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]

文章核心观点 - 英伟达CEO黄仁勋在CES2026上提出，机器人行业正接近类似ChatGPT之于大模型的“临界时刻”，生成式视频模型的能力成熟意味着驱动物理动作的生成模型底层技术已接近成熟，未来两三年将看到重大突破 [2][3][13] - 新推出的Rubin平台将训练效率提升至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“算力即产能”的逻辑 [3][16][20][23] - 公司坚持开放生态战略，与几乎所有主要AI公司保持合作，并通过全栈技术能力、广泛的行业连接以及前所未有的创新速度构建护城河 [3][45][46] 关于物理AI突破和机器人领域的ChatGPT时刻 - 生成式视频模型能根据描述生成复杂逼真动作，其底层技术与驱动机器人完成动作的生成模型已非常接近，技术拐点正从实验室走向现实 [2][9][10] - 物理AI能让机器人“更容易被教会”，通过演示即可让AI学会动作，有望解决机器人编程难、软件复杂、定制成本高的落地门槛 [11][12] - 人形机器人领域正等待“关键技术被真正发现的时刻”，公司已在该方向长期投入，类比数字生物学、自动驾驶、实时光线追踪等技术发展历程 [5][6][7] 关于Rubin价值和能源瓶颈 - **训练效率**：Rubin平台的训练效率是Blackwell的4倍，可将原本需4个月的训练缩短至1个月，或使用1/4的GPU数量以节省资金 [16][17] - **Token成本**：相比Blackwell，Rubin的token成本下降了10倍，这得益于能效提升、算法优化和芯片加速，从而推动AI应用场景扩张和社会渗透 [18][19][20][21] - **系统吞吐量与能效**：Rubin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，该代产品包含六款革命性升级的全新芯片组合 [23] - **能源瓶颈**：AI是增长极快的产业，能源永远是瓶颈，公司通过代际跃迁持续提升能效，从Hopper到Blackwell提升10倍，从Blackwell到Rubin再提升10倍，在固定电力容量下追求更高token产出 [26][27][28] 关于存储、Groq和中国等热点话题 - **HBM供应**：存储（HBM）瓶颈确实严重，但公司是唯一与三家HBM供应商均有深度合作的企业，已提前规划，情况可控 [30][31] - **与Groq合作**：公司聘用了Groq团队约400名工程师并获得其技术授权，其架构专为“低时延token生成”优化，未来可能共同创造面向新场景的产品类别 [32][33] - **中国市场**：H200产品在中国市场目前仍有竞争力且需求强劲，但竞争不会永久持续，公司希望持续推出有竞争力的新产品，并指出美国监管需动态发展以维持市场竞争力 [34][35] 关于马斯克、太空算力和自动驾驶 - **太空算力**：在太空部署AI工厂（数据中心）技术可行，因太阳能充足、散热条件好，但供电和散热系统需完全重新设计，GPU芯片架构可保持不变 [38][39][40] - **自动驾驶**：特斯拉拥有全球最先进的自动驾驶技术栈之一，公司认为其技术路线非常先进，两者体系架构接近，公司方案在以视觉为核心之外还配置了雷达与激光雷达 [41][43] 关于护城河和开放生态 - **开放生态**：公司平台横跨所有科研领域、AI公司和主流模型，坚持开放是其能与所有主要AI公司（如OpenAI、xAI、Google Gemini）合作的基础 [3][45] - **护城河**：公司是全球唯一能从CPU、GPU到网络与存储实现全栈架构的企业，并在软件栈、模型层、基础设施层持续创新，通过渠道与生态网络深入制造业、医疗健康、汽车、金融等多个行业 [46] - **竞争格局**：中国出现大量AI芯片初创公司且发展良好，展现了顶尖的科技产业活力，公司必须通过持续快速创新来参与竞争并保持引领地位 [46]

人工智能发展趋势 - AI已从概念化进入全面落地新阶段，端侧AI和物理AI成为技术突破重要方向 [1] - AI正从一项功能演进为所有体验的基础，成为系统运行的底层能力，下一代人机交互通过AI智能体完成看、听、理解并行动的全过程 [1] 个人AI发展 - AI正深入可穿戴设备、个人终端和电脑，演进为用户身边的智能助手 [2] - 硬件形态突破传统终端边界，AI眼镜、AI家电、AI首饰、AI相机等多样化产品集中涌现，并在视障辅助、户外运动、实验室记录等细分场景解决具体需求 [2] 物理AI发展 - AI正加速走进汽车、机器人和智能家居等现实世界场景，使机器具备感知环境、理解意图并实时行动的能力 [2] - 具身智能处于关键拐点，能打通AI与物理世界的连接，将智能转化为可执行生产力 [2] - 终端形态不断丰富，从工业机械臂到人形机器人、特种作业平台，应用场景持续拓展，在物流、制造、零售等领域承担分拣、装配、补货等高强度或高重复性工作，有望显著提升生产效率 [2] - 公司面向人形机器人、自主移动机器人和工业机器人推出新一代处理器，支持生态伙伴加速产品开发 [2] 汽车AI应用 - AI智能体在汽车领域加速落地，座舱交互与驾驶辅助的AI能力深度融合增强，人车交互从点击走向理解 [3] - 公司与谷歌深化汽车领域合作，通过整合骁龙数字底盘与谷歌汽车软件，为下一代智能体AI在车载场景中的部署提供支持 [3] 未来AI架构与平台 - 未来AI将在云端、边缘云和终端侧协同运行，混合AI将成为主流形态 [3] - 终端侧AI在实时性、可靠性、隐私保护和能效方面具备天然优势，适用于汽车、可穿戴设备和机器人等场景 [3] - 云端AI在大规模训练、跨设备协同和持续进化方面发挥不可替代作用 [3] - 第六代移动通信技术（6G）将成为云端与边缘之间的重要连接桥梁，助力构建具备感知能力的智能网络 [3] - 未来端侧AI的重要突破点可能集中在机器人和可穿戴设备领域，同时智能手机、AI个人电脑和智能网联汽车仍将是端侧AI的重要承载平台 [3]

AI行业竞争与趋势 - AI竞争进入白热化阶段，行业探讨焦点集中于“如何让AI向物理世界延伸”，即“物理AI”成为关键词 [2] - 英伟达CEO黄仁勋指出AI行业迎来拐点，AI变得更智能、具备推理能力且应用范围更广，实用性大幅提升，其开源物理AI模型“Cosmos”下载量已达百万次 [2] - AMD发布多款AI新品，包括MI455X GPU AI芯片、Ryzen AI 400系列处理器等，并计划在2027年推出采用2纳米工艺的MI500系列芯片，目标在未来4年内将AI性能芯片提升1000倍 [2] - 高通发布面向工业级自主移动机器人和人形机器人的高性能处理器“高通跃龙IQ10系列”，旨在为机器人提供高性能、高能效的“机器人大脑”能力 [2] - 行业分析师指出，投资者当前主要顾虑之一是端侧AI进展不足、场景落地存在瓶颈，但从CES 2026发布的新品来看，2026年AI在端侧的落地有望提速 [3] 中国智能产品出海动态 - 多家中国机器人公司携产品亮相CES 2026，包括帕西尼的人形机器人TORA-ONE、宇树科技、云深处、智元机器人、傅利叶及北京人形机器人创新中心的“天工”系列人形机器人，展示中国在具身智能机器人领域的技术突破与场景落地实力 [4][5][6] - 帕西尼展示的多维触觉传感器GEN3系列具备0.01N的精细力识别能力，全量程重复精度小于0.5%FS，采样频率高达1000Hz，可同步测量六维力、材质等15种感知维度 [4] - 松延动力携核心产品“小顽童N2”参展，计划在2026年第二季度于北美、中东、欧洲、东南亚、日韩五大核心区域实现千台量级规模的市场拓展，旨在向全球输出品牌认知 [5] - 围绕家居场景的垂类智能产品（如割草机、泳池清洁机器人）及AI可穿戴设备成为中国企业展示重点，追觅、石头科技、科沃斯、云鲸等企业均有核心产品或新品参展 [6] - 追觅首次在CES完整呈现“追觅全屋智能生态”，展出超过150款产品，包括H15ProHeat洗地机、H16ProSteam洗地机等创新产品 [6] - AI眼镜厂商Rokid推出超轻无屏AI眼镜Rokid AI Glasses Style，产品重量仅38.5克，支持ChatGPT、DeepSeek和Qwen等多平台AI大模型 [6] - 行业人士认为，中国家电产品因高智能化水平、高效研发迭代和优秀性价比已获全球认可，未来与AI技术结合并推向全球市场将是行业长期主线 [6] 自动驾驶技术进展 - 自动驾驶技术逐渐成熟，推动L4级自动驾驶越来越多地进入民众日常生活，例如参展者在CES场馆外试乘了Zoox Robotaxi [7] - 行业观察指出，自动驾驶已从“噱头”走向落地和快速扩张，随着AI技术成熟，智能汽车成为AI技术的重要承载物，其定义从交通工具外延为移动智能空间 [7] - 英伟达CEO黄仁勋宣布推出用于辅助驾驶的开源VLA推理模型“Alpamayo R1”，并认为自动驾驶将是首个大规模、主流的物理AI应用市场，从非自动驾驶到自动驾驶的转折点可能正在发生 [7]

文章核心观点 - AI发展正经历从数字聊天到物理世界应用的关键转折点，其商业逻辑的核心在于通过技术创新大幅降低推理成本，从而引爆更广阔的市场需求，尤其是在制造业和物流业等实体行业 [1][2][44] - 中国AI模型（如DeepSeek）和硬件企业（如宇树机器人）凭借在推理效率、成本控制和供应链方面的优势，已在全球AI竞赛的某些赛道上取得领先，并得到国际巨头（如英伟达）的公开认可 [6][7][21][36][45] - 行业巨头正围绕“AI从云端到边缘”的落地进行战略布局，英伟达、英特尔、AMD等公司在芯片和计算架构上各出奇招，争夺物理AI、空间智能和边缘计算市场的巨大机会 [22][31][34] 关键信号：黄仁勋公开表扬中国AI模型 - 英伟达CEO黄仁勋在CES上罕见公开表扬中国AI模型，特别提及DeepSeek是“让整个世界惊讶”的开源模型，并认为开源模型已比闭源模型领先半年 [6][7] - 黄仁勋还提到了月之暗面的Kimi K2模型，显示对中国AI发展的关注 [8] - 中国团队在推理效率上展现出独特优势，例如DeepSeek能用更少的算力达到与GPT-4相近的效果，实现了极致的成本控制 [9][10] 深层逻辑：成本下降驱动市场爆发 - 英伟达的核心商业利益与降低AI推理成本一致，高成本会限制AI应用仅局限于少数大公司，市场规模有限 [13][15][16] - 若推理成本能降至原来的十分之一，潜在客户群体将从数千家扩展到数十万家，从而引爆对英伟达芯片的爆炸式需求 [17] - 类比智能手机发展史，安卓系统通过降低价格做大了整个移动互联网市场，最终使高通等芯片厂商受益，AI发展将遵循类似逻辑 [17] - 英伟达发布的新一代Rubin芯片，推理算力是上一代的5倍，有望将成本降至五分之一，从而推动AI在工厂、餐厅等实体场景的规模化部署 [17][24] 物理AI：价值50万亿美元的核心赛道 - 黄仁勋提出“物理AI的ChatGPT时刻已经到来”，强调AI需从聊天走向实际干活，创造真实价值 [22][23] - 制造业和物流业是全球价值超过50万亿美元的巨大市场，但目前自动化程度仍低，是物理AI落地的核心场景 [23] - CES上展示了如波士顿动力、卡特彼勒等公司的机器人，其动作流畅度已能支持真实工厂流水线24小时连续作业 [25] - 成本降低是物理AI落地的关键，例如部署100个机器人，若单机年成本从10万降至2万，总成本节省达800万，使项目从实验性转向具备明确商业可行性 [24] 从语言智能到空间智能的跨越 - 斯坦福大学教授李飞飞指出，大语言模型受制于语言本身，而语言仅是世界的描述，并非世界本身 [27][28] - 李飞飞创立的World Labs致力于让AI理解真实的三维物理世界，例如通过几张照片生成可实时导航、符合物理规律的三维场景，这对建筑设计、机器人仿真具有革命性意义 [29] - 这代表了AI从“语言智能”到“空间智能”的跨越，是AI深入理解并交互物理世界的关键一步 [29] 巨头战略：抢滩边缘AI与算力突破 - 英特尔发布了全球首款1.8纳米的AI PC芯片，算力达180TOPS，使笔记本等设备能在本地离线运行大模型，强调了边缘AI在隐私、响应速度和可用性方面的价值 [32][33] - AMD则强调其在突破算力瓶颈、支持海量并行计算方面的优势，以应对空间智能等任务的需求 [33] - 行业巨头战略分化：英伟达押注机器人，英特尔主攻PC端侧，AMD强调算力突破，共同争夺AI从云端下沉至边缘设备的巨大市场 [34] 中国企业的角色与优势 - 在CES上，宇树机器人、智元机器人、傅利叶人形机器人等中国硬件企业集体出海，展示实力 [36] - 中国企业的核心优势在于极致的成本控制和规模化量产能力，例如宇树G1机器人价格仅为国外竞品的三分之一，DeepSeek的推理成本比OpenAI便宜90% [37] - 中国拥有全球最完整的制造业供应链，从芯片代工到传感器、电机等，能大幅缩短从产品原型到量产的周期 [37] - 在AI应用落地的下半场，更快、更便宜地将技术转化为产品的能力至关重要，这恰是中国企业的强项 [37] - 同时需认识到，在底层架构（如CUDA生态）和软件开发者工具链方面，与国际领先水平仍有差距 [38] 可落地的机会方向 - 个人应学会利用端侧AI工具提升工作效率，AI已成为职场竞争力的一部分 [40] - 关注AI与实体行业（如制造业、物流、农业、建筑）的结合点，主动了解AI如何改造现有工作岗位 [41] - 关注边缘计算和机器人领域催生的新职业机会，如机器人的部署、维护、训练等操作与排障岗位，需求将大量涌现 [42]

产能扩张与交付里程碑 - 公司计划在2026年将年产能从2025年的200万台提升至400万台，实现翻倍增长 [1] - 公司位于泰国曼谷的新工厂“伽利略”预计于2027年初投产，以完善全球产能布局 [1] - 截至新闻发布时，公司全系激光雷达产品历史累计交付量已超过240万台 [3] - 公司2025年全年交付量超过160万台，并已连续五年实现全年交付量翻番 [3] - 公司单月最高交付量已突破20万台 [3] - 公司2025年ADAS产品交付约140万台，机器人产品交付超过20万台 [3] - 爆款产品ATX在首年交付量即突破100万台 [3] 产品与技术实力 - 公司平均每10秒即可下线一台激光雷达，依托自建的全自动化生产线和综合中心 [3] - 公司通过自主研发四代专用ASIC芯片，构建了快速迭代、高可靠性及可全球复制的规模化生产能力 [3] - 公司在CES 2026上推出了新一代L3车规激光雷达解决方案，包含超远距ETX和纯固态近距补盲FTX [4] - 该L3解决方案已获得首个乘用车量产定点，计划于2026年底或2027年初启动量产 [4] - 公司已锁定前两大ADAS客户2026年全系车型的定点合作，并实现100%标配 [5] - 近期发布的ATX焕新版累计获得超过400万台订单，计划于2026年4月启动量产交付 [5] 市场认可与客户合作 - 数据显示，搭载激光雷达的车辆相比纯视觉方案，可降低90%的高速致命事故风险，减少30%的常规交通事故 [5] - 激光雷达在中国新能源汽车市场的渗透率已达到28% [5] - 公司已累计获得24家主机厂超过120个车型的量产定点 [5] - 核心客户涵盖欧洲顶级主机厂、全球新能源销量冠军车企，以及理想、小米、长安、吉利等国内头部品牌 [5] - 公司已斩获多家海外头部车企及国内头部新势力的L3项目定点 [4] 多元化应用与行业赋能 - 在Robotaxi与自动驾驶卡车领域，全球多家创新企业的自动驾驶车队选用公司产品，部分车型计划搭载多达8颗激光雷达 [6] - 公司的360°超远距OT128激光雷达已广泛应用于Motional、百度萝卜快跑、滴滴自动驾驶等企业的L4级Robotaxi项目中 [6] - 在机器人与工业市场，公司JT系列迷你型360°超半球3D激光雷达累计出货量已突破20万台 [6] - 该系列产品已应用于割草机器人、智能伴随机器人、3D空间数字化设备等多元场景 [6]

报告行业投资评级 - 行业投资评级：强于大市 [1] 报告的核心观点 - 人工智能进入“物理 AI”时代，机器人和自动驾驶有望成为其理想载体 [1][5] - 英伟达Rubin平台已进入全面量产阶段，其核心原材料有望迎来“从0→1”的关键节点，供应链备货亦有望提速 [1][5] 根据相关目录分别进行总结 行业趋势与事件 - 2026年CES展上，英伟达CEO黄仁勋宣布AI进入“物理AI”时代，强调AI需融合重力、摩擦等真实物理动态以执行复杂任务，其核心支柱包括Newton物理引擎、Cosmos基础模型平台、GPU+LPU混合架构 [5] - “物理AI”需要较大的算力、数据等资源支撑，对AI算力基础设施建设提出了更高的要求 [5] 关键产品与技术进展 - 英伟达Rubin平台已全面进入量产阶段，基于该平台的产品将于2026年下半年通过合作伙伴面市 [5] - 相较于Blackwell平台，Rubin GPU NVFP4推理性能提升至50 PFLOPS（提升5倍），NVFP4训练性能提升至35 PFLOPS（提升3.5倍），HBM4内存带宽提升至22 TB/s（提升2.8倍），单GPU的NVLink互连带宽提升至3.6 TB/s（提升2倍） [5] - Rubin架构采用Vera CPU、Rubin GPU、NVLink 6、ConnectX-9、BlueField-4、Spectrum-6协同设计，实现了推理成本的革命性下降 [5] - Rubin订单规模已达3000亿美元 [5] 核心应用载体 - 机器人和自动驾驶被视作“物理AI”的理想载体 [1][5] - 黄仁勋将机器人称为“AI的终极形态”，并宣布与特斯拉深化合作为Optimus人形机器人提供AI大脑 [5] - Optimus通过Omniverse数字孪生平台完成90%以上训练，自主运行比例达85%，远超行业均值 [5] - Optimus量产计划包括：2026年第一季度实现5万台量产，成本降至2万美元以下；2026年底产能提升至10万台，覆盖零件分拣、组装、质检全流程 [5] - 英伟达开源Alpamayo系列AI模型，支持L4级自动驾驶 [5] 供应链影响与投资机会 - 英伟达Rubin服务器的Compute Tray/Switch Tray/Midplane/CPX对应的PCB和CCL解决方案将分别升级至M8/M8.5/M9/M9解决方案 [5] - M9解决方案可能会采用高频高速树脂+HVLP4/5铜箔+Q布的材料组合，M8.5解决方案可能会采用高频高速树脂+HVLP4铜箔+Low-Dk二代布的材料组合 [5] - Rubin Ultra服务器有望采用M9树脂+高阶HVLP铜箔+Q布的正交背板解决方案 [5] - Rubin服务器上游供应链预计将在2026年上半年开启备货潮，届时M8.5和M9 PCB/CCL的核心原材料有望迎来“从0→1”的关键节点 [5] - AI从数字世界延伸至真实世界，机器人、自动驾驶、端侧AI硬件有望成为AI的市场载体，推动AI商业化落地，并刺激上游供应链出货进度 [5] 具体投资建议 - 建议重点关注英伟达供应链相关公司 [3] - PCB领域：胜宏科技、沪电股份、深南电路 [3] - CCL领域：生益科技 [3] - Q布领域：菲利华、中材科技 [3] - 树脂领域：东材科技 [3]

核心观点 - 英伟达CEO黄仁勋在新年演讲中，围绕Agentic AI、物理AI和新芯片三大关键词，发布了下一代AI技术平台与战略，旨在通过开源关键模型和发布颠覆性硬件，定义未来十年的AI技术标准与基础设施，并巩固其从数据中心到智能终端的全栈生态优势 [1][10] 新芯片架构Vera Rubin - 英伟达发布由六个部分组成的Rubin平台，包括Rubin和Rubin Ultra两种规格的GPU与CPU、NVLink 6交换芯片和ConnectX-9 SuperNIC，新服务器专为处理AI模型训练所需的海量计算负载而设计 [2] - Rubin GPU性能相比前代Blackwell实现巨大飞跃：NVFP4推理算力达50 PFLOPS，是Blackwell的5倍；NVFP4训练算力达35 PFLOPS，是Blackwell的3.5倍；HBM4内存带宽达22 TB/s，是Blackwell的2.8倍；晶体管数量达3360亿个，是Blackwell的1.6倍 [2] - 通过软硬件协同设计，Rubin平台将推理token成本降低10倍，并将训练MoE模型所需的GPU数量减少4倍 [2] - 下一代AI超级芯片平台Vera Rubin已进入全面量产，计划于2026年下半年开始向合作伙伴交付，AWS、Google Cloud、Microsoft、Oracle等主要云服务商已确认部署 [3] Agentic AI战略 - 英伟达发布多语言预训练语料库Nemotron-CC，覆盖140多种语言，总规模达1.4万亿token，旨在作为构建和微调模型的“开放”基础层，以降低Agent开发成本 [4] - 公司同时强调名为“Granary”的指令数据集，目标是让模型在企业级任务上“开箱即用” [4] - 利用英伟达的硬件和框架，开发者可在几分钟内构建出功能完整的个人助理 [5] - 英伟达通过开源生态巩固硬件优势，在2025年是Hugging Face上最大的贡献者之一，发布了650个开放模型和250个开放数据集 [5] - Agent门槛的降低将深远影响企业IT部门，未来工作内容可能转变为“招募、管理和优化”各种AI数字代理，使其从被动工具转变为能主动解决问题的数字员工 [5] 物理AI布局 - 物理AI是联动现实世界与物理世界的新应用场景，自动驾驶、机器人、工业制造是首推的三大落地场景 [6] - 英伟达已为物理AI工作8年，认为其“ChatGPT时刻”即将到来，仿真是其几乎所有物理AI工作的核心，通过Omniverse平台构建“数字孪生”环境供AI安全高效训练 [7] - 在自动驾驶领域，推出开源推理VLA模型Alpamayo系列，包含开源AI模型、仿真工具和数据集，以加速基于推理的安全自动驾驶车辆开发，这是其数千人AV团队的工作成果 [8] - 黄仁勋预测，从非自动驾驶到自动驾驶的转折点可能正在发生，未来十年世界上很大一部分汽车将是自动驾驶或高度自动驾驶的 [8] - 英伟达DRIVE AV软件将用于梅赛德斯奔驰车辆，相关AV自动驾驶汽车已投入生产，计划第一季度在美国上路，第二季度进入欧洲，第三或第四季度进入亚洲，并将持续更新版本以扩大L4 Robotaxi生态系统 [8] - 在机器人领域，发布了面向智能机器人的推理视觉语言模型Isaac GR00T N1.6以及多个用于机器人开发的新开源框架 [8] - 在工业制造领域，宣布与西门子深化合作，将英伟达的物理AI模型和Omniverse平台集成至西门子的工业软件组合，覆盖从芯片设计、工厂模拟到生产运营的全生命周期，黄仁勋称此举正站在一场新工业革命的开端 [9]

文章核心观点 - 英伟达在CES 2026上发布了一系列面向物理AI和Agentic AI的新产品与平台，标志着其战略重心从游戏显卡全面转向AI，并将技术护城河从芯片层拓展至全栈平台层（模型+数据+工具）[1][2][6][9] 下一代数据中心架构：Vera Rubin - 正式推出下一代AI数据中心机柜架构Vera Rubin NVL72，其六大核心组件包括Vera CPU、Rubin GPU、NVLink 6 switch、ConnectX-9 SuperNIC、BlueField-4 DPU、Spectrum-6 Ethernet switch[14][15] - Rubin GPU在NVFP4数据格式下，推理性能达50 PFLOPS，是Blackwell GB200的5倍；训练性能达35 PFLOPS，是Blackwell的3.5倍[4][17] - 每颗Rubin GPU封装8组HBM4内存，提供288GB容量和22 TB/s带宽[18] - 引入NVLink 6用于规模内扩展网络，单GPU互连带宽达3.6 TB/s（双向），每个机架配备9颗交换芯片，总规模内带宽达260 TB/s[20][21] - Vera CPU集成88个定制Olympus Arm核心，最多可同时运行176个线程，其与GPU的NVLink C2C互连带宽达1.8 TB/s，可寻址最多1.5 TB的LPDDR5X内存[22] - 推出基于Spectrum-6芯片的共封装光学以太网交换机，用于机架扩展，其中SN688提供409.6 Tb/s总带宽，SN6810提供102.4 Tb/s总带宽[24][25][26][27] - 推出BlueField-4 DPU，构建推理上下文内存存储平台，旨在高效共享与复用键值缓存数据，提升系统响应与吞吐[32][34] - 每个Vera Rubin NVL72机架可提供3.6 exaFLOPS的NVFP4推理性能、2.5 exaFLOPS的NVFP4训练性能、54 TB的LPDDR5X内存以及20.7 TB带宽达1.6 PB/s的HBM4内存[36][37] - 与Blackwell相比，Vera Rubin训练MoE模型所需GPU数量仅为四分之一，在MoE推理场景下每token成本最高可降低10倍[36] - 用于构建该机架的六类芯片已全部从晶圆厂交付，预计2026年下半年启动规模化量产[38] 自动驾驶开源模型与生态 - 发布全新开源模型系列Alpamayo，面向安全推理的自动驾驶，其中Alpamayo 1是全球首款开源、大规模的自动驾驶视觉-语言-行动推理模型，参数为100亿[39][41] - 模型接收车辆运动历史、多摄像头实时视频和用户指令，输出驾驶决策、因果推理结果和行驶轨迹[42] - 配套发布开源仿真框架AlpacaSim，以及一个包含1700小时驾驶数据的开源数据集，数据涵盖全球广泛地理区域与复杂边缘场景[44][45] - Alpamayo将率先搭载于2025年第二季度欧洲上市的梅赛德斯-奔驰CLA车型，后续通过OTA升级推送更多自动驾驶功能[45] - 展示了基于自身技术构建的全球L4级自动驾驶与Robotaxi生态系统全景，覆盖软件开发商、整车厂/出行平台、硬件供应商全产业链[47] AI智能体与多模态模型 - NVIDIA Nemotron模型家族推出针对语音、RAG以及安全三大场景的专项模型[49] - Nemotron Speech包含新的自动语音识别模型，支持实时低延迟场景如实时字幕生成，速度比同类模型快10倍，已被博世采用[51][52] - Nemotron RAG搭载新的视觉语言模型，能精准处理多语言、多模态数据以提升文档搜索效率[53] - Nemotron Safety系列模型专注于增强AI应用安全性与可信度，包括内容安全模型和检测敏感数据的PII模型[53] 物理AI与机器人平台 - 为机器人推出的“大脑”Cosmos平台升级，全新发布Cosmos Reason 2（视觉-语言推理模型）、Cosmos Transfer 2.5与Cosmos Predict 2.5（合成视频生成模型）[56][60] - 发布Isaac GR00T N1.6，一款专为类人机器人打造的开源视觉-语言-行动推理模型，支持全身控制并集成Cosmos Reason模型[61] - 发布NVIDIA AI Blueprint for Video Search and Summarization，提供参考工作流以构建能分析大量录播及直播视频的视觉AI智能体[61] - Cosmos平台已被Figure、Agility Robotics、通用汽车等公司采用，其模型正被Salesforce、Uber等企业用于开发AI智能体[54][58] 医疗健康与生命科学AI - NVIDIA Clara是专门针对医疗健康与生命科学领域的AI技术工具，旨在降低行业成本、加速治疗方案落地[62][63] - 该系列包含多款专项模型：La-Proteina（设计大型蛋白质）、ReaSyn v2（药物生产考虑）、KERMT（预测药物人体反应）、RNAPro（预测RNA 3D结构）[64][69] - 将为研究者提供包含45.5万个合成蛋白质结构的数据集[66] 开源与生态建设 - 宣布持续向社区开源训练框架以及多模态数据集，数据集包括10万亿语言训练token、50万条机器人轨迹数据、45.5万个蛋白质结构、100TB车辆传感器数据[5] - 演讲中提及国产开源模型DeepSeek、Kimi K2、Qwen，体现了对全球开源生态的关注[11][12]

文章核心观点 - 英伟达CEO黄仁勋在CES演讲中，将焦点从消费级显卡转向物理AI，并宣布了公司在开源模型、自动驾驶及下一代计算架构方面的重大进展，标志着AI正从数字世界走向物理世界，并进入大规模产业部署阶段 [1][5][17] 开源模型的崛起与影响 - 开源模型的崛起彻底改变了人工智能，成为全球创新的催化剂，其中DeepSeek R1的出现意外推动了整个行业的变革进程 [2] - 全球开源模型性能正快速逼近顶尖水平，目前仍落后最顶尖的闭源模型约6个月，但差距在逐步缩短 [4] - 演讲中展示了多款开源大模型，其中包括三款中国大模型：Kimi K2、DeepSeek V3.2和Qwen（千问）[2][6] 物理AI与自动驾驶进展 - 物理AI被定义为AI发展的第四阶段，它能够在物理世界中学会思考物理因果关系，其“ChatGPT时刻”已经到来 [8] - 英伟达发布全球首个开源自动驾驶推理模型Alpamayo，与特斯拉FSD展开竞争，该模型引入视觉-语言-行动模型，首创“决策——因果——推理”因果链，能生成自然语言解释决策逻辑 [8] - 搭载Alpamayo技术的奔驰CLA，将在今年第一季度在美国上市，之后逐步进入欧洲和亚洲市场 [8] - 公司认为，在接下来的10年里，世界上很大一部分汽车将是自动驾驶的、高度自动驾驶的 [9] - 特斯拉CEO马斯克指出，达到99%的准确率很容易，但要解决分布的长尾部分（如极端天气、突发障碍物）超级难，而特斯拉FSD凭借海量真实驾驶数据拥有优势 [9][10] 下一代计算架构Rubin - 英伟达下一代超级计算架构Vera Rubin正式登场，其创新在于“六款芯片协同设计”，共同执行计算、思考、数据处理、网络通信等任务 [11][13] - 在推理任务下，Rubin GPU性能达到50 PFLOPS（每秒5000万亿次运算），是Blackwell的5倍；训练性能达到35 PFLOPS，是Blackwell的3.5倍 [13] - 对比H100的性能约4 PFLOPS，Rubin有巨大提升 [14] - Rubin推理成本降低了10倍，花更少钱、用更少的时间，干更多的活 [15] - 上一代Blackwell需要一个月完成Alpamayo模型的训练，Rubin仅需一周；在Rubin上跑Alpamayo，推理延迟降低至1毫秒 [15] - Vera Rubin架构已经全面进入量产阶段 [16] 行业趋势与意义 - 中国开源大模型的崛起，让大模型不再是少数巨头的游戏 [17] - 物理AI的突破，让AI从虚拟走向实体 [17] - Rubin架构的诞生，让高效能、低成本的智能部署成为可能 [17] - 三者交织之下，AI正从实验室走向工厂、道路、社区，成为重塑产业、改变生活的核心力量 [17]