当黄仁勋穿着价格高达1万美元的黑色皮夹克，走上CES 2026的舞台，一个细节耐人寻味：这是五年来首次没有发布新一代消费显卡。这不是偶然，而是NVIDIA明确释放的战略转向信号——从游戏玩家的显卡供应商，转向工业AI的基础设施提供者。
黄仁勋这次讲了“Physical AI”的概念：AI不再只是聊天和生图，而是要理解物理世界、驱动机器人和自动驾驶。支撑这一转型的，是一系列颠覆性发布：让大模型训练成本骤降4-10倍的Vera Rubin平台，宣称”每家公司都能训练大模型”；引发与马斯克争论的，全球首个推理式自动驾驶模型；以及为工业元宇宙而生的Omniverse生态。
黄仁勋的野心很清晰：让AI从少数巨头的游戏，变成每个行业都能用得起的工具。这么看，英伟达的4万亿美元市值，是不是未来会打不住啊。
01
物理AI是第三阶段—AI从云端走向现实世界
核心内容:
黄仁勋在演讲中明确指出，AI正从”生成式AI”进入”物理AI”(Physical AI)时代，这是AI发展的第三阶段。AI不再只是理解语言和生成内容，而是开始理解物理世界的规律，能够感知、推理并在真实环境中采取行动。
关键解析:
三个发展阶段:
- 第一阶段：传统AI(模式识别)
- 第二阶段：生成式AI(理解语言、生成内容)
- 第三阶段：物理AI(理解物理规律、操控现实世界)
技术支柱：英伟达构建了三大支柱支撑物理AI：
-
Newton物理引擎(响应速度<0.01秒)
-
Cosmos基础模型平台(1000亿参数,推理延迟仅1毫秒)
-
混合算力架构(GPU+LPU,效率提升100倍,成本降低90%)
应用场景：机器人、自动驾驶、工业制造、医疗等所有需要AI与物理世界交互的领域
黄仁勋称这是”ChatGPT时刻”在物理世界的到来，标志着AI从虚拟空间正式进入现实世界。
02
Vera Rubin平台全面投产—训练成本降低4倍,推理成本降低10倍
核心内容:
黄仁勋宣布英伟达下一代AI超级芯片平台Vera Rubin已进入全面量产,这是由6颗协同设计的芯片组成的革命性平台。
关键解析:
性能提升惊人:
-
训练性能:是Blackwell的3.5倍
-
推理性能:是Blackwell的5倍,达到50 PFLOPS
-
能效提升:每瓦推理算力提升8倍
-
HBM4带宽:22TB/s,是Blackwell的2.8倍
成本革命：
-
训练MoE模型所需GPU数量减少至1/4
-
推理token成本降低至1/10
-
这意味着每家AI公司都能训练大模型
六芯片架构：
-
Vera CPU(定制Olympus核心架构)
-
Rubin GPU(336亿晶体管)
-
NVLink 6交换机(3.6TB/s带宽)
-
ConnectX-9 SuperNIC
-
BlueField-4 DPU
-
Spectrum-6以太网交换机
商业化时间表：2026年下半年开始向合作伙伴交付，AWS、Google Cloud、Microsoft、Oracle等主要云服务商已确认部署
黄仁勋强调，Vera Rubin的”极致协同设计”让AI训练和推理的经济性发生根本性改变，真正实现了AI平价化。
03
引发与马斯克的”口水战”Alpamayo—世界首个推理自动驾驶模型
核心内容:
英伟达发布Alpamayo,全球首个具备”思考与推理”能力的开源自动驾驶AI模型,采用视觉-语言-行动(VLA)架构。
关键解析:
技术突破：
-
首个端到端VLA推理模型(从摄像头输入到车辆控制输出)
-
具备”链式推理”能力,可逐步思考复杂驾驶场景
-
开源发布:模型权重在Hugging Face,仿真框架AlpaSim在GitHub
-
配套1700+小时驾驶数据集
商业落地：
-
2026年Q1美国上路:梅赛德斯-奔驰CLA将首发搭载
-
Q2欧洲市场,下半年亚洲市场
-
合作伙伴:Lucid Motors、捷豹路虎、Uber、Berkeley DeepDrive等
与马斯克的争议：
-
黄仁勋称Alpamayo是”世界首个推理自动驾驶AI”
-
马斯克在X平台回应:”这就是特斯拉正在做的😂。他们会发现,达到99%很容易,但解决长尾问题超级困难”
-
黄仁勋的”10亿辆自动驾驶汽车”愿景 vs 马斯克的”特斯拉才是第一个”
差异化策略：
-
特斯拉：闭源、端到端训练、依赖海量真实数据
-
英伟达：开源平台、仿真+推理、为整个行业提供工具
这场”争论”实际上反映了自动驾驶两条技术路线的竞争。
04
Omniverse仿真平台升级—物理世界模型与3D协作,元宇宙真的要来了?
核心内容:
英伟达深化Omniverse平台在工业仿真和物理世界建模的能力，并宣布与西门子的重磅合作。
关键解析：
Cosmos世界模型：
-
发布Cosmos Transfer 2.5和Cosmos Predict 2.5
-
能理解现实世界物理属性和空间关系
-
生成逼真合成数据用于机器人和自动驾驶训练
-
Cosmos Reason 2视觉语言模型,赋予机器”物理常识”
工业应用突破：
西门子合作：将CUDA-X、Omniverse和AI模型整合到西门子全产品线
-
涵盖EDA(电子设计自动化)、CAE(计算机辅助工程)、数字孪生
-
实现从设计→仿真→生产→运营的全生命周期AI化
Isaac机器人平台：
-
Isaac GR00T N1.6模型(视觉-语言-动作VLA模型)
-
实现人形机器人全身精准控制
-
与Hugging Face合作,整合进LeRobot库
-
Jetson T4000模组(Blackwell架构,性能是上代4倍)
“元宇宙”重新定义：
-
不再是虚拟社交空间,而是工业数字孪生和机器人训练场
-
在虚拟世界中训练AI,然后部署到现实世界
-
黄仁勋称这是”物理AI的训练基础设施”
有报道指出,Omniverse业务目前回报不及预期,黄仁勋对此表示失望,但仍在大力投入。这反映了”从仿真到现实”路径的挑战性。
05
四大开源模型矩阵—英伟达要做AI界的”安卓”
核心内容：
黄仁勋强调开源战略,发布四大开源模型家族,配套史无前例规模的数据集。
关键解析：
四大模型家族：
-
Nemotron (智能体AI)：逻辑推理与任务执行
-
Cosmos (物理AI)：理解物理规律和环境交互
-
Alpamayo (自动驾驶)：VLA推理模型
-
Clara (医疗健康)：生物医药研发与医疗影像
配套数据开放：
-
10万亿语言Token
-
50万条机器人操作轨迹
-
1700+小时自动驾驶数据
-
全部可在Hugging Face获取
战略意图：
- 黄仁勋:”我们不仅开源模型,还开源训练数据,这样你才能真正相信这些模型是如何形成的”
- 在Hugging Face上,机器人是增长最快的类别,英伟达模型下载量遥遥领先
- 目标:成为物理AI领域的”安卓系统”,让每个开发者都能基于英伟达平台构建应用
市场地位：
-
黄仁勋称,2025年英伟达在开源模型发布数量上超越Google、OpenAI、Meta,位列榜首
-
开源模型已经领先闭源模型6个月
这是英伟达从”卖芯片”到”建生态”的关键转型。
06
硬件产品矩阵—从数据中心到边缘设备的全覆盖
核心内容:
除了Vera Rubin平台,英伟达还发布了多款硬件产品。
关键解析:
边缘计算：
-
Jetson T4000:搭载Blackwell架构,性能是Jetson Orin的4倍
-
专为机器人和边缘AI设计
-
支持与Hugging Face的Reachy 2人形机器人无缝协作
网络与存储：
-
基于BlueField-4 DPU
-
解决长对话、多用户场景下的KV缓存瓶颈
-
让AI”多想一会儿”变得经济可行
-
102.4 Tb/s交换容量
-
功耗效率提升5倍
-
与博通、思科竞争数据中心网络市场
-
Spectrum-X以太网共封装光学器件(CPO)
-
推理上下文内存存储平台
完整系统：
-
Vera Rubin NVL72:72个Rubin GPU + 36个Vera CPU的机架级系统
-
总推理性能3.6 exaFLOPS
-
260 TB/s聚合带宽
-
组装时间从2小时缩短到5分钟
-
DGX Spark升级:
-
大模型性能提升2.6倍
-
支持Lightricks LTX-2和FLUX图像模型
市场预测：
- 黄仁勋预测未来5年全球在AI基础设施的投入将达到3-4万亿美元
- 英伟达市值已达4.59万亿美元,成为全球最有价值的上市公司
这些硬件产品展示了英伟达从云端到边缘的全栈布局,支撑物理AI时代的到来。
07
总结：黄仁勋的战略布局
黄仁勋特别提到，DeepSeek -R1的出现意外推动了整个行业的变革。总结这次CES演讲，他传递的核心信息是：
-
AI进入第三阶段——从理解语言到理解物理世界
-
算力平价化——Vera Rubin让每家公司都能训练大模型
-
开源生态——成为物理AI时代的”安卓”
-
全栈布局——从芯片到软件到仿真平台的完整生态
-
商业化提速——自动驾驶、机器人等应用2026年大规模落地
转载请注明：好奇网 » 黄仁勋CES演讲：第三次浪潮「物理AI」来了