出品 | 搜狐科技

作者 | 梁昌均

编辑 | 杨锦

1月6日，被誉为“科技春晚”的国际消费电子展（CES 2026）在美国拉斯维加斯启幕。英伟达CEO黄仁勋发表首场重磅演讲，披露在AI上的最新布局。

老黄这次再次穿上了亮飒飒的鳄鱼皮皮衣，重头戏是介绍最新“算力核弹”——新一代Vera Rubin平台的进展。

作为英伟达新一代超级计算机平台，Vera Rubin整体AI性能达100 PetaFLOPS，推理性能是前代产品的5倍，目前已投产。

他还宣布了英伟达在物理AI、开源等方面的布局，推出世界上首个会思考、会推理的自动驾驶模型Alpamayo。他判断，物理AI的ChatGPT时刻会很快到来。

最新架构芯片Vera Rubin进入量产，推理性能是前代五倍

在一个半小时的演讲中，黄仁勋压轴介绍了最新一代架构芯片Vera Rubin的进展。该命名来自美国天文学家薇拉·鲁宾（Vera Rubin），是明确证实暗物质存在的科学家。

“Vera和Rubin的设计正是为了应对一个根本性挑战：AI所需的计算量正在急剧飙升，因为模型规模每年都在以大约10倍的数量级增长。”

黄仁勋认为，目前AI领域的竞争依然异常激烈，大家都想达到更高的水平，而这归根结底是计算问题。

“计算得越快，就能越早到达下一个前沿。因此，我们决定必须每年都将计算技术的前沿向前推进。”

他透露，英伟达现在已全面投入GB300的大规模制造，而Vera Rubin架构芯片已进入量产阶段，也是全球首款采用台积电新工艺制造的芯片。

英伟达称，这款产品将于今年下半年由合作伙伴推出，微软Azure和CoreWeave等将率先部署。

据介绍，Vera Rubin超级计算机是一个由6颗不同芯片组成的系统，通过极致协同设计被整合为整体，包含Vera CPU、Rubin GPU等，整体AI性能可达100 PetaFLOPS，黄仁勋称其为“迈向下一个前沿的巨大飞跃”。

他还解释了Vera Rubin架构的设计思路。摩尔定律的增长曲线已大幅放缓，每年所能获得的晶体管数量，根本无法跟上模型每年10倍的增长速度，也无法跟上每年5倍的token生成量增长，更无法跟上token成本每年高达10倍的激进下降趋势。

“除非采用极致的协同设计，即同时在整个芯片栈的所有层面进行创新，否则整个行业将无法继续前进。这就是为什么我们这一代别无选择，只能重新设计每一颗芯片。”黄仁勋表示。

从Vera Rubin平台来看，Vera CPU采用全新Olympus架构，拥有88个Arm核心，并以每秒1.8TB的速度连接Rubin GPU，训练和推理性能是前代Grace CPU的两倍。

Rubin GPU则搭载第三代Transformer引擎，是首款集成HBM4内存的GPU，推理性能高达50 PetaFLOPS，训练算力达35 PetaFLOPS，分别是Blackwell GPU的5倍、3.5倍，但其晶体管数量仅为前代产品的1.6倍。

同时借助最新的网络和芯片互联等技术，英伟达打造了最新的超级计算机机架Vera Rubin NVL72，创造出一个拥有220万亿晶体管和3.6 ExaFLOPS推理性能的单机架级处理器，同时存储容量、带宽内存等实现了倍数提升，整体重量约两吨。

在性能方面，黄仁勋对比了Rubin NVL72相较BlackwellNVL72在训练效率、工厂吞吐量、推理成本三个维度的提升。

以拓展到10万亿参数的模型DeepSeek++和Kimi k2-Think为例，Rubin NVL72仅使用1/4 GPU就完成相同训练任务，吞吐量提升 10倍，token成本降至 1/10。

“这是新一代机柜，这正是真正开启MGX系统的革命。”黄仁勋提到，英伟达推动了行业标准系统化，以便整个生态系统和供应链都能围绕高达8万个组件实现标准化，使得组装时间从原来的两个小时缩短到5分钟。

“英伟达现在构建的是完整的系统，正在从芯片到基础设施，再到模型和应用，全面重塑AI。”他表示。

开源模型规模将超闭源模型，物理AI的ChatGPT时刻即将到来

在演讲中，黄仁勋还分享了他对AI和计算的最新观点。他认为，应用程序将构建在AI之上。“起初人们认为AI本身就是应用程序，事实上AI确实是应用程序，但也将会在AI的基础上构建应用程序。”

同时，运行软件、开发软件的方式也发生了根本性的改变，不再“编程”软件，而是“训练”软件。

“这意味着，过去十年价值约10万亿美元的计算基础设施，正在被现代化改造。这种全新的计算方式，意味着每年有数千亿美元的风险投资涌入。人们会问，钱从哪里来？答案就在这里：通过将研发预算从传统方法转向人工智能方法，以及涌入的巨额投资。”

他回顾称，2025年确实是非凡的一年。第一个有影响力的语言模型BERT，到Transformer架构问世，再到2022年底ChatGPT时刻到来，以及OpenAI推出首个推理模型o1，发现了测试时扩展定律，和预训练、后训练推动着算力的持续激增。

“人工智能的每一个阶段都需要海量的算力，而计算定律仍在持续扩展，大型语言模型也在不断变得更好。同时，智能体模型也在2025年开始涌现。”

黄仁勋还提到，自己最喜欢的一个智能体模型是Cursor，它彻底改变了英伟达进行软件编程的方式，AI系统将从此真正起飞。

“去年发生的另一件最重要的事情，就是开源模型的进步，真正地革新了人工智能。当开源、开放式创新在全球每一家公司、每一个行业被激活时，AI将无处不在。”

黄仁勋再次提到了DeepSeek-R1，称“它令世界感到惊讶，并激发了整个AI浪潮”。

他表示，当今世界的大模型格局，OpenAI是领先的token生成者，第二大阵营则是开源模型。“开源模型也已达到前沿水平，尽管仍比最前沿的闭源模型落后大约六个月，但每隔六个月就会有新模型涌现。”

同时，他预测，随着时间推移，由于有如此多的公司、研究人员以及各种不同领域的模态，开源模型的规模将会远远超过其他所有模型。

英伟达同样在开源领域持续布局。“我们构建了自己的DGX云，很多人问，你们是要进入云计算业务吗？答案是否定的，我们构建这些DGX超级计算机是为了自用，是为了开发我们的开源模型。”黄仁勋提到。

据介绍，英伟达2025年在Hugging Face上贡献了650个开源模型和250个开源数据集，包括物理模型Earth-2、智能体模型Nemotron、世界模型Cosmos、机器人系统Isaac GR00T等多个领域。

“我们不仅开源模型，还开源用于训练这些模型的数据，因为只有这样，你才能真正信任这些模型是如何诞生的。”黄仁勋表示，未来英伟达将继续这样做，甚至加速推进。

同时，他还认为，智能体的发展应该是多模态的，而且是多云和混合云的。使用预训练的、专有的前沿语言模型，将其与定制的语言模型结合到到智能体框架、推理框架中，从而能够访问工具和文件，甚至可能连接到其他智能体，这基本上就是开发现代AI应用程序的架构。

“我们将这个完整的框架称为蓝图（Blueprint），并已经将这些蓝图集成到全球各地的企业SaaS平台中。”

黄仁勋表示，英伟达已与Palantir、Snowflake、CrowdStrike等企业合作。

他强调称，这不仅仅是现在开发应用程序的方式，还将成为企业平台的用户界面。“智能体系统就是界面，与平台交互的方式变得更加简单，就像你与人交流一样。”

在智能体浪潮之后，黄仁勋一直将物理AI视为下一波浪潮。黄仁勋再次提到了经典的三台计算机：为了让AI能够学习物理世界的常识和规律，需要为训练AI模型而构建的计算机、用于模型推理的计算机以及专门为仿真设计的计算机。

“现在对于物理AI，我们必须做的最重要的一件事，就是创建用于训练AI的数据。但这些数据从何而来？”

黄仁勋认为，物理AI的ChatGPT时刻即将到来，但挑战显而易见。

物理世界是多样且不可预测的，收集现实世界的训练数据既缓慢又昂贵，而且永远不够，因此答案就是合成数据。通过使用基于物理定律、基于真实数据进行约束和引导的合成数据生成技术，则可以有选择地、巧妙地生成数据，然后用这些数据来训练AI。

英伟达的Cosmos——一个面向物理AI的开放前沿世界基础模型正是由此而生，已被下载数百万次，英伟达自己也在用它来创建自动驾驶汽车的场景生成和评估。

在此基础上，黄仁勋还宣布推出世界上首个会思考、会推理的自动驾驶模型Alpamayo，并对外开源。梅赛德斯-奔驰成为英伟达合作方，搭载该模型的自动驾驶汽车今年将陆续上市。

该模型通过端到端训练，不仅能接收传感器输入并驱动方向盘、刹车和油门，还能推理它即将采取的行动，以及做出该决定的理由，从而解决自动驾驶的“长尾”问题，并开发了两个自动驾驶栈，使得安全系统具备多样性和冗余性。

“我们设想，未来道路上将有十亿辆汽车实现自动驾驶。每一辆车都将具备自动驾驶能力，每一辆车都将由AI驱动。”

黄仁勋认为，从非自动驾驶汽车到自动驾驶汽车的拐点，很可能就发生在接下来的十年左右，这将是首个大规模的主流AI物理AI市场。

物理AI另一个重要领域则是机器人。黄仁勋再次邀请了两台萌萌的瓦力机器人上台，与其交流互动，并表示英伟达已与波士顿动力、Agility Robotics、Serve Robotics、LG等企业达成合作。