演講逐字稿
在2026年CES大會上，輝達執行長黃仁勳進行了一場長達90分鐘的主題演說，介紹了多項關於人工智慧（AI）和自駕車技術的創新
1. 實體AI的崛起
* 黃仁勳強調，隨著生成式AI和代理AI的發展，實體AI（Physical AI）將成為下一個重要的技術趨勢。
* 他提到，AI將開始學習和理解，並能夠在現實世界中進行互動，這標誌著「實體AI的ChatGPT時刻」的到來。
2. Vera Rubin運算平台
* 輝達推出了下一代運算平台Vera Rubin，並宣佈該平台將於2026年下半年開始量產。
* Vera Rubin平台整合了多款新晶片，能夠顯著降低AI推理的成本，並提高效率。
3. 自駕車AI模型Alpamayo
* 黃仁勳首次介紹了自駕車專用的開源AI模型Alpamayo，該模型能夠推理行駛軌跡，並加速自駕車的開發進程。
4. 機器人技術的未來
* 黃仁勳展示了多台小型機器人，並表示未來將是機器人時代，真正能落地的機器人AI不再遙遠。
* 他指出，機器人需要具備訓練、推論和模擬的能力，以便在複雜環境中運作。
5. 新技術的應用
* 輝達的技術將被應用於多個領域，包括工廠自動化、物流和服務型機器人等，並與西門子等公司合作進行機器人模擬。
這次演說不僅展示了輝達在AI和自駕車領域的最新進展，也預示著未來科技將如何影響我們的生活和工作方式。
這段影片是輝達（NVIDIA）執行長黃仁勳在 2026 年 CES 展覽（本影片設定之年份）的主題演講錄影。黃仁勳在演講中探討了人工智慧（AI）的最新發展、平台轉型，以及輝達在各項領域的突破。
以下是演講的完整逐字稿：
**【演講開始】**
**引言人：** 歡迎輝達創辦人兼執行長，黃仁勳（Jensen Huang）登台。
（音樂起，黃仁勳走上舞台）
**黃仁勳：** 你好，拉斯維加斯！新年快樂！歡迎來到 CES。
我們今天要分享的內容大約有 15 場主題演講那麼多。很高興見到大家，這個禮堂裡有 3,000 人，外面庭院還有 2,000 人看著我們，聽說四樓原本該是輝達展區的地方還有 1,000 人，大家都在看這場演講。當然，全球還有數百萬人正透過直播參與，共同開啟這新的一年。
電腦產業大約每 10 到 15 年就會進行一次重置，發生新的平台轉變。從大型主機到個人電腦，再到網際網路、雲端，以及行動裝置。每一次，應用程式的世界都會針對新平台進行開發，這就是為什麼稱之為平台轉型——你為新的電腦撰寫新的應用程式。
不過這一次，實際上是兩個平台轉型同時發生。當我們邁向 AI 時代，應用程式將建立在 AI 之上。起初人們認為 AI 本身就是應用程式，事實也確實如此，但未來你將在 AI 之上建立應用程式。除此之外，運行軟體的方式、開發軟體的方式也發生了根本性的改變。整個電腦產業的五層技術棧（stack）正在被重新發明。你不再是「撰寫」程式碼，而是「訓練」軟體。你不再是在 CPU 上運行，而是在 GPU 上運行。
過去應用程式是預錄、預先編譯並在你的裝置上運行的；現在，應用程式能理解上下文，並從頭開始生成每一個像素、每一個標記（token）。計算的本質已因加速計算和人工智慧而徹底重塑。
技術棧的每一層都在重新發明。這意味著過去十年約 10 兆美元的電腦產業，正被現代化為這種全新的計算方式。這也代表每年有數千億美元的風險投資投入這個新世界的現代化與發明。這還代表價值 100 兆美元規模的產業中，很大一部分的研發預算正在轉向 AI。人們問錢從哪裡來？這就是資金的來源：從傳統方法轉向 AI 方法、研發預算的重新分配。巨額投資正湧入這個產業，這也解釋了為什麼我們如此忙碌。去年也不例外，去年是非常驚人的一年。
（投影片切換出現小插曲）
去年……投影片要出來了。這就是沒練習的後果。這是今年的第一場主題演講，我希望這也是各位聽的第一場，否則大家一定都很忙。這是我們的第一場，我們要先把蜘蛛網清一清。
2025 年是令人難以置信的一年，感覺一切都在同時發生。首先當然是「規模定律」（Scaling Laws）。在 2015 年，我認為第一款能真正帶來改變的語言模型 BERT 出現了；2017 年，Transformer 問世；直到五年後的 2022 年，ChatGPT 時刻到來，喚醒了世界對 AI 可能性。一年後，又發生了非常重要的事：OpenAI 推出了第一個推理模型 O1，這完全是革命性的。
它發明了「測試時訓練」（test-time scaling）的概念，這非常符合常識。我們不僅預訓練模型去學習，還透過強化學習（reinforcement learning）進行後訓練，使其習得技能；現在我們還有測試時訓練，也就是讓 AI 「思考」。它會即時思考。AI 的每一個階段都需要巨大的計算量，而計算定律持續擴展，大型語言模型也變得越來越好。
與此同時，2024 年發生了另一項突破：「代理系統」（Agentic systems）開始浮現。到了 2025 年，它開始普及並擴散到各個角落。代理模型具有推理能力，能查詢資訊、做研究、使用工具、規劃未來、模擬結果，突然間開始解決非常重要的問題。我最喜歡的代理模型之一叫做 Cursor，它徹底改變了輝達內部的軟體開發方式。代理系統將從現在起真正崛起。
當然，還有其他類型的 AI。我們知道大型語言模型並非唯一的資訊類型。宇宙中任何存在資訊與結構的地方，我們都能教導語言模型去理解，並將其轉化為 AI。其中最大、最重要的一個是「物理 AI」，也就是能理解自然法則的 AI。物理 AI 是關於 AI 與物理世界互動，而世界本身也擁有編碼資訊，這被稱為「AI 物理學」。
最後，去年最重要的事情之一是「開放模型」（open models）的進步。當開源、開放創新、跨產業的創新被同時啟動時，AI 就能無處不在。開放模型在去年真正爆發。
事實上，去年我們見證了 DeepSeek-R1 的進步，這是第一個開源的推理系統模型。它讓世界感到驚艷，並啟動了整個運動，這是非常令人興奮的工作。現在，世界各地都有各種各樣的開源模型系統，我們也知道開放模型已經達到了前沿水準。雖然仍比前沿封閉模型落後約六個月，但每隔六個月就有新模型出現，且變得越來越聰明。
因此，你可以看到下載量呈現爆炸式增長。下載量快速增長是因為新創公司、大型企業、研究人員、學生，幾乎每個國家都想參與 AI 革命。數位形式的智能，怎麼可能讓任何人掉隊？所以開放模型真的徹底改變了去年的 AI 產業，整個產業將因此重塑。
我們多年前就有這種預感。你可能聽說過，幾年前我們開始建立並運營自己的 AI 超級電腦，我們稱之為 DGX Cloud。很多人問我們是否要進入雲端業務？答案是否定的。我們建造這些 DGX 超級電腦是為了讓我們能開發自己的開放模型。我對我們正在進行的工作感到非常高興，這正開始受到全球各行各業的關注，因為我們在許多領域進行前沿的 AI 模型工作。
例如在蛋白質、數位生物學方面的工作，La Protina 能合成和生成蛋白質；OpenFold3 能理解蛋白質的結構；Evo2 能理解並產生多種蛋白質，這是細胞表示法的開始。Earth-2 則是理解物理定律的 AI，我們在氣象預測方面的工作徹底改變了天氣預報。Nemotron 也有突破性發展，它是第一個混合 Transformer-SSM 模型，速度極快，能快速產出非常聰明的答案。
Cosmos 是一個前沿的開放世界基礎模型，能理解世界運作方式。GR00T 是人形機器人系統。這些模型、技術正在被整合，且在每個案例中都向世界開放。
我們不僅開源模型，還開源用於訓練模型的數據。因為只有這樣，你才能真正信任模型的生成過程。我們開源所有模型，幫助你製造衍生產物，我們有一整套函數庫，稱為 Nemo 函數庫，包括物理 Nemo 和 Clara Nemo 等，這些都是 AI 的生命週期管理系統。讓你可以處理數據、產生數據、訓練模型、創建模型、評估模型、建立防護欄，一路到部署模型。每一個函數庫都非常複雜且完全開源。
現在，在這個平台上，輝達是一個前沿 AI 模型的建構者。我們以一種非常特別的方式建構：完全公開透明，以便促進每家公司、每個產業、每個國家都能參與這場 AI 革命。我對我們在那裡所做的工作感到非常自豪。事實上，如果你注意圖表，就會發現我們對這個產業的貢獻是無與倫比的。
（現場投影片出現故障，黃仁勳開玩笑）
所有系統都當機了。這在聖塔克拉拉（輝達總部）從未發生過。是因為拉斯維加斯的關係嗎？一定有人在外面贏了大獎。
好了，我想我的系統還是不能運作，但沒關係，我邊走邊想辦法。所以，這些模型不僅具備前沿能力，而且是開放的，它們還佔據了排行榜頂端。這也是我們非常自豪的領域，無論是在智慧、多模態文檔理解（也就是 PDF），PDF 捕捉了世界上最有價值的內容，但需要 AI 來理解、解釋其內容並幫助你閱讀。所以我們的 PDF 檢索器、解析器、語音辨識模型、檢索模型都是世界一流的。
這一切都是為了服務你建立「AI 代理」的能力。這是一個突破性的發展領域。當 ChatGPT 剛出現時，人們說它雖然產生了有趣的結果，但會產生嚴重的幻覺。原因在於它能記住過去的所有事，卻無法預知未來和現在，所以它需要基於研究來定位。它在回答問題前必須進行基礎研究。這種推理能力——「我需要做研究嗎？需要使用什麼工具？如何將問題拆解成步驟？」——AI 模型知道該做什麼，並能將其組合起來，執行一些它從未被訓練去做過的事情。這就是推理的奇妙能力。
大型語言模型現在已經實現了這個根本性的飛躍：利用強化學習、思維鏈、搜尋、規劃等技術，讓我們擁有了這種基礎能力，且現在完全開源。
還有一項在 2024 年看到的重大突破，我第一次看到是在 Aravind 的 Perplexity。這是一家非常創新的 AI 搜尋公司。當我發現他們同時使用多個模型時，我覺得這簡直是天才的想法。理所當然，一個 AI 應該調用全世界優秀的 AI 來解決問題。這就是為什麼 AI 實際上是「多模態」（multi-modal）的，意味著它們理解語音、影像、文字、影片、3D 圖形和蛋白質。
它也是「多模型」（multi-model）的，意味著它應該能根據任務使用最合適的模型。它天生就是「多雲」（multi-cloud）的，因為這些 AI 模型存在於不同的地方。它也是「混合雲」（hybrid cloud）的，無論是企業、機器人或任何裝置，有時在邊緣，有時在基地台，有時在醫院，你需要即時數據就在身邊。這就是未來 AI 應用程式的樣貌。這個具備主動性、多模型的代理 AI 基礎架構，現在已為各類 AI 新創公司注入強大動力。
現在你也可以利用我們提供的開放模型和工具，進行自訂（customize），教導你的 AI 獨門絕活，這是別人無法做到的。這就是我們透過 Nemotron、Nemo 所做的工作。你在前端放一個智慧路由器，它就像一個管理者，根據使用者提示的意圖，決定哪一個模型最適合執行該任務。
當你思考這個架構時，你會發現什麼？突然間你有了一個 AI，一方面由你完全自訂，可以教它公司所需的特殊技能、商業機密或專業知識；另一方面，你的 AI 在定義上總是處於前沿。你一方面擁有前沿技術，一方面擁有量身訂製的功能，而且運行順暢。我們做了一個最簡單的範例展示給大家看，這個框架我們稱為「藍圖」（blueprint）。
（播放個人助理 AI 演示影片）
**【影片內容摘要】**
影片展示如何利用輝達的工具建立一個個人助理。它能管理行事曆、處理私人郵件（使用本地運行的開源模型以保護隱私），並與實體機器人 Reachy Mini 連結。使用者可以問機器人待辦事項、要求它將草圖轉換為建築效果圖、生成房間導覽影片。甚至可以遠端指示機器人叫家裡的狗下沙發。
**黃仁勳：** 這是不是很不可思議？現在這些功能看起來微不足道，但僅在幾年前，所有這些都是不可想像的。這個基本框架，使用語言模型，結合預訓練的前沿模型與自訂模型，形成一個可以訪問工具和檔案、甚至連接到其他代理的推理框架。這就是現代應用程式的基本架構。
我們有幸與一些世界領先的企業平台公司合作，例如 Palantir、ServiceNow、Snowflake、CrowdStrike、NetApp 等。代理系統將成為你平台的「使用者介面」。不再是 Excel 那種一堆格子輸入資料的方式，也不再只是指令列，你可以像與人互動一樣與平台互動。這就是被代理系統革命化的企業 AI。
下一個要素是「實體 AI」（Physical AI）。這是這幾年我一直在談論的領域，我們已經投入了八年。問題在於，如何將電腦內部的智慧，從螢幕和揚聲器轉向與真實世界互動？這意味著它能理解世界運作的常識。例如「物體恆常性」（object permanence）：我轉過頭再看回來，東西還在那裡；或是「因果關係」：我推它，它會倒下。它理解摩擦力、重力、慣性，知道重型卡車需要更長的煞車距離。這些對小孩子來說是常識，但對 AI 來說完全陌生。
所以我們必須建立一個系統，讓 AI 學習物理世界的定律，並在環境中進行模擬評估。如果 AI 無法模擬物理世界對其動作的反應，就無法確保其行為的一致性。
這個系統需要三台電腦：一台用於「訓練」模型；一台用於「推理」（也就是運行在車輛或機器人上的邊緣電腦）；還必須有一台專為「模擬」設計的電腦。模擬是輝達所有工作的核心，也是物理 AI 的基礎。我們有三個電腦技術棧：Omniverse 是我們的數位孿生模擬世界；Cosmos 是世界基礎模型；以及機器人模型（如 GR00T 和待會要介紹的 Alpamayo）。
訓練實體 AI 最重要的事情之一是數據。 ground truth（地面實況）數據從哪裡來？我們利用「合成數據生成」（synthetic data generation），在物理定律和地面實況的約束下，智慧地生成數據來訓練 AI。例如，將交通模擬器的輸出放入 Cosmos 模型中，生成物理上合理的多視角環繞影片，讓 AI 從中學習。
（播放 Cosmos 演示影片）
**【影片內容摘要】**
Cosmos 是輝達的前沿世界基礎模型，旨在推動實體 AI。它利用網路規模的影片、真實駕駛和機器人數據以及 3D 模擬進行訓練，學習世界的統一表示。它能執行生成、推理和軌跡預測，將 compute（計算）轉化為數據，教導機器人適應各種場景。
**黃仁勳：** Cosmos 是世界領先的基礎模型，已被下載數百萬次。我們自己也在使用它來創造自動駕駛車。
今天我們要宣佈 **Alpamayo**，這是世界首個具備思考和推理能力的自動駕駛 AI。它是端到端（end-to-end）訓練的，從攝像頭輸入到動作輸出。除了人類駕駛的示範，我們還有大量 Cosmos 生成的里程數據，教導車輛如何駕駛。Alpamayo 不僅接收感測器輸入並啟動轉向與加減速，它還能「推理」，告訴你它即將採取的行動、理由以及行駛軌跡。
這對於解決自動駕駛的「長尾問題」至關重要。我們無法收集到所有可能發生的極端場景，但如果能將複雜場景分解成 AI 熟悉的物理互動並進行推理，它就能應對。讓我們看一段在舊金山市中心進行的「無手操作」測試影片。
（播放自動駕駛測試影片：車輛在複雜路況中靈活穿梭，並即時顯示推理邏輯）
**黃仁勳：** 我們八年前就開始研究自動駕駛，因為我們預見到 AI 將重塑整個計算技術棧。AI 就像一個五層蛋糕：最底層是「殼」（車輛本身），接著是「晶片」，再來是「基礎設施」（Omniverse 和 Cosmos），然後是「模型層」（Alpamayo），最上層則是「應用程式」（例如賓士汽車）。
這整個技術棧是輝達的第一個全棧嘗試。我很高興第一部搭載輝達 AV 技術的車將在第一季於美國上路，接著是歐洲和亞洲。我們將持續更新 Alpamayo 版本。這將是最大的機器人產業之一。這也教會了我們如何幫助世界建立機器人系統。
這部賓士 CLA 剛被評為全球最安全的汽車。這是唯一一個從晶片到程式碼每一行都經過安全認證的系統。我們同時運行 Alpamayo 棧和傳統的經典 AV 棧作為備份，以確保最高的安全性、多樣性和冗餘性。
我們的願景是未來每一輛車、每一輛卡車都是自動駕駛的。雖然我們為賓士建構了垂直整合的系統，但整個技術棧是對生態系統開放的。
這將是第一個大規模主流的實體 AI 市場。這種轉變現在正在發生。在未來 10 年，我確信全球很大比例的汽車將實現自動化。這種使用三台電腦、合成數據和模擬的基礎技術，也適用於每一種機器人，無論是關節型、移動型或人形機器人。下一步就是各式各樣的機器人，我邀請了一些朋友，他們來了嗎？
（兩部小機器人走上台）
**黃仁勳：** 嘿，快一點，我還有很多事要講。你們有告訴 R2-D2 和 C-3PO 你們會在這裡嗎？它們內建了小型的 Jetson 電腦，是在 Omniverse 裡訓練的。讓我們看看你們學習成為機器人的模擬器。
（播放機器人模擬訓練影片：展示在 Isaac Sim 和 Isaac Lab 中，有無物理定律對訓練結果的影響）
**黃仁勳：** 太棒了。這就是你們學習的方式，這一切都在 Omniverse 裡的機器人模擬器 Isaac 中完成。現在看看我們所有的合作夥伴正在開發的機器人：Neurobot、Agibot、LG 的新機器人、Caterpillar 的巨型機器人、Uber Eats 的外送機器人，還有 Boston Dynamics 的機器人。這開啟了機器人的新篇章。
物理 AI 和 AI 物理學將革命化全球最重要的產業。這離不開 Cadence 和 Synopsys 等公司的支持，它們在晶片設計和系統模擬方面是不可或缺的。未來，晶片將在這些平台中被設計、模擬、測試，甚至工廠的生產線也將在電腦中被設計成巨大的機器人。
今天我們也宣佈與西門子（Siemens）深化合作，將 CUDA-X、物理 AI、代理 AI 等深度整合。
（播放西門子與輝達合作影片：展示 AI 在工業生命週期中的應用）
**黃仁勳：** 各位覺得如何？這非常精彩吧。目前 OpenAI 是領先的標記生成器，但隨著更多公司和研究投入，開源模型將成為最大的力量。
最後，談談一位特別的人物：維拉·魯賓（Vera Rubin）。她是一位美國天文學家，發現了暗物質。我們以她的名字命名了下一代計算架構：**Vera Rubin**。
由於 AI 需求激增，模型規模每年增長 10 倍，標記生成量每年增長 5 倍，且成本大幅下降，這對計算能力提出了巨大挑戰。如果我們不採取極端的「協同設計」（co-design），就無法跟上這種增長。
因此，我們重新設計了每一個晶片。Vera CPU 在功耗受限的情況下，效能是前代的兩倍；Rubin GPU 的效能更是 Blackwell 的五倍，而電晶體數量僅增加了 1.6 倍。這就是極端協同設計的成果，我們還發明了 MVFP4 張量核心，實現更高的吞吐量和精度，這將成為未來的產業標準。
（黃仁勳展示巨大的計算板卡）
這個節點完全取消了電纜，從兩小時的組裝時間縮短到五分鐘，實現 100% 液冷。我們還收購了 Mellanox 並推出 Spectrum-X，這是專為 AI 設計的乙太網路技術。
輝達現在是全球最大的網絡公司之一。如果網絡效能提升 10% 到 25%，對於價值 500 億美元的數據中心來說，就相當於節省了數十億美元。
**【演講結束】**
