│ 智創未來，變革無限 │

在CES 2026上，老黃帶著Vera Rubin超算架構向全世界走來！

Rubin的推理性能比Blackwell提升了5倍，訓練性能提升3.5倍，成本降低10倍，已經大規模投產，將於2026下半年面世。 沒有新顯卡的昨夜，老黃表示all in AI！ 

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晶元架構——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：六顆晶元，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

至於遊戲玩家？

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」最後的幻想：CES 2026將沒有任何新GPU發佈。

這意味著，英偉達自2021年以來連續五年在CES發佈新硬體的傳統，就此終結。

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

▎Rubin炸裂登場

6顆晶元，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，那麼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，現在它終於正式投產了！

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，怎麼辦？ 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、網路、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台AI超算。

整個Rubin平臺，由這6個關鍵元件構成。

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，後者能分析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，專為智慧體推理而設計。

它採用88個英偉達自研Olympus核心，完全相容Armv9.2，並具備超快的NVLink-C2C 連接，能實現176個線程的全性能執行，I/O頻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，它能卸載網路、存儲和安全任務，還能管理AI的上下文記憶系統。

NVLink 6中，單晶元就能提供每秒400Gb的交換能力。 每塊GPU提供3.6TB/s 的頻寬，而Rubin NVL72機架提供260TB/s，頻寬超過整個互聯網。

通過3.6 TB/s的頻寬和網路內計算能力，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記憶體頻寬提升至22 TB/s，達到2.8倍，單GPU的NVLink互連頻寬則翻倍到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。

這背後，就有三大功臣。

NVLink 6，讓GPU間互聯頻寬再次大幅提升，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！ 同樣的模型和回應延遲，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，就在於上下文數據。

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

這個平臺在GPU記憶體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，相當於有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智慧體，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是首個支援第三代機密計算（Confidential Computing）的AI超算平臺。

模型參數、推理數據、使用者請求都會被全鏈路加密，即使的雲廠商，也無法直接訪問明文數據。

這就解決了「敢不敢把核心AI放到雲上」的問題，對於金融、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，英偉達正式發佈了「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，在於它具備了顯式推理能力。

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

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

AlphaMayo的策略是將複雜場景，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、晶元體系、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-賓士汽車構成應用層。

這一次，老黃還官宣了，NVIDIA DRIVE AV軟體首次搭載全新梅賽德斯-賓士 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，並不只適用於汽車，同樣適用於機器人、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，這裡他講了一句意味深長的話：

未來的系統，都誕生在計算機裡。

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

如今，這一模式正被複製到了工業模擬與設計領域。

在具身智慧領域，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，這是完全可定製的世界模型，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」世界並進行邏輯推理。

• 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，英偉達發佈了兩大神器：

• 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雲，它都能統一調度數據生成、模型訓練和測試，大幅縮短開發週期。

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。

• 硬體互通：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。

軟體強還不夠，硬體必須硬。 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台起訂單價僅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。

演講一開始，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、雲計算，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，軟體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台級轉變 ：一是從傳統計算走向AI，另一個是整個軟體、硬體棧的底層重塑。

AI正成為全新的「底座」，應用開始建立在AI之上。 同時，軟體開發與運行方式、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爆發後，AI才真正走進大眾視野。 一年之後，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，智慧體系統（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體的開發方式。

智慧體AI之後，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，其仍比前沿模型落後六個月。 每隔半年，就有新模型湧現，而且越來越智慧。

英偉達，正引領著開源模型的生態，遍佈多個領域。 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智慧體服務，這是真正突破性的發展領域。

當前AI模型已變得極其強大，智慧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。

這背後本質上是「多雲協同」，同時還具備了混合雲特性。

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可以被深度定製。 另一方面，系統始終保持最前沿。 「定製+前沿」能力在同一架構中同時存在。

在軟體世界之外，更大挑戰來自於現實世界。 為此，物理AI需要三台計算機——

• 第一台計算機：用於訓練模型

• 第二台計算機：用於推理，運行咋i汽車、機器人、工廠等邊緣環境

• 第三台計算機：專門用於模擬、類比

  
  

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才能反覆嘗試、評估行為後果，並逐步建立對世界的理解。

▎彩蛋

演講最後還有一個幕後花絮，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，那麼DGX Station就是一台放在你辦公桌上的微型數據中心：

• 搭載GB300 Grace Blackwell Ultra超級晶片。

• 配備高達775GB的FP4精度一致性記憶體（Coherent Memory）。

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

得益於強大的硬體基礎，DGX Station實測威力驚人：

• LLM預訓練速度高達250,000 Token/秒。

• 支援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。

· END ·