NVIDIA 黃仁勳 CES 2026 演講：發表Vera Rubin，定義 AI 下個十年

2026/01/07 更新2026/01/07 發佈閱讀 14 分鐘

2026 年的拉斯維加斯消費電子展 (CES)，NVIDIA 創辦人暨執行長黃仁勳再次站上舞台中心宣告，以天文學家 Vera Rubin 命名的全新運算平台已全面量產，準備迎接一個算力需求呈指數級爆炸的時代。在這場長達一個半小時的演講中，黃仁勳提出了兩大同步發生的平台轉移：「代理式 AI (Agentic AI)」將重塑軟體，「實體 AI (Physical AI)」將徹底改變我們與現實世界的互動方式。

NVIDIA Live with CEO Jensen Huang

NVIDIA Kicks Off the Next Generation of AI With Rubin — Six New Chips, One Incredible AI Supercomputer

CES 2026 黃仁勳演講精華：不只發表，更是定義未來十年

以下是本次 NVIDIA 演講的四大重點：

Vera Rubin 新世代運算平台：這不是一次單純的 GPU 升級，而是一個包含 Vera CPU、Rubin GPU、NVLink 6 交換器、ConnectX-9 網卡、BlueField-4 DPU 與 Spectrum-X 乙太網路交換器在內的六晶片「極致協同設計 (Extreme Codesign)」平台。目標是在 AI 模型每年增長 10 倍、推理 token 數每年增長 5 倍的壓力下，持續提供翻倍的效能與更低的成本。
Alpamayo 自駕 AI 模型：全球首個具備「思考與推理」能力的自駕 AI。它不僅能根據攝影機畫面做出駕駛決策，更能用語音解釋「為何」它要這麼做。
實體 AI (Physical AI) 與 Cosmos 世界模型：AI 發展的下一個階段是理解物理定律。透過虛擬世界進行模擬，並以 Cosmos 世界基礎模型進行訓練，NVIDIA 讓機器人與自駕車能學會物理世界的常識（如重力、摩擦力），大幅加速其在真實世界中的學習與適應能力。
代理式 AI (Agentic AI) 的應用普及：未來的應用程式將建立在 AI 之上，而 AI Agent 將是核心。這些 AI 代理人能自主理解任務、規劃步驟、使用工具，甚至呼叫其他 AI 模型協同工作，從根本上改變企業軟體與個人助理的樣貌。

兩大平台轉移同時發生：AI Agent 與實體 AI 的新時代

黃仁勳在演講開頭便點出，當前電腦產業正經歷每 10 到 15 年一次的平台重置，但這一次，有兩個平台轉移正同時發生：軟體應用轉向 AI Agent，以及 AI 走向實體世界。

AI Agent 如何重塑應用程式

過去，我們認為 AI 本身就是應用程式 (例如 ChatGPT)。但新的觀念是「在 AI 之上建構應用程式」。核心概念就是「AI Agent」，一個能夠自主感知、規劃、行動的智慧體。

黃仁勳提出未來應用架構具備以下特點：

多模型 (Multi-model)：一個 AI Agent 不會只依賴單一模型。它會像一個管理者，根據任務需求，呼叫最適當的 AI 模型。例如，處理郵件時使用本機端保護隱私的小模型，生成圖片時則呼叫雲端的頂尖繪圖模型。
多模態 (Multi-modal)：AI 能理解與生成的資訊格式不再局限於文字，而是涵蓋了語音、圖像、影片、3D 圖形，甚至是蛋白質結構。
混合雲 (Hybrid Cloud)：運算可以在任何地方發生，從邊緣裝置（如手機或汽車）、企業內部伺服器，到公有雲。

演講中的個人助理機器人就是一個範例。使用者透過語音下達指令，助理機器人內部的 AI Agent 會判斷意圖：需要處理私人郵件時，它會使用本地部署在 DGX Spark 上的開源模型；當需要將草圖轉為建築渲染圖時，它則呼叫雲端的 Frontier 模型 API。這個架構讓開發者能同時兼顧客製化、隱私保護與頂尖效能。

實體 AI (Physical AI) 的三大支柱

如果說 AI Agent 是軟體的未來，那實體 AI (Physical AI) 就是 AI 與現實世界互動的終極型態。黃仁勳強調，要讓 AI 走出電腦，與物理世界互動，光靠傳統的訓練方式遠遠不夠。一個成功的實體 AI 系統，必須仰賴三種關鍵的電腦：

AI 訓練電腦：用於訓練 AI 模型的核心，也就是我們熟知的 NVIDIA GPU 超級電腦。
AI 推理電腦：部署在終端裝置上的電腦，例如汽車內的 NVIDIA DRIVE Orin/Thor 晶片，或是機器人裡的 Jetson 平台，負責即時運算與決策。
AI 模擬電腦：這是最關鍵也最常被忽略的一環。AI 需要一個能學習物理世界常識的地方，一個可以「安全犯錯」的沙盒。這個角色由 NVIDIA Omniverse 平台扮演。

Omniverse 是一個基於物理渲染與模擬的數位孿生平台。開發者可以在其中創建與真實世界一模一樣的虛擬環境，讓 AI 在裡面進行數百萬、甚至數十億英里的測試，而無需任何實體風險。而讓這個虛擬世界變得「有智慧」的，則是 Cosmos，一個被稱為「世界基礎模型」的 AI。Cosmos 透過學習真實世界影片、駕駛數據與 3D 模擬資料，學會物理定律，能夠從單一張圖片或一段文字，生成符合物理邏輯的動態影片與互動情境。這個正是 NVIDIA 解決實體 AI 落地難題的核心策略。

Vera Rubin 降臨：暴力美學背後的「極致協同設計」

黃仁勳坦言，AI 的發展速度已遠超半導體製程的進步速度。

AI 模型規模每年擴大 10 倍。
AI 從單純回答轉為「思考」，使得 Test-Time Scaling (測試時擴展) 讓 Token 生成量每年增加 5 倍。
產業激烈競爭，讓上一代 AI Token 的成本每年下降 10 倍。

面對這個「運算黑洞」，單靠一顆更快的 GPU 已經無濟於事。黃仁勳表示：「我們別無選擇，只能重新設計每一個晶片。」於是，Vera Rubin 平台應運而生，其核心理念是「極致協同設計 (Extreme Codesign)」。

六晶片齊發：Vera CPU、Rubin GPU 與全新互連技術

Vera Rubin 平台並非單一產品，而是一個由六款從頭設計的晶片組成的完整系統，每一個環節都為 AI 工作負載進行了深度優化：

Vera CPU：專為 AI 工廠設計的高效能 CPU，擁有 88 個客製化核心，採用「空間多執行緒」技術，可同時處理 176 個執行緒，大幅提升資料處理與 I/O 效能。
Rubin GPU：效能的核心。相較於 Blackwell，電晶體數量僅增加 1.6 倍，AI 峰值效能卻提升了 5 倍。關鍵在於全新的 NVFP4 Tensor Core，這是一種能根據 Transformer 模型不同層級的需求，動態調整運算精度的硬體引擎，在不犧牲準確性的前提下，極大化運算吞吐量。
NVLink 6 交換器：第六代 GPU 互連技術，單顆 GPU 頻寬高達 3.6TB/s，單一機櫃的總交換頻寬是全球網際網路總頻寬的兩倍以上，確保 72 顆 GPU 能像單一巨型 GPU 一樣無縫協作。
ConnectX-9 SuperNIC：負責資料中心內東西向（伺服器間）流量的高速網卡。
BlueField-4 DPU：資料處理單元，負責卸載南北向（進出伺服器）的網路、儲存與安全管理工作，讓 CPU 與 GPU 能專注於運算。
Spectrum-X 乙太網路交換器：全球首款整合「矽光子 (Silicon Photonics)」技術的 AI 乙太網路交換器，將光學元件直接封裝在交換器晶片旁，大幅提升頻寬密度與能源效率。

不只是晶片，更是資料中心再造：液冷、KV Cache 與機櫃革新

Vera Rubin 的革命性不僅體現在晶片層面，更在於對整個資料中心基礎設施的重新思考：

全面液冷與高效散熱：全新的 MGX 機櫃設計，將複雜的線纜與管線大幅簡化，組裝時間從 2 小時縮短至 5 分鐘。更重要的是，它實現了 100% 液冷，且使用的是 45°C 的溫水進行散熱，無需昂貴且耗電的冰水機組。即便單機櫃功耗翻倍，其散熱效率仍可為全球資料中心節省約 6% 的電力。
定義 AI 時代的新儲存：隨著 AI 對話越來越長、上下文越來越複雜，儲存 AI「工作記憶」的 KV Cache 成為了巨大的效能瓶頸。NVIDIA 為此創建了一個全新的儲存層級，利用 BlueField-4 DPU 在機櫃內建置了高速的 KV Cache 記憶體儲存池。這讓每顆 GPU 能額外存取高達 16TB 的高速記憶體，徹底解決了長上下文推理的難題。
企業級安全：整個 Vera Rubin 平台支援「機密運算」，從 PCIe、NVLink 到 CPU-GPU 之間的所有資料傳輸路徑皆全程硬體加密，確保企業的 AI 模型與資料安全無虞。

最終的成果是驚人的：相較於 Blackwell 平台，Vera Rubin 在訓練下一代兆級參數模型時，僅需 1/4 的系統規模；在固定的功耗預算下（例如一座 1GW 的資料中心），其 AI 推理吞吐量提升了 10 倍；而生成每個 Token 的成本，則降低了 10 倍。

Alpamayo 登場：讓車子學會「思考」與「解釋」

超越傳統自駕：Alpamayo 為何是「會思考的 AI」？

過去的自動駕駛系統，往往被視為一個黑盒子。它們能做出反應，但無法解釋原因。黃仁勳指出，Alpamayo 的最大突破在於，它是一個「會推理」的端到端 AI。

端到端訓練：Alpamayo 直接學習從攝影機的像素輸入，到方向盤、油門、剎車的控制輸出，中間沒有複雜的手動編寫規則。它透過觀摩人類駕駛與大量模擬數據，學習最自然、最像人的駕駛行為。
推理與解釋能力：這是真正的變革。在做出每一個關鍵決策前，Alpamayo 不僅會輸出駕駛動作，還會解釋它「將要採取的行動」以及「採取該行動的原因」。例如，它會說：「前方路口有行人闖入，我正在減速並向左微調，以保持安全距離。」這種可解釋性，是建立人類對 AI 信任的關鍵一步。

解決長尾問題的關鍵：Cosmos 世界模型與合成資料

自動駕駛領域最大的挑戰，是那些現實中極少發生，卻一旦發生就極其危險的極端場景（例如前方卡車掉落異物、或是在暴風雪中遇到交通號誌故障）。要收集到足夠的真實世界數據來訓練 AI 應對所有長尾情境，幾乎是不可能的。

NVIDIA 的解法，就是前述的 Cosmos 世界模型。透過強大的合成資料生成能力，開發者可以在 Omniverse 模擬器中，創造出任意數量的極端場景，讓 Alpamayo 在虛擬世界中反覆練習，直到學會如何應對。Alpamayo 的智慧，很大一部分是建立在由 Cosmos 生成的高品質、多樣化的合成資料之上。

雙堆疊安全架構：當 AI 犯錯時，誰來接手？

儘管對 Alpamayo 的能力充滿信心，NVIDIA 仍在安全性上採取了極為嚴謹的雙重保險策略。搭載 Alpamayo 的車輛內部，同時運行著兩套自動駕駛系統：

Alpamayo AI 堆疊：基於深度學習、端到端訓練的先進 AI 系統，擁有強大的泛化與推理能力。
傳統備用系統：一套基於傳統規則、可追溯、經過嚴格安全認證的備用系統。

車內有一個「安全策略評估器」會持續監控 Alpamayo 的決策。在絕大多數情況下，由 Alpamayo 負責駕駛；但如果遇到 AI 置信度不高的罕見情況，或者評估器認為 Alpamayo 的決策可能帶來風險時，系統會無縫切換回更保守、更安全的傳統備用系統，作為最終的防線。這種多樣性與冗餘設計，是 NVIDIA 確保自動駕駛安全的最高指導原則。

TN科技筆記的觀點

「極致協同設計」是護城河，更是摩爾定律的延伸。NVIDIA 一次設計六款晶片並讓它們完美協同工作，這種能力本身就構成了難以逾越的技術護城河。這也代表著，當單一晶片的製程微縮效益遞減時，透過整個系統堆疊的創新，NVIDIA 正在用自己的方式延續摩爾定律的經濟效益。

黃仁勳在演講中反覆強調 NVIDIA 對開源模型的投入，從基礎模型 (Cosmos, Groot, Alpamayo ) 到開發工具 (Nemo)，甚至是訓練資料。透過提供強大且開放的基礎設施與工具，NVIDIA 確保了無論是新創公司、大型企業還是學術界，在發展自己的 AI 時，都離不開 NVIDIA 的軟硬體平台。

NVIDIA 從 KV Cache 敏銳地發現了生成式 AI 時代下一個必然出現的記憶體瓶頸，並迅速提出了一個從硬體到軟體整合的解決方案。這一步讓 NVIDIA 的業務從純粹的「運算」領域，延伸到了「儲存」與「資料管理」，進一步鞏固了其在 AI 資料中心內的核心地位。