1月6日，一年一度CES，英偉達CEO黃仁勛又穿著他那身皮衣，帶來了新年的第一場公開演講。

罕見的是，這一次他沒有發(fā)布新的消費級顯卡，而是把目光轉(zhuǎn)向物理AI。

黃仁勛點贊Kimi、DeepSeek和千問

演講開場，黃仁勛先回顧了過去一年AI行業(yè)的進展，表示開源模型的崛起徹底改變了人工智能，已經(jīng)成為全球創(chuàng)新的催化劑。

他直言，DeepSeek R1的出現(xiàn)意外推動了整個行業(yè)的變革進程，讓全世界驚訝。

背后的PPT上，展示了全球多款開源大模型，其中包括三款中國大模型：

Kimi K2

DeepSeek V3.2

Qwen（千問）

黃仁勛認為，全球開源模型性能正在快速逼近頂尖水平，即便目前仍落后最頂尖的閉源模型約6個月，但差距在逐步縮短。

未來10年

很大一部分汽車將是自動駕駛的

開源模型如此快的迭代速度，英偉達也不想錯過。

在現(xiàn)場，他一口氣介紹了英偉達開源模型宇宙下的六大領(lǐng)域開源模型矩陣，涵蓋智能體AI、物理AI、自動駕駛、機器人等。

這六大開源模型系列構(gòu)成了英偉達物理AI的全棧技術(shù)體系。

黃仁勛解釋，物理AI是AI發(fā)展的第四階段，從感知AI——生成AI——智能體AI——物理AI。

它能夠在物理世界中學會思考物理因果關(guān)系，比如杯子掉地上為什么會碎？是因為重力和材料特性。

“現(xiàn)在物理AI的ChatGPT時刻已經(jīng)到來，AI正從數(shù)字世界走向物理世界”，黃仁勛表示。

在此基礎(chǔ)上，英偉達發(fā)布全球首個開源自動駕駛推理模型Alpamayo，開始跟特斯拉FSD展開正面競爭。

傳統(tǒng)自動駕駛模型只知道“紅燈要停，綠燈要走”，但不懂背后的物理規(guī)律。

而Alpamayo不同，它引入視覺-語言-行動（VLA）模型，讓自動駕駛系統(tǒng)像人一樣理解世界。

首創(chuàng)“決策——因果——推理”因果鏈，能夠生成自然語言解釋決策邏輯，比如看到道路施工標志——旁邊有工人在作業(yè)——車輛需要繞行——注意避讓障礙物。

不僅知道做什么，還知道為什么要這樣做。

Alpamayo模型的商業(yè)化也正在落地。黃仁勛宣布，搭載Alpamayo技術(shù)的奔馳 CLA，將在今年第一季度在美國上市，之后逐步進入歐洲和亞洲市場。

他相當肯定，在接下來的10年里，世界上很大一部分汽車將是自動駕駛的、高度自動駕駛的。

隨后，特斯拉CEO馬斯克在X上指出，這正是特斯拉正在做的，他們會發(fā)現(xiàn)，達到99%的準確率很容易，但要解決分布的長尾部分超級難。

長尾問題指的是極端天氣、突發(fā)障礙物或復雜交通互動等，特斯拉FSD已經(jīng)在全球數(shù)百萬車輛上積累了海量的真實駕駛數(shù)據(jù)，這正是特斯拉的優(yōu)勢所在。

硝煙味已經(jīng)非常濃了。

5倍算力+10倍降本

Rubin已全面投產(chǎn)

除此之外，這場演講的另一個重頭戲——英偉達下一代超級計算架構(gòu)Vera Rubin，正式登場。

它以美國天文學家薇拉?魯賓命名，她出生于1928年，從小就對星星著迷，1948年從瓦薩學院畢業(yè)時是班上唯一學天文的女生，后來她又在康奈爾大學、喬治城大學分別拿到碩士和博士學位，一邊帶娃一邊做研究。

魯賓最牛的發(fā)現(xiàn)來自她對星系旋轉(zhuǎn)曲線的研究，按照牛頓萬有引力，星系邊緣的恒星應該轉(zhuǎn)得比中心慢，但她用望遠鏡觀測了上百個星系，發(fā)現(xiàn)邊緣恒星轉(zhuǎn)速幾乎不變，甚至更快！

這意味這星系里肯定有大量看不見的質(zhì)量在“拉著”恒星，這成為后來發(fā)現(xiàn)“暗物質(zhì)”的鐵證。

Rubin架構(gòu)也有著類似的創(chuàng)新意義，黃仁勛解釋，在摩爾定律放緩的當下，僅靠晶體管數(shù)量微增無法實現(xiàn)性能飛躍，Rubin的優(yōu)越性在于“六款芯片協(xié)同設(shè)計”，這不僅是簡單地對Blackwell的全面升級。

這6款芯片分別執(zhí)行計算、思考、數(shù)據(jù)處理、網(wǎng)絡(luò)通信等任務，共同為一個整體系統(tǒng)而工作。

他直接甩出一系列硬核數(shù)據(jù)：

在推理任務下，Rubin GPU達到50 PFLOPS（每秒5000萬億次運算），性能是Blackwell的5倍；訓練性能達到35 PFLOPS，是Blackwell的3.5倍。

要知道H100的性能才約4 PFLOPS，簡直是卡車跟玩具車的較量。

與此同時，Rubin推理成本降低了10倍！花更少錢、用更少的時間，干更多的活。

上一代Blackwell需要一個月才能完成Alpamayo模型的訓練，現(xiàn)在Rubin僅用一周；在Rubin上跑Alpamayo，推理延遲降低至1毫秒，同時還能輸出自然語言解釋。

他表示，Blackwell讓AI能處理大規(guī)模數(shù)據(jù)，而Rubin讓AI能理解物理世界并做出明智決策，這標志著物理AI時代的真正到來。

同時他透露，Vera Rubin已經(jīng)全面進入量產(chǎn)階段。

黃仁勛這一次的演講，為2026年的AI行業(yè)定下了革命基調(diào)。

中國開源大模型的崛起，讓大模型不再是少數(shù)巨頭的游戲；物理AI的突破，讓AI從虛擬走向?qū)嶓w；Rubin架構(gòu)的誕生，讓高效能、低成本的智能部署成為可能。

三者交織之下，AI正從實驗室走向工廠、道路、社區(qū)，成為重塑產(chǎn)業(yè)、改變生活的核心力量。