黄仁勋CES2026：定义AI工业化时代，开启物理世界交互革命 (第2页)

值得注意的是，黄仁勋特别指出 “开源模型已触及技术前沿，但仍落后尖端模型约六个月” 。这个明确的差距评估，为整个开源生态提供了清晰的定位。

在众多开源模型中，黄仁勋多次提及DeepSeek R1，称其“让世界震惊”，并强调开源让AI迅速扩散，没有人愿意掉队。

英伟达自身也在大力投入开源生态建设，运营着价值数十亿美元的AI超级计算机DGX Cloud，用于开发开源模型。

在蛋白质数字生物学领域，英伟达的开源模型能够合成生成蛋白质；在天气预报领域，ForecastNet与CORDiff彻底改变了预报方式。

这种开源战略不仅推动技术进步，也塑造了英伟达作为平台提供者的角色，而非某个特定应用领域的竞争者。

五、机器人ChatGPT时刻，产业落地加速

“机器人领域的‘ChatGPT时刻’即将到来。”黄仁勋在演讲中宣布。他认为人形机器人不再只是实验室展示品，而是具备实际商业潜力的产品。

英伟达发布了开源机器人模型GROOT 1.6，这是专为人形机器人打造的最新开源推理模型。该版本采用Cosmos Reason作为长效思考中枢，显著提升推理能力与情境理解水平。

更重要的是，英伟达推出了Isaac Lab Arena——全球首个用于在仿真环境中安全测试机器人技能的开源框架。

这一框架解决了机器人开发中的关键痛点：在现实世界中验证技能存在过程缓慢、成本高昂、风险巨大等问题。

行业应用正在加速，波士顿动力推出基于Jetson与Thor平台并在Isaac Lab中训练的新款Atlas人形机器人；Lem Surgical则运用Isaac与Cosmos Transfer训练外科手术机器人。

黄仁勋预测，随着成本持续下降、能力快速提升，机器人将像过去的PC与智能手机一样，逐步走向普及，成为下一个万亿级市场。

六、从数字到物理的产业跨越

黄仁勋在CES 2026的演讲，本质上是对AI产业未来十年的系统性宣言。通过开源关键模型与发布颠覆性硬件，英伟达正强势定义 “物理AI”时代的技术标准与基础设施。

其战略核心清晰无比：以全栈式的开放生态，牢牢占据从数据中心到机器人指尖的每一个计算节点。

Rubin架构不仅是技术突破，更是商业模式的革命。黄仁勋用“1/4的GPU，1/10的成本”这样的数据，展现了如何从根本上改变AI计算的成本结构。

在应用层面，从自动驾驶到通用机器人，从云端训练、仿真验证到现实世界部署，英伟达正试图以一套完整的全栈式计算与软件体系，推动AI从“看懂世界”走向“理解、推理并行动”。

这场演讲给全球AI产业传递了一个明确信号：AI的真正价值将不再停留在虚拟世界的内容生成，而是在现实世界中创造实质性的生产力提升。

英伟达与西门子达成重磅合作，将英伟达的物理AI模型与Omniverse数字孿生平台深度集成到工业软件中，从芯片设计、工厂规划到生产运维的全面数字化革命拉开帷幕。

黄仁勋所说的“计算行业的每一层，都要被重写一次”，揭示的是一场比预想中更深远的技术革命。

七、演讲核心内容归纳

1. 核心主题：AI从数字世界走向物理世界（Physical AI元年）

黄仁勋以"AI基础设施时代与Physical AI的崛起"为核心，宣告AI正从聊天、写代码等数字应用，全面渗透到自动驾驶、机器人、工业控制等物理世界场景，物理世界将成为AI最大的应用市场。

2. 重磅发布：Vera Rubin全栈AI超级计算平台

• 革命性架构：六大核心芯片协同设计（Vera CPU、Rubin GPU、LPU低延迟推理芯片等），打破行业"一代最多改1-2颗芯片"惯例

• 性能飞跃：比Blackwell平台训练性能提升5倍，推理token成本降低10倍，推理延迟降至1ms

• 部署革新：零线缆液冷一体化设计，用6根液冷管线取代43根传统线缆，部署时间从2小时缩至5分钟，硬件成本降低30%

• 网络升级：NVLink 6技术将GPU互连带宽提升至3.6TB/s，搭配Spectrum-6 CPO交换机构建高速传输网络

3. 物理AI三大技术支柱

4. 关键产品与模型发布

• Alpamayo：全球首个"会思考、会推理"的自动驾驶AI，能解释"为什么这么开"，已应用于奔驰CLA车型

• AlhaMile：首个具备推理能力的人形机器人，可完成复杂物理交互任务

• 四大开源模型家族：将蛋白质合成(Llama Protina)、天气预测(Earth 2)等前沿模型全面开放，赋能全球创新

• Spark本地AI工作站：面向个人开发者的物理AI开发平台，让AI开发从云端延伸到本地

5. 两大战略方向

1. 双重平台转移：从"CPU+操作系统"到"加速计算+AI"，从"单一模型"到"多模型协同"

2. 开源与智能体驱动：通过NeMo库等工具链，推动Agentic AI（智能体AI）发展，让AI从"一次性响应"转向"长期工作"

八、四方面的启示意义

1. 技术产业层面