黃仁勛CES最新預言：2026年，變化來得更加猛烈！未來所有應用，將建在AI之上

來源：新智元

【導讀】CES巨幕上，老黃的PPT已成中國AI的「封神榜」。DeepSeek與Kimi位列C位之時，算力新時代已至。

萬眾矚目的2026 CES科技盛宴上，一張PPT瞬間燃爆AI圈。

老黃主旨演講上，中國大模型Kimi K2、DeepSeek V3.2，以及Qwen赫然上屏，位列全球開源大模型前列，性能正在逼近閉源模型。

CES之夜無顯卡！老黃引爆Rubin時代，6顆芯狂飆5倍算力

天空一聲巨響，全新版本的「皮衣老黃」閃亮登場。

在本次CES演講中最為激動人心的瞬間，就是英偉達全新一代芯片架構——Vera Rubin正式登場！

全球AI算力告急？老黃霸氣回應：Vera Rubin已全面投產。

這是新一代的算力怪獸，也是對上一代霸主Blackwell的降維打擊——

• 推理Token成本直接暴降10倍，算力性能狂飆5倍。

• 就連訓練MoE模型所需的GPU數量，也直接減少了4倍。

曾經，Blackwell終結了Hopper；如今，Rubin親手埋葬了Blackwell。

全程近兩小時演講，老黃提及重點包括——

• 下一代Rubin平臺亮相：六顆芯片，推理狂飆十倍

• 自動駕駛端到端模型：AlphaMayo會思考、自主推理，全程0接管上路

• 物理AI全家桶開源：基礎模型、框架

玩家徹夜難眠：CES 2026，沒有顯卡

至于游戲玩家？

對不起，這次真的沒有新顯卡。

英偉達在X上的一紙公告，徹底擊碎了「攢機黨」最后的幻想：CES 2026將沒有任何新GPU發布。

這意味著，英偉達自2021年以來連續五年在CES發布新硬件的傳統，就此終結。

傳聞已久的RTX 50 Super系列，受困于GDDR7顯存的「產能地獄」，大概率已經胎死腹中。

Rubin炸裂登場

6顆芯片，10倍推理，AI超算變工廠

去年10月，老黃曾預計：未來五年，將有3到4萬億美元砸向AI基礎設施。

Vera Rubin的大規模投產，可謂生逢其時。

如果說Blackwell打破了單卡性能的極限，那么Rubin解決的則是系統規�；�的難題。

從此，算力將像電力一樣廉價，AI的大爆發已近在咫尺！

2024年，Vera Rubin架構首次亮相。

等了兩年，現在它終于正式投產了！

Blackwell架構，從此將退出歷史舞臺。

演講現場，老黃告訴大家：AI所需的計算量急劇飆升，怎么辦？不用怕，Vera Rubin，將解決我們面臨的根本性挑戰！

這套為萬億參數模型的海量推理而生的平臺，會徹底讓算力低成本、規�；⒐I化生產。

Rubin架構，以天文學家Vera Florence Cooper Rubin而命名。

可以說，Rubin是英偉達第一次把CPU、GPU、網絡、存儲、安全，當成一個整體來設計。

核心思路就是：不再「堆卡」，而是把整個數據中心變成一臺AI超算。

整個Rubin平臺，由這6個關鍵組件構成。

其中，Rubin GPU是整個平臺的核心。它搭載第三代Transformer引擎，為AI推理提供50 PFLOPS的NVFP4算力。

之所以能達到Blackwell GPU性能的5倍，是因為它的NVFP4張量核心，后者能分析Transformer各層的計算特性，動態調整數據精度與計算路徑。

另外，該架構還引入一顆全新的Vera CPU，專為智能體推理而設計。

它采用88個英偉達自研Olympus核心，完全兼容Armv9.2，并具備超快的NVLink-C2C 連接，能實現176個線程的全性能執行，I/O帶寬和能效比直接翻倍。

當我們在Agentic AI或長期任務中啟用全新的工作流時，會對KV cache造成很大壓力。

為了解決存儲和互聯的瓶頸，Rubin架構特別改進了Bluefield和NVLink系統。它通過外部方式和計算設備相連，這樣就能更高效地擴展整體存儲池的規模。

BlueField-4 DPU是一個數據處理單元，它能卸載網絡、存儲和安全任務，還能管理AI的上下文記憶系統。

NVLink 6中，單芯片就能提供每秒400Gb的交換能力。每塊GPU提供3.6TB/s 的帶寬，而Rubin NVL72機架提供260TB/s，帶寬超過整個互聯網。

通過3.6 TB/s的帶寬和網絡內計算能力，它能讓Rubin中的72個GPU像一個超級GPU一樣協同工作，直接把推理成本打至1/7。

現場，老黃給我們展示了Vera Rubin的托盤。小小的托盤上集成了2顆Vera CPU、4顆Rubin GPU、1顆BlueField-4 DPU和8顆ConnectX-9網卡，整個計算單元算力達到100 PetaFLOPS。

Rubin的目標，是解決MoE和萬億參數模型的訓練成本，它做到了嗎？顯然，成果是顯著的。

訓練、推理效率暴增

測試結果顯示，Rubin架構訓練模型時的運行速度，直接達到上一代Blackwell架構的3.5倍（35 petaflops），推理任務的速度則高達5倍，最高可達50 petaflops！

同時，它的HBM4內存帶寬提升至22 TB/s，達到2.8倍，單GPU的NVLink互連帶寬則翻倍到3.6 TB/s。

在超大規模MoE訓練中，Rubin所需的GPU數量相比Blackwell可減少至1/4，同時整體能耗顯著下降。

這背后，就有三大功臣。

NVLink 6，讓GPU間互聯帶寬再次大幅提升，多卡訓練不再被通信拖慢；Vera CPU與Rubin GPU的協同調度，可以減少「GPU等數據」的空轉時間；而ConnectX-9與Spectrum-6的深度協同，也讓大模型訓練不會再被集群規模限制。

從此，訓練萬億模型，不再是「堆錢」，只會是工程問題。

訓練解決了，那推理呢？

結果顯示，在推理側，Rubin平臺單位token的推理效率提升最高可達10倍！同樣的模型和響應延遲，算力成本可以直接下降到原來的1/10。

所以，模型可以跑得起百萬token的長下文，企業級AI應用也可以部署了。

存儲瓶頸解決

如上文所言，讓AI模型多跑一會的關鍵挑戰，就在于上下文數據。

大量KV Cache該如何處理？英偉達推出了由BlueField-4驅動的推理上下文內存存儲平臺。

這個平臺在GPU內存和傳統存儲之間創建了「第三層」，直接讓每秒處理的 token數提升高達5倍。

DGX Super POD

本次CES上，英偉達還推出了新一代DGX SuperPOD。

它把多個裝有72個GPU的Rubin NVL72連接起來，形成了更大的AI計算集群。

在這次的DGX SuperPOD中，共有8個Rubin NVL72機架，相當于有576個GPU。

NVIDIA Vera Rubin NVL72 提供統一、安全的系統，集成了72 塊Rubin GPU、36塊Vera CPU、NVLink 6、ConnectX-9 SuperNICs和BlueField-4 DPUs

這樣，SuperPOD就可以處理數千個Agentic AI智能體，以及數百萬token上下文。

可以說，英偉達一次性解決了數百個GPU相連、管理存儲的問題，直接給我們提供了開箱即用的AI基礎設施。

第三代機密計算平臺

更為重要的是，Rubin是首個支持第三代機密計算（Confidential Computing）的AI超算平臺。

模型參數、推理數據、用戶請求都會被全鏈路加密，即使的云廠商，也無法直接訪問明文數據。

這就解決了「敢不敢把核心AI放到云上」的問題，對于金融、醫療、政府、企業私有模型都非常重要。

這些大廠，第一批用上Rubin

老黃介紹說，Rubin會由AWS、Microsoft Azure、Google Cloud、Meta、OpenAI這些頭部廠商先部署。

而到2026年下半年，Rubin平臺就會進入大規模商用階段。

所以，下一代GPT、Gemini、Claude模型，大概率都會運行在Rubin架構上。

全程0接管，自動駕駛AI「會思考」

如何教會AI物理學的基礎事實？

英偉達給出的答案是，把算力變成高質量的數據（Compute is Data）。

在這一體系中，「世界基礎模型」Cosmos扮演著重要的角色。

交通模擬器輸出的信號，被送入Cosmos再生成合理、運動上連貫的環繞視頻，讓AI學習其中真實世界的行為模式。

如今，Cosmos已被全球下載數百萬次，成為物理AI時代的重要基礎設施。在英偉達，內部也在用其做自動駕駛研究。

在此基礎上，今天，英偉達正式發布了「端到端」自動駕駛AI——AlphaMayo。

它是一個會思考、會推理的自動駕駛AI。從攝像頭輸入到車輛執行動作，全流程由模型完成。

AlphaMayo獨特之處，在于它具備了顯式推理能力。

系統不僅執行轉向、制動、加速動作，還會給出即將采取行動的理由，以及對應的形式軌跡。

自動駕駛最大挑戰，來自于「長尾場景」，幾乎不可能覆蓋所有國家、所有道路的數據。

AlphaMayo的策略是將復雜場景，拆解為多個熟悉的物理與交通子問題，通過推理將罕見情況分解為常見組合，完成應對。

在演示中，車輛可以在全程0接管狀態下，完成路徑規劃與行駛，順利抵達目的地。

在自動駕駛領域，英偉達投入持續了八年，如今第一次把AI「五層架構」完整跑通。

由下到上：實體本身、芯片體系、模型層、基礎設施層、應用層，構成了一套完全貫通的AI系統棧。

AlphaMayo構成模型層，梅賽德斯-奔馳汽車構成應用層。

這一次，老黃還官宣了，NVIDIA DRIVE AV軟件首次搭載全新梅賽德斯-奔馳 CLA，提供L2級端到端駕駛。

更重磅的是，Alpamayo家族全部開源。這一整套方法論，并不只適用于汽車，同樣適用于機器人、機械臂等各類系統。

全家桶開源，機器人ChatGPT時刻

下一階段，機器人將以各種形態進入現實世界，前提是，它們首先在Omniverse中學會如何行動。

現場，老黃又召喚來了機器人瓦力登臺配合演出，這里他講了一句意味深長的話：

未來的系統，都誕生在計算機里。

英偉達正把自身能力嵌入到，計算密度最高、最復雜的工業體系統，就像此前與Palantir、ServiceNow的集成一樣。

如今，這一模式正被復制到了工業仿真與設計領域。

在具身智能領域，老黃直接扔下了一套針對物理AI（Physical AI）的「開源全家桶」——模型、框架及基礎設施，應有盡有。

機器人的ChatGPT時刻已經到來！

目前，所有新模型均已上線Hugging Face，拿來即用：

• NVIDIA Cosmos Transfer/Predict 2.5，這是完全可定制的世界模型，專門在虛擬世界里生成符合物理規律的數據，訓練機器人的大腦。

• NVIDIA Cosmos Reason 2，讓機器像人一樣「看懂」世界并進行邏輯推理。

• NVIDIA Isaac GR00T N1.6，專為人形機器人打造，解鎖全身控制，讓機器人不再四肢僵硬。

為了解決機器人開發中「各自為戰」的痛點，英偉達發布了兩大神器：

• Isaac Lab-Arena：這是GitHub上的開源框架，連接了主流基準測試，確保機器人在進廠打工前，已經在虛擬世界里經過了千錘百煉。

• NVIDIA OSMO：無論是在工作站還是混合云，它都能統一調度數據生成、模型訓練和測試，大幅縮短開發周期。

機器人技術已是Hugging Face上增長最快的領域。英偉達這次不僅是提供模型，更是深度集成：

• LeRobot集成：Isaac和GR00T技術直接通過LeRobot框架即可調用。

• 硬件互通：Hugging Face的開源機器人Reachy 2和Reachy Mini現已完美適配英偉達的Jetson平臺，語音、視覺、大模型能力瞬間拉滿。

軟件強還不夠，硬件必須硬。如今，全新的Jetson T4000模組，直接將Blackwell架構帶到了邊緣端：

• 算力高達1200 FP4 TFLOPS，是上一代的4倍。

• 1000臺起訂單價僅1999美元。

• 70瓦功耗，簡直是為能源受限的自主設備量身定做。

老黃震撼預言

未來所有應用，建在AI之上

每隔10-15年，計算產業就會重來一次。

演講伊始，老黃還回顧了計算產業過去數十年的演進路徑——

從大型機到CP，到互聯網、云計算，再到移動計算，每一次平臺級躍遷，都會催生一整套全新的應用生態，軟件開發方式也隨之重構。

而這一次，變化來得更加猛烈。

他提到，當前產業正同時經歷兩次平臺級轉變：一是從傳統計算走向AI，另一個是整個軟件、硬件棧的底層重塑。

AI正成為全新的「底座」，應用開始建立在AI之上。同時，軟件開發與運行方式、應用生成方式發生了根本性變化。

這一切，共同推動了「加速計算+AI」對整個計算體系的重塑，五個層級正在同時被重新發明。

2022年ChatGPT爆發后，AI才真正走進大眾視野。一年之后，推理模型首次登場，引入了「測試時Scaling」這一概念。

模型不僅在訓練階段學習，還在推理階段實時計算和推演。預訓練、RL、推理這些階段，都需要機器龐大的計算資源，也同時推動模型能力持續提升。

2024年，另一項突破開始顯現，直到2025年，智能體系統（Agentic AI）才迅速擴散開來。

老黃再次提及，在英偉達內部，像Cursor這樣的Agentic工具已深刻改變了軟件的開發方式。

智能體AI之后，下一個前沿便是物理AI（Physical AI），理解自然規律和物理法則，為AI打開了全新疆域。

除此之外，過去一年，另一個具有決定性意義的變化來自「開源模型」。

DeepSeek R1的出現，作為首批開源推理模型之一，給行業帶起來巨大震動。

但不可否認的是，其仍比前沿模型落后六個月。每隔半年，就有新模型涌現，而且越來越智能。

英偉達，正引領著開源模型的生態，遍布多個領域。而且，在多個榜單上取得了亮眼的成績。

最具代表性的包括多模態Nemotron 3、世界模型Cosmos、機器人模型GR00T、蛋白預測模型OpenFold 3......

老黃現場表示，以上一切成果，都為構建AI智能體服務，這是真正突破性的發展領域。

當前AI模型已變得極其強大，智能體的推理能力為各類應用開啟了大門。

令老黃深感震驚的是，首次在Perplexity見證了其同時調用多個模型——AI在推理任何環節，直接調用最頂尖的模型。

這背后本質上是「多云協同」，同時還具備了混合云特性。

老黃明確地表示，這就是未來AI應用的基本形態。或者說，因為未來應用都構建在AI之上，這就是未來應用的基礎框架。

一方面，AI可以被深度定制。另一方面，系統始終保持最前沿�！付ㄖ�+前沿」能力在同一架構中同時存在。

在軟件世界之外，更大挑戰來自于現實世界。為此，物理AI需要三臺計算機——

• 第一臺計算機：用于訓練模型

• 第二臺計算機：用于推理，運行咋i汽車、機器人、工廠等邊緣環境

• 第三臺計算機：專門用于仿真、模擬

老黃提到，仿真是整個體系的核心，只有在可控的數字環境中，AI才能反復嘗試、評估行為后果，并逐步建立對世界的理解。

彩蛋

演講最后還有一個幕后花絮，DGX Station臺式AI超算將在2026年春季上線。

屆時，英偉達還將同步推出更多針對GB300系統的實戰手冊（Playbooks）。

如果說DGX Spark是開發者的入門首選，那么DGX Station就是一臺放在你辦公桌上的微型數據中心：

• 搭載GB300 Grace Blackwell Ultra超級芯片。

• 配備高達775GB的FP4精度一致性內存（Coherent Memory）。

• 擁有Petaflop級AI算力，支持在本地運行高達1萬億（1T）參數的超大規模模型。

得益于強大的硬件基礎，DGX Station實測威力驚人：

• LLM預訓練速度高達250,000 Token/秒。

• 支持對數百萬數據點進行聚類和大型可視化。

從DeepSeek R1的開源震動，到Agentic AI的全面爆發，計算產業正在經歷一場前所未有的重塑。

在這個只有玩家落淚的早上，一個由物理AI驅動的全新世界，正在Vera Rubin的轟鳴聲中，加速向我們走來。

參考資料：HYZ

https://nvidianews.nvidia.com/news/rubin-platform-ai-supercomputer

https://www.nvidia.com/en-gb/data-center/vera-rubin-nvl72/

https://blogs.nvidia.com/blog/dgx-superpod-rubin/

https://www.nvidia.com/en-us/events/ces/

https://youtu.be/0NBILspM4c4

老黃開年演講「含華量」爆表！直接拿DeepSeek、Kimi驗貨下一代芯片

這一刻，是屬于中國AI的高光時刻。

另外，OpenAI的GPT-OSS和老黃自家的Nemotron，也做了標注。

而且，DeepSeek-R1、Qwen3 和 Kimi K2 代表著MoE路線下頂級規模的嘗試，僅需激活少量參數，大幅減少計算量和HBM顯存帶寬的壓力。

在下一代Rubin架構亮相的核心環節上，老黃還選用了DeepSeek和Kimi K2 Thinking來秀性能。

在Rubin暴力加成下，Kimi K2 Thinking推理吞吐量直接飆了10倍。更夸張的是，token成本暴降到原來的1/10。

這種「指數級」的降本增效，等于宣告了：AI推理即將進入真正的「平價時代」。

另外，在計算需求暴漲這頁PPT上，480B的Qwen3和1TB的Kimi K2成為代表性模型，驗證了參數規模每年以十倍量級scaling。

不得不說，老黃整場發布會上，中國AI模型的含量超標了。

推理狂飆十倍

中國模型成老黃「御用」AI？

無獨有偶，英偉達去年12月的一篇博客中，也將DeepSeek R1和Kimi K2 Thinking作為評判性能的標桿。

實測顯示，Kimi K2 Thinking在GB200 NVL72上性能可以暴增10倍。

另外，在SemiAnalysis InferenceMax測試中，DeepSeek-R1將每百萬token的成本降低10倍以上。包括Mistral Large 3在內同樣獲得了十倍加速。

這意味著，復雜的「思考型」MoE部署到日常應用，成為了現實。

如今，隨便拎出一款前沿模型，只要深入其內部結構，便會發現MoE（混合專家）成為了主流的選擇。

據統計，自2025年以來，超60%開源AI采用了MoE架構，從2023年初，這一架構推動LLM智能水平提升近70倍。

此外，在權威機構Artificial Analysis（AA）排行榜上，最智能的TOP 10開源模型，也全都用的是MoE結構。

如此巨大規模的MoE，單GPU必然無法部署，英偉達GB200 NVL72卻能破解這一難題。

DeepSeek R1和Kimi K2 Thinking實測結果，恰恰證明了英偉達Blackwell超算性能的強大所在。

如今，中國大模型閃耀全球舞臺，它們令人驚嘆的表現，開啟了AI推理高效的新時代。

開源AI扛把子，震驚歪果仁

去年底，Anthropic發布了一項針對全球16個前沿模型的嚴苛行為基準測試。

在這一眾頂尖高手中，DeepSeek與Kimi不僅是唯二入局的中國面孔，更交出了驚艷的答卷——

Kimi K2 Thinking憑借極低的被誤導率，一舉摘得「表現最佳的非美國模型」桂冠。

注：得分越低性能越強，越不容易被誤導

這種技術實力也迅速轉化為國際影響力和落地應用。

從「硅谷風投教父」Marc Andreessen的公開盛贊，到OpenAI前CTO的新產品Thinker上月官宣接入Kimi K2 Thinking，中國AI的硬實力正在被全球核心圈層接納。

權威評測進一步印證了這一趨勢。

在知名AI大佬Nathan Lambert與Florian Brand聯合發布的「2025年度開源模型回顧」中，DeepSeek、Qwen和Kimi強勢包攬Top 3。

隨后，Lambert更在專文中深入分析，高度評價了中國開源AI所具備的獨特優勢。

1. 開源模型的「唯快不破」

盡管最強閉源模型與開源之間仍存代差，但中國實驗室正在以驚人的速度發布模型，大幅壓縮了這一差距。

在技術飛速迭代的當下，「更早發布」本身就是一種巨大的先發優勢。

2. 始于「沖榜」，終于「體驗」

中國模型在基準測試上的表現愈發生猛，但更關鍵的是從「分高」到「好用」的轉變。

我們見證了Qwen的進化：最初以「沖榜」聞名，如今已成為名副其實的優質模型。

順著這一思路，K2 Thinking在后訓練階段原生采用4bit精度，顯然是為了更高效地支持長序列RL擴展，使其更勝任實際的服務任務。

3. 中國力量的品牌崛起

年初，外國用戶可能叫不出任何一家中國AI實驗室的名字；如今，DeepSeek、Qwen和Kimi已成為東方技術實力的代表。

它們各有高光時刻和獨特優勢。重要的是，這份名單還在不斷變長，中國AI正在世界舞臺占據一席之地。

4. 突破：海量工具調用與穿插思考

Kimi K2 Thinking支持「數百步穩定工具調用」引發熱議。

雖然這在o3、Grok 4等閉源模型中已成標配（RL訓練中的自然涌現），但這通過開源模型實現尚屬首批，這對托管服務商的精準支持能力提出了極高要求。

此外，是「交錯思考」（Interleaved thinking）——即模型在調用工具的間隙進行思考。

這是繼Claude之后，強調 agentic 能力的模型都在跟進的新趨勢，標志著模型邏輯鏈條的進一步成熟。

5. 倒逼美國閉源巨頭

開源的激增讓美國閉源實驗室倍感壓力——僅僅依靠基準測試分數已無法解釋「為什么付費更好」了。

相比之下，中國模型或許在收入上暫未占優，但在全球市場的「心智份額」上，正在切走越來越大的一塊蛋糕。

回看CES 2026這場演講，老黃直接把「開源」講成了全場最硬核的主線。

中國開源AI的表現足以令世界驚嘆，隨著更多開發者和企業擁抱這些模型，AI應用的全面爆發指日可待。

參考資料：

https://blogs.nvidia.com/blog/mixture-of-experts-frontier-models/

https://www.interconnects.ai/p/kimi-k2-thinking-what-it-means

為偉大思想而生！

AI+時代，互聯網思想（wanging0123)，

第一必讀自媒體