電子發燒友網報道（文/梁浩斌）在拉斯維加斯當地時間1月5日，英偉達CEO黃仁勛身穿標志性皮衣亮相CES展會前的英偉達特別演講會場。作為2026年的第一場公開活動，黃仁勛在這場演講中帶來了相當多“猛料”，宣布了Blackwell 、Rubin架構芯片的最新進展，以及首次公開了 Rubin平臺六款芯片，以及詳細性能參數。

除了硬件之外，物理AI也被重點提及，黃仁勛在演講中宣布開源分別面向自動駕駛和機器人的兩款VLA模型，加速推動自動駕駛、機器人等應用的物理AI落地。

Vera Rubin平臺量產，推理性能實現 5 倍飛躍

作為英偉達下一代GPU架構，Rubin GPU的量產進展一直備受關注。去年10月，英偉達在秋季GTC大會上首次展示了Vera Rubin超級計算平臺，而這個平臺不是單一的芯片升級，而是一套涵蓋六大核心芯片的全棧協同架構，包括 Vera CPU、Rubin GPU、NVLink 6 交換機、ConnectX-9 SuperNIC、BlueField-4 DPU 及 Spectrum-6 以太網交換機，從計算、網絡到存儲安全實現全層級革新。

Vera CPU基于定制化 Arm v9.2 架構（代號 Olympus）打造，專為超大規模 AI 場景設計。其搭載 88 個高性能定制核心，支持 NVIDIA Spatial Multi-Threading 技術，可提供 176 個線程，配合 162MB L3 緩存，在數據處理、壓縮及 CI/CD 任務中性能較前代 Grace CPU 提升 2 倍。該芯片集成 2270 億晶體管，采用 3NP 先進制程，配備 1.5TB LPDDR5X 系統內存，通過 SOCAMM 技術實現 1.2TB/s 的內存帶寬，是上一代Grace平臺的 3 倍之多。

在異構協同能力上，Vera CPU搭載1.8TB/s NVLink-C2C一致性內存互聯通道，可與Rubin GPU實現低延遲數據交互，單芯片最多能驅動4顆Rubin GPU高效運行。同時，其內置機架級機密計算功能，為多租戶 AI 云服務提供硬件級安全隔離，核心應用覆蓋 AI 推理任務調度、GPU 數據投喂、多節點協同管理等關鍵場景，能效比較前代提升 40%，推理任務響應速度加快 50%。

Rubin GPU 作為平臺的算力核心，集成 3360 億晶體管，采用兩顆 Reticle 尺寸芯片設計，配備 224 個 SM 單元與第六代 Tensor Core，第三代 Transformer 引擎為其賦予了強大的 AI 處理能力。在性能表現上，該 GPU 在 NVFP4 精度下的推理算力達到 50 PFLOPS，是上一代 Blackwell GPU 的 5 倍；FP8 精度訓練算力達 17.5 PFLOPS，較前代提升 250%，可輕松支撐萬億參數大模型與混合專家（MoE）模型的訓練推理。

顯存配置方面，Rubin GPU 標配 288GB HBM4 顯存，Ultra 版本更支持 1025GB HBM4E 顯存，顯存帶寬高達 22TB/s，較 Blackwell 的 8TB/s 提升 175%，配合硬件加速自適應壓縮技術，可使顯存占用降低 30%。其單 GPU NVLink 帶寬達 3.6TB/s，支持全對全拓撲互聯，能滿足大規模模型并行計算需求。在功耗控制上，該 GPU TDP 為 1800W（Ultra 版 3600W），支持 45℃溫水液冷技術，散熱效率提升 60%，單位算力功耗降低 40%，每 PFLOPS 功耗僅 42W，為超大規模 AI 集群部署提供了能效保障。

NVLink 6 交換機是 Rubin 平臺機架內 GPU 互聯的核心樞紐，專為低延遲、高帶寬通信設計，單 GPU 雙向互聯帶寬達 3.6TB/s，較前代提升 100%，是 PCIe Gen 6 帶寬的 14 倍以上。在 Vera Rubin NVL72 機架配置中，該交換機可實現 72 顆 GPU 的全對全無阻塞互聯，總帶寬高達 260TB/s，較前代機架提升 73%。

ConnectX-9 SuperNIC 作為智能網卡，兼具 InfiniBand 與以太網雙模支持能力，每端口速率達 800Gb/s，支持 200G PAM4 串并轉換，單卡總吞吐量高達 1.6Tb/s，較前代 ConnectX-8 提升 100%。其兼容 InfiniBand HDR200 與以太網 400G 協議，支持 RDMA over Converged Ethernet（RoCE v3）技術，RDMA 延遲降低至 0.8μs，較前代減少 20%，為跨節點數據傳輸提供低延遲保障。

ConnectX-9 SuperNIC集成 230 億晶體管，內置可編程 IO、基于遙測的擁塞控制、線速加密（AES-256）及網絡內數據壓縮等硬件加速功能，新增 AI 任務優先級調度機制，擁塞控制效率提升 40%。其與 NVIDIA Spectrum-X 以太網和 Quantum-X800 網絡平臺無縫集成，能為 Rubin GPU 提供穩定高速的網絡連接，每 Gb/s 功耗僅 0.3W，能效比提升 50%，平均無故障時間達 200 萬小時，可滿足 AI 工廠與云平臺超大規模部署的網絡需求。

BlueField-4 DPU 整合了計算、網絡、存儲三大核心功能，是平臺的安全與存儲中樞，集成 64 核 Grace CPU（Neoverse V2 架構），FP8 算力達 8 TFLOPS，較前代 BlueField-3 提升 500%，網絡傳輸能力提升 2 倍。其支持 800Gb/s 端口速率，兼容 InfiniBand 與以太網雙模，網絡延遲降低至 1.5μs，較前代減少 30%，可高效卸載 90% 的存儲與網絡任務，大幅降低 CPU 負載。該 DPU 支持 1.5TB LPDDR5X 內存，內存帶寬達 250GB/s，較前代提升 233%，兼容 NVMe-oF 與 SATA 協議，存儲 IOPS 提升 3 倍。

Spectrum-6 以太網交換機是 Rubin 平臺跨機架互聯的核心設備，采用共封裝光學（CPO）技術，支持 200G 硅光模塊，單芯片交換容量達 102.4 Tb/s，較前代提升 100%。其端口密度顯著提升，可支持 128 個 800Gb/s 端口或 512 個 200Gb/s 端口，較前代端口密度翻倍，能滿足超大規模 AI 集群的橫向擴展需求。

該交換機實現機架間互聯帶寬 260 TB/s（NVL72 配置），端到端延遲降低至 2.5μs，較前代減少 30%，有效帶寬利用率達 95%。其集成 AI 流量調度引擎與動態負載均衡功能，可使 AI 任務網絡抖動降低 40%，應用程序運行效率提高 5 倍。

六款核心芯片的協同設計構成了 Rubin 平臺的核心競爭力，從計算、網絡到存儲的全棧優化，不僅將 AI 推理 Token 成本降低 10 倍，更使 MoE 模型訓練所需 GPU 數量減少 75%，為代理式 AI、物理 AI 的規模化落地奠定了堅實基礎。

黃仁勛強調，Vera Rubin 的設計初衷是應對 AI 計算量“每年 10 倍增長”的核心挑戰：“摩爾定律已無法跟上模型規模擴張速度，唯有通過全棧協同設計，重構每一層基礎設施，才能讓 AI‘多想一會兒’變得經濟可行。” 據透露，全部六款Vera Rubin平臺芯片均已從制造合作伙伴處取回并進行測試，而該平臺產品將在2026年下半年，在微軟 Azure、CoreWeave 、AWS等云服務商率先部署。

黃仁勛：AI重心從“生成”到“推理+物理AI”，機器人的ChatGPT時刻已至

演講中，黃仁勛明確指出 AI 產業正經歷兩大關鍵轉型：一是從“生成式 AI”轉向“代理式AI（Agentic AI）”，模型具備自主推理、規劃任務、使用工具的能力；二是從 “數字 A”走向“物理AI”，讓 AI 理解重力、慣性等自然法則，實現與現實世界的交互。

“AI發展的下一站就是進入物理世界，英偉達為此已經進行了8年的工作”。而在這次演講中，英偉達發布了多款開源模型，涵蓋不同領域。

其中面向自動駕駛，英偉達發布全球首個開源視覺-語言-行動（VLA）推理模型 Alpamayo，打破傳統自動駕駛系統被動響應的局限。該模型具備鏈式推理能力，可理解復雜場景中的因果關系，如突發路況下的避險邏輯，并解釋決策過程，搭配AlpaSim高保真仿真框架及 1700 小時開源駕駛數據集，形成從訓練到驗證的完整閉環。

同時，黃仁勛宣布首款搭載英偉達全棧自動駕駛技術的梅賽德斯-奔馳 CLA 車型，將于 2026 年第一季度在美國上路，標志著推理型AI正式從實驗室走向消費級出行場景。

另外還有專注邏輯推理與任務執行的Agent模型Nemotron、理解物理規律和環境交互的Cosmos物理AI模型、用于生物醫藥研發和醫療影像的Clara。

英偉達認為，機器人是物理AI的最大應用場景，而針對機器人領域，英偉達推出了兩大關鍵技術：開源基礎模型GR00T N1和物理引擎Newton。

GR00T N1是面向人形機器人的VLA模型，支持全身控制與多步驟協作，可通過模仿學習或強化學習掌握物體抓取、環境導航等技能。物理引擎 Newton是英偉達聯合DeepMind、迪士尼研究院研發，支持剛性/軟體模擬、觸覺反饋訓練，能以超實時速度生成海量合成數據，解決機器人“訓練數據稀缺”難題。

黃仁勛表示，機器人的 ChatGPT 時刻已至，通過 Omniverse 仿真平臺與 Cosmos物理模型，開發者可快速訓練適配工業、家庭等多場景的機器人系統。

除此之外，黃仁勛也在演講中多次強調生態開放的重要性，認為開源模型是AI普及的核心驅動力，他特別提及到中國開源模型 DeepSeek R1 的突破：“它讓行業意識到，開放創新能激活全球力量，盡管開源模型仍落后前沿閉源模型約 6 個月，但差距正不斷縮小。”

未來五年AI產業預判：機器人成最大產業；推理算力、上下文管理能力成關鍵

在演講最后，黃仁勛對AI產業未來五年的趨勢做出了三大預判：

一是編程軟件將全面讓位于訓練軟件，CPU 主導的通用計算轉向 GPU 加速計算，全球價值 10 萬億美元的傳統計算基礎設施將完成 AI 現代化改造；

二是隨著 AI 從 “一次性問答” 轉向 “長期協作智能體”，未來推理算力、上下文管理能力將成為企業競爭關鍵，Vera Rubin 這類全棧平臺將成為行業標配；

三是機器人產業的爆發，到2030年，全球勞動力缺口將達 5000 萬，人形機器人、工業機器人需求將爆發，成為比云計算更大的產業，而物理 AI 與仿真技術將是核心驅動力。