黃仁勛攜Rubin架構亮相CES，英偉達鐵了心要做“AI賣鏟人”

文 | 大模型之家

北京時間1月6日凌晨，英偉達CEO黃仁勛CES 2026的開幕演講中，系統闡述了他對人工智能產業演進的最新判斷，并正式發布了全新一代Vera Rubin計算架構。這一架構涵蓋CPU、GPU、互連、網絡、存儲與系統級設計，被英偉達定義為面向“下一階段AI前沿”的基礎設施平臺。

在這場演講中，黃仁勛并未將重點放在某一具體應用或模型能力上，而是反復強調一個核心命題：人工智能正在引發一次覆蓋整個計算產業的結構性重置，而英偉達的角色，是為這場重置提供底層工具與系統能力。

AI走向“平臺化”， 英偉達要做底層“賣鏟人”

黃仁勛對AI市場的判斷，延續了他一貫的“平臺論”視角。他表示，計算產業每隔10到15年就會發生一次底層重置：從大型機到PC，從互聯網到云計算，再到移動計算。每一次重置，應用形態都會隨之改變，產業價值鏈也會重新分配。

但AI的特殊之處在于，它并不是單一平臺的替代，而是兩次平臺遷移同時發生。

第一層遷移，是應用本身的重構。應用不再是被“編寫”的，而是被“訓練”的；不再是預設流程，而是在運行時根據上下文實時生成每一個token、每一個像素。AI不再是應用，而是應用賴以生存的底座。

第二層遷移，是整個計算棧都在被重寫。軟件如何開發、如何運行、運行在什么硬件之上，CPU不再是中心，GPU成為默認；推理不再是一次性輸出，而是一個持續“思考”的過程。

在這種背景下，黃仁勛反復強調一個數字：全球傳統計算體系規模約為10萬億美元，而這部分基礎設施，正在被系統性地“現代化”為AI計算。AI投資的資金，并非憑空出現，而是來自企業研發預算、風險投資和整個工業體系的遷移。

英偉達在這個市場中的定位，并非某一家AI應用公司的競爭者，而是為所有人提供新平臺的基礎設施公司。在這場淘金熱中，它選擇繼續扮演“賣鏟人”。

物理AI正迎來“ChatGPT時刻”

如果說生成式AI解決的是語言與內容問題，那么黃仁勛在CES 2026上反復提到的“Physical AI（物理AI）”，則標志著英偉達試圖將智能推入現實世界。

他將AI能力的演進分為幾個階段：預訓練、強化學習、測試時推理，再到具備規劃與執行能力的代理系統（Agentic Systems）。當AI開始“思考”，并且可以調用工具、分解任務時，問題的邊界已經不再局限于數字空間。

真正的挑戰在于，物理世界的數據是有限的、昂貴的，且不可窮舉。這也是英偉達長期投入仿真與合成數據的原因。

在演講中，黃仁勛重點介紹了NVIDIA Cosmos“世界基礎模型”，用于理解物理規律、生成物理一致的場景數據，并在閉環中訓練AI行動能力。這不是一個簡單的視頻生成模型，而是一個理解物理、重力、摩擦力和慣性的世界模型。它不僅能生成視頻，還能模擬物理反饋，解決AI在現實世界中因缺乏“常識”而產生的幻覺。這套體系并不只是服務于研究，而是直接指向自動駕駛與機器人。

在應用層面，他發布了全球首個具備推理能力的自動駕駛AI——Alpamayo與傳統的規則驅動或簡單的端到端模型不同，Alpamayo在駕駛過程中會實時“思考”并口述其決策邏輯。黃仁勛宣布，搭載該系統的梅賽德斯-奔馳CLA將于2026年第一季度正式上路。

這種從“數字大腦”向“物理實體”的跨越，不僅體現在自動駕駛上，還延伸到了名為“格魯”（音譯）的人形機器人系統。黃仁勛透露，NVIDIA正在通過合成數據生成來解決物理世界數據匱乏的難題。通過Cosmos模型，NVIDIA可以將計算轉化為數據，訓練機器人應對各種長尾場景。

這種“三臺計算機”架構——一臺用于訓練，一臺用于仿真模擬（Omniverse），一臺用于邊緣推理——構成了NVIDIA在工業與機器人領域的堅實護城河。

Rubin架構：賣鏟人的“新鏟子”

如果說前半場是戰略判斷，那么Rubin架構的發布，才是這場演講真正的技術核心。

這一架構的設計起點非常現實：摩爾定律放緩，而模型規模以每年10倍的速度增長，推理階段的token生成量以每年5倍的速度增加，單純依靠晶體管數量已經無法支撐性能需求。

因此，英偉達選擇在這一代“推倒重來”。

黃仁勛表示，Vera Rubin并不是一顆芯片，而是一個由6顆芯片組成、通過極端協同設計形成的系統級架構。它被定位為專為智能體AI（Agentic AI）和物理AI（Physical AI）設計的算力底座。

Vera Rubin系統由定制的Vera CPU與Rubin GPU組成，兩者從設計之初就被定義為雙向一致、低延遲的數據共享結構。Vera CPU擁有88個物理核心，通過空間多線程（Spatial Multi-Threading）技術實現176線程滿速運行，強調在功耗受限環境下的性能密度。同時為了解決大規模集群的通信瓶頸，Rubin平臺搭載了NVLink 6，提供了高達3.6T/s的雙向帶寬。

Rubin GPU在浮點性能上超過Blackwell，而晶體管數量僅為后者的1.6倍。這背后依賴的是全新的張量核心與Transformer Engine設計，而非單純堆疊規模。

在系統層面，Rubin真正的突破來自“陣列化”。

一個Vera Rubin計算托盤中集成2顆Vera CPU、4顆Rubin GPU，配合BlueField-4 DPU與ConnectX-9網絡。通過第六代NVLink交換系統，18個計算節點可以被連接為一個整體，最多實現72顆Rubin GPU協同運行，像一顆“巨型GPU”一樣工作。

在完整的MVL72機架中，英偉達集成了6類全新芯片、18個計算托盤、9個NVLink交換托盤，總計約220萬億晶體管，整機重量接近兩噸。

在數據中心層面，Rubin引入了多個關鍵改動。其一是上下行帶寬，每顆GPU可獲得1.6TB/s的Scale-out帶寬；其二是上下文內存體系，通過BlueField-4將KV Cache與上下文管理放入機架內部，為每顆GPU額外提供最高16TB的可擴展內存空間。

網絡部分，Spectrum-X以太網交換機首次引入Silicon Photonics技術，提供512個200Gb端口，能夠將成千上萬機架連接為“AI工廠”。

在能效層面，該陣列在單機架內的計算密度提升了約3倍。在處理類似Cosmos這種涉及物理規律模擬的復雜模型時，六卡陣列能夠實現跨芯片的內存池共享，極大地減少了模型切分帶來的性能損耗。黃仁勛特別提到，這套陣列采用了全集成的液冷方案，能在消耗更低能耗的同時Rubin的功耗約為上一代Grace Blackwell的兩倍，這一設計有望為全球數據中心節省約6%的能耗。

同時，Rubin在系統級實現了全鏈路加密，覆蓋PCIe、NVLink及GPU互聯，并正式支持加密計算，為模型托管與跨組織部署提供安全基礎。

這個六卡陣列也是英偉達向業界發出的一個信號：未來的算力單元不再是以“塊”計算，而是以“陣列”和“機架”為最小單位。通過這種設計，英偉達進一步鎖定了數據中心和主權AI實驗室的采購偏好——你買的不只是一張顯卡，而是一套不可分割的、高度協同的算力體（英偉達也能因此創造更多收入）。

算力競爭格局再升級

從更宏觀的角度看，黃仁勛在CES 2026的演講，并不是為了宣布某一項技術領先，而是試圖給整個行業一個坐標系。

在這個坐標系中，AI不再是少數公司的專屬能力，而是一種會“滲透到每一個國家、每一個行業、每一家企業”的基礎設施；應用不再是固定形態，而是由Agent驅動的交互系統；競爭不再只是模型參數之爭，而是算力、數據、模擬、系統工程能力的綜合博弈。

而英偉達選擇的位置，依然是那個看似樸素、卻至關重要的“賣鏟人”。它既是平臺的建設者，也是規則的塑造者；既推動開放，又牢牢掌握最核心的工程能力。

隨著AI開始從數字空間走向物理世界，這場算力競賽的格局正在被重新劃分。對于全球各方的參與者而言，Rubin架構的出現不僅是一次技術挑戰，更是一條更加清晰的競爭分界線：在全棧集成的“暴力美學”面前，傳統的、零散的硬件邏輯正面臨降維打擊。為全球AI產業提出新的挑戰與新的思路。