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解決的則是系統規模化的難題。

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、規模化、工業化生產。

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。「定制+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