文章核心观点 - 英伟达CEO黄仁勋在CES 2026上提出，机器人行业正接近类似ChatGPT之于大模型的“临界时刻”，生成式视频模型的成熟为“物理AI”的产业化奠定了基础，预计未来两三年将看到重大突破 [3][4][12] - 新推出的Rubin平台性能实现代际飞跃，训练效率是上一代Blackwell的4倍，token成本降低10倍，整座AI工厂的token吞吐量提升10倍，进一步强化了“算力即产能”的逻辑 [4][14][17][53] - 公司坚持开放生态战略，与几乎所有主要AI公司保持合作，并认为这是其核心护城河之一 [4][32][66] 机器人行业与物理AI - 机器人行业正迎来技术拐点，生成式视频模型在理解和生成复杂动作方面的能力，与驱动机器人完成动作的生成模型在底层技术上已非常接近，这标志着“物理AI”开始具备产业化可见性 [3][10][46] - 当前机器人（包括自动驾驶汽车）大规模落地的障碍在于编程难度大、软件复杂度高、定制成本高，而物理AI的应用能让机器人通过演示被“教会”，从而降低使用门槛 [11][47] - 黄仁勋预测，在未来两三年内，机器人领域将看到非常重大的突破，类似于“机器人界的ChatGPT时刻” [4][12][48] Rubin平台性能与AI工厂 - Rubin平台相比前代Blackwell，训练效率提升4倍，这意味着原本需4个月的训练可缩短至1个月，或使用1/4的GPU数量以节省成本 [14][51] - Rubin平台的token生成成本相比Blackwell降低了10倍，这得益于能效提升、算法优化和芯片速度加快，成本下降将推动AI应用场景扩张和社会渗透加速 [4][16][17][52] - Rubin平台使整座AI工厂的token吞吐量提升10倍，而晶体管数量仅增加1.7倍，这源于其全栈系统级创新，包括Grace CPU、Vera GPU等六款全新芯片的协同设计 [18][53][54] - 公司将与西门子深度合作，加速其EDA和仿真软件，并将AI、物理AI整合进其工业操作系统（如Teamcenter），以应用于生产线，例如与富士康合作的工厂 [18][19][55] 能源瓶颈与能效提升 - 能源是任何行业，尤其是高速增长的AI行业的永恒瓶颈，AI的训练与运行消耗大量能源 [20][56] - 公司持续通过技术迭代提升能效，从Hopper到Blackwell能效提升10倍，从Blackwell到Rubin能效再提升10倍，在固定电力容量下，更高的能效意味着能产出更多token [20][57] - 电力永远不足，每一轮工业革命都受能源约束，因此持续提升能效是技术路线发展的核心驱动力 [21][57] 供应链、合作与竞争 - 存储（HBM）供应瓶颈确实严重，但英伟达是唯一与三家HBM供应商均有深度合作的公司，且已提前规划，情况整体可控 [22][58] - 公司与Groq团队的合作涉及聘用其约400名工程师并获得技术授权，Groq的架构专为低时延token生成优化，双方未来可能共同创造新的产品类别 [22][58] - 在中国市场，尽管面临华为等强大竞争对手及众多初创公司的挑战，H200目前仍有竞争力，但公司承认这种优势不会永久持续，需持续推出有竞争力的新产品 [24][59][60] - 中国政府的态度通过企业需求间接反映，公司看到了中国市场对英伟达产品的强劲需求 [23][58] 自动驾驶与太空计算 - 特斯拉拥有全球最先进的自动驾驶技术栈之一，并很可能已在运用端到端AI，自动驾驶的最后1%“长尾问题”极其困难 [29][30][63] - 英伟达的自动驾驶体系同样以视觉为核心，并辅以雷达和激光雷达，其总体架构与特斯拉的技术路线非常接近 [31][64] - 从技术角度看，在太空部署AI工厂（数据中心）是可行的，因为太空太阳能充足、散热条件好，但需要完全重新设计供电和散热等系统工程，GPU芯片架构本身可以保持不变 [26][27][28][62] 公司战略与护城河 - 开放生态是公司核心战略，英伟达是目前几乎唯一与所有主要AI公司（如OpenAI、xAI、Google Gemini）都保持合作的企业，保持开放使其平台能横跨所有科研领域和主流AI模型 [4][32][66] - 公司的护城河在于其全球独一无二的AI创新规模与全栈能力，涵盖从CPU、GPU到网络与存储的整个系统，以及在软件栈、模型层和基础设施层的持续创新，并通过广泛的生态网络将技术传导至制造、医疗、汽车等多个终端行业 [34][67] - 对于中国涌现的大量AI芯片初创公司及激烈竞争，黄仁勋认为这展现了中国科技产业的活力与顶尖水平，英伟达必须通过持续的技术前沿创新来参与竞争并为中国市场创造价值 [33][67]