黄仁勋CES演讲：物理AI重塑制造业，未来十年很多汽车是自动驾驶

　　1月6日消息，在2026年国际消费电子展（CES）上，英伟达CEO黄仁勋以一场90分钟的震撼演讲，宣告人工智能进入“物理AI”时代。这一战略升级标志着AI从理解语言转向理解物理世界，为全球制造业、自动驾驶和机器人领域带来颠覆性变革。

　　物理AI：从数字到现实的跨越

　　黄仁勋提出“物理AI”概念，强调AI需融合重力、摩擦等真实物理动态，以精准执行复杂任务。

　　“物理AI”这一技术旨在优化全球1000万家工厂和20万个仓库的运作逻辑，其核心支柱包括：

　　Newton物理引擎：实现低于0.01秒的实时物理计算响应，适配机器人及自动驾驶场景。

　　Cosmos基础模型平台：以1000亿参数达成1毫秒级推理延迟，支持多模态物理世界理解。

　　GPU+LPU混合架构：算力效率提升100倍，成本降低90%，2026年第二季度全面供货。

　　黄仁勋指出：“物理世界是AI最大的应用场景，AI的价值由场景定义。”这一判断为科技行业指明了从数字智能向具身智能的转型方向。

　　‌同时，黄仁勋认为：“物理AI的‘ChatGPT时刻’近在咫尺，但挑战很明确。物理世界多样且不可预测。收集真实世界训练数据缓慢又昂贵，而且永远不够。所以答案是合成数据”‌。

　　‌黄仁勋表示，AI正在变成一个跨模态、跨模型、跨云、跨形态部署的复杂系统，能够理解多种形态的数据，针对不同问题选择最合适的模型，并将天然运行在多云环境之上，这将成为未来应用构建的基本范式。

　　Rubin平台：算力革命引领AI基础设施时代

　　黄仁勋表示，AI需求正在急剧攀升，多条曲线同时发挥作用：模型参数规模正以每年约10倍的速度扩大，推理阶段的计算需求以每年约5倍的速度增长，而token成本则需要以每年约10倍的速度持续下降，意味着AI竞争本质上已经成为计算能力的竞赛。

　　英伟达发布新一代AI超级芯片平台“Rubin”，采用台积电2nm工艺，集成六款新型芯片，分别为Vera CPU、Rubin GPU、NVLink 6交换机、ConnectX-9超级网卡、BlueField-4 DPU及Spectrum-6以太网交换机，配备88个定制Olympus核心。

　　Rubin性能数据亮眼：

　　AI训练速度达前代Blackwell的3.5倍，推理速度提升5倍。

　　每瓦推理算力实现8倍飞跃，token生成成本最多降低10倍。

　　订单规模已达3000亿美元，微软、亚马逊云科技等巨头纷纷入局。

　　英伟达Rubin平台已进入全面生产阶段，基于该平台的产品将于2026年下半年通过合作伙伴面市。

　　黄仁勋宣布，Rubin平台的开源特性进一步推动技术民主化。开源模型与前沿闭源模型的差距已缩短至6个月，加速了AI在工业领域的落地。‌

　　机器人与自动驾驶：万亿级市场爆发

　　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。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。其量产计划包括：

　　2026年第一季度：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。

　　在自动驾驶领域，黄仁勋表示，未来十年里，他相当肯定世界上很大一部分汽车将是自动驾驶或高度自动驾驶的。

　　同时，英伟达开源Alpamayo系列AI模型，支持L4级自动驾驶。首款搭载该技术的车型——2025款梅赛德斯-奔驰CLA将于2026年第一季度上市，标志自动驾驶从实验室走向量产。

　　据介绍，Alpamayo 将开源模型、仿真框架与数据集三大支柱整合为统一开放的生态系统，任何汽车开发者或研究团队均可在此基础上进行研发。Alpamayo 并不是直接部署于车端的模型，而是作为大规模教师模型，供开发者调优、蒸馏，成为其完整辅助驾驶技术栈的核心基础。

　　在 CES 上，黄仁勋推出了：

　　Alpamayo 1：业界首款面向辅助驾驶研究社区设计的思维链 VLA 推理模型，现已在 Hugging Face 上发布。基于 100 亿参数架构，该模型通过视频输入生成行驶轨迹，同时给出推理思路，能够清晰展示每项决策背后的逻辑。开发者既可将 Alpamayo 1 调整为更精简的运行时模型部署于车端，也可将其作为辅助驾驶的基础架构，构建诸如基于推理的评估器和自动标注系统等开发工具。Alpamayo 1 提供开放模型权重和开源推理脚本。该系列的后续模型将具备更大的参数规模、更精细的推理能力、更灵活的输入输出方式以及更丰富的商用选项。

　　AlpaSim：一款面向高保真辅助驾驶开发、完全开源的端到端仿真框架，现已在 GitHub 上公开发布。该框架提供逼真的传感器建模、可配置交通动态，以及可扩展的闭环测试环境，支持快速验证与策略优化。

　　物理 AI 开放数据集：NVIDIA 提供多元化的大规模辅助驾驶开放数据集。该数据集包含超过 1700 小时的驾驶数据，覆盖广泛的地理区域和环境条件，涵盖推动推理架构发展所必需的罕见且复杂的真实世界极端场景。这些数据集已在 Hugging Face 上开放使用。

　　黄仁勋表示：“物理 AI 的 ChatGPT 时刻已然到来，机器开始具备理解真实世界、推理并付诸行动的能力。无人驾驶出租车将是最早受益的应用之一。Alpamayo 为智能汽车注入推理能力，使其得以应对罕见场景、在复杂环境中安全行驶，并解释其驾驶决策，这为安全、可规模化的自动驾驶奠定了基础。”

　　开源生态与行业合作

　　英伟达推出四大开源AI模型家族，包括用于智能体 AI 的 Nemotron 系列、针对物理 AI 的 Cosmos 平台、专为自动驾驶研发的 Alpamayo 系列以及生物医疗领域的 Clara 模型。

　　四大开源AI模型覆盖语音、自动驾驶、蛋白质设计和物理世界建模：

　　NemoTron：支持长对话与复杂推理。

　　Alpamayo：首个具备自主驾驶能力的开源模型。

　　La-Proteina：助力原子级蛋白质设计，推动医疗创新。

　　Cosmos：通过合成数据训练物理AI，减少对真实数据的依赖。

　　黄仁勋强调：“开源模型缩短了技术差距，让全球开发者参与AI创新。”这一战略吸引了波士顿动力、特斯拉等企业加入开放机器人生态。

　　同时，英伟达贡献了开源训练框架和全球最大的开放多模态数据集，其中包括 10 万亿个语言训练 tokens、50 万条机器人轨迹、45.5 万个蛋白质结构以及 100TB 的车辆传感器数据，标志着英伟达正全力构建一个涵盖语言处理、机器人技术、科学研究及自动驾驶的开放生态系统。

　　行业影响与未来展望

　　黄仁勋的演讲揭示了AI从技术浪潮向基础设施的转变。开源模型的崛起正重塑行业格局，而物理AI的自主运行比例、供应链稳定性及成本控制成为关键挑战。随着Rubin平台量产和Optimus机器人投产，英伟达正从数据中心AI向物理世界全面转型，为未来5-10年布局第二增长曲线。

　　在这场科技革命的起点，黄仁勋表示：“AI的第二个拐点已到来——从理解语言到理解物理世界，从软件智能体到具身智能体。”