2026年ces，黄仁勋再度现身，依旧身着皮夹克，但这次换成了更为奢华的鳄鱼皮款式。
与往年不同，本届CES上英伟达并未推出备受期待的新一代游戏显卡——这也是过去五年来，英伟达首次在CES缺席PC显卡发布。
取而代之的是“物理AI”这一全新战略重心。在长达90分钟的开年首场主题演讲中，黄仁勋难掩对AI未来格局的宏大构想。他打趣道：“今天这场发布会要塞进的内容，重量大概有15公斤。”
从前沿算力架构、自动驾驶技术，到开源大模型生态、多模态AI应用、物理AI、边缘智能等关键方向，英伟达悉数布局，全面出击。
黄仁勋指出：“物理AI的‘ChatGPT时刻’已触手可及，但挑战同样清晰：物理世界纷繁复杂、不可预知；真实场景数据采集既慢又贵，且永远无法穷尽。因此，答案是——合成数据。”
在他看来，自动驾驶将成为物理AI最早落地、最具代表性的突破口之一。
01 奔驰率先落地
“我们正站在一个历史性拐点：从‘非自动驾驶’迈向‘真正自动驾驶’。这一跨越，极有可能在未来十年内全面实现。”黄仁勋语气坚定，并预测全球将有极高比例的汽车最终搭载L4级甚至更高级别的自动驾驶系统。
整场演讲中，自动驾驶相关内容占据显著篇幅。
原因在于，英伟达正式开源了其最新一代自动驾驶大模型——Alpamayo，不仅开放模型本身，更同步开源了训练所用的全部数据集。这意味着，大量此前缺乏VLA（Vision-Language-Action）模型研发能力的中小型团队，也能快速获得与头部企业同等的技术起点，自动驾驶研发门槛被大幅拉低。
黄仁勋强调，这是全球首个具备自主思考与推理能力的车载AI系统，包含两大核心组件：全球首个面向自动驾驶开源的推理型VLA模型Alpamayo R1，以及支持高保真测试的全栈开源仿真框架AlpaSim。
按他的说法，Alpamayo实现了真正意义上的端到端闭环：从摄像头原始输入，直达车辆执行器输出。它融合了海量真实人类驾驶里程数据，也引入了由Cosmos生成的大规模合成驾驶数据；此外，还有数十万条样本经过高度精细化标注，用于教会车辆理解各类复杂交通行为。
Alpamayo最重大的突破，在于其“推理能力”的引入，直击自动驾驶长期面临的“长尾问题”。
传统方案采用“感知→规划→控制”的固定流水线逻辑：识别红灯即制动、检测行人即减速，完全依赖预设规则。而Alpamayo则能理解场景中的因果关系，预测其他交通参与者意图，甚至完成需多步推演的决策任务。
例如在十字路口，它不仅能识别“前方有车”，更能推理出“该车可能左转，我应礼让先行”。这种能力，使自动驾驶从“机械执行规则”跃升为“类人化认知与判断”。现场Demo中，Alpamayo全程零人工接管，顺利完成点对点行驶。
这背后离不开Cosmos物理AI基础模型的支持——它基于海量视频、真实驾驶与机器人交互数据，以及三维物理模拟完成预训练，能够深度理解现实世界的运行逻辑，打通语言、图像、3D空间与动作之间的关联。
Cosmos可依据3D场景生成逼真动态视频，根据驾驶轨迹生成符合物理规律的运动序列，还能从模拟器画面、多视角摄像头或文字描述中生成全景视频，连极端罕见场景亦可精准复现。
实测数据显示：路径规划精度提升12%，车道越界率下降35%，近距离碰撞风险降低25%，推理与执行一致性提高37%，端到端延迟压缩至99毫秒。
关于如何应对“长尾问题”，黄仁勋用更通俗的方式解释：关键在于“拆解”。
他坦言：“我们不可能收集齐所有国家、所有天气、所有路况、所有人群下的全部驾驶场景数据。但若将这些极端案例拆解为若干基础子场景，它们其实都是人类司空见惯、极易理解的常规情形。”
“所谓长尾场景，本质是一系列‘正常情况’的组合。车辆只需掌握这些基本单元，并具备实时推理能力，即可应对未知复杂环境。”
为破解“无人能在无限真实路测前100%确认绝对安全”的行业难题，Alpamayo还部署了一整套冗余保障机制。
简言之，系统内置两套并行运行的自动驾驶软件栈，彼此镜像验证；另设独立的安全与策略评估模块，实时判定当前场景是否满足高置信度推理条件。若达标，则交由Alpamayo主导决策；否则自动降级至更保守的传统自动驾驶系统，确保万无一失。
黄仁勋透露，全新奔驰CLA将成为全球首款同时搭载这两套系统的量产车型。
没错，奔驰是首个合作伙伴。新款CLA将首发集成Alpamayo方案，而刚刚演示中未做任何遮挡的车辆，正是这款全新奔驰CLA。
官方宣布，该车型将于2026年第一季度在美国正式上路，第二季度登陆欧洲市场，第三、四季度陆续进入亚洲。
与此同时，开源仿真框架AlpaSim已在GitHub上线，为开发者提供高保真、可扩展、高安全性的虚拟测试平台。
“开发者还可利用Cosmos生成高质量合成数据，并结合真实数据共同训练和验证基于Alpamayo的自动驾驶应用。”英伟达汽车事业部副总裁Ali Kani补充道。
02 物理AI的“爆发临界点”已至
作为开年重磅发布，本次演讲远不止聚焦自动驾驶，真正的压轴大戏，是物理AI底层算力体系的跨越式升级——Alpamayo只是其中一环。
整个AI基础设施版图中，最核心的当属面向人工智能数据中心的新一代超算平台——Vera Rubin。黄仁勋专为此花了近10分钟详解其设计理念、整体架构与关键技术细节。
他指出，AI算力需求正呈指数级攀升，对GPU的依赖持续加剧。究其根源，是AI模型参数规模每年以10倍速度膨胀。Vera Rubin正是为应对这一根本性瓶颈而生。
该平台通过六大芯片协同设计——Vera CPU、Rubin GPU、NVLink-6交换芯片、ConnectX-9 SuperNIC高速网卡、BlueField-4 DPU数据处理单元、Spectrum-6以太网交换芯片——构建起低延迟、高带宽、强协同的数据通路，全面提升大规模AI模型的训练与推理效率。
硬件层面，Rubin GPU与Vera CPU构成双核心：前者是Rubin架构中专司AI计算的主力芯片，旨在显著压降训练与推理单位成本；后者则是专为高效数据搬运与Agentic任务调度打造的新型CPU。
NVLink-6负责GPU集群内部高速协同，BlueField-4承担上下文管理与数据流调度，ConnectX-9则支撑整套系统对外的超高速网络连接，确保Rubin平台可无缝接入其他机架、数据中心乃至公有云环境，成为分布式AI训练与推理的可靠底座。
抛开技术术语不谈，其核心理念很明确：不再靠堆叠GPU硬拼性能，而是把整个数据中心重构为一台统一AI超级计算机。比起参数数字，最终落地效果才是关键。
实测结果表明：相比上一代Blackwell平台，Vera Rubin综合性能提升达5倍，功耗仅上升1.6倍。这意味着，在相同时间内，它可将混合专家（MoE）模型的推理token成本最高压至原来的1/10，训练同类模型所需的GPU数量减少至1/4。
反向来看，Vera Rubin可在同等机架空间内实现更高吞吐量，单位时间产出token数量远超以往。训练越快，下一代前沿技术就能越早推向市场。“这直接关系到你的定价权。”黄仁勋自信表示。
更重要的是，该平台已进入量产阶段，预计2026年下半年开始批量交付。
彩蛋环节，黄仁勋还现场揭晓：马斯克旗下Grok 5下一代大模型参数量为7万亿，而非此前传闻的10万亿。
当然，以上内容仅是整场演讲的冰山一角。比如机器人领域的“全家桶”展示——舞台上齐聚各式形态、多种用途的机器人：人形机器人、双足服务机器人、轮式物流机器人，甚至还有卡特彼勒（CAT）合作开发的工程机械机器人。
再如覆盖多行业的开源模型矩阵：面向医疗健康与生命科学的AI工具Clara、专注地球物理模拟的Earth-2、深耕AI智能体研发的Nemotron系列模型。
英伟达在CES上呈现的一切，早已超越单一芯片厂商的定位。正如黄仁勋在结尾所言：“今天的英伟达，已不只是GPU公司。我们正在构建一个完整的全栈AI体系——涵盖芯片、系统、基础设施、模型，直至终端应用。”
