin架構的新一代計算集群DGX SuperPOD，包含1152個GPU，分布在16個機架中，每個機架有72個Rubin GPU。

我們設計了六種不同的芯片。首先，我們公司內(nèi)部有一個原則：每一代新平臺不應該有超過一兩個芯片發(fā)生變動。但問題來了：我們知道摩爾定律已經(jīng)基本放緩，因此我們每年能獲得的晶體管數(shù)量，不可能跟上模型每年10倍的增長速度，不可能跟上每年生成的token數(shù)量5倍的增長，也不可能跟上令牌成本如此激進的下降速度。

如果行業(yè)要繼續(xù)前進，要想跟上這樣的速度是不可能的。除非我們采用激進的極致協(xié)同設計，基本上就是在所有芯片、整個技術棧上同時進行創(chuàng)新。為此，我們決定，在這一代平臺上重新設計每一個芯片。

首先是Vera CPU。在一個受功率約束的世界里，它的性能是上一代的兩倍，每瓦性能是世界上其他最先進CPU的兩倍。它的數(shù)據(jù)速率是瘋狂的，專為處理超級計算機而設計。Grace曾是一款出色的CPU，而Vera則將單線程性能、內(nèi)存容量和所有方面都顯著提升了。這是一次巨大的飛躍。

Vera CPU連接到Rubin GPU！這是一個巨大的芯片，有88個CPU核心，這些核心設計為支持多線程。但Vera的多線程特性設計得讓176個線程中的每一個都能獲得其完整的性能，所以本質(zhì)上就像有176個核心，但只有88個物理核心。這些核心采用了一種叫做空間多線程的技術設計，性能驚人。

其次是Rubin GPU。它的浮點性能是Blackwell的5倍，但晶體管數(shù)量只有Blackwell的1.6倍。這多少說明了當今半導體物理的水平。如果我們不進行協(xié)同設計，不在整個系統(tǒng)的每一個芯片層面進行極致的協(xié)同設計，我們怎么可能實現(xiàn)這種性能水平？

第三，我們做的一件偉大的發(fā)明叫做NVFP4 Tensor Core。我們芯片中的Transformer引擎不僅僅是我們放入數(shù)據(jù)通路的某種4位浮點數(shù)，它是一個完整的處理器單元，懂得如何動態(tài)、自適應地調(diào)整其精度和結(jié)構，以處理Transformer的不同層次，從而在可以損失精度的地方實現(xiàn)更高的吞吐量，在需要的時候恢復到最高的可能精度。這種動態(tài)調(diào)整能力無法通過軟件實現(xiàn)，因為它運行得太快了。所以必須在處理器內(nèi)部自適應地完成。這就是NVFP4的意義。

我們已經(jīng)發(fā)表了關于NVFP4的論文。它所達到的吞吐量和精度保持水平是完全不可思議的。這是開創(chuàng)性的工作。未來行業(yè)希望我們將這種格式和結(jié)構定為行業(yè)標準，我一點也不會感到意外。這完全是革命性的。這就是為什么我們能夠在晶體管數(shù)量僅增加1.6倍的情況下，實現(xiàn)如此巨大的性能飛躍。

第四，我們革新了整個HGX機箱。這個節(jié)點以前有43條電纜，現(xiàn)在0條；6根水管，現(xiàn)在0根。以前組裝這個需要兩小時，現(xiàn)在則只要五分鐘，而且100%液冷。

第五，將這些連接到頂層機架交換機、處理東西向流量的，叫做Spectrum-X網(wǎng)卡。這是世界上毫無疑問最好的網(wǎng)卡。Mellanox的算法、芯片設計、所有互連、其上運行的所有軟件棧、RDMA，絕對是無與倫比的世界最佳。現(xiàn)在它還具有可編程的RDMA和數(shù)據(jù)路徑加速器功能，讓我們的合作伙伴（如AI實驗室）可以創(chuàng)建自己的算法來決定如何在系統(tǒng)中移動數(shù)據(jù)。

第六，ConnectX-9和Vera CPU是協(xié)同設計的。眾所周知，ConnectX-8和Spectrum-X徹底改變了用于人工智能的以太網(wǎng)技術。AI的以太網(wǎng)流量要密集得多，要求更低的延遲，流量的瞬時激增是傳統(tǒng)以太網(wǎng)從未見過的。所以我們創(chuàng)建了Spectrum-X，即AI以太網(wǎng)。兩年前我們宣布了Spectrum-X。今天，英偉達已成為全球有史以來最大的網(wǎng)絡公司。

它非常成功，在各種設施中廣泛使用，正在席卷整個AI領域。其性能令人難以置信，尤其是當你擁有一個200兆瓦的數(shù)據(jù)中心，或者一個千兆瓦的數(shù)據(jù)中心（價值數(shù)百億美元，一個千兆瓦數(shù)據(jù)中心大約500億美元）時。如果網(wǎng)絡性能能讓你額外獲得10%的收益——以Spectrum-X為例，實現(xiàn)25%更高的吞吐量并不罕見——僅僅是10%的提升，就價值50億美元。等于網(wǎng)絡成本完全免費了。這就是為什么每個人都在使用Spectrum-X的原因。

第七，現(xiàn)在，我們發(fā)明了一種新型的數(shù)據(jù)處理方式，它的處理器叫做BlueField-4，允許我們管理一個非常龐大的數(shù)據(jù)中心，隔離其不同部分，以便不同用戶可以使用不同部分，確保所有資源在需要時都可以被虛擬化。這樣，你就能卸載很多虛擬化軟件、安全軟件以及南北向流量的網(wǎng)絡軟件。所以，BlueField-4是每個計算節(jié)點的標準配置。

第八是NVLink-6交換機。每個機架交換機里面有四個芯片，每顆芯片都有歷史上最快的SerDes。世界才剛剛達到200Gb/s，而這是每秒400Gb/s的交換機。這之所以如此重要，是因為它能讓每個GPU都能同時與其他所有GPU進行通信。這個位于機架背板上的交換機，使我們能夠以相當于全球互聯(lián)網(wǎng)數(shù)據(jù)總量兩倍的速度移動數(shù)據(jù)。全球互聯(lián)網(wǎng)的橫截面帶寬大約是每秒100太字節(jié)，而這個是每秒240太字節(jié)，讓每個GPU都能同時與其他所有GPU協(xié)同工作。

后面是NVLink脊柱，基本上是兩英里長的銅纜。銅是我們所知的最佳導體。這些都是屏蔽銅纜、結(jié)構銅纜，是計算系統(tǒng)中有史以來使用最多的。我們的SerDes以每秒400Gb的速率驅(qū)動這些銅纜從機架頂部一直到機架底部。這里面總共有長3200米、5000根銅纜，這使NVLink脊柱成為可能。這項革新真正開啟了我們的HGX系統(tǒng)，我們決定創(chuàng)建一個行業(yè)標準系統(tǒng)，讓整個生態(tài)系統(tǒng)、我們所有的供應鏈都能基于這些組件進行標準化。構成這些HGX系統(tǒng)的組件大約有8萬個。

如果我們每年都改變它，那將是巨大的浪費。從富士康到廣達、緯創(chuàng)，再到惠普、戴爾、聯(lián)想，所有主要的計算機制造商都知道如何構建這些系統(tǒng)。所以，盡管性能高得多，而且非常重要的一點是，功耗是前代的兩倍，Vera Rubin的功耗是Grace Blackwell的兩倍——但我們?nèi)匀荒軐era Rubin塞進這個框架里，這本身就是一個奇跡。

進入系統(tǒng)的空氣流量大致相同。更重要的是，進入的水溫相同，45攝氏度。在45攝氏度下，數(shù)據(jù)中心不需要冷水機。我們基本上是用熱水來冷卻這臺超級計算機，效率高得令人難以置信。

所以，這是新的機架：晶體管數(shù)量是1.7倍，但峰值推理性能是5倍，峰值訓練性能是3.5倍。它們通過頂部的Spectrum-X連接起來。

這是世界上第一款采用臺積電新工藝制造的芯片，這個新工藝是我們共同創(chuàng)新的，叫做CoWoS，是一種硅光子集成工藝技術。這使我們能夠?qū)⒐韫庾又苯蛹傻叫酒稀＿@里有512個端口，每個端口200Gb/s。這就是新的以太網(wǎng)AI交換機——Spectrum-X以太網(wǎng)交換機。

幾年前我們推出了Spectrum-X，以便徹底改變網(wǎng)絡連接的方式。以太網(wǎng)確實易于管理，每個人都有以太網(wǎng)技術棧，世界上每個數(shù)據(jù)中心都知道如何處理以太網(wǎng)。而當時我們使用的另一種技術叫做InfiniBand，用于超級計算機。InfiniBand延遲非常低，但它的軟件棧和整個可管理性對使用以太網(wǎng)的人來說非常陌生。所以我們決定首次進入以太網(wǎng)交換機市場。Spectrum-X一經(jīng)推出就大獲成功，使我們成為世界上最大的網(wǎng)絡公司。

五、生態(tài)閉環(huán)：從基礎設施到行業(yè)滲透的全棧布局

但就像我之前說的，AI已經(jīng)重塑了整個計算技術棧的每一層。同理可證，當AI開始在世界各地的企業(yè)部署時，它也必將重塑存儲的方式。AI不使用SQL，AI使用語義信息。當AI被使用時，它會創(chuàng)建一種臨時的知識、臨時的記憶，叫做KV緩存（鍵值緩存）。但本質(zhì)上，KV緩存就是AI的工作內(nèi)存。AI的工作內(nèi)存存儲在HBM內(nèi)存中。

對于生成的每一個token，GPU都會讀入整個模型、整個工作內(nèi)存，產(chǎn)生一個token，然后將這個token存回KV緩存。下一次它再做同樣的事情時，它會再次讀入整個內(nèi)存，流經(jīng)GPU，生成另一個token。它就這樣重復進行。顯然，如果你長時間與AI對話，這個內(nèi)存——這個上下文內(nèi)存——將會急劇增長。更不用說模型本身在增長，我們與AI交互的輪次在增加。我們甚至希望這個AI能伴隨我們一生，記住我們與它進行過的每一次對話，對吧？我要求它研究的每一個鏈接……當然，共享超級計算機的用戶數(shù)量也會持續(xù)增長。

因此，這個最初能放進HBM的上下文內(nèi)存，現(xiàn)在已經(jīng)不夠大了。去年，我們創(chuàng)建了Grace Blackwell的快速上下文內(nèi)存，這就是為什么我們將Grace直接連接到Hopper，直接連接到Blackwell，以擴展上下文內(nèi)存。但即使那樣也不夠。所以，下一個解決方案當然是走網(wǎng)絡。但是，如果有大量AI同時在運行，那個網(wǎng)絡將不再足夠快。

所以答案很明確：需要一種不同的方法。因此，我們引入了BlueField-4，以便我們能夠在機架內(nèi)擁有一個非?？焖俚腒V緩存上下文內(nèi)存存儲。這是一種全新的存儲系統(tǒng)類別。業(yè)界對此非常興奮，因為這是幾乎所有今天進行大量token生成的人的痛點。AI實驗室、云服務提供商，他們真的受困于KV緩存移動所導致的網(wǎng)絡流量。

因此，我們創(chuàng)建一個新平臺、一個新處理器來運行整個Dynamo KV緩存/上下文內(nèi)存管理系統(tǒng)，并將其放在非?？拷鼨C架其他部分的地方，這完全是革命性的。

每個這樣的機架后面有四個BlueField-4。每個BlueField-4后面有150太字節(jié)的上下文內(nèi)存。分攤到每個GPU上，每個GPU將獲得額外的16太字節(jié)內(nèi)存。現(xiàn)在，在這個節(jié)點內(nèi)部，每個GPU原本大約有1太字節(jié)內(nèi)存?，F(xiàn)在有了這個位于同一東西向流量上、數(shù)據(jù)速率完全相同（每秒200Gb）的支撐存儲，橫跨整個計算節(jié)點的網(wǎng)絡結(jié)構，你將獲得額外的16太字節(jié)內(nèi)存。

Vera Rubin有幾個方面真的非常不可思議。第一點我剛才提到過：整個系統(tǒng)的能效是前代的兩倍。雖然功耗是前代的兩倍，能耗也是兩倍，但計算能力是數(shù)倍于此。進入系統(tǒng)的液體溫度仍然是45攝氏度。這使我們能節(jié)省全球數(shù)據(jù)中心大約6%的電力，這是件大事。

第二件大事：整個系統(tǒng)現(xiàn)在支持機密計算，意味著所有數(shù)據(jù)在傳輸中、靜態(tài)時和計算過程中都是加密的，每個總線現(xiàn)在都是加密的——每個PCIe、每個NVLink、每個HBM……CPU與內(nèi)存、CPU與GPU之間、GPU與GPU之間，一切現(xiàn)在都是加密的。所以它是機密計算安全的。這讓公司可以放心，即使他們的模型由別人部署，也永遠不會被任何人看到。

這個特定系統(tǒng)不僅能效極高，還有另一個不可思議之處。由于AI工作負載的特性，它會在瞬間激增。這個叫做“全歸約”的計算層所使用的電流量、能量同時飆升，常常會突然激增25%?，F(xiàn)在，我們在整個系統(tǒng)中實現(xiàn)了功率平滑，這樣你就不需要過度配置25%的容量，或者如果你過度配置了，你也不必讓那25%的能源被浪費或閑置?，F(xiàn)在，你可以用滿整個功率預算，而不需要過度配置。

最后，當然是性能。讓我們看看它的性能。這些都是構建AI超級計算機的人會喜歡的圖表。這需要……需要這里的每一個芯片、每一個系統(tǒng)的完全重新設計，并重寫整個軟件棧，才使其成為可能。

我們做的事情其實圍繞三個核心環(huán)節(jié)：

第一是訓練速度。訓練AI模型越快，就能越早把下一代前沿模型推向世界。這直接決定技術領先性、上市時間和定價權。比如綠色部分代表一個10萬億參數(shù)模型（我們稱之為DeepSeek++），需要基于100萬億token進行訓練。在同樣的訓練周期（比如一個月）里，用Rubin平臺只需四分之一的系統(tǒng)數(shù)量就能完成——在同樣的時間里，你能訓練更大、更先進的模型。

第二是數(shù)據(jù)中心效率。數(shù)據(jù)中心是AI的“工廠”，投資巨大。一個千兆瓦級數(shù)據(jù)中心可能需要500億美元投入，而電力是硬性約束。如果你的計算架構每瓦性能更高，同樣的電力就能產(chǎn)生更多算力，直接轉(zhuǎn)化為數(shù)據(jù)中心的產(chǎn)出和收益。布萊克韋爾平臺相比前代實現(xiàn)了約10倍的能效提升，而魯賓將在此基礎上再次提升近10倍。

第三是推理成本。也就是實際生成每個token的成本。Rubin平臺將這一成本降低到原來的約十分之一。

這就是我們推動整個行業(yè)走向下一個前沿的方式——讓訓練更快、能效更高、推理更經(jīng)濟，從而支撐AI持續(xù)向更大規(guī)模、更高水平發(fā)展。

如大家所見，今天的英偉達早已不僅是芯片公司。我們構建的是完整的全棧AI體系——從芯片、系統(tǒng)、基礎設施，到模型和應用。我們的使命是打造完整的技術棧，讓在座的每一位都能在此基礎上，為世界創(chuàng)造令人驚嘆的AI應用。

謝謝大家到場，祝大家在CES收獲滿滿！