发帖
雷达卡
今天凌晨3点30，英伟达创始人兼CEO黄仁勋在全球最大的消费电子展CES 2026上，进行了重磅开场演讲，深度探讨了未来AI发展方向。
黄仁勋认为，AI已经进入智能体大时代，同时他本人每天也在使用各种AI智能体来执行日常工作，一个由智能体驱动的数字化世界已经来临！
完整演讲视频
以下是由CAIE整理的演讲内容：
朋友们，早上好！欢迎来到CES 2026。今天现场有3000位观众，庭院里还有2000人，四楼展厅也站了1000人，而全球更有数百万观众在线观看。
我很高兴能在这个新年的开端，与大家共同见证一个历史性时刻，我们正站在一场前所未有的双重平台转移的起点上。
过去几十年，计算行业大约每十年到十五年就会经历一次平台转移：从大型机到PC，再到互联网、云计算和移动设备。但这一次不同。我们不是在经历一次转移，而是在同时经历两次根本性的变革。
首先，未来的应用程序将不再只是使用AI，而是直接构建于AI之上；其次，整个计算技术栈正在被彻底重塑。我们曾经通过编程来编写软件，现在则通过训练来生成智能。
硬件重心正从CPU全面转向GPU，而应用本身也不再是静态预编译的程序，而是能够理解上下文、每次都能从零开始动态生成像素、文本甚至行动的智能体。
这意味着，过去十年价值约十万亿美金的计算基础设施，正在向AI现代化演进。全球每年数千亿美金的风险投资，以及价值百万亿美金的产业研发预算，都在迅速转向AI方法。
回望2025年，我们见证了AI发展的几个关键里程碑。首先是推理模型的成熟，继2022年ChatGPT引爆世界之后，2023年出现了首个具备“测试时缩放”能力的推理模型，让AI能在回答前真正“思考”，而这需要巨大的算力支撑。
到了2024年，智能体系统开始兴起，并在2025年走向普及。这些AI不仅能推理，还能主动查找信息、调用工具、规划未来并模拟结果。
我自己每天都在用我们内部开发的代码助手Cursor，它彻底改变了软件工程的工作方式。与此同时，AI也开始走出数字世界，进入物理现实。我们称之为物理AI，它不仅与物理世界互动，还试图理解物理定律本身，即AI物理学。而开源模型的爆发同样令人振奋。
DeepSeek R1作为首个开源的推理系统，点燃了全球创新的火种。如今，顶尖的开源模型已接近前沿水平，尽管仍比闭源模型慢大约六个月，但它们的下载量呈指数级增长，让全世界的研究者、初创公司乃至国家都能平等地参与这场AI革命。
作为英伟达的创始人兼CEO，我要明确告诉大家，我们不仅是芯片公司，更是前沿AI模型的构建者，而且是以完全开放的方式进行。我们投入巨资建设了自己的DGX Cloud超级计算机，专门用于训练最尖端的开源模型。
我们已经发布了覆盖多个领域的模型组合，在生物领域，有La Protina用于蛋白质合成，OpenFold 3用于结构预测，EVO 2用于多蛋白生成；在气候与物理领域，有Earth-2、ForecastNet和CorDiff用于高精度天气模拟；
在基础模型方面，我们推出了NeMo，一种新一代混合Transformer-SSM架构，既能长时间深思，也能快速响应；还有Cosmos，这是一个开放世界基础模型，旨在理解世界如何运作。
以及Groot，专为人形机器人设计。更重要的是，我们不仅开源模型，还开源训练数据，并提供完整的Nemo Libraries和Clarono Libraries工具链，覆盖从数据处理、训练、评估到部署和安全防护的全生命周期。
我们的模型已在多模态文档理解、语音识别和语义搜索等多个排行榜上名列前茅。
展望未来，我认为所有AI应用都将基于一个统一的架构，由多模型驱动的智能体。这个智能体必须能自主分解任务、调用最适合的模型，无论是本地运行的、云端托管的、开源的还是闭源的，并跨混合云环境无缝协作。
我现场演示了一个个人智能助理：它整合了我的日程、邮件、待办事项，甚至家庭监控摄像头，全部通过Brev平台在几分钟内搭建完成。
它调用了DGX Spark上的前沿模型API、本地运行的开源模型、意图路由机制，以及Hugging Face的Reachi机器人。
最关键的是，所有敏感数据都保留在本地，确保隐私安全。这种在几年前“绝对无法想象”的应用，如今已变得“微不足道”。而像Palantir、ServiceNow、Snowflake这样的顶级企业平台，正在将这一架构深度集成。智能体，将成为下一代用户界面。
但AI的终极使命，是走出屏幕，走进现实世界。这就是我们所说的“物理AI”。要实现这一点，我们需要三台协同工作的计算机：一台用于训练，一台部署在边缘，还有一台用于仿真，而这正是英伟达的核心优势所在。
我们的Omniverse平台提供了物理级精确的数字孪生环境，而Cosmos模型则能将语言、图像、3D和动作对齐，通过合成数据生成技术，创造出海量真实世界难以获取的“长尾”场景数据。
今天，我很自豪地向大家介绍Alpamo，全球首个会“思考”的自动驾驶汽车AI。它采用端到端训练，直接从摄像头输入生成方向盘、刹车和油门的控制信号。它的训练数据融合了人类驾驶示范、Cosmos生成的合成数据，以及数十万条精心标注的示例。
最关键的是，Alpamo不仅能自动驾驶，还能实时解释它为什么要这么做、打算怎么走。这使它能将复杂的罕见场景拆解为已知的简单模式来处理。
我们与梅赛德斯-奔驰合作，基于CLA车型打造了这款车，它已获得NCAP全球最高安全评级。我们的自动驾驶栈是唯一拥有双重冗余系统的，主系统是Alpamo，备用系统是我们多年积累的传统AV栈，由一个安全策略评估器在两者间无缝切换，确保万无一失。
虽然我们的栈是垂直整合的，但它对整个生态系统完全开放，支持L4级自动驾驶和Robotaxi公司。搭载Alpamo的奔驰汽车将于2026年第一季度在美国上市，随后登陆欧洲和亚洲，并将持续通过OTA更新进化。
自动驾驶只是物理AI的第一步。下一个巨大市场是机器人。今天，我邀请了一群由Jetson芯片驱动的机器人朋友登台，它们在Omniverse中通过Isaac Sim和Isaac Lab训练而成，代表了我们与波士顿动力、Agility、Franka Emika等众多伙伴共同构建的繁荣生态。机器人时代，已经开启。
当然，我也不能忘记我们的衣食父母，EDA和CAE行业。没有你们，就没有今天的英伟达。现在，轮到我们回馈了。
我们正与Cadence、Synopsys深度合作，将CUDA-X、物理AI、智能体技术和NeMo模型集成到他们的芯片与工业设计工具中，实现AI驱动的设计、仿真与验证。
尤其值得一提的是，我们与西门子建立了战略联盟：将NVIDIA的AI模型、CUDA-X库和Omniverse平台全面融入西门子的EDA、CAE及数字孪生产品线。
未来的工厂，无论是造芯片、电脑还是药品，都将是物理AI与机器人驱动的巨型机器人。
然而，这一切都建立在强大的算力基础之上。面对AI算力需求的爆炸式增长，模型规模越来越大，“思考”过程越来越长，KV缓存消耗越来越多，我们必须重新思考计算的根基。
因此，今天我正式发布英伟达下一代AI超级计算机：Vera Rubin，以纪念发现暗物质的伟大天文学家薇拉·鲁宾。
由于摩尔定律已近极限，我们采取了“极端协同设计”策略，在这一代同时重新设计了六款核心芯片，Vera CPU性能是Grace的两倍。
Rubin GPU凭借革命性的MVF FP4 Tensor Core，在晶体管仅增加1.6倍的情况下，FP4性能达到Blackwell的五倍；ConnectX-9 NIC提供1.6Tb/s网络带宽；
BlueField-4 DPU不仅卸载存储与安全任务，更成为KV缓存的专用加速器；Spectrum-X交换机是全球首款采用共封装光学技术的以太网交换机；
而NVLink Switch单机架互联带宽高达240TB/s，超过全球互联网总带宽的两倍。在系统层面，我们实现了无缆化设计，组装时间从两小时缩短至五分钟；
采用45°C温水液冷，无需冷水机组，可节省全球数据中心6%的电力；全链路机密计算保护客户模型与数据；电源平滑技术则解决了AI负载瞬时功耗飙升的问题。
相比Blackwell，Vera Rubin在训练1 0万亿参数模型时速度提升4倍，AI工厂吞吐量提升3.5倍，整体训练时间大幅度减少。
朋友们，我们正处在一个新时代的黎明。AI不再是工具，而是新的通用技术平台，它将重塑每一个行业、每一座工厂、每一辆汽车、每一个机器人，乃至我们与世界的互动方式。
英伟达的使命，就是为这场AI工业革命提供最强大、最开放、最完整的基础设施。我们的目标从来不是取代人类，而是增强人类，赋予我们解决世界上最复杂问题的能力。
谢谢大家！
想转型AI，不被时代淘汰
CAIE注册人工智能工程师认证
岗位能力 × AI工具 ×转型方向 × 场景落地 = 新AI职业价值
扫码免费领取《AI工程师入门学习指南》
京公网安备 11010802022788号
