巴斯筆記: Nvidia 2026 CES 完整演講彙整：AI 重塑運算與物理新紀元

星期三, 1月 07, 2026

市場觀點： 股價反應平淡主因在於本次著重「產品技術展現」與「長期佈局」，未釋出短期強勁需求訊號。
平台轉變： 黃仁勳指出每 10-15 年計算機產業會重置，這次有兩大轉變同時發生 ¹：
1. 應用程式現在建立在 AI 之上 ²。
2. 軟體不再是編寫 (Coding) 出來的，而是訓練 (Training) 出來的；運算核心從 CPU 轉向 GPU ³。
經濟規模： 價值 10 萬億美元的運算基礎設施正在現代化，推動 100 萬億美元的產業轉向 AI ⁴。

這是本次演講的核心，目標是讓 AI 學習物理定律 ⁵，並像 Android 一樣建構開放生態系。

A. 關鍵技術：三種電腦與兩大模型

三大運算支柱 (Computers for Physical AI)：
為了讓 AI 理解因果、摩擦力、重力等，需要三種電腦協作 6：
1. 訓練 (Training)： 訓練 AI 模型 (如 GB300)。
2. 推論 (Inference)： 在機器人或汽車端執行 (如 Thor)。
3. 模擬 (Simulation)： 在數位孿生 (Digital Twin) 中學習與評估 (如 RTX Pro/Omniverse)。
Cosmos：物理 AI 的開放世界模型 ⁷
- 痛點解決： 真實世界數據緩慢且昂貴，答案是「合成數據 (Synthetic Data)」 ⁸。
- 能力： 學習世界的統一表徵，整合語言、影像、3D 和動作。單憑簡單的交通模擬器輸入，即可生成物理上真實可信的 3D 環繞影片供 AI 學習 ⁹。
Alpamayo (檔案中標示為 Alpamo)：會思考的自動駕駛 AI ¹⁰
- 進化： 從單純接收傳感器輸入，進化為具備「推理 (Reasoning)」能力。例如偵測行人穿越馬路，AI 能解釋「因為預測其軌跡，所以採取輕微減速」 ¹¹¹¹¹¹¹¹。
- 技術特徵： 端到端 (End-to-End) 訓練，結合人類駕駛演示與 Cosmos 生成數據，有效解決駕駛中的長尾問題 (Long-tail problems) ¹²。
- 安全性： 雙堆疊架構，由 Alpamayo 與傳統 AV 堆疊相互鏡像，並由安全評估器仲裁 ¹³。

B. 商業落地與生態系

超越 LLM： AI 發展從聊天機器人進化為「代理系統 (Agentic Systems)」 ¹⁵。
能力定義： 能夠推理、查找資訊、使用工具、規劃未來並模擬結果 ¹⁶。
解決問題： 能將從未見過的大問題分解為已知步驟，實現真正的問題解決 ¹⁷。
混合架構： 結合前沿 API 模型 (如雲端) 與本地開源模型 (Local Model)，並透過「意圖路由器 (Intent-based Router)」判斷任務該交給誰處理 ¹⁸¹⁸¹⁸¹⁸。

檔案中補充了大量關於硬體與基礎設施的細節，這是支撐上述 AI 應用的引擎。

Vera Rubin 平台：
- 命名： 致敬發現暗物質的美國天文學家 Vera Rubin ¹⁹。
- 規格： 包含 Vera CPU、Rubin GPU、ConnectX-9 NIC、第六代 NVLink Switch ²⁰²⁰²⁰²⁰。
- 研發規模： 耗時 15,000 個工程師年，集成 220 萬億個電晶體 ²¹²¹²¹²¹。
MGX 機箱徹底重塑 (The Reshaped System) ²²：
- 舊系統痛點： 43 條線纜、2 小時組裝時間 ²³²³²³²³。
- 新 Rubin 設計： 0 條線纜 (由背板連接)、僅需 2 個連接器、5 分鐘組裝時間 ²⁴。
- 散熱： 100% 液冷技術，實現前所未有的密度與效率 ²⁵。

此次 CES 演講，黃仁勳展示了 Nvidia 的完整佈局：

這是一個從晶片到物理世界的全棧式 (Full-stack) 垂直整合。

巴斯筆記