黃仁勛CES最新演講：這，是所有人的機會

內容來源：本文匯編網絡公開資料。

責編 |柒排版| 沐言

第 9380篇深度好文：5182字 |11分鐘閱讀

商業趨勢

筆記君說：

在拉斯維加斯的CES（2026國際消費電子展）上，黃仁勛又帶著他的標志性皮衣“炸場”了。

聽完他的演講，再看后續的媒體采訪，我們可以發現：AI已經從“實驗室里的聰明人”，變成了“要走進工廠、汽車、家庭的打工人”。

往年我們看英偉達，總覺得是“芯片大佬”在秀技術肌肉，但這次不一樣，他不談玄乎的未來概念，只說“怎么把AI落地”；不吹模型多牛，只講“怎么讓AI算得起、用得久”。

以下，是黃仁勛在CES上的演講和采訪的精華梳理，希望對你有所幫助。

一、AI正在經歷“雙重搬家”

舊房子裝不下新需求了

黃仁勛一開場就說：計算機行業每10-15年就會“重置”一次，這叫“平臺轉移”。

簡單說，就像你開餐廳，原來在商場專柜（ 大型機時代 ），后來搬到街邊小店（PC時代），再到線上外賣（ 移動互聯網時代 ），每次“搬家”，生意邏輯、設備、客源都得換。

但這次不一樣——AI正在經歷“雙重搬家”，相當于同時從街邊店搬到商場，還要順便開個線上分店。

第一重搬家：應用都要“建在AI上”

以前AI是單獨的工具，比如你用ChatGPT聊天，用AI修圖，這是AI本身就是應用；但未來，所有軟件都會把AI當地基。

比如Excel不用你輸公式，AI自動幫你分析數據；客服系統不用預設話術，AI自己能推理、查資料、解決問題。

第二重搬家：技術棧全要“推倒重來”

以前做軟件是編程，程序員寫好代碼，軟件按固定邏輯運行，現在則是訓練軟件。

以前軟件跑在CPU（ 中央處理器 ）上，現在得用GPU（ 圖形處理器 ）。

因為過去的應用程序是預先錄制、預先編譯并在你的設備上運行的，而現在的應用程序能夠理解上下文，每一次、每一個像素、每一個token（ 用于身份驗證和授權的安全令牌 ）都是從零開始生成的。由于加速計算，由于人工智能，計算已經被徹底重塑。

黃仁勛說：“這意味著，過去十年積累的價值約十萬億美元的計算機基礎設施，現在正被現代化改造，以適應這種新的計算方式。每年有數千億甚至上萬億美元的風險投資正在涌入，用于現代化改造和發明這個新世界。”

二、開源讓AI“全民狂歡”

不是巨頭壟斷，而是人人能玩

去年，DeepSeek R1的出現，讓世界大吃一驚。尤其是DeepSeek 宣布模型開源后，更多公司被激活。

現在世界各地有各種不同類型的開源模型系統，雖然仍落后前沿模型大約六個月，但每六個月就有新模型出現，而且這些模型越來越聰明。

正因為如此， 開源模型的下載量呈現爆炸式增長，因為初創公司、大公司、研究員、學生，幾乎每個國家都想參與AI革命。

所以這次黃仁勛重點強調了開源模型正在“顛覆行業”。

在這個趨勢下，他們不僅開源模型，還開源訓練數據。因為他們明白，只有這樣，開發者才能真正信任這些模型。

三、物理AI

AI不再只聊天，能開車、會干活了

如果說以前的AI是“活在屏幕里的軍師”，只會出主意、聊話題，那現在的AI已經開始“走出屏幕當工人”了。

物理AI的核心，是讓AI懂“現實世界的規矩”：比如球扔出去會落地（ 重力 ），推一下桌子會動（ 摩擦力 ），杯子拿起來不會憑空消失（物體恒存性）。這些我們覺得是常識，但對AI來說，以前完全不懂。

怎么讓AI懂這些？

黃仁勛表示，對于物理AI，我們必須做的最重要的事情之一就是創建數據來訓練AI。這些數據從何而來？不像語言那樣，因為我們創造了一堆被認為是“真實情況”的文本，AI可以從中學習。

那我們如何教會AI物理世界的“真實情況”？

答案是“模擬+合成數據”。

因為現實世界的數據太少了，你不可能把所有開車場景（ 比如暴雨天、施工路、行人突然橫穿 ）、機器人干活的場景都拍下來。于是，英偉達推出了Cosmos。

黃仁勛談到，Cosmos能實現不少物理AI技能，比如生成內容、做推理、預測軌跡（ 哪怕只給它一張圖 ）。

它可以依據3D場景生成逼真的視頻，根據駕駛數據生成符合物理規律的運動，還能從模擬器、多攝像頭畫面或文字描述生成全景視頻。就連罕見場景，也能還原出來。

通過這些生成“合成數據”（ 比如模擬堵車、結冰路面的駕駛場景 ），再用這些數據訓練AI。

這次他們推出的自動駕駛AI“Alpamayo”，就是這么練出來的——它不僅能像人一樣開車，還能告訴你“為什么這么開”：比如“前面的車打了左轉燈，可能要變道，我得減速讓行”。

更牛的是，它采用“端到端訓練”，從攝像頭拍到畫面，到轉動方向盤、踩剎車，全由AI一氣呵成，還搭配了“傳統自動駕駛系統”當備份——如果遇到沒把握的場景，就自動切換到更穩妥的傳統模式，安全性拉滿。

而在機器人領域，黃仁勛說，機器人的“ChatGPT時刻”要來了。

為什么現在是拐點？

因為AI已經能生成逼真的“動作視頻”了——你輸入“一個人彎腰撿起地上的盒子，放到桌子上”，AI就能生成流暢、真實的視頻。

而指揮機器人做同樣的動作，本質上和生成這個視頻是一回事：都是讓AI處理“動作指令”。

黃仁勛說：“計算機根本不在乎自己生成的是文字、視頻，還是機器人的動作指令，本質上都是處理數字。當生成動作的技術成熟了，機器人的核心難題就解決了一大半”。

當然，還有很多細節要打磨——比如讓機器人適應不同的地面（ 瓷磚、地毯、坑洼路 ）、應對突發情況（ 突然遇到障礙物 ），但核心的技術基礎已經成熟了。

他預測，未來兩三年，我們會看到機器人領域的重大突破： 不再是實驗室里的“樣品”，而是能真正落地、解決實際問題的產品。

四、算力“超級升級”

AI“多想一會兒”，還不用多花錢

AI要推理、要干活，最核心的問題是什么？是“算力不夠用，而且太貴”。

比如讓AI多思考一會兒（ 黃仁勛叫“測試時縮放” ），就像讓員工多琢磨一下方案，本來是好事，但以前的算力支撐不了——多思考一分鐘，成本可能翻一倍；

而且AI“記性不好”，聊多了就忘了前面的內容（ 這叫“上下文丟失” ），就像人聊天聊到一半忘了話題。

這次英偉達推出的“Rubin平臺”，就是解決這個問題的“超級工廠”。

你不用記復雜參數，只要知道三個核心優勢，用大白話給你講透：

1.算得更快：訓練效率翻4倍

以前訓練一個大模型要4個月，現在1個月就能完成；或者用1/4的設備，就能干同樣的活。

比如一個10萬億參數的模型，要喂100萬億條數據訓練，用Rubin平臺，只需要原來1/4的服務器就能在一個月內完成。對企業來說，既可以更快推出新產品搶市場，又能省一大筆設備錢。

2.算得更省：token成本降10倍

“token”就是AI處理的“最小信息單位”，比如一個字、一個動作指令。以前生成100個token的成本，現在能生成1000個。

就像你以前用AI客服，聊10分鐘要花10塊錢，現在聊1小時才花5塊錢——成本降下來了，企業才敢大規模用AI，普通人也能享受到更便宜的AI服務。

3.跑得更久：上下文內存擴16倍

AI以前的“臨時筆記本”（ KV緩存 ）太小，聊多了就“斷片”；

現在Rubin平臺加了“超大外接硬盤”——每個GPU原本只有1太字節內存，現在通過BlueField-4芯片，能額外拿到16太字節內存，相當于從“U盤”升級成了“移動硬盤”。

不管是和AI聊幾小時天，還是讓它處理幾十頁的PDF、多步驟的復雜任務，都不會忘了前面的內容，也不會越跑越慢。

更絕的是兩個細節：

① 能效超高

用同樣多的電，能跑出5倍的算力——現在數據中心都缺電， 這相當于“用更少的電費，干更多的活”，對企業來說，能效就是利潤；

② 安全加密

AI處理數據時，不管是傳輸中、存儲時，還是計算過程中，都全程加密，就像給數據裝了“保險箱”——企業不用擔心自己的模型和數據被泄露，哪怕讓別人幫忙部署AI也放心。

黃仁勛說，這個平臺不是“超級計算機”，而是“AI工廠”——以前的計算機是“生產數據”，現在的AI工廠是“生產有用的信息”（ 比如解決問題的方案、控制機器人的指令 ）。

五、采訪問答

演講之后，黃仁勛被問了很多“實在問題”，回答都很坦誠，分享幾個關鍵的：

1.中國的AI芯片公司會威脅英偉達嗎？

黃仁勛很認可中國的創業公司：“中國的企業家、工程師是世界頂尖的，很多公司已經上市，發展得很好”。

他說，正因為有競爭，英偉達才要更努力推進技術——要想繼續給中國市場創造價值，就必須參與競爭，不能躺在功勞簿上。

而英偉達的“護城河”，其實是“全棧能力+生態網絡”：

全棧架構：從CPU、GPU到網絡、存儲，再到軟件、模型、基礎設施，全鏈條自己做，別人很難一下子追上來；

生態合作： 和全球幾乎所有AI公司、行業龍頭都有合作——比如和西門子合作制造業，和禮來合作醫療健康，和梅賽德斯-奔馳合作汽車，渠道和行業連接太深，不是單靠芯片性能就能替代的。

2.機器人創業該選什么方向？

黃仁勛給了個實用建議：要么做“橫向公司”，要么做“垂直領域公司”。

橫向公司： 專注通用技術，比如給所有機器人做核心AI、傳感器，不用管具體場景。一旦成功，規模能做得很大，但難度極高，競爭會從四面八方來；

垂直領域公司： 深耕某個具體場景，比如專門做手術機器人、工廠機械臂、農業播種機器人。只要把這個領域的痛點摸透，有深厚的行業知識，就能形成別人打不進來的優勢。

黃仁勛個人更偏好垂直領域： “把一個場景做深做透，比什么都想做但都做不精更靠譜”。

3.能源不夠用怎么辦？

AI工廠特別耗電，這是行業共識。黃仁勛說：“任何工業革命都受能源約束，這次也一樣”。

所以英偉達的核心思路是“提升能效”——每一代產品，算力翻10倍，功耗只翻2倍，相當于“每一度電干5倍的活”。

對企業來說，電是固定成本，能多生成“有效信息”（ 比如更多的AI回復、更多的機器人指令 ），收入就會漲——能效就是利潤。

4.管理英偉達這么大的公司，壓力大嗎？

黃仁勛說：壓力肯定有，但不是自己一個人扛——有一支超棒的團隊一起分擔。

他覺得英偉達現在影響力大，責任也大：“我們不僅要自己做好技術，還要帶動整個生態一起發展”。所以他總喜歡在舞臺上和其他公司的CEO一起露面，就是想讓大家知道，AI革命不是英偉達的獨角戲，而是所有人的機會。

“行業韌性強了，我們才能走得更遠”，這話說得很實在。

5.長期當CEO的秘訣是什么？還能再干十年嗎？

黃仁勛的回答特別實在，甚至有點幽默：“秘訣就兩點：第一，不被董事會炒魷魚；第二，自己不覺得無聊。至于能不能再干十年，只要我還配得上這個位置，還能創造價值，就會繼續干”。

沒有華麗的辭藻，卻透著一股務實，這大概也是英偉達能一直領跑的原因之一。

結語

AI的下一個十年，是落地者贏

以前我們追捧大模型、高參數，覺得越復雜越好；現在發現，能解決餐廳庫存問題的AI。

比參數百億的模型更有價值；能讓自動駕駛成本降低的技術，比炫技的演示更重要；能讓小公司用得起的開源工具，比巨頭的閉源模型更有意義。

黃仁勛的整個布局，其實都圍繞兩個 字：“落地”。

開源是讓更多人能落地，物理AI是讓AI能在現實世界落地，Rubin平臺是讓落地的成本更低、效率更高。

這場AI革命，不是巨頭的獨角戲，而是所有人的狂歡。

不管是大公司還是小創業團隊，不管是技術人還是普通人，只要能抓住“落地”這個核心，都能在里面找到自己的位置。

下一個十年，AI的贏家，一定是能落地、算得起、用得久的玩家。而我們每個人，都能從這場實用主義AI革命中，找到屬于自己或企業的紅利。

未來決定現在。看清未來將發生什么，才能真正明白當下應該做什么。

我們認為，未來由四個關鍵領域塑造：哲學、AI科技、經濟與政治。

為什么是這四個？

哲學是元起點，是意義與方向的錨點，為一切行動提供終極燃料；

科技（尤其是AI）是文明進步的底座，是驅動世界向前的“發動機”；

經濟是轉化器，它把科技力量轉化為真實的財富與市場機會；

政治是適配性結構，它給哲學、科技與經濟提供運行框架與秩序。

哲學為根，科技為器，經濟為用，政治為治。 這四者環環相扣，層層支撐，相互交織，在動態的演進中共同推動現實走向未來。

正是在這樣的時代背景下，筆記俠創立了中國首個面向企業家的 PPE（政治、經濟、哲學）書院。

我們致力于幫助大家回到決策的源頭，重構底層認知邏輯，掌握未來五年的核心判斷與決策能力。

如今，眾多深耕于AI、全球化等前沿領域的優秀創業者，都已加入筆記俠PPE書院。

未來已來，讓我們一起成為清醒而篤定的決策者。

參考資料：

1.《黃仁勛“炸場秀”后的精彩問答，談及關鍵臨界點、護城河、馬斯克以及億萬富翁稅等》，聰明投資者；

2.《黃仁勛CES2026最新演講：三個關鍵話題，一臺“芯片怪獸”》，騰訊科技；

*文章為作者獨立觀點，不代表筆記俠立場。

好文閱讀推薦：

“子彈筆記”是筆記俠的矩陣公眾號，聚焦職場效率追求、人際關系與高潛成長者，幫你3分鐘吃透核心觀點和方法論。歡迎關注～