【文章来源：techweb】
【】1 月 6 日消息，在 2026 年国际消费电子展 （CES） 上，英伟达 CEO 黄仁勋以一场 90 分钟的震撼演讲，宣告人工智能进入 「物理 AI」 时代。这一战略升级标志着 AI 从理解语言转向理解物理世界，为全球制造业、自动驾驶和机器人领域带来颠覆性变革。
物理 AI：从数字到现实的跨越
黄仁勋提出 「物理 AI」 概念，强调 AI 需融合重力、摩擦等真实物理动态，以精准执行复杂任务。
「物理 AI」 这一技术旨在优化全球 1000 万家工厂和 20 万个仓库的运作逻辑，其核心支柱包括：
Newton 物理引擎：实现低于 0.01 秒的实时物理计算响应，适配机器人及自动驾驶场景。
Cosmos 基础模型平台：以 1000 亿参数达成 1 毫秒级推理延迟，支持多模态物理世界理解。
GPU+LPU 混合架构：算力效率提升 100 倍，成本降低 90%，2026 年第二季度全面供货。
黄仁勋指出：「物理世界是 AI 最大的应用场景，AI 的价值由场景定义。」 这一判断为科技行业指明了从数字智能向具身智能的转型方向。
同时，黄仁勋认为：「物理 AI 的 『ChatGPT 时刻』 近在咫尺，但挑战很明确。物理世界多样且不可预测。收集真实世界训练数据缓慢又昂贵，而且永远不够。所以答案是合成数据」。
黄仁勋表示，AI 正在变成一个跨模态、跨模型、跨云、跨形态部署的复杂系统，能够理解多种形态的数据，针对不同问题选择最合适的模型，并将天然运行在多云环境之上，这将成为未来应用构建的基本范式。
Rubin 平台：算力革命引领 AI 基础设施时代
黄仁勋表示，AI 需求正在急剧攀升，多条曲线同时发挥作用：模型参数规模正以每年约 10 倍的速度扩大，推理阶段的计算需求以每年约 5 倍的速度增长，而 token 成本则需要以每年约 10 倍的速度持续下降，意味着 AI 竞争本质上已经成为计算能力的竞赛。
英伟达发布新一代 AI 超级芯片平台 「Rubin」，采用台积电 2nm 工艺，集成六款新型芯片，分别为 Vera CPU、Rubin GPU、NVLink 6 交换机、ConnectX-9 超级网卡、BlueField-4 DPU 及 Spectrum-6 以太网交换机，配备 88 个定制 Olympus 核心。
Rubin 性能数据亮眼：
AI 训练速度达前代 Blackwell 的 3.5 倍，推理速度提升 5 倍。
每瓦推理算力实现 8 倍飞跃，token 生成成本最多降低 10 倍。
订单规模已达 3000 亿美元，微软、亚马逊云科技等巨头纷纷入局。
英伟达 Rubin 平台已进入全面生产阶段，基于该平台的产品将于 2026 年下半年通过合作伙伴面市。
黄仁勋宣布，Rubin 平台的开源特性进一步推动技术民主化。开源模型与前沿闭源模型的差距已缩短至 6 个月，加速了 AI 在工业领域的落地。
机器人与自动驾驶：万亿级市场爆发
黄仁勋将机器人称为 「AI 的终极形态」，并宣布与特斯拉深化合作，为 Optimus 人形机器人提供 AI 大脑。Optimus 通过 Omniverse 数字孪生平台完成 90% 以上训练，自主运行比例达 85%，远超行业均值。其量产计划包括：
2026 年第一季度：5 万台量产，成本降至 2 万美元以下。
2026 年底：产能提升至 10 万台，覆盖零件分拣、组装、质检全流程。
在自动驾驶领域，黄仁勋表示，未来十年里，他相当肯定世界上很大一部分汽车将是自动驾驶或高度自动驾驶的。
同时，英伟达开源 Alpamayo 系列 AI 模型，支持 L4 级自动驾驶。首款搭载该技术的车型——2025 款梅赛德斯-奔驰 CLA 将于 2026 年第一季度上市，标志自动驾驶从实验室走向量产。
据介绍，Alpamayo 将开源模型、仿真框架与数据集三大支柱整合为统一开放的生态系统，任何汽车开发者或研究团队均可在此基础上进行研发。Alpamayo 并不是直接部署于车端的模型，而是作为大规模教师模型，供开发者调优、蒸馏，成为其完整辅助驾驶技术栈的核心基础。
在 CES 上，黄仁勋推出了：
Alpamayo 1：业界首款面向辅助驾驶研究社区设计的思维链 VLA 推理模型，现已在 Hugging Face 上发布。基于 100 亿参数架构，该模型通过视频输入生成行驶轨迹，同时给出推理思路，能够清晰展示每项决策背后的逻辑。开发者既可将 Alpamayo 1 调整为更精简的运行时模型部署于车端，也可将其作为辅助驾驶的基础架构，构建诸如基于推理的评估器和自动标注系统等开发工具。Alpamayo 1 提供开放模型权重和开源推理脚本。该系列的后续模型将具备更大的参数规模、更精细的推理能力、更灵活的输入输出方式以及更丰富的商用选项。
AlpaSim：一款面向高保真辅助驾驶开发、完全开源的端到端仿真框架，现已在 GitHub 上公开发布。该框架提供逼真的传感器建模、可配置交通动态，以及可扩展的闭环测试环境，支持快速验证与策略优化。
物理 AI 开放数据集：NVIDIA 提供多元化的大规模辅助驾驶开放数据集。该数据集包含超过 1700 小时的驾驶数据，覆盖广泛的地理区域和环境条件，涵盖推动推理架构发展所必需的罕见且复杂的真实世界极端场景。这些数据集已在 Hugging Face 上开放使用。
黄仁勋表示：「物理 AI 的 ChatGPT 时刻已然到来，机器开始具备理解真实世界、推理并付诸行动的能力。无人驾驶出租车将是最早受益的应用之一。Alpamayo 为智能汽车注入推理能力，使其得以应对罕见场景、在复杂环境中安全行驶，并解释其驾驶决策，这为安全、可规模化的自动驾驶奠定了基础。」
开源生态与行业合作
英伟达推出四大开源 AI 模型家族，包括用于智能体 AI 的 Nemotron 系列、针对物理 AI 的 Cosmos 平台、专为自动驾驶研发的 Alpamayo 系列以及生物医疗领域的 Clara 模型。
四大开源 AI 模型覆盖语音、自动驾驶、蛋白质设计和物理世界建模：
NemoTron：支持长对话与复杂推理。
Alpamayo：首个具备自主驾驶能力的开源模型。
La-Proteina：助力原子级蛋白质设计，推动医疗创新。
Cosmos：通过合成数据训练物理 AI，减少对真实数据的依赖。
黄仁勋强调：「开源模型缩短了技术差距，让全球开发者参与 AI 创新。」 这一战略吸引了波士顿动力、特斯拉等企业加入开放机器人生态。
同时，英伟达贡献了开源训练框架和全球最大的开放多模态数据集，其中包括 10 万亿个语言训练 tokens、50 万条机器人轨迹、45.5 万个蛋白质结构以及 100TB 的车辆传感器数据，标志着英伟达正全力构建一个涵盖语言处理、机器人技术、科学研究及自动驾驶的开放生态系统。
行业影响与未来展望
黄仁勋的演讲揭示了 AI 从技术浪潮向基础设施的转变。开源模型的崛起正重塑行业格局，而物理 AI 的自主运行比例、供应链稳定性及成本控制成为关键挑战。随着 Rubin 平台量产和 Optimus 机器人投产，英伟达正从数据中心 AI 向物理世界全面转型，为未来 5-10 年布局第二增长曲线。
在这场科技革命的起点，黄仁勋表示：「AI 的第二个拐点已到来——从理解语言到理解物理世界，从软件智能体到具身智能体。」
【文章来源：techweb】
【】1 月 6 日消息，在 2026 年国际消费电子展 （CES） 上，英伟达 CEO 黄仁勋以一场 90 分钟的震撼演讲，宣告人工智能进入 「物理 AI」 时代。这一战略升级标志着 AI 从理解语言转向理解物理世界，为全球制造业、自动驾驶和机器人领域带来颠覆性变革。
物理 AI：从数字到现实的跨越
黄仁勋提出 「物理 AI」 概念，强调 AI 需融合重力、摩擦等真实物理动态，以精准执行复杂任务。
「物理 AI」 这一技术旨在优化全球 1000 万家工厂和 20 万个仓库的运作逻辑，其核心支柱包括：
Newton 物理引擎：实现低于 0.01 秒的实时物理计算响应，适配机器人及自动驾驶场景。
Cosmos 基础模型平台：以 1000 亿参数达成 1 毫秒级推理延迟，支持多模态物理世界理解。
GPU+LPU 混合架构：算力效率提升 100 倍，成本降低 90%，2026 年第二季度全面供货。
黄仁勋指出：「物理世界是 AI 最大的应用场景，AI 的价值由场景定义。」 这一判断为科技行业指明了从数字智能向具身智能的转型方向。
同时，黄仁勋认为：「物理 AI 的 『ChatGPT 时刻』 近在咫尺，但挑战很明确。物理世界多样且不可预测。收集真实世界训练数据缓慢又昂贵，而且永远不够。所以答案是合成数据」。
黄仁勋表示，AI 正在变成一个跨模态、跨模型、跨云、跨形态部署的复杂系统，能够理解多种形态的数据，针对不同问题选择最合适的模型，并将天然运行在多云环境之上，这将成为未来应用构建的基本范式。
Rubin 平台：算力革命引领 AI 基础设施时代
黄仁勋表示，AI 需求正在急剧攀升，多条曲线同时发挥作用：模型参数规模正以每年约 10 倍的速度扩大，推理阶段的计算需求以每年约 5 倍的速度增长，而 token 成本则需要以每年约 10 倍的速度持续下降，意味着 AI 竞争本质上已经成为计算能力的竞赛。
英伟达发布新一代 AI 超级芯片平台 「Rubin」，采用台积电 2nm 工艺，集成六款新型芯片，分别为 Vera CPU、Rubin GPU、NVLink 6 交换机、ConnectX-9 超级网卡、BlueField-4 DPU 及 Spectrum-6 以太网交换机，配备 88 个定制 Olympus 核心。
Rubin 性能数据亮眼：
AI 训练速度达前代 Blackwell 的 3.5 倍，推理速度提升 5 倍。
每瓦推理算力实现 8 倍飞跃，token 生成成本最多降低 10 倍。
订单规模已达 3000 亿美元，微软、亚马逊云科技等巨头纷纷入局。
英伟达 Rubin 平台已进入全面生产阶段，基于该平台的产品将于 2026 年下半年通过合作伙伴面市。
黄仁勋宣布，Rubin 平台的开源特性进一步推动技术民主化。开源模型与前沿闭源模型的差距已缩短至 6 个月，加速了 AI 在工业领域的落地。
机器人与自动驾驶：万亿级市场爆发
黄仁勋将机器人称为 「AI 的终极形态」，并宣布与特斯拉深化合作，为 Optimus 人形机器人提供 AI 大脑。Optimus 通过 Omniverse 数字孪生平台完成 90% 以上训练，自主运行比例达 85%，远超行业均值。其量产计划包括：
2026 年第一季度：5 万台量产，成本降至 2 万美元以下。
2026 年底：产能提升至 10 万台，覆盖零件分拣、组装、质检全流程。
在自动驾驶领域，黄仁勋表示，未来十年里，他相当肯定世界上很大一部分汽车将是自动驾驶或高度自动驾驶的。
同时，英伟达开源 Alpamayo 系列 AI 模型，支持 L4 级自动驾驶。首款搭载该技术的车型——2025 款梅赛德斯-奔驰 CLA 将于 2026 年第一季度上市，标志自动驾驶从实验室走向量产。
据介绍，Alpamayo 将开源模型、仿真框架与数据集三大支柱整合为统一开放的生态系统，任何汽车开发者或研究团队均可在此基础上进行研发。Alpamayo 并不是直接部署于车端的模型，而是作为大规模教师模型，供开发者调优、蒸馏，成为其完整辅助驾驶技术栈的核心基础。
在 CES 上，黄仁勋推出了：
Alpamayo 1：业界首款面向辅助驾驶研究社区设计的思维链 VLA 推理模型，现已在 Hugging Face 上发布。基于 100 亿参数架构，该模型通过视频输入生成行驶轨迹，同时给出推理思路，能够清晰展示每项决策背后的逻辑。开发者既可将 Alpamayo 1 调整为更精简的运行时模型部署于车端，也可将其作为辅助驾驶的基础架构，构建诸如基于推理的评估器和自动标注系统等开发工具。Alpamayo 1 提供开放模型权重和开源推理脚本。该系列的后续模型将具备更大的参数规模、更精细的推理能力、更灵活的输入输出方式以及更丰富的商用选项。
AlpaSim：一款面向高保真辅助驾驶开发、完全开源的端到端仿真框架，现已在 GitHub 上公开发布。该框架提供逼真的传感器建模、可配置交通动态，以及可扩展的闭环测试环境，支持快速验证与策略优化。
物理 AI 开放数据集：NVIDIA 提供多元化的大规模辅助驾驶开放数据集。该数据集包含超过 1700 小时的驾驶数据，覆盖广泛的地理区域和环境条件，涵盖推动推理架构发展所必需的罕见且复杂的真实世界极端场景。这些数据集已在 Hugging Face 上开放使用。
黄仁勋表示：「物理 AI 的 ChatGPT 时刻已然到来，机器开始具备理解真实世界、推理并付诸行动的能力。无人驾驶出租车将是最早受益的应用之一。Alpamayo 为智能汽车注入推理能力，使其得以应对罕见场景、在复杂环境中安全行驶，并解释其驾驶决策，这为安全、可规模化的自动驾驶奠定了基础。」
开源生态与行业合作
英伟达推出四大开源 AI 模型家族，包括用于智能体 AI 的 Nemotron 系列、针对物理 AI 的 Cosmos 平台、专为自动驾驶研发的 Alpamayo 系列以及生物医疗领域的 Clara 模型。
四大开源 AI 模型覆盖语音、自动驾驶、蛋白质设计和物理世界建模：
NemoTron：支持长对话与复杂推理。
Alpamayo：首个具备自主驾驶能力的开源模型。
La-Proteina：助力原子级蛋白质设计，推动医疗创新。
Cosmos：通过合成数据训练物理 AI，减少对真实数据的依赖。
黄仁勋强调：「开源模型缩短了技术差距，让全球开发者参与 AI 创新。」 这一战略吸引了波士顿动力、特斯拉等企业加入开放机器人生态。
同时，英伟达贡献了开源训练框架和全球最大的开放多模态数据集，其中包括 10 万亿个语言训练 tokens、50 万条机器人轨迹、45.5 万个蛋白质结构以及 100TB 的车辆传感器数据，标志着英伟达正全力构建一个涵盖语言处理、机器人技术、科学研究及自动驾驶的开放生态系统。
行业影响与未来展望
黄仁勋的演讲揭示了 AI 从技术浪潮向基础设施的转变。开源模型的崛起正重塑行业格局，而物理 AI 的自主运行比例、供应链稳定性及成本控制成为关键挑战。随着 Rubin 平台量产和 Optimus 机器人投产，英伟达正从数据中心 AI 向物理世界全面转型，为未来 5-10 年布局第二增长曲线。
在这场科技革命的起点，黄仁勋表示：「AI 的第二个拐点已到来——从理解语言到理解物理世界，从软件智能体到具身智能体。」
【文章来源：techweb】
【】1 月 6 日消息，在 2026 年国际消费电子展 （CES） 上，英伟达 CEO 黄仁勋以一场 90 分钟的震撼演讲，宣告人工智能进入 「物理 AI」 时代。这一战略升级标志着 AI 从理解语言转向理解物理世界，为全球制造业、自动驾驶和机器人领域带来颠覆性变革。
物理 AI：从数字到现实的跨越
黄仁勋提出 「物理 AI」 概念，强调 AI 需融合重力、摩擦等真实物理动态，以精准执行复杂任务。
「物理 AI」 这一技术旨在优化全球 1000 万家工厂和 20 万个仓库的运作逻辑，其核心支柱包括：
Newton 物理引擎：实现低于 0.01 秒的实时物理计算响应，适配机器人及自动驾驶场景。
Cosmos 基础模型平台：以 1000 亿参数达成 1 毫秒级推理延迟，支持多模态物理世界理解。
GPU+LPU 混合架构：算力效率提升 100 倍，成本降低 90%，2026 年第二季度全面供货。
黄仁勋指出：「物理世界是 AI 最大的应用场景，AI 的价值由场景定义。」 这一判断为科技行业指明了从数字智能向具身智能的转型方向。
同时，黄仁勋认为：「物理 AI 的 『ChatGPT 时刻』 近在咫尺，但挑战很明确。物理世界多样且不可预测。收集真实世界训练数据缓慢又昂贵，而且永远不够。所以答案是合成数据」。
黄仁勋表示，AI 正在变成一个跨模态、跨模型、跨云、跨形态部署的复杂系统，能够理解多种形态的数据，针对不同问题选择最合适的模型，并将天然运行在多云环境之上，这将成为未来应用构建的基本范式。
Rubin 平台：算力革命引领 AI 基础设施时代
黄仁勋表示，AI 需求正在急剧攀升，多条曲线同时发挥作用：模型参数规模正以每年约 10 倍的速度扩大，推理阶段的计算需求以每年约 5 倍的速度增长，而 token 成本则需要以每年约 10 倍的速度持续下降，意味着 AI 竞争本质上已经成为计算能力的竞赛。
英伟达发布新一代 AI 超级芯片平台 「Rubin」，采用台积电 2nm 工艺，集成六款新型芯片，分别为 Vera CPU、Rubin GPU、NVLink 6 交换机、ConnectX-9 超级网卡、BlueField-4 DPU 及 Spectrum-6 以太网交换机，配备 88 个定制 Olympus 核心。
Rubin 性能数据亮眼：
AI 训练速度达前代 Blackwell 的 3.5 倍，推理速度提升 5 倍。
每瓦推理算力实现 8 倍飞跃，token 生成成本最多降低 10 倍。
订单规模已达 3000 亿美元，微软、亚马逊云科技等巨头纷纷入局。
英伟达 Rubin 平台已进入全面生产阶段，基于该平台的产品将于 2026 年下半年通过合作伙伴面市。
黄仁勋宣布，Rubin 平台的开源特性进一步推动技术民主化。开源模型与前沿闭源模型的差距已缩短至 6 个月，加速了 AI 在工业领域的落地。
机器人与自动驾驶：万亿级市场爆发
黄仁勋将机器人称为 「AI 的终极形态」，并宣布与特斯拉深化合作，为 Optimus 人形机器人提供 AI 大脑。Optimus 通过 Omniverse 数字孪生平台完成 90% 以上训练，自主运行比例达 85%，远超行业均值。其量产计划包括：
2026 年第一季度：5 万台量产，成本降至 2 万美元以下。
2026 年底：产能提升至 10 万台，覆盖零件分拣、组装、质检全流程。
在自动驾驶领域，黄仁勋表示，未来十年里，他相当肯定世界上很大一部分汽车将是自动驾驶或高度自动驾驶的。
同时，英伟达开源 Alpamayo 系列 AI 模型，支持 L4 级自动驾驶。首款搭载该技术的车型——2025 款梅赛德斯-奔驰 CLA 将于 2026 年第一季度上市，标志自动驾驶从实验室走向量产。
据介绍，Alpamayo 将开源模型、仿真框架与数据集三大支柱整合为统一开放的生态系统，任何汽车开发者或研究团队均可在此基础上进行研发。Alpamayo 并不是直接部署于车端的模型，而是作为大规模教师模型，供开发者调优、蒸馏，成为其完整辅助驾驶技术栈的核心基础。
在 CES 上，黄仁勋推出了：
Alpamayo 1：业界首款面向辅助驾驶研究社区设计的思维链 VLA 推理模型，现已在 Hugging Face 上发布。基于 100 亿参数架构，该模型通过视频输入生成行驶轨迹，同时给出推理思路，能够清晰展示每项决策背后的逻辑。开发者既可将 Alpamayo 1 调整为更精简的运行时模型部署于车端，也可将其作为辅助驾驶的基础架构，构建诸如基于推理的评估器和自动标注系统等开发工具。Alpamayo 1 提供开放模型权重和开源推理脚本。该系列的后续模型将具备更大的参数规模、更精细的推理能力、更灵活的输入输出方式以及更丰富的商用选项。
AlpaSim：一款面向高保真辅助驾驶开发、完全开源的端到端仿真框架，现已在 GitHub 上公开发布。该框架提供逼真的传感器建模、可配置交通动态，以及可扩展的闭环测试环境，支持快速验证与策略优化。
物理 AI 开放数据集：NVIDIA 提供多元化的大规模辅助驾驶开放数据集。该数据集包含超过 1700 小时的驾驶数据，覆盖广泛的地理区域和环境条件，涵盖推动推理架构发展所必需的罕见且复杂的真实世界极端场景。这些数据集已在 Hugging Face 上开放使用。
黄仁勋表示：「物理 AI 的 ChatGPT 时刻已然到来，机器开始具备理解真实世界、推理并付诸行动的能力。无人驾驶出租车将是最早受益的应用之一。Alpamayo 为智能汽车注入推理能力，使其得以应对罕见场景、在复杂环境中安全行驶，并解释其驾驶决策，这为安全、可规模化的自动驾驶奠定了基础。」
开源生态与行业合作
英伟达推出四大开源 AI 模型家族，包括用于智能体 AI 的 Nemotron 系列、针对物理 AI 的 Cosmos 平台、专为自动驾驶研发的 Alpamayo 系列以及生物医疗领域的 Clara 模型。
四大开源 AI 模型覆盖语音、自动驾驶、蛋白质设计和物理世界建模：
NemoTron：支持长对话与复杂推理。
Alpamayo：首个具备自主驾驶能力的开源模型。
La-Proteina：助力原子级蛋白质设计，推动医疗创新。
Cosmos：通过合成数据训练物理 AI，减少对真实数据的依赖。
黄仁勋强调：「开源模型缩短了技术差距，让全球开发者参与 AI 创新。」 这一战略吸引了波士顿动力、特斯拉等企业加入开放机器人生态。
同时，英伟达贡献了开源训练框架和全球最大的开放多模态数据集，其中包括 10 万亿个语言训练 tokens、50 万条机器人轨迹、45.5 万个蛋白质结构以及 100TB 的车辆传感器数据，标志着英伟达正全力构建一个涵盖语言处理、机器人技术、科学研究及自动驾驶的开放生态系统。
行业影响与未来展望
黄仁勋的演讲揭示了 AI 从技术浪潮向基础设施的转变。开源模型的崛起正重塑行业格局，而物理 AI 的自主运行比例、供应链稳定性及成本控制成为关键挑战。随着 Rubin 平台量产和 Optimus 机器人投产，英伟达正从数据中心 AI 向物理世界全面转型，为未来 5-10 年布局第二增长曲线。
在这场科技革命的起点，黄仁勋表示：「AI 的第二个拐点已到来——从理解语言到理解物理世界，从软件智能体到具身智能体。」
【文章来源：techweb】
【】1 月 6 日消息，在 2026 年国际消费电子展 （CES） 上，英伟达 CEO 黄仁勋以一场 90 分钟的震撼演讲，宣告人工智能进入 「物理 AI」 时代。这一战略升级标志着 AI 从理解语言转向理解物理世界，为全球制造业、自动驾驶和机器人领域带来颠覆性变革。
物理 AI：从数字到现实的跨越
黄仁勋提出 「物理 AI」 概念，强调 AI 需融合重力、摩擦等真实物理动态，以精准执行复杂任务。
「物理 AI」 这一技术旨在优化全球 1000 万家工厂和 20 万个仓库的运作逻辑，其核心支柱包括：
Newton 物理引擎：实现低于 0.01 秒的实时物理计算响应，适配机器人及自动驾驶场景。
Cosmos 基础模型平台：以 1000 亿参数达成 1 毫秒级推理延迟，支持多模态物理世界理解。
GPU+LPU 混合架构：算力效率提升 100 倍，成本降低 90%，2026 年第二季度全面供货。
黄仁勋指出：「物理世界是 AI 最大的应用场景，AI 的价值由场景定义。」 这一判断为科技行业指明了从数字智能向具身智能的转型方向。
同时，黄仁勋认为：「物理 AI 的 『ChatGPT 时刻』 近在咫尺，但挑战很明确。物理世界多样且不可预测。收集真实世界训练数据缓慢又昂贵，而且永远不够。所以答案是合成数据」。
黄仁勋表示，AI 正在变成一个跨模态、跨模型、跨云、跨形态部署的复杂系统，能够理解多种形态的数据，针对不同问题选择最合适的模型，并将天然运行在多云环境之上，这将成为未来应用构建的基本范式。
Rubin 平台：算力革命引领 AI 基础设施时代
黄仁勋表示，AI 需求正在急剧攀升，多条曲线同时发挥作用：模型参数规模正以每年约 10 倍的速度扩大，推理阶段的计算需求以每年约 5 倍的速度增长，而 token 成本则需要以每年约 10 倍的速度持续下降，意味着 AI 竞争本质上已经成为计算能力的竞赛。
英伟达发布新一代 AI 超级芯片平台 「Rubin」，采用台积电 2nm 工艺，集成六款新型芯片，分别为 Vera CPU、Rubin GPU、NVLink 6 交换机、ConnectX-9 超级网卡、BlueField-4 DPU 及 Spectrum-6 以太网交换机，配备 88 个定制 Olympus 核心。
Rubin 性能数据亮眼：
AI 训练速度达前代 Blackwell 的 3.5 倍，推理速度提升 5 倍。
每瓦推理算力实现 8 倍飞跃，token 生成成本最多降低 10 倍。
订单规模已达 3000 亿美元，微软、亚马逊云科技等巨头纷纷入局。
英伟达 Rubin 平台已进入全面生产阶段，基于该平台的产品将于 2026 年下半年通过合作伙伴面市。
黄仁勋宣布，Rubin 平台的开源特性进一步推动技术民主化。开源模型与前沿闭源模型的差距已缩短至 6 个月，加速了 AI 在工业领域的落地。
机器人与自动驾驶：万亿级市场爆发
黄仁勋将机器人称为 「AI 的终极形态」，并宣布与特斯拉深化合作，为 Optimus 人形机器人提供 AI 大脑。Optimus 通过 Omniverse 数字孪生平台完成 90% 以上训练，自主运行比例达 85%，远超行业均值。其量产计划包括：
2026 年第一季度：5 万台量产，成本降至 2 万美元以下。
2026 年底：产能提升至 10 万台，覆盖零件分拣、组装、质检全流程。
在自动驾驶领域，黄仁勋表示，未来十年里，他相当肯定世界上很大一部分汽车将是自动驾驶或高度自动驾驶的。
同时，英伟达开源 Alpamayo 系列 AI 模型，支持 L4 级自动驾驶。首款搭载该技术的车型——2025 款梅赛德斯-奔驰 CLA 将于 2026 年第一季度上市，标志自动驾驶从实验室走向量产。
据介绍，Alpamayo 将开源模型、仿真框架与数据集三大支柱整合为统一开放的生态系统，任何汽车开发者或研究团队均可在此基础上进行研发。Alpamayo 并不是直接部署于车端的模型，而是作为大规模教师模型，供开发者调优、蒸馏，成为其完整辅助驾驶技术栈的核心基础。
在 CES 上，黄仁勋推出了：
Alpamayo 1：业界首款面向辅助驾驶研究社区设计的思维链 VLA 推理模型，现已在 Hugging Face 上发布。基于 100 亿参数架构，该模型通过视频输入生成行驶轨迹，同时给出推理思路，能够清晰展示每项决策背后的逻辑。开发者既可将 Alpamayo 1 调整为更精简的运行时模型部署于车端，也可将其作为辅助驾驶的基础架构，构建诸如基于推理的评估器和自动标注系统等开发工具。Alpamayo 1 提供开放模型权重和开源推理脚本。该系列的后续模型将具备更大的参数规模、更精细的推理能力、更灵活的输入输出方式以及更丰富的商用选项。
AlpaSim：一款面向高保真辅助驾驶开发、完全开源的端到端仿真框架，现已在 GitHub 上公开发布。该框架提供逼真的传感器建模、可配置交通动态，以及可扩展的闭环测试环境，支持快速验证与策略优化。
物理 AI 开放数据集：NVIDIA 提供多元化的大规模辅助驾驶开放数据集。该数据集包含超过 1700 小时的驾驶数据，覆盖广泛的地理区域和环境条件，涵盖推动推理架构发展所必需的罕见且复杂的真实世界极端场景。这些数据集已在 Hugging Face 上开放使用。
黄仁勋表示：「物理 AI 的 ChatGPT 时刻已然到来，机器开始具备理解真实世界、推理并付诸行动的能力。无人驾驶出租车将是最早受益的应用之一。Alpamayo 为智能汽车注入推理能力，使其得以应对罕见场景、在复杂环境中安全行驶，并解释其驾驶决策，这为安全、可规模化的自动驾驶奠定了基础。」
开源生态与行业合作
英伟达推出四大开源 AI 模型家族，包括用于智能体 AI 的 Nemotron 系列、针对物理 AI 的 Cosmos 平台、专为自动驾驶研发的 Alpamayo 系列以及生物医疗领域的 Clara 模型。
四大开源 AI 模型覆盖语音、自动驾驶、蛋白质设计和物理世界建模：
NemoTron：支持长对话与复杂推理。
Alpamayo：首个具备自主驾驶能力的开源模型。
La-Proteina：助力原子级蛋白质设计，推动医疗创新。
Cosmos：通过合成数据训练物理 AI，减少对真实数据的依赖。
黄仁勋强调：「开源模型缩短了技术差距，让全球开发者参与 AI 创新。」 这一战略吸引了波士顿动力、特斯拉等企业加入开放机器人生态。
同时，英伟达贡献了开源训练框架和全球最大的开放多模态数据集，其中包括 10 万亿个语言训练 tokens、50 万条机器人轨迹、45.5 万个蛋白质结构以及 100TB 的车辆传感器数据，标志着英伟达正全力构建一个涵盖语言处理、机器人技术、科学研究及自动驾驶的开放生态系统。
行业影响与未来展望
黄仁勋的演讲揭示了 AI 从技术浪潮向基础设施的转变。开源模型的崛起正重塑行业格局，而物理 AI 的自主运行比例、供应链稳定性及成本控制成为关键挑战。随着 Rubin 平台量产和 Optimus 机器人投产，英伟达正从数据中心 AI 向物理世界全面转型，为未来 5-10 年布局第二增长曲线。
在这场科技革命的起点，黄仁勋表示：「AI 的第二个拐点已到来——从理解语言到理解物理世界，从软件智能体到具身智能体。」
