天元证券_实盘配资_在线股票配资十倍网站速看！黄仁勋CES 2026演讲万字实录：甩出“物理AI”王牌

导读

CES 2026最具热度的演讲，无疑属于英伟达创举东谈主兼CEO黄仁勋。这位被业界称为"黄衣教主"的业界首长抛出中枢判断："物理AI的‘ChatGPT时刻’，行将到来。"

作家 | 小小

着手 | 网易科技

CES 2026最具热度的演讲，无疑属于英伟达创举东谈主兼CEO黄仁勋。这位被业界称为"黄衣教主"的业界首长，定于好意思国时辰1月5日下昼1点开讲，却让慕名而至的听众早早体验了"未来热度"——网易科技上昼11点到达时，场外列队队伍已曲折近500米。有前来参会的中国KOL热爱："咱们等的不仅是黄仁勋，更是在等一个谜底：未来十年，东谈主与机器将怎样再行单干。而有些谜底，似乎只在现场才能听见。"

黄仁勋比预定时辰晚了约十分钟登上舞台。他抛出中枢判断："物理AI的‘ChatGPT时刻’，行将到来。"

黄仁勋指出，规画机行业正资格十年一遇的"平台重置"：咱们正从"编程软件"时间跨入"测验软件"时间，规画的基础时间栈（所谓的"五层蛋糕"），每一层都在被再行发明。

2025年被黄仁勋界说为"智能体系统"普及的元年。AI不再只是是事前录制的步调，而是具备推理、策划、甚而在实时运行中进行"念念考"的智能体。他特别问候了中国开源模子DeepSeek R1的冲突，以为开源力量正让AI变得无处不在，使智能不再抛下任何东谈主。

黄仁勋演讲的重头戏在于"物理AI"。英伟达正致力于于让AI交融重力、惯性、因果关联等物理定律。为此，黄仁勋发布了天下首个会念念考、会推理的自动驾驶AI——Alpamayo。它不仅能开车，还能像东谈主类一样证明"为什么这样开"。这标志着AI崇敬从屏幕后的对话框，走向现实天下的自动驾驶汽车与东谈主形机器东谈主。

面对AI规画量每年10倍的暴增，黄仁勋祭出了新一代架构Rubin。这不仅是一颗芯片，而是包含Vera CPU、Rubin GPU、NVLink-6等六大中枢组件的全栈改造。

黄仁勋强调，英伟达的变装已从芯片供应商调治为"全栈AI体系"的构建者。通过开源模子、数据及NeMo拓荒库，英伟达正通过"三台规画机"（测验、推理、模拟）的架构，为全球提供构建物理AI的底座。这场竞赛不仅关乎速率，更关乎谁能以更低的本钱、更高的能效，将东谈主类时髦带入万物皆有智能的新时间。

以下为黄仁勋CES 2026演讲实录（经剪辑略有修改，小标题为后加）：

时间定调：两大"平台迁移"与AI的重塑之力

拉斯维加斯，新年同意！宽容来到CES。

大要每十到十五年，规画机行业就会资格一次重置。平台会发生一次根人道的调治，从大型机到个东谈主电脑，再到互联网、云规画、迁移设立。每一次，应用生态都会对准一个新的平台，这等于所谓的"平台迁移"。每次，你都要为新的规画平台编写新的应用步调。但这一次，事实上，有两个平台迁移在同期发生。

当咱们迈向东谈主工智能时间时，应用步调将构建在AI之上。源头，东谈主们以为AI自己等于应用，事实也如实如斯。但未来，你将要在AI之上构建应用步调。除此以外，软件的运行方式和拓荒方式也发生了根人道改变。

规画机工业的通盘基础时间栈正在被再行发明。你不再"编程"软件，而是"测验"软件；你不再在CPU上运行它，而是在GPU上运行它。当年的应用步调是事前录制、事前编译并在你的设立上运行的，而现在的应用步调能够交融险峻文，每一次、每一个像素、每一个token都是从零开动生成的。由于加快规画，由于东谈主工智能，规画已经被澈底重塑。阿谁"五层蛋糕"（指时间栈）的每一层如今都在被再行发明。

这意味着，当年十年积攒的价值约十万亿好意思元的规画机基础设施，现在正被当代化革新，以适合这种新的规画方式。每年突出千亿甚而上万亿好意思元的风险投资正在涌入，用于当代化革新和发明这个新天下。

这也意味着，一个百万亿好意思元范畴的产业，其研发预算中有几个百分点正在转向东谈主工智能。东谈主们问钱从那里来？这等于着手。从传统AI到当代AI的当代化革新，研发预算从经典方法转向现在的东谈主工智能方法，海量投资正涌入这个行业，这证明了为什么咱们如斯辛劳。

当年这一年也不例外。2025年是不可念念议的一年。看起来似乎系数事情都在归并时辰发生，事实上可能也如实如斯。第一件事天然是推广定律（Scaling Laws）。2015年，我以为第一个真确会产生影响的模子BERT出现了，它如实带来了巨大影响。

2017年，Transformer架构问世。直到五年后的2022年，"ChatGPT时刻"才发生，它叫醒了天下对东谈主工智能可能性的分解。那之后一年发生了一件颠倒要紧的事。ChatGPT的第一个推理模子o1面世，"测试时缩放"这个倡导也随之产生。

咱们不仅预测验让模子学习，还在后测验阶段通过强化学习让它学习新的手段。现在咱们还有了测试时缩放，这内容上是"念念考"的另一种说法，包括实时进行念念考。东谈主工智能的每一个阶段都需要巨大的规画量，而规画定律仍在抓续推广，大言语模子抓续变得更好。

开源改造：前沿模子与智能体普及

与此同期，另一个冲突发生了，这个冲突发生在2024年：智能体系统开动出现。到2025年，它开动普及，扩散到险些每个边缘。具备推理才调、能查找信息、进行讨论、使用器具、策划未来、模拟闭幕的智能体模子，倏地开动治理颠倒要紧的问题。我最可爱的智能体模子之一叫作念Cursor，它澈底改变了英伟达里面的软件拓荒方式。智能体系统将真确从这里升起。

天然，还有其他类型的AI。咱们知谈大言语模子并不是唯一的信息类型。六合中凡有信息之处、凡有结构之处，咱们都能教一种言语模子去交融那种信息，交融其表征，并将其迁移为一种AI。其中最要紧的一种是物理AI，即能够交融天然定律的AI。天然，物理AI也触及AI与天下交互。但天下自己蕴含着被编码的信息，这等于"AI物理"。在物理AI的语境下，你有与物理天下交互的AI，也有交融物理定律物理AI。

终末，旧年发生的最要紧事情之一是开源模子的跨越。咱们现在可以知谈，当开源、当开放创新、当全天下每个行业、每家公司的创新同期被激活时，AI将无处不在。与此同期，开源模子在2025年真确升起了。

事实上，旧年咱们看到了DeepSeek R1的跨越，这是第一个开源推理系统。它让天下大吃一惊，现活着界各地有各式不同类型的开源模子系统。开源模子已经达到了前沿水平，固然仍逾期前沿模子大要六个月，但每六个月就有新模子出现，而且这些模子越来越聪惠。

正因为如斯，你可以看到开源模子的下载量呈现爆炸式增长，因为初创公司、大公司、讨论员、学生，险些每个国度都想参与AI改造。

智能——数字形势的智能——怎样可能抛下任何东谈主呢？因此，开源模子旧年真的澈底改变了东谈主工智能，通盘行业将因此被重塑。

其实咱们对此早有猜测。你可能传闻过，几年前，咱们开动建造和运营我方的AI超等规画机——DGX Cloud。好多东谈主问，你们要进击云规画业务吗？谜底是辩护的。咱们建造这些DGX超等规画机是供我方使用的。闭幕是，咱们突出十亿好意思元的超算在运行，以便拓荒咱们的开源模子。

它开动诱骗全球九行八业的随和，因为咱们在繁密不同鸿沟进行着前沿的AI模子服务：咱们在卵白质、数字生物学（La Proteina）方面的服务，用于合成和生成卵白质；OpenFold 3，用于交融卵白质结构；EVO 2，用于交融和生成多种卵白质；以及开源的细胞表征模子的发轫。

Earth-2 AI，交融物理定律的AI；咱们在ForecastNet方面的服务；咱们在Cordiff方面的服务，真的澈底改变了东谈主们进行天气预告的方式。Nemotron，咱们现在正在那里进行始创性的服务。第一个搀杂Transformer SSM模子，速率快得惊东谈主，因此可以进行永劫辰念念考，或者快速念念考（不那么永劫辰）并产生颠倒颠倒智能的谜底。你们可以期待，咱们在不久的将来发布Nemotron 3的其他版块。

Cosmos，一个前沿的开放天下基础模子，交融天下怎样运作。Groot，一个东谈主形机器东谈主系统，触及关节截至、迁移性、通顺。这些模子，这些时间现在正在被集成，而况在每一种情况下，都对天下开源。今天，咱们也将谈谈Alpamayo，咱们在自动驾驶汽车方面所作念的服务。

咱们不仅开源模子，还开源用于测验这些模子的数据，因为惟有这样，你才能真确信任模子的产生历程。咱们开源系数模子，咱们匡助你基于它们进行繁衍拓荒。咱们有一整套库，称为NeMo库：物理NeMo库、Clara NeMo库、BioNeMo库。每一个都是AI的人命周期料理系统，让你能够处理数据、生成数据、测验模子、创建模子、评估模子、为模子建立驻扎栏，一直到部署模子。每一个库都极其复杂，而且全部开源。

因此，在这个平台之上，英伟达亦然一个前沿AI模子构建者，咱们以一种颠倒特殊的方式构建：咱们完全以开放的方式构建，以便让每家公司、每个行业、每个国度都能成为这场AI改造的一部分。

这些模子不仅具备前沿才调、是开源的，它们还在各种名次榜上名列三甲。咱们有交融多模态文档（即PDF）的要紧模子。天下上最有价值的内容都存储在PDF中，但需要东谈主工智能来发现里面有什么、解读内容并匡助你阅读。

因此，咱们的PDF检索器、PDF解析器是天下级的。咱们的语音识别模子竣工是天下级的。咱们的检索模子，内容上是当代AI时间的搜索、语义搜索、AI搜索、数据库引擎，亦然天下一流的。是以咱们每每占据榜首。

系数这些都是为了服务于你构建AI智能体的才调。这的确一个始创性的发展鸿沟。当ChatGPT刚出当前，东谈主们以为其产生的闭幕很真谛，但幻觉也很严重。产生幻觉的原因在于，它可以记取当年的一切，但无法记取未来和当前的一切。是以它需要基于讨论来"接地气"。

在回话问题之前，它必须进行基础讨论。能够推理是否需要讨论、是否需要使用器具、怎样将问题分解成更多智商。ChatGPT能够将这些智商组合成一个序列，来完成它从未作念过、从未被测验过的事情。这等于推理的魅力所在。咱们可以遭受从未见过的情况，并将其分解成咱们当年资格过、知谈怎样处理的情况、知识或章程。

因此，AI模子现在具备的推理才调极其苍劲。智能体的推理才调为系数这些不同的应用怒放了大门。咱们不再需要在第一天就测验AI模子知谈一切，就像咱们不需要在第一天就知谈一切一样。咱们应该能够在职何情况下，推理出怎样治理某个问题。大言语模子现在已经竣事了根人道的飞跃。

使用强化学习、念念维链、搜索、策划等不同时间和强化学习的才调，使咱们具备了这种基本才调，而况现在也完全开源了。

但真确了不得的是，另一个冲突发生了，我第一次看到它是在Perplexity（AI搜索公司）那里。我第一次分解到他们同期使用多个模子。我以为这完全是天才之举。AI在推理链的任何关节，能调用天下上系数优秀的AI来治理它想治理的问题。这等于为什么AI内容上是多模态的，它们交融语音、图像、文本、视频、3D图形、卵白质。

它亦然"多模子"的，意味着它们应该能够使用最稳妥任务的任何模子。因此，它内容上是"多云"的，因为这些AI模子位于系数这些不同的场所。它照旧"搀杂云"的，因为要是你是一家企业公司，或者你构建了一个机器东谈主或任何设立，偶而它在边缘，偶而在无线基站，偶而在企业里面，或者是在病院等需要实时处理数据的场所。换言之，由于未来的应用构建在AI之上，这等于未来应用的基本框架。

这个基本框架，这种能够完成我所神态的、具备多模子才调的智能体AI的基本结构，现在已经极地面推动了各种AI初创公司的发展。

通过咱们开源的模子和器具，现在你也可以简短定制我方的AI，教它那些惟一无二的手段。这恰是咱们拓荒Nemotron、NeMo等开源模子的绸缪。你只需要在AI前边加一个智能路由料理器，它会凭证你的提示，自动采选最合适的模子来治理问题。

这样的架构带来什么？你得到的AI既能完全按你的需求定制，可以教它公司特有的手段，这些可能恰是你的中枢上风，而且你也有对应的数据和专科知识去测验它；同期，它又能永恒保抓时间起初，随时用上最新的才调。

浅显来说，你的AI既能高度个性化，又能即开即用，永恒保抓在前沿。

为此，咱们作念了一个最浅显的示例框架，叫"AI Route Blueprint"，已经集成到全球多家企业的SaaS平台中，后果很可以。

这是不是很不可念念议？使用言语模子。使用事前测验好的、专有的、前沿的言语模子，与定制的言语模子结合到一个智能体框架、一个推理框架中，允许你拜访器具和文献，甚而可能迎阿到其他智能体。这基本上等于AI应用或当代应用的基本架构，而咱们创建这些应用的才调颠倒快。

预防，即使你给它从未见过的应用步调信息，或者以一种并非完全如你所想的结构呈现，它仍然能进行推理，并尽最大戮力通过数据和信息去尝试交融怎样治理问题。这等于东谈主工智能。

这个基本框架现在正在被整合，而我刚才神态的一切，咱们有幸与一些天下起初的企业平台公司谐和。例如Palantir，他们通盘AI和数据处理平台正在集成，并由英伟达加快。还有天下起初的客户服务和职工服务平台ServiceNow、全球顶级的云霄数据平台Snowflake。CodeRabbit，咱们在英伟达里面凡俗使用。CrowdStrike，正在创建AI来检测和发现AI威迫。NetApp，他们的数据平台现在上头有英伟达的语义AI，以及智能体系统，用于客户服务。

但要紧的是：这不仅是你现在拓荒应用的方式，它还将成为你平台的用户界面。是以，不管是Palantir、ServiceNow照旧Snowflake，以及咱们正在谐和的许多其他公司，智能体系统等于界面。它不再是在方格里输入信息的Excel，也许也不再只是是号召行。现在，系数这些多模态信拒却互都成为可能。你与平台交互的方式变得愈加浅显，就像你在与东谈主交互一样。因此，企业AI正在被智能体系统澈底改变。

物理AI解围：教学机器交融与交互的确天下

下一件事是物理AI。这是你们听我驳倒了好几年的鸿沟。事实上，咱们已经为此服务了八年。问题是：怎样将规画机内通过屏幕和扬声器与你交互的智能体，造成能与天下交互的智能体？这意味着它能交融天下运作的学问：物体恒存性（我移开视野再回首，物体还在那里）、因果关联（我推它，它会倒下）。

它交融摩擦力、重力以及惯性，知谈一辆重型卡车在路上行驶需要更多时辰才能停驻，一个球会持续滚动。这些主见对小孩来说都是学问，但对AI来说完全是未知的。因此，咱们必须创建一个系统，让AI能够学习物理天下的学问、学习其限定，天然也能从数据中学习。而数据相当稀缺。而况需要能够评估AI是否有用，这意味着它必须在环境中进行模拟。要是AI莫得才调模拟物理天下对其作为的反映，它怎样知谈我方实行的作为是否稳妥预期？

这个基本系统需要三台规画机：一台是咱们熟知的、英伟达制造的用于测验AI模子的规画机；第二台是用于推理模子的规画机。推理模子内容上是在汽车、机器东谈主、工场或任何边缘场所运行的机器东谈主规画机；但必须有另一台为模拟设计的规画机，因为模拟是英伟达险些系数事情的中枢，这是咱们最轻车熟路的场所。模拟如实是咱们所作念的一切物理AI服务的基础。

是以咱们有三台规画机，以及运行在这些规画机上、让它们变得有用的多个时间栈和库。Omniverse是咱们的数字孪生、基于物理的模拟天下。Cosmos是咱们的基础模子，不是言语基础模子，而是天下基础模子，而况也与言语对都。你可以问"球怎样样了？"，它会告诉你球正在街上滚动。天然，还有机器东谈主模子，咱们有两个：一个叫Groot，另一个叫Alpamayo。

对于物理AI，咱们必须作念的最要紧的事情之一等于创建数据来测验AI。这些数据从何而来？不像言语那样，因为咱们创造了一堆被以为是"的确情况"的文本，AI可以从中学习。咱们怎样教学AI物理天下的"的确情况"？尽管有大批的视频，但远远不及以捕捉咱们需要的交互的各样性和类型。

因此，一些伟大的头脑荟萃在一谈，将蓝本用于规画的资源迁移为数据。现在，期骗以物理定律为基础和条款、以的确情况为基础和条款的合成数据生成时间，咱们可以有采选地、巧妙地生成数据，然后用来测验AI。例如，咱们可以期骗Cosmos基础模子，生成基于物理、物理上合理的环绕视频，AI现在可以从中学习。

我知谈这很不可念念议。Cosmos是天下起初的基础模子、天下基础模子。它已被下载数百万次，活着界各地使用，让天下为这个物理AI的新时间作念好准备。咱们我方也在使用它，用它来创建咱们的自动驾驶汽车系统，用于场景生成和评估。通过规画机模拟，咱们能够有用地行驶数十亿、数万亿公里。

今天，咱们晓谕推出Alpamayo，天下上首个会念念考、会推理的自动驾驶汽车AI。Alpamayo是端到端测验的，从录像头输入到驱动输出。测验数据包括它我方行驶的大批里程、东谈主类驾驶示范，以及由Cosmos生成的大批里程。除此以外，还突出十万个颠倒仔细标记的例子，以便咱们教汽车怎样驾驶。

Alpamayo独有之处在于。它不仅接受传感器输入并驱动标的盘、刹车和加快器，还会推理它行将采选什么步履。它会告诉你它将采选什么步履，采选该步履的原因，天然还有轨迹。系数这些都平直耦合，并通过东谈主类测验数据和Cosmos生成数据的巨大组合进行专诚测验。闭幕颠倒不可念念议。

不仅汽车能像你守望的那样驾驶，而且驾驶得颠倒天然，因为它平直从东谈主类示范中学习。但在每一个场景中，当它遭受某个场景时，它会进行推理，告诉你它将作念什么，并推理它为什么要作念。这之是以如斯要紧，是因为驾驶的"长尾"问题。

咱们不可能浅显地网罗天下上每个国度、每种情况、系数东谈主口可能遭受的系数可能的场景。然则，每个场景要是被分解成一系列更小的场景，很可能都是相当常见的、你能交融的。因此，这些长尾场景将被分解成汽车知谈怎样处理的相当常见的情况，它只需要进行推理。

咱们八年前就开动研发自动驾驶汽车了。原因在于咱们很早就分解到，深度学习和东谈主工智能将澈底重塑通盘规画时间栈。要是咱们想要交融怎样引颈我方、怎样引导行业走向这个新未来，就必须耀眼构建通盘时间栈。

规画跃进：Rubin平台与全栈芯片的终远程构

正如我之前提到的，AI是一个"五层蛋糕"。最底层是地盘、电力和外壳。在机器东谈主鸿沟，最底层等于汽车自己。往上一层是芯片：GPU、汇集芯片、CPU等等。再往上是基础设施层。在物理AI这个具体案例中，基础设施等于Omniverse和Cosmos。然后在表层是模子层。我刚才展示的模子就属于这一层，这个模子叫作念Alpamayo。今天，Alpamayo崇敬开源了。

咱们设计有一天，谈路上的十亿辆汽车都将竣事自动驾驶。你可以采选租用别东谈主运营的自动驾驶出租车，也可以领有我方的车让它为你驾驶，或者采选我方驾驶。但每一辆车都将具备自动驾驶才调。每一辆车都将由AI驱动。是以在这个案例中，模子层是Alpamayo，而应用层之上等于梅赛德斯-疾驰汽车。

一言以蔽之，这个时间栈是英伟达初次尝试构建的齐全时间栈。咱们一直为此戮力，颠倒欣喜英伟达的首款自动驾驶汽车将于第一季度在好意思国启航，然后欧洲是第二季度，亚洲粗略是第三、第四季度。苍劲之处在于，咱们将不断用Alpamayo的后续版块进行更新。

毫无疑问，在我看来，这将成为最大的机器东谈主产业之一。它教学了咱们大批对于怎样匡助天下其他地区构建机器东谈主系统的潜入交融。通过我方构建通盘基础设施，咱们知谈了机器东谈主系统需要什么样的芯片。

在这个具体案例中，是下一代双Thor处理器。这些处理器专为机器东谈主系统设计，具备最高等别的安全才调。梅赛德斯-疾驰CLA刚刚被NCAP评为天下上最安全的汽车。

据我所知，这是唯逐一个每一转代码、芯片、系统都经过安全认证的系统。通盘模子系统基于此，传感器是各样且冗余的，自动驾驶汽车时间栈亦然如斯。Alpamayo时间栈是端到端测验的，领有惊东谈主的手段。然则，除非无穷期地驾驶，不然没东谈主知谈它是否竣工安全。

因此，咱们通过另一个软件时间栈、一个齐全的自动驾驶时间栈来为其建立驻扎栏。阿谁齐全的时间栈被构建为完全可追念的。咱们花了大要五年（施行上是六七年）来构建阿谁第二时间栈。这两个软件时间栈相互照射。

然后咱们期骗Alpamayo进行策略和安全评估。要是是一个我不太自信的情况，安全策略评估器决定咱们将璧还到一个更浅显、更安全的驻扎栏系统，那么就回到经典的自动驾驶时间栈。这是天下上唯一同期运行这两个自动驾驶时间栈的汽车。系数安全系统都应该具备各样性和冗余性。

咱们的愿景是，有朝一日每一辆汽车、每一辆卡车都将是自动驾驶的。咱们一直执政着阿谁未来戮力。这通盘时间栈是垂直集成的。天然，在梅赛德斯-疾驰的案例中，咱们一谈构建了通盘时间栈，咱们将部署汽车、运营时间栈，只消咱们还存在，就会珍惜这个时间栈。

然则，就像咱们公司所作念的其他一切一样，咱们构建通盘时间栈，但通盘时间栈对生态系统开放。与咱们谐和构建L4级和自动驾驶出租车的生态系统正在推广，无处不在。我完全信托，这已经是咱们的一项巨伟业务，因为客户用它来测验、处理测验数据，以及测验他们的模子。在某些案例中，一些公司用它来生成合成数据。有些公司基本上只制造汽车里面的规画机和芯片，有些公司与咱们进行全栈谐和，有些则谐和部分关节。

通盘系统现在是开放的。这将成为第一个大范畴、主流的AI物理AI商场。从非自动驾驶汽车到自动驾驶汽车的改造点，很可能就在此时开动，并在未来十年内发生。我相当深信，天下上很大比例的汽车将是自动驾驶或高度自动驾驶的。

但是，我刚才神态的这个基本时间（使用三台规画机、期骗合成数据生成和模拟），适用于系数形势的机器东谈主系统。可能只是一个关节、一个机械臂，可能是迁移机器东谈主，也可能是齐全的东谈主形机器东谈主。是以，下一个旅程将是机器东谈主。这些机器东谈主将会有各式不同的尺寸。

这些机器东谈主身上有小型Jetson规画机，它们是在Omniverse里面测验出来的。机器东谈主模拟器叫Isaac Sim和Isaac Lab。咱们有好多建造机器东谈主的一又友，包括New Robot、AG Bot、LG、卡特彼勒（他们有史上最大的机器东谈主）、Serve Robot、Agility、波士顿能源、Franka以及Universal Robots等。

例如来说，Cadence将CUDA-X集成到他们系数的模拟器和求解器中。他们将使用英伟达的物理AI来进行不同的物理安装和工场模拟。AI物理正被集成到这些系统中。是以，不管是电子设计自动化照旧系统设计自动化，以及未来的机器东谈主系统，咱们将领有基本上与创造你们交流的时间，现在将澈底革新这些设计时间栈。

在芯片设计鸿沟，Synopsys和Cadence是完全不可或缺的。Synopsys在逻辑设计和IP鸿沟起初，而Cadence在物理设计、布局布线、仿真和考据方面起初。Cadence在仿真和考据方面作念得颠倒出色。他们两家都正在进入系统设计和系统仿真的鸿沟。是以未来，咱们将在Cadence和Synopsys里面设计芯片，并在这些器具里面模拟一切。

西门子也在作念相同的事情。咱们将把CUDA-X物理AI、智能体AI、NeMo、Nemotron深度集成到西门子的天下中。原因如下：起初，咱们设计芯片，未来这一切都将由英伟达加快。咱们将有智能体芯片设计师和系统设计师与咱们谐和，他们匡助咱们进行设计，就像咱们今天有智能体软件工程师匡助咱们的软件工程师编码一样。

然后咱们必须能够制造机器东谈主。咱们必须建造分娩它们的工场、设计拼装它们的分娩线。而这些制造工场内容上将是巨型机器东谈主。是以，机器东谈主将在规画机中被设计，在规画机中被制造，在规画机中被测试和评估。咱们现在创造的时间已经达到了饱和熟练和苍劲的水平，可以反过来匡助他们澈底革新它们所在的行业。

放眼全球的模子口头，毫无疑问，OpenAI是现在起初的token生成器。今天，OpenAI生成的token数目远超其他任何模子。第二大群体，可能等于开源模子了。我猜跟着时辰的推移，因为有如斯多的公司、如斯多的讨论东谈主员、如斯多不同类型的鸿沟和模态，开源模子将成为范畴最大的群体。

在此历程中，离不开Rubin。这个平台的出身，是为了应酬咱们濒临的一个根人道挑战：AI所需的规画量正在飙升，对英伟达GPU的需求也在飙升。这种飙升是因为模子每年都在以10倍、一个数目级的范畴增长。更无须说，o1模子的引入是AI的一个改造点。推理不再是一次性给出谜底，现在是一个念念考历程。为了教学AI怎样念念考，强化学习和极其大批的规画被引入了后测验阶段。它不再是监督式微调（也称为效法学习或监督测验），现在有了强化学习，内容上是规画机通过自我尝试不同迭代来学习怎样实行任务。闭幕，用于预测验、后测验、测试时缩放的规画量爆炸式增长。

现在，咱们进行的每一次推理，都可能生成2个token而不是1个，你可以看到AI在"念念考"。它念念考得越久，正常能给出更好的谜底。因此，测试时缩放导致生成的token数目每年加多5倍。

与此同期，AI的竞赛正在热烈进行。每个东谈主都在试图达到下一个水平，登上新的前沿。而每当他们到达新的前沿，上一代AI生成token的本钱就开动下落，降幅大要是10倍。每年下落10倍这件事施行上证明了不同的情况：它标明竞赛如斯热烈，每个东谈主都在戮力达到下一个水平，而况如实有东谈主正在达到阿谁水平。

因此，系数这一切内容上都是一个规画问题。你规画得越快，就能越早达到下一个水暖热前沿。系数这些事情都在同期发生，是以咱们决定，必须每年都鼓吹规画时间的水平，一年都不成逾期。

咱们一年半前出货GB200。咫尺，咱们正在进行GB300的大范畴分娩。要是Rubin想要在本年实时推出，它现在就必须已经投产。是以今天，我可以告诉你们：Rubin已进入全面分娩阶段。

咱们还推出了基于Rubin架构的新一代规画集群DGX SuperPOD，包含1152个GPU，散布在16个机架中，每个机架有72个Rubin GPU。

咱们设计了六种不同的芯片。起初，咱们公司里面有一个原则：每一代新平台不应该有非常一两个芯片发生变动。但问题来了：咱们知谈摩尔定律已经基本放缓，因此咱们每年能赢得的晶体管数目，不可能跟上模子每年10倍的增长速率，不可能跟上每年生成的token数目5倍的增长，也不可能跟上令牌本钱如斯激进的下落速率。

要是行业要持续前进，要想跟上这样的速率是不可能的。除非咱们接管激进的极致协同设计，基本上等于在系数芯片、通盘时间栈上同期进行创新。为此，咱们决定，在这一代平台上再行设计每一个芯片。

起初是Vera CPU。在一个受功率敛迹的天下里，它的性能是上一代的两倍，每瓦性能是天下上其他最先进CPU的两倍。它的数据速率是豪恣的，专为处理超等规画机而设计。Grace曾是一款出色的CPU，而Vera则将单线程性能、内存容量和系数方面都显赫擢升了。这是一次巨大的飞跃。

Vera CPU迎阿到Rubin GPU！这是一个巨大的芯片，有88个CPU中枢，这些中枢设计为支抓多线程。但Vera的多线程特质设计得让176个线程中的每一个都能赢得其齐全的性能，是以内容上就像有176个中枢，但惟有88个物理中枢。这些中枢接管了一种叫作念空间多线程的时间设计，性能惊东谈主。

其次是Rubin GPU。它的浮点性能是Blackwell的5倍，但晶体管数目惟有Blackwell的1.6倍。这若干证明了现在半导体物理的水平。要是咱们不进行协同设计，不在通盘系统的每一个芯片层面进行极致的协同设计，咱们怎样可能竣事这种性能水平？

第三，咱们作念的一件伟大的发明叫作念NVFP4 Tensor Core。咱们芯片中的Transformer引擎不单是是咱们放入数据通路的某种4位浮点数，它是一个齐全的处理器单位，懂得怎样动态、自适合地调治其精度和结构，以处理Transformer的不同档次，从而在可以耗费精度的场所竣事更高的蒙眬量，在需要的时候收复到最高的可能精度。这种动态调治才调无法通过软件竣事，因为它运行得太快了。是以必须在处理器里面自适合地完成。这等于NVFP4的兴趣。

咱们已经发表了对于NVFP4的论文。它所达到的蒙眬量和精度保抓水平是完全不可念念议的。这是始创性的服务。未来行业但愿咱们将这种格式和结构定为行业圭臬，我少量也不会感到不测。这完全是改造性的。这等于为什么咱们能够在晶体管数目仅加多1.6倍的情况下，竣事如斯巨大的性能飞跃。

第四，咱们革新了通盘HGX机箱。这个节点以前有43条电缆，现在0条；6根水管，现在0根。以前拼装这个需要两小时，现在则只消五分钟，而且100%液冷。

第五，将这些迎阿到顶层机架交换机、处理东西向流量的，叫作念Spectrum-X网卡。这是天下上毫无疑问最好的网卡。Mellanox的算法、芯片设计、系数互连、其上运行的系数软件栈、RDMA，竣工是无与伦比的天下最好。现在它还具有可编程的RDMA和数据旅途加快器功能，让咱们的谐和伙伴（如AI实验室）可以创建我方的算法来决定如安在系统中迁移数据。

第六，ConnectX-9和Vera CPU是协同设计的。尽人皆知，ConnectX-8和Spectrum-X澈底改变了用于东谈主工智能的以太网时间。AI的以太网流量要密集得多，要求更低的延长，流量的瞬时激增是传统以太网从未见过的。是以咱们创建了Spectrum-X，即AI以太网。两年前咱们晓谕了Spectrum-X。今天，英伟达已成为全球有史以来最大的汇集公司。

它颠倒得手，在各式设施中凡俗使用，正在席卷通盘AI鸿沟。其性能令东谈主难以置信，尤其是当你领有一个200兆瓦的数据中心，或者一个千兆瓦的数据中心（价值数百亿好意思元，一个千兆瓦数据中心大要500亿好意思元）时。要是汇集性能能让你额外赢得10%的收益——以Spectrum-X为例，竣事25%更高的蒙眬量并不苦楚——只是是10%的擢升，就价值50亿好意思元。等于汇集本钱完全免费了。这等于为什么每个东谈主都在使用Spectrum-X的原因。

第七，现在，咱们发明了一种新式的数据处理方式，它的处理器叫作念BlueField-4，允许咱们料理一个颠倒精深的数据中心，破裂其不同部分，以便不同用户可以使用不同部分，确保系数资源在需要时都可以被诬捏化。这样，你就能卸载好多诬捏化软件、安全软件以及南北向流量的汇集软件。是以，BlueField-4是每个规画节点的圭臬配置。

第八是NVLink-6交换机。每个机架交换机里面有四个芯片，每颗芯片都有历史上最快的SerDes。天下才刚刚达到200Gb/s，而这是每秒400Gb/s的交换机。这之是以如斯要紧，是因为它能让每个GPU都能同期与其他系数GPU进行通讯。这个位于机架背板上的交换机，使咱们能够以相当于全球互联网数据总量两倍的速率迁移数据。全球互联网的横截面带宽大要是每秒100太字节，而这个是每秒240太字节，让每个GPU都能同期与其他系数GPU协同服务。

后头是NVLink脊柱，基本上是两英里长的铜缆。铜是咱们所知的最好导体。这些都是屏蔽铜缆、结构铜缆，是规画系统中有史以来使用最多的。咱们的SerDes以每秒400Gb的速率驱动这些铜缆从机架顶部一直到机架底部。这里面所有有长3200米、5000根铜缆，这使NVLink脊柱成为可能。这项革新真确开启了咱们的HGX系统，咱们决定创建一个行业圭臬系统，让通盘生态系统、咱们系数的供应链都能基于这些组件进行圭臬化。组成这些HGX系统的组件大要有8万个。

要是咱们每年都改变它，那将是巨大的滥用。从富士康到广达、纬创，再到惠普、戴尔、想象，系数主要的规画机制造商都知谈怎样构建这些系统。是以，尽管性能高得多，而且颠倒要紧的少量是，功耗是前代的两倍，Vera Rubin的功耗是Grace Blackwell的两倍——但咱们仍然能将Vera Rubin塞进这个框架里，这自己等于一个遗迹。

进入系统的空气流量大致交流。更要紧的是，进入的水温交流，45摄氏度。在45摄氏度下，数据中心不需要冷水机。咱们基本上是用开水来冷却这台超等规画机，遵循高得令东谈主难以置信。

是以，这是新的机架：晶体管数目是1.7倍，但峰值推感性能是5倍，峰值测验性能是3.5倍。它们通过顶部的Spectrum-X迎阿起来。

这是天下上第一款接管台积电新工艺制造的芯片，这个新工艺是咱们共同创新的，叫作念CoWoS，是一种硅光子集成工艺时间。这使咱们能够将硅光子平直集成到芯片上。这里有512个端口，每个端口200Gb/s。这等于新的以太网AI交换机——Spectrum-X以太网交换机。

几年前咱们推出了Spectrum-X，以便澈底改变汇集迎阿的方式。以太网如实易于料理，每个东谈主都有以太网时间栈，天下上每个数据中心都知谈怎样处理以太网。而其时咱们使用的另一种时间叫作念InfiniBand，用于超等规画机。InfiniBand延长颠倒低，但它的软件栈和通盘可料感性对使用以太网的东谈主来说颠倒生分。是以咱们决定初次进入以太网交换机商场。Spectrum-X照旧推出就大赢得手，使咱们成为天下上最大的汇集公司。

生态闭环：从基础设施到行业浸透的全栈布局

但就像我之前说的，AI已经重塑了通盘规画时间栈的每一层。同理可证，当AI开动活着界各地的企业部署时，它也必将重塑存储的方式。AI不使用SQL，AI使用语义信息。当AI被使用时，它会创建一种临时的知识、临时的记念，叫作念KV缓存（键值缓存）。但内容上，KV缓存等于AI的服务内存。AI的服务内存存储在HBM内存中。

对于生成的每一个token，GPU都会读入通盘模子、通盘服务内存，产生一个token，然后将这个token存回KV缓存。下一次它再作念相同的事情时，它会再次读入通盘内存，流经GPU，生成另一个token。它就这样重叠进行。彰着，要是你永劫辰与AI对话，这个内存——这个险峻文内存——将会急剧增长。更无须说模子自己在增长，咱们与AI交互的轮次在加多。咱们甚而但愿这个AI能跟随咱们一世，记取咱们与它进行过的每一次对话，对吧？我要求它讨论的每一个迎阿……天然，分享超等规画机的用户数目也会抓续增长。

因此，这个最初能放进HBM的险峻文内存，现在已经不够大了。旧年，咱们创建了Grace Blackwell的快速险峻文内存，这等于为什么咱们将Grace平直迎阿到Hopper，平直迎阿到Blackwell，以推广险峻文内存。但即使那样也不够。是以，下一个治理决策天然是走汇集。但是，要是有大批AI同期在运行，阿谁汇集将不再饱和快。

是以谜底很明确：需要一种不同的方法。因此，咱们引入了BlueField-4，以便咱们能够在机架内领有一个颠倒快速的KV缓存险峻文内存存储。这是一种全新的存储系统类别。业界对此颠倒欢乐，因为这是险些系数今天进行大批token生成的东谈主的痛点。AI实验室、云服务提供商，他们真的受困于KV缓存迁移所导致的汇集流量。

因此，咱们创建一个新平台、一个新处理器来运行通盘Dynamo KV缓存/险峻文内存料理系统，并将其放在颠倒围聚机架其他部分的场所，这完全是改造性的。

每个这样的机架后头有四个BlueField-4。每个BlueField-4后头有150太字节的险峻文内存。分担到每个GPU上，每个GPU将赢得额外的16太字节内存。现在，在这个节点里面，每个GPU蓝本大要有1太字节内存。现在有了这个位于归并东西向流量上、数据速率完全交流（每秒200Gb）的支抓存储，横跨通盘规画节点的汇集结构，你将赢得额外的16太字节内存。

Vera Rubin有几个方面真的颠倒不可念念议。第少量我刚才提到过：通盘系统的能效是前代的两倍。固然功耗是前代的两倍，能耗亦然两倍，但规画才调是数倍于此。进入系统的液体温度仍然是45摄氏度。这使咱们能大意全球数据中心大要6%的电力，这是件大事。

第二件大事：通盘系统现在支抓神秘规画，意味着所突出据在传输中、静态时和规画历程中都是加密的，每个总线现在都是加密的——每个PCIe、每个NVLink、每个HBM……CPU与内存、CPU与GPU之间、GPU与GPU之间，一切现在都是加密的。是以它是神秘规画安全的。这让公司可以省心，即使他们的模子由别东谈主部署，也永远不会被任何东谈主看到。

这个特定系统不仅能效极高，还有另一个不可念念议之处。由于AI服务负载的特质，它会在一忽儿激增。这个叫作念"全归约"的规画层所使用的电流量、能量同期飙升，每每会倏地激增25%。现在，咱们在通盘系统中竣事了功率平滑，这样你就不需要过度配置25%的容量，或者要是你过度配置了，你也不必让那25%的能源被滥用或闲置。现在，你可以用满通盘功率预算，而不需要过度配置。

终末，天然是性能。让咱们望望它的性能。这些都是构建AI超等规画机的东谈主会可爱的图表。这需要……需要这里的每一个芯片、每一个系统的完全再行设计，并重写通盘软件栈，才使其成为可能。

咱们作念的事情其实围绕三个中枢关节：

第一是测验速率。测验AI模子越快，就能越早把下一代前沿模子推向天下。这平直决定时间起初性、上市时辰和订价权。比如绿色部分代表一个10万亿参数模子（咱们称之为DeepSeek++），需要基于100万亿token进行测验。在相同的测验周期（比如一个月）里，用Rubin平台只需四分之一的系统数目就能完成——在相同的时辰里，你能测验更大、更先进的模子。

第二是数据中心遵循。数据中心是AI的"工场"，投资巨大。一个千兆瓦级数据中心可能需要500亿好意思元参预，而电力是硬性敛迹。要是你的规画架构每瓦性能更高，相同的电力就能产生更多算力，平直迁移为数据中心的产出和收益。布莱克韦尔平台比较前代竣事了约10倍的能效擢升，而鲁宾将在此基础上再次擢升近10倍。

第三是推理本钱。也等于施行生成每个token的本钱。Rubin平台将这一册钱裁汰到原来的约十分之一。

这等于咱们推动通盘行业走向下一个前沿的方式——让测验更快、能效更高、推理更经济，从而支抓AI抓续向更大范畴、更高水平发展。

如民众所见，今天的英伟达早已不仅是芯片公司。咱们构建的是齐全的全栈AI体系——从芯片、系统、基础设施，到模子和应用。咱们的职责是打造齐全的时间栈，让在座的每一位都能在此基础上，为天下创造令东谈主齰舌的AI应用。

谢谢民众到场，祝民众在CES收货满满！

—— · END · ——

重磅推出：