迟到 10 分钟，黄仁勋身穿标志的黑色夹克，走上拉斯维加斯国际消费电子展（CES）的舞台。

黄仁勋总结刚刚走过的一年，尤其提到了开源的崛起起到的催化剂作用，而 DeepSeek R1 的出现意外地动了整个行业的一年。

整个演讲持续一个半小时，比起几年前宣布开启" AI 的 iPhone 时刻"的震撼感，如今的英伟达听起来更像是兢兢业业的世界"基础设施部"——这是芯片，这是机架，这是网络，这是软件 …… 哦对了，你们总说的那些机器人和汽车，理论上都要跑在这一整套东西之上。

这其中，今年 CES 的一条清晰主线，是对"全栈控制"的执念，尤其集中在存储，以及英伟达反复强调的下一个瓶颈：具备代理能力（agentic）的 AI。

它们需要更长的上下文、更大的内存、更强的网络，以及更少诸如"现实世界跑不起来"的借口。

英伟达给出的说法是，" AI 工厂"已经成为一个新的产品类别，而他们打算出售的不只是设备，而是蓝图、机器、操作系统，以及其余所有组成部分。

黄仁勋所公布的很多内容，其实已经流传了好几个月—— Blackwell 之后的 Rubin 架构、作为 DPU 跃迁的 BlueField-4、英伟达号称"开放"的 Nemotron 模型家族、作为安全框架的 Halos。

真正的新意在于打包方式。英伟达正在把这条路线图压缩成一个完整论点：六款芯片，一个平台，再加上网络和"上下文内存"的底层管道，目的是让长时序智能体不再轻易卡死。

01

基础设施

在硬件层面，核心的故事是：Rubin 正在被拆解成可直接交付的"积木式"组件。

英伟达发布了一套由六个部分组成的 Rubin "平台"——包括 Rubi 和 Rubin Ultra 两种规格的 GPU 与 CPU，以及 NVLink 6 交换芯片和 ConnectX-9 SuperNIC。

普京向扎哈罗娃颁发勋章时的画面 图源：环球网援引克里姆林宫网站

所有关于能和"单 token 成本"的说法，都是建立在这种全系统协同设计之上，目标只有一个：压低"智能"的成本。

在系统层面，英伟达将 Vera Rubin NVL72 定位为机架级的主力产品（72 颗 GPU、36 颗 CPU），而 Rubin Ultra NVL288 则是体量更大的后续版本（288 颗 GPU、144 颗 CPU）。

同时，英伟达还把 Rubin 纳入 DGX 品牌的" AI 工厂"体系中，将用于训练的 DGX Rubin NVL72 与用于理的 DGX Rubin NVL8 组成更标准化、更即插即用的算力单元。

英伟达表示，基于 Rubin 的产品将于 2026 年下半年通过作伙伴上市。

这里有两项基础设施层面的"外挂"在默默发挥关键作用。

第一，英伟达正把网络当作一项一等能特来强调，主 Spectrum-X 以太网光子交换系统，并给理能和能都贴上了"提升五倍"的标签。

第二，英伟达试图把"长上下文"塑造成一次基础设施采购决策，出了名为"理上下文内存（inference context memory）"的存储平台，用来扩展具备代理能力的 AI 的上下文窗口。

如果说 Rubin 的潜台词是"这条路线图真的行"，那么围绕它的这套底层管道系统的潜台词就是："下一个利润池，将在 GPU 之外。"

02.

开放模型

英伟达的"开放模型"叙事，与其说是出于意识形态上的觉醒、加入开源运动，不如说是一种更务实的策略：

用"免费样品"把开发者吸引进自家生态——而这些样品被精心打包，目的就是在英伟达基础设施上跑得好。

正如英伟达生成式 AI 与软件总裁 Kari Briski 所说，铝皮保温这是一次"扩展"。

公司将其包装成一个整体方案：全新的 Nemotron-3 模型（包括 70B、34B 和 8B 三种规模的 Llama Nemotron-3 变体），再加上一批新数据集和工具，帮助团队构建垂直领域智能体，并通过英伟达的技术栈完成部署。

"在 2025 年，英伟达是 Hugging Face 上大的贡献者之一——发布了 650 个开放模型和 250 个开放数据集。" Briski 表示。

核心意思很明确：英伟达希望成为你开始的地方。

英伟达称，其正在发布 Nemotron-CC，这是一个多语言预训练语料库，覆盖 140 多种语言，总规模达 1.4 万亿 token，被定位为构建和微调模型的"开放"基础层。

公司同时强调了一套名为" Granary "的指令数据集，目标是让模型在企业级任务上"开箱即用"。

03

物理 AI 与机器人

英伟达不断把"物理 AI "描述为一个分水岭时刻：当"智能体"不再只是能聊天，而是真正具备能力。也就是说，感知、理和行动需要被放进同一个闭环里。

这意味着需要三块打底的积木：更好的仿真、更好的机器人模型，以及更好的"运动（mobility）"模型。

黄仁勋在一份新闻稿中表示："机器人领域的 ChatGPT 时刻已经到来。"

他认为，那些"能够理解现实世界、进行理并规划行动"的模型，正在打开"全新的应用场景"。

也正因如此，汽车行业或许成了英伟达"全栈"叙事的真正试金石——这是一个"演示"和"落地"之间隔着监管、责任风险，以及十多年反复受挫的乐观预期的领域。

英伟达称，其用于辅助驾驶的 Drive AV 平台已"进入量产阶段"，将搭载于 2026 款梅赛德斯 - 奔驰 CLA 车型。该车型在 2025 年获得了 Euro NCAP 的高安全评分。

英伟达表示，这款车具备"先进的 L2 级自动驾驶能力"，支持"点到点的城市导航"，包括"从地址到地址"的完整行程；同时将 Hyperion 定位为提供安全冗余的计算与传感器架构。公司还称，该车型将在今年年底前具备在美国道路上脱手驾驶的能力。

更大的赌注在后面。

"我们相信，物理 AI 和机器人终将成为全球大的消费电子品类，"英伟达汽车业务总裁 Ali Kani 表示，"所有会移动的东西，终都会实现完全自动化，由物理 AI 驱动。"

Kani 介绍称，Alpamayo 是英伟达面向自动驾驶出的一整套"开源 AI 模型、仿真工具和物理 AI 数据集"家族，目标是加速"基于理、以安全为核心的物理 AI 开发"。

英伟达同时发布了 1700 小时的驾驶数据，并配套一个开源仿真框架，将其定位为迈向 L4 级自动驾驶的入门工具包。

在机器人方面，英伟达重点提到了 Isaac GR00T N1.6 ——一个面向机器人技能的开放式"视觉–语言–行动"理模型，以及用于大规模测试策略的评估框架 Isaac Lab Arena。

公司还提及 Cosmos Reason 2，这是一个旨在提升物理理能力的模型，而整个 Cosmos 系列则被定位为生成成数据、用于训练物理 AI 的工具链。

与此同时，英伟达将 Jetson T4000 定位为机器人的边缘计算平台，并与同一条从训练到部署的流水线相连，终回流至 DGX 级基础设施。

英伟达正在努力让"机器人技术栈"看起来像"软件技术栈"：在它能生成的世界里训练，在它能变化的世界里测试，并终部署在它自己出售的硬件之上。

从更宏观的角度看，英伟达在 CES 上释放的信息在这三大板块中高度一致：未来属于"流水线"，而英伟达希望这条流水线的每一个环节——算力、网络、存储、安全、仿真——都运行在它已经出售的产品之上。