在2026年CES的聚光燈下，黃仁勛沒有僅僅談論芯片的算力，而是描繪了一個即將被智能體深度融入的現實世界。

“AI的第二個拐點已經到來——從理解語言到理解物理世界，從軟件智能體到具身智能體”。

當地時間1月5日，英偉達CEO黃仁勛身穿標志性皮衣登臺，圍繞“物理AI”展開了一場90分鐘的主題演講。

英偉達CEO黃仁勛

他指出，物理AI不僅涵蓋視覺與語言理解，更融合重力、摩擦、慣性等物理動態，能夠在真實世界中執行復雜任務，未來將重塑全球1000萬家工廠與20萬個倉庫的運作模式。

這一愿景背后，依托三大技術支撐：Newton物理引擎，實時計算物理世界模型，響應時間低于0.01秒，適用于機器人及自動駕駛場景；Cosmos基礎模型平臺，支持多模態物理世界理解，已訓練1000億參數，推理延遲降至1毫秒；GPU+LPU混合算力架構，GPU負責訓練，LPU專注低延遲推理，效率提升100倍，成本降低90%。

黃仁勛強調：“AI的價值不再僅由算力決定，而由場景定義。物理世界正是AI最大的應用場景。”

為此，英偉達將持續提供算力基石，并在自動駕駛、機器人等領域推動開源產品落地。黃仁勛指出，“開放模型已觸及前沿，雖然仍穩固地落后前沿模型六個月，但每隔六個月，一個新的模型就會出現。英偉達不僅開源模型，還將開源訓練數據，讓開發者真正理解模型的構建過程。”

01

Rubin架構正式登場，下半年量產

任何技術革命都離不開底層算力的支撐。“我們必須每年推動計算技術向前進步，一刻也不能延遲。”發布會上，黃仁勛正式發布了英偉達下一代AI數據中心機柜架構——Vera Rubin。

該架構命名致敬天文學家Vera Rubin，她在暗物質研究領域取得了突破性進展，其研究成果徹底改變了人類對宇宙的認知。

而這，也是每一代英偉達GPU架構的命名習慣。

黃仁勛此次披露了Rubin架構的更多細節：它由六類芯片構成，包括Vera CPU、Rubin GPU、NVLink 6交換機、ConnectX-9 SuperNIC、BlueField-4數據處理單元和Spectrum-6以太網交換機，共同組成Vera Rubin NVL72機架。

作為首款定制CPU+GPU協同設計的產品，采用臺積電2nm工藝，集成了Rubin GPU與專為智能體推理打造的Vera CPU，算力實現顯著躍升。

Rubin架構包含3360億個晶體管，NVFP4數據類型下，Rubin GPU推理性能達到50 PFLOPS，是Blackwell GB200的5倍；NVFP4訓練性能高達35 PFLOPS，是Blackwell的3.5倍。

為滿足龐大的計算資源需求，每款Rubin GPU都配備了8個HBM4顯存堆棧，提供288GB的容量和22 TB/s的帶寬。

與此同時，隨著大型語言模型從激活所有參數以生成給定輸出詞元的密集架構，轉向每個詞元僅激活部分可用參數的專家混合（MoE）架構，這些模型的擴展效率得以相對提高。然而，模型內部專家之間的通信需要大量的節點間帶寬。

為此，Vera Rubin數據中心架構引入了用于規模內擴展網絡的NVLink 6，將單GPU的互連帶寬提升至3.6 TB/s（雙向）。每顆NVLink 6交換芯片提供28 TB/s的帶寬，而每個Vera Rubin NVL72機架配備9顆這樣的交換芯片，總規模內帶寬達到260 TB/s。

NVIDIAVera CPU集成了88個定制的Olympus Arm核心，采用“spatial multi-threading”（空間多線程）設計，最多可同時運行176個線程。用于將Vera CPU與Rubin GPU進行一致性連接的NVLink C2C互連，其帶寬提升了一倍，達到1.8 TB/s。每顆Vera CPU可尋址最多1.5 TB的SOCAMM LPDDR5X內存，內存帶寬最高可達1.2 TB/s。

為了將Vera Rubin NVL72機架擴展為每組包含八個機架的DGX SuperPod，英偉達推出了兩款采用Spectrum-6芯片的Spectrum-X以太網交換機，每顆Spectrum-6芯片可提供102.4 Tb/s的帶寬，Nvidia將其應用于兩款交換機中。

據黃仁勛介紹，每個Vera Rubin NVL72機架可提供3.6 exaFLOPS的NVFP4推理性能、2.5 exaFLOPS的NVFP4訓練性能，連接至Vera CPU的54 TBLPDDR5X內存，以及20.7 TB的HBM4內存，帶寬達1.6 PB/s。

“與Blackwell相比，Vera Rubin在訓練MoE模型時所需的GPU數量僅為四分之一；在MoE推理場景下，其每token成本最高可降低10倍”。黃仁勛表示，Rubin能在相同機架空間內大幅提升訓練速度，并輸出更多token。

他透露，Rubin系列芯片已經全面投產，并將于今年下半年推出，重要應用于物理AI訓練、機器人模擬、自動駕駛仿真等領域，其訂單規模已達3000億美元，微軟下一代Fairwater AI超級工廠、CoreWeave等將成為首批應用者。

除了發布新產品，黃仁勛也公布了一些“老朋友”的進展：Blackwell Ultra量產加速，2026年Q2全面供貨，單機算力提升50%的同時功耗降低30%，適配機器人邊緣計算場景。

02

從自動駕駛到機器人，構建開放技術棧

芯片是算力的基石，場景則是“物理AI”的價值所在。其中，自動駕駛是核心落地場景之一。

在黃仁勛看來，當前輔助駕駛系統在應對“長尾場景”時仍面臨挑戰。傳統將感知與規劃分離的輔助駕駛架構，在突發或異常情況下存在泛化與可解釋性不足的問題。

為此，英偉達發布首個專為自動駕駛汽車設計的“推理”AI：Alpamayo，這是一個新系列的開放模型、模擬工具和數據集，專為基于推理的駕駛系統而設計。該系列引入基于思維鏈的VLA（Vision-Language-Action）推理模型，用于對復雜駕駛場景進行逐步推演和邏輯表達，以提升決策透明度。

Alpamayo系列包括三部分：

一是Alpamayo1，一款約100億參數規模的思維鏈推理模型，已在Hugging Face上開源，以使汽車能夠理解周圍環境并解釋其行動，用于研究、模型蒸餾及開發輔助工具。

二是AlpaSim，一套完全開源的端到端輔助駕駛仿真框架，已在GitHub發布，支持在多種環境和邊緣案例中進行閉環訓練和評估。

三是物理AI開放數據集，包含超過1700小時的真實道路駕駛數據，覆蓋不同區域和環境條件，并包含一定比例的復雜和罕見場景。

這些工具共同構成了一個自我強化的開發閉環，助力構建基于推理的自動駕駛技術棧。

不過，Alpamayo模型并非直接在車端運行，而是作為大規模的“教師模型”。開發者可以對其進行微調和蒸餾，轉化為各自完整自動駕駛技術棧的核心骨架。黃仁勛指出，Alpamayo系列為一個內聚的開放生態系統，任何汽車開發商或研究團隊都可以在此基礎上進行開發。

據黃仁勛透露，Alpamayo將率先搭載于2025款梅賽德斯-奔馳CLA車型，后續通過OTA升級逐步推送高速公路脫手駕駛、城市全場景自動駕駛、端到端自動泊車等功能，并逐步登陸美、歐、亞市場。“Lucid、捷豹路虎、Uber和DeepDrive等企業也希望基于Alpamayo實現L4級自動駕駛。”

有意思的是，知名特斯拉投資者Sawyer Merritt分享了英偉達發布會視頻和相關細節，指出Alpamayo將率先搭載梅賽德斯CLA。特斯拉CEO馬斯克很快回復道：“這正是特斯拉正在做的。他們會發現，達到99%很容易，但解決分布的長尾問題超級難。”

此外，黃仁勛還指出，升級后的Drive Thor算力達到2000TOPS，已斬獲15+車企訂單，將于2027年量產。

“我們的愿景是，未來有一天，每一輛汽車、每一輛卡車都將實現自動駕駛。”黃仁勛指出，自動駕駛汽車的時代已經全面到來，自動駕駛汽車將成為“首個大規模的、面向主流市場”的物理AI應用場景。

除了自動駕駛以外，具身智能也是物理AI的一大應用市場。英偉達為機器人推出的“大腦”Cosmos也再度升級，它主要被用來生成符合現實世界物理規律的合成數據。

此次Cosmos主要升級了三部分。

CosmosTransfer 2.5和Cosmos Predict 2.5：開源、完全可定制的世界模型，為物理AI實現基于物理原理的合成數據生成與機器人策略評估的仿真支持。

Cosmos Reason 2：開源推理視覺語言模型（VLM），使智能機器能夠像人類一樣看見、理解物理世界并采取行動。

IsaacGR00T N1.6：專為人形機器人打造的開放式推理視覺語言行動（VLA）模型，可解鎖全身控制能力，并借助Cosmos Reason增強推理和上下文理解。

從重新定義算力極限的Rubin架構，到為自動駕駛注入思維鏈的Alpamayo，機器人“大腦”Cosmos升級，英偉達的戰略圖譜清晰顯現：它正致力于成為智能體理解并行動于物理世界的“使能層”。