黃仁勛CES上硬菜：Vera Rubin已量產！為AI賭上6顆芯片

作者 ｜ 周一笑
郵箱 ｜ zhouyixiao@pingwest.com

Vera Rubin已經在全面投產。

這是黃仁勛在CES 2026上透露的最重要信息。

這場在拉斯維加斯的90分鐘演講，是黃仁勛的開年演講，給2026年定基調的意義非常明確。而整場演講有很強的敘事設計——他要講的故事邏輯是這樣的：

回顧2025年，scaling law還在繼續(xù)，推動這個過程里開源很重要，而英偉達做了很多開源，甚至第一次自稱"開源之王"（NVIDIA Leads Open Model Ecosystem），尤其是物理世界的模型其實在由它來推動——而這一切都在證明強烈的需求還在繼續(xù)，泡沫不存在，所以，新的芯片架構更加重要。

這就是Vera Rubin。

“我可以告訴你們，Vera Rubin已經在全面投產了”（I can tell you that Vera Rubin is in full production），黃仁勛在舞臺上宣布。這是一個全面重構的芯片架構——從CPU到GPU，到互聯方式，到機柜設計，六顆芯片全部重新設計。

Vera Rubin - Six New Chips全景圖

1

摩爾定律追不上AI，所以必須激進

黃仁勛給出了一組數據來解釋為什么必須打破英偉達自己的規(guī)則。

過去英偉達有一條內部準則：每代架構最多只改動1-2顆芯片。但這次，他們一口氣重新設計了六顆。原因很簡單，摩爾定律在放緩，但AI的需求在爆炸。模型規(guī)模每年增長10倍，生成的token數量每年增長5倍，單token成本每年下降10倍。

AI 算力需求爆炸式增長

“我們每年能獲得的晶體管數量，根本不可能跟上10倍更大的模型、每年5倍更多的token生成”，黃仁勛解釋道，“除非我們采用激進的、極致的協同設計，否則不可能跟上這種增長速度。”

換句話說，如果繼續(xù)按部就班地迭代，英偉達會被自己的客戶甩在后面。

1

Rubin GPU：5倍性能只用1.6倍晶體管

六顆芯片中，Rubin GPU是核心。

NVIDIA Rubin GPU規(guī)格圖

最關鍵的數字是這個，NVFP4推理性能達到50 PFLOPS，是Blackwell的5倍，但晶體管數量只有3360億，僅增加了1.6倍。這意味著架構效率的巨大飛躍，而不僅僅是堆料。HBM4帶寬達到22 TB/s（2.8倍），單GPU的NVLink帶寬達到3.6 TB/s（2倍）。

這背后是NVFP4 Tensor Core的創(chuàng)新——一種新的4位浮點格式，通過硬件層面的自適應精度調節(jié)和動態(tài)transformer引擎實現。黃仁勛暗示這可能成為行業(yè)標準：“我不會驚訝于整個行業(yè)都希望我們把這個格式和架構變成行業(yè)標準。”

1

Vera CPU：88個自研核心，不是ARM公版魔改

全新的自研CPU采用88個Olympus核心，176線程，1.5TB系統內存（是Grace的3倍），1.2 TB/s的LPDDR5X帶寬，2270億晶體管。

這是英偉達第一次在數據中心CPU上如此激進地自研。Olympus核心是全新設計，不是ARM公版的修改。黃仁勛在臺上展示了從Blackwell到Rubin的硬件演進，親手拿起計算托盤——“你必須是一個身體狀況很好的CEO才能干這個活”””（You have to be a CEO in really good shape to do this job），他開玩笑說。

1

硅光子上芯片：英偉達變成了網絡公司

讓黃仁勛特別興奮的是Spectrum-X Co-Packaged Optics，硅光子直接封裝在芯片上。

NVIDIA Spectrum-X Ethernet Co-Packaged Optics規(guī)格

這顆芯片采用TSMC的COUPE工藝，實現102.4 Tb/s的交換機基礎設施，128個800 Gb/s端口，512個200 Gb/s端口，3520億晶體管。黃仁勛說這讓英偉達“成為了全球最大的網絡公司”。

配合新一代NVLink 6.0，單GPU帶寬達到3.6 TB/s，整個NVL72系統的互聯帶寬達到260 TB/s。黃仁勛的比喻是，“這是全球互聯網帶寬的兩倍”，全球互聯網總帶寬大約是100 TB/s。

1

KV Cache成了新瓶頸，BlueField-4來解決

黃仁勛特別強調了一個正在浮現的問題：context memory正在成為新的瓶頸。

隨著上下文長度增長、多輪對話累積、并發(fā)用戶增加，KV cache的存儲需求在爆炸。BlueField-4 DPU就是為了解決這個問題，800G Gb/s的SmartNIC和存儲處理器，內置64核Grace CPU，相比上代在網絡、計算、內存帶寬上分別提升2倍、6倍、3倍。

配合新的Context Memory Storage Platform，可以為每個節(jié)點提供150TB的KV cache存儲。黃仁勛稱之為“完全革命性的”。

1

NVL72：一個機柜220萬億晶體管

六顆芯片組合成Vera Rubin NVL72系統。

這是一個完整的機柜級計算單元：3.6 EFLOPS的FP4推理算力（5倍于Blackwell），2.5 EFLOPS的FP4訓練算力（3.5倍），54TB的LPDDR5X容量（3倍），20.7TB的HBM容量（1.5倍），1.6 PB/s的HBM4帶寬（2.8倍），260 TB/s的Scale-Up帶寬（2倍）。整個機柜包含220萬億個晶體管。

1

組裝一個計算節(jié)點：從2小時到5分鐘

除了芯片本身，Vera Rubin在系統工程上也有大量創(chuàng)新。

NVIDIA Vera Rubin Compute Tray

新的計算托盤設計是“No Cables, No Hoses, No Fans”，無線纜、無水管、無風扇。過去組裝一個計算節(jié)點需要2小時，現在只需要5分鐘。黃仁勛在臺上親自演示，把托盤像抽屜一樣滑入機柜。

整個系統100%液冷，使用45°C的熱水，不需要冷水機。"今天這臺機器重2.5噸，因為他們發(fā)貨的時候忘了把水放掉"，黃仁勛開玩笑說。整機包含2英里的銅纜和5000根線纜，但因為采用了新的無線纜托盤設計，實際部署時的復雜度大大降低。

雖然性能是Blackwell的5倍，但熱設計保持在同一水平，這意味著在相同的數據中心功率預算下，可以獲得5倍的算力提升。

1

1/4的GPU，1/10的成本

黃仁勛用DeepSeek++（對未來超大規(guī)模開源模型的一種代稱）和Kimi K2Thinking展示了三組性能對比。

訓練效率：以10萬億參數模型、100萬億token、1個月訓練周期為基準，Rubin只需要Blackwell 1/4的GPU數量。工廠吞吐量：從Hopper到Blackwell是10倍提升，從Blackwell到Rubin再提升10倍。Token成本：Rubin是Blackwell的1/10。

這組數據的含義很清晰，對于訓練大模型的公司來說，Rubin意味著用更少的硬件、更低的成本、更快的速度完成同樣的任務。

1

時間表：一年一代，但這次跨度更大

Vera Rubin 2026年出貨，現已全面投產。Rubin Ultra NVL576在2027年下半年，性能是Rubin的4倍。Feynman在2028年，已預告。

黃仁勛維持了英偉達“一年一架構”的節(jié)奏，但這次的迭代幅度遠超以往。

1

Alpamayo：物理AI的ChatGPT時刻

算力基礎設施最終是為了讓AI理解和操控物理世界。除了造“大腦”，英偉達也在教AI控制“身體”，演講中另一個值得注意的發(fā)布是Alpamayo。

NVIDIA Alpamayo架構

這是一個開源視覺-語言-動作模型（VLA），專為自動駕駛設計，支持chain-of-thought推理來處理邊緣場景。輸入是多攝像頭視頻、自車運動歷史、可選用戶指令，輸出是駕駛決策、因果推理、軌跡規(guī)劃。

演示視頻中稱之為“物理AI的ChatGPT時刻幾乎就要到來了”（The ChatGPT moment for physical AI is nearly here）。首個商用落地是Mercedes-Benz CLA，2026年Q1在美國上市。

值得注意的是，英偉達不僅開源了模型，還開源了訓練數據。“我們不僅開源模型，還開源用來訓練這些模型的數據。因為只有這樣，你才能真正信任這些模型是怎么來的。”

黃仁勛演講PPT里用到了很多中國開源模型的數據：

經典場面：黃仁勛和中國開源模型們

不過，他最終要強調的是這張：

英偉達才是開源第一。

1

一個信號

回看整場演講的結構，黃仁勛想傳遞的信號很明確，AI的需求還在爆炸式增長，scaling law沒有撞墻，英偉達的護城河不僅是芯片設計能力，更是整個系統級的極致協同優(yōu)化能力。

當摩爾定律放緩時，只有通過“激進的、極致的協同設計”，例如六顆芯片同時重新設計，才能跟上AI發(fā)展的速度。而且這一切都不是空話，Vera Rubin已經在全面投產，不是路線圖，不是期貨，是現在就在產線上跑。2026年，云廠商和AI公司將拿到比Blackwell強5倍的新硬件。

黃仁勛的最后一張幻燈片這樣寫道：

英偉達是為所有AI提供的那個獨一無二的平臺。

這個開年演講相比過往黃仁勛的演講要“干”很多，看來2026年黃仁勛不講故事了，要直接上干貨，上硬菜了。

點個“愛心”，再走 吧