1月6日，一年一度CES，英伟达CEO黄仁勋又穿着他那身皮衣，带来了新年的第一场公开演讲。
罕见的是，这一次他没有发布新的消费级显卡，而是把目光转向物理AI。
黄仁勋点赞Kimi、DeepSeek和千问
演讲开场，黄仁勋先回顾了过去一年AI行业的进展，表示开源模型的崛起彻底改变了人工智能，已经成为全球创新的催化剂。
他直言，DeepSeek R1的出现意外推动了整个行业的变革进程，让全世界惊讶。
背后的PPT上，展示了全球多款开源大模型，其中包括三款中国大模型：
- Kimi K2
- DeepSeek V3.2
- Qwen（千问）
黄仁勋认为，全球开源模型性能正在快速逼近顶尖水平，即便目前仍落后最顶尖的闭源模型约6个月，但差距在逐步缩短。
未来10年，很大一部分汽车将是自动驾驶的
开源模型如此快的迭代速度，英伟达也不想错过。
在现场，他一口气介绍了英伟达开源模型宇宙下的六大领域开源模型矩阵，涵盖智能体AI、物理AI、自动驾驶、机器人等。
这六大开源模型系列构成了英伟达物理AI的全栈技术体系。
黄仁勋解释，物理AI是AI发展的第四阶段，从感知AI——生成AI——智能体AI——物理AI。
它能够在物理世界中学会思考物理因果关系，比如杯子掉地上为什么会碎？是因为重力和材料特性。
“现在物理AI的ChatGPT时刻已经到来，AI正从数字世界走向物理世界”，黄仁勋表示。
在此基础上，英伟达发布全球首个开源自动驾驶推理模型Alpamayo，开始跟特斯拉FSD展开正面竞争。
传统自动驾驶模型只知道“红灯要停，绿灯要走”，但不懂背后的物理规律。
而Alpamayo不同，它引入视觉-语言-行动（VLA）模型，让自动驾驶系统像人一样理解世界。
首创“决策——因果——推理”因果链，能够生成自然语言解释决策逻辑，比如看到道路施工标志——旁边有工人在作业——车辆需要绕行——注意避让障碍物。
不仅知道做什么，还知道为什么要这样做。
Alpamayo模型的商业化也正在落地。黄仁勋宣布，搭载Alpamayo技术的奔驰 CLA，将在今年第一季度在美国上市，之后逐步进入欧洲和亚洲市场。
他相当肯定，在接下来的10年里，世界上很大一部分汽车将是自动驾驶的、高度自动驾驶的。
随后，特斯拉CEO马斯克在X上指出，这正是特斯拉正在做的，他们会发现，达到99%的准确率很容易，但要解决分布的长尾部分超级难。
长尾问题指的是极端天气、突发障碍物或复杂交通互动等，特斯拉FSD已经在全球数百万车辆上已经积累了海量的真是驾驶数据，这正是特斯拉的优势所在。
硝烟味已经非常浓了。
5倍算力+10倍降本，Rubin已全面投产
除此之外，这场演讲的另一个重头戏——英伟达下一代超级计算架构Vera Rubin，正式登场。
它以美国天文学家薇拉・鲁宾命名，她出生于1928年，从小就对星星着迷，1948年从瓦萨学院毕业时是班上唯一学天文的女生，后来她又在康奈尔大学、乔治城大学分别拿到硕士和博士学位，一边带娃一边做研究。
鲁宾最牛的发现来自她对星系旋转曲线的研究，按照牛顿万有引力，星系边缘的恒星应该转得比中心慢，但她用望远镜观测了上百个星系，发现边缘恒星转速几乎不变，甚至更快！
这意味这星系里肯定有大量看不见的质量在“拉着”恒星，这成为后来发现“暗物质”的铁证。
Rubin架构也有着类似的创新意义，黄仁勋解释，在摩尔定律放缓的当下，仅靠晶体管数量微增无法实现性能飞跃，Rubin的优越性在于“六款芯片协同设计”，这不仅是简单地对Blackwell的全面升级。
这6款芯片分别执行计算、思考、数据处理、网络通信等任务，共同为一个整体系统而工作。
他直接甩出一系列硬核数据：
在推理任务下，Rubin GPU达到50 PFLOPS（每秒5000万亿次运算），性能是Blackwell的5倍；训练性能达到35 PFLOPS，是Blackwell的3.5倍。
要知道H100的性能才约4 PFLOPS，简直是卡车跟玩具车的较量。
与此同时，Rubin推理成本降低了10倍！花更少钱、用更少的时间，干更多的活。
上一代Blackwell需要一个月才能完成Alpamayo模型的训练，现在Rubin仅用一周；在Rubin上跑Alpamayo，推理延迟降低至1毫秒，同时还能输出自然语言解释。
他表示，Blackwell让AI能处理大规模数据，而Rubin让AI能理解物理世界并做出明智决策，这标志着物理AI时代的真正到来。
同时他透露，Vera Rubin已经全面进入量产阶段。
黄仁勋这一次的演讲，为2026年的AI行业定下了革命基调。
中国开源大模型的崛起，让大模型不再是少数巨头的游戏；物理AI的突破，让AI从虚拟走向实体；Rubin架构的诞生，让高效能、低成本的智能部署成为可能。
三者交织之下，AI正从实验室走向工厂、道路、社区，成为重塑产业、改变生活的核心力量。
首页
AI对话
资讯 
我的