黄仁勋给马斯克制造了一个对手
作者／ IT时报 贾天荣
编辑／ 孙妍
北京时间1月6日凌晨，在拉斯维加斯CES 2026（2026年国际消费电子展）的聚光灯下，黄仁勋的皮夹克再次成为焦点，但这次他带来的不是一款新显卡，而是一整套重塑人工智能的技术蓝图。
演讲台上，他将AI比作一个“五层蛋糕”，从底层的电力与物理外壳，到芯片、基础设施，再到顶层的具体应用，清晰地勾勒出英伟达对AI产业的全新定义。过去五年里首次未在CES发布新款显卡，这一举动本身或许是一种信号：英伟达已All in AI。
如何让AI理解并安全地与真实世界互动？“我们已经为此工作了8年。”黄仁勋直言不讳。英伟达用持续8年的投入，见证了一场从虚拟智能向物理智能的深刻转变。
他预言：“物理AI的ChatGPT时刻即将到来”，这比去年“机器人ChatGPT时刻即将到来”更为宏大和肯定。
物理AI的“ChatGPT时刻”
即将到来
开场，黄仁勋便抛出一个核心判断：计算机行业正在经历10年至15年一遇的“平台重置”。我们正从“编程软件”时代，全面跨入“训练软件”时代。
被他比喻为“五层蛋糕”的AI技术栈，每一层都在被重新发明。最底层是土地、电力和外壳，往上是芯片层，再往上是基础设施层，最上层则是各类具体应用。
“如果要引导行业走向未来，必须亲手把整个技术栈做一遍。”黄仁勋强调。这句话几乎可以视为英伟达当前战略的最佳注解。在他看来，AI是全栈的工程，单点突破已经不够，必须系统性地重塑整个技术体系。
过去几年，黄仁勋几乎在每次重要演讲中都提到一个主题：物理AI，让AI理解并安全地作用于我们所在的真实世界。
然而，实现物理AI的挑战在于，如何让一个在屏幕后与你对话的智能体，变成一个能与现实世界交互的智能体？
它必须掌握人类孩童般的 “物理常识”：物体恒存性（我移开视线再回来，物体还在那里），因果关系（我推它，它会倒下），以及摩擦力、重力以及惯性等基础物理。
这些对人类来说是不言自明的法则，对AI却是一片空白。 更棘手的是，学习这些常识所需的现实数据极其稀缺，且难以安全地通过试错来获取。
对此英伟达给出的答案是：一个以“模拟”为核心的系统。这个系统依赖于三种计算机的协同：训练计算机用海量数据“教育”AI模型；推理计算机是嵌入汽车、机器人体内的“大脑”，负责实时决策；模拟计算机是整个体系的基石，它创造了逼真的数字环境，让AI能无限次地安全试错、学习物理规律并验证自身行为。
在这三层硬件之上，运行着英伟达的核心软件栈：基于物理法则的数字孪生世界里，有着进行模拟的“宇宙”Omniverse、作为世界基础模型的Cosmos，以及机器人模型 GR00T（通用机器人模型）与Alpamayo（自动驾驶汽车模型），它们是直接执行任务的智能体。
从模拟环境、世界模型到具体智能体的完整技术栈，黄仁勋清晰地勾勒出英伟达的路径：要创造理解物理世界的AI，必须创造无限逼近真实的数字世界，并为其构建一套完整的学习与验证体系。
黄仁勋预言，这套“三台计算机+合成数据+仿真”的方法会迁移到所有机器人，包括机械臂、移动机器人，乃至全人形。
特斯拉FSD真正的
竞争对手来了？
验证整套体系的首个成果之一，就是其最新发布的Alpamayo，黄仁勋称其为世界上首个会思考、会推理的自动驾驶汽车AI。
Alpamayo通过端到端学习，可以直接凭借视觉输入做出驾驶决策。它融合了三种“养料”：真实道路数据、人类驾驶示范，以及由世界模型Cosmos生成的、近乎无限的模拟数据。
Alpamayo的独特之处在于，它不仅接收传感器输入并驱动方向盘、刹车和加速器，还会推理出即将采取的行动，并告诉人类司机，它将采取什么行动、采取该行动的原因，当然还有轨迹。
在一段演示视频中，一辆搭载Alpamayo的汽车在复杂的城市道路上行驶，绕过施工区域、避开行人，整个驾驶过程流畅自然。中控台上还实时显示其每一个决策“心理活动”：“前方车辆刹车灯亮起，它可能减速，所以我应该保持距离”。
这种思考能力，正是黄仁勋解决自动驾驶“长尾难题”的钥匙。无数极端罕见路况无法被穷尽，但AI可以通过推理，将它们拆解为已知的基础场景进行组合应对。
英伟达计划于2026年第一季度让首款搭载Alpamayo的自动驾驶汽车在美国上路，随后逐步推向欧洲和亚洲市场。“它将打造第一个大规模、主流的物理AI市场。”黄仁勋预测。
这条路线上早已有一位重量级选手。演讲过后，有网友称Alpamayo是特斯拉FSD的竞争对手，而马斯克也对此回应：“这正是特斯拉在做的。他们会发现，达到99%很容易，但要解决分布的长尾问题却非常困难。”
“超级芯片”亮相
2025年被称为智能体元年，智能体的出现，也标志着AI技术从基础工具向更复杂、更智能的应用转变。黄仁勋提到，智能体具备强大的推理能力，能够查找信息、进行研究、使用工具、规划未来并模拟结果。这些能力将帮助智能体系统解决比以往更为复杂且重要的问题。
黄仁勋提到，如今的AI不再是简单地给出答案，而是需要“思考”过程。这意味着，AI的每次推理都不再是简单的计算，而是需要大量的计算资源和时间。
同样在今年CES上，AMD CEO苏姿丰在开幕前的主题演讲中指出，自ChatGPT推出以来，使用AI的活跃用户已经从100万人增加至10亿人，这是互联网花了几十年才达到的里程碑，预计2030年使用AI的活跃用户将达到50亿人。为了让AI无处不在，在未来几年内，需要将全世界的计算能力增加100倍。
随着AI模型每年以10倍速度增长，计算需求也急剧飙升。“现在，我们进行的每一次推理，都可能生成2个token而不是1个，AI在思考得越久，通常能给出更好的答案。”黄仁勋直言，这让AI的“思考”变得更加深刻。
为了应对这一挑战，黄仁勋发布了英伟达面向AI数据中心的新计算平台——Vera Rubin，它的面世是“别无选择”的必然。
早在2025年3月的GTC大会上，黄仁勋就已预告了代号“Vera Rubin”的超级芯片，如今，这款超级芯片终于露出真面目，且进展迅速。一年半前，英伟达开始交付GB200，现在GB300 已进入全面量产阶段，而Vera Rubin已经全面投产，并且今年就会发布。
据黄仁勋透露，英伟达内部有个很好的原则：每代新品最多只更换一两款芯片。但问题在于随着摩尔定律大幅放缓。晶体管数量逐年增加的幅度，根本无法跟上模型规模每年10倍的增长速度，也无法应对每年5倍的文本生成量增长，更无法匹配文本成本每年10倍的骤降速度。如果行业要继续前进，英伟达必须实施激进的极致协同设计，在整个系统层面同步创新所有芯片。
为此，英伟达打破了“每代只更新一两款芯片”的传统原则，选择了激进的协同设计，将六种专用芯片（Vera CPU、Rubin GPU、NVLink 6交换芯片等）深度整合，覆盖计算、网络、存储与安全全栈。这相当于把过去需要多个独立发布会才能讲完的创新，压缩进一个高度协同的系统里。黄仁勋自豪地说道，Vera CPU在受限功耗下的能效比，领先竞品两倍。而Rubin GPU则提供了五倍于前代的浮点性能。除此之外，Vera Rubin还引入了创新的NVFP4 Tensor Core，它能够根据不同的计算需求动态调整处理精度，从而实现更高的计算效率。
相比前代Blackwell架构，Rubin加速器在AI训练性能上提升3.5倍，运行性能提升5倍，并配备拥有88个核心的新款中央处理器（CPU）。
相比英伟达Blackwell平台，Rubin平台的推理token成本最高可降低90%，训练MoE（专家混合）模型所需GPU数量减少75%。
另一个惊人的数据是，在英伟达模拟的10万亿参数、100万亿token训练任务里，Rubin的吞吐量高到只需要Blackwell四分之一的系统规模就能在同样一个月里完成训练。
尽管它的计算能力大幅提升，但它的能效也表现得相当出色。黄仁勋提到，Vera Rubin能够大大减少数据中心的电力消耗，预计将为全球节省6%的电力。
在CES演讲中，英伟达还发布了一系列AI体系产品，包括开源模型、AI存储、物理AI等。这是英伟达的全栈AI布局，同时也是在释放信号：AI重心正从“训练规模”转向“推理系统”。
“这就是今天的英伟达。”黄仁勋在演讲的尾声总结道，“我们曾被认为是一家芯片公司，但如你所见，我们现在构建整个系统。AI是全栈的，我们正在从芯片、基础设施、模型到应用，全方位地重塑它。我们的工作，就是创造完整的技术栈，让所有人都能为世界创造出不可思议的应用。”
排版／ 季嘉颖
图片／ 英伟达
来源／《IT时报》公众号vittimes
E N D