CES 2026 | NVIDIA新风向: Rubin平台面市 ，系统级“AI工厂”成型，物理AI加速落地 原创

“模型更大、数据更多、算力更强”这套线性扩展逻辑，在GPT-3到GPT-4 阶段被反复验证，也直接催生了以GPU 为核心的全球算力竞赛。

但进入2025年后，行业逐渐意识到一个现实问题：算力已不再是通过简单“堆芯片”就能持续放大的变量。万亿参数模型、MoE 架构、Agentic AI、物理 AI 的快速演进，带来的不只是FLOPS 需求的指数级增长，更引发了通信、内存、调度、能耗与系统协同层面的失衡。

一方面，MoE通过稀疏激活显著降低了单次计算量，却将性能瓶颈推向了跨设备通信；另一方面，长上下文、持续对话以及多 Agent 并行协作逐渐成为常态，使KV Cache从推理阶段的优化项，演变为决定推理成本、并发能力与系统可扩展性的关键系统资源。

黄仁勋在CES 2026上近两小时主题演讲中，释放出一个信号：AI的核心瓶颈，正在从计算单元本身，转移到系统层面。

而此次，NVIDIA所展示的一系列技术，也是一整套围绕“下一代AI工厂如何落地”的答案。

01 Rubin平台：“六芯一体”突破算力天花板

Rubin GPU，专门针对MoE（Mixture-of-Experts，混合专家模型）进行了物理层面的升级。

事实上，MoE模型（如GPT-4、Mixtral）的核心逻辑是，模型由成百上千个“专家”网络组成，每处理一个Token，只需要激活其中的几个专家。这大大降低了计算量，但却带来了副作用——通信墙。因为不同的专家分布在不同的GPU甚至不同的机柜上，数据交换极其频繁。

截取自NVIDIA官网

而Rubin GPU的两个核心特性，正是为了解决这一问题：

一方面， Rubin原生支持4位浮点（FP4）计算，搭载第三代Transformer引擎。

 或许许多人可能会质疑，FP4是否会降低模型“智商”？但NVIDIA的黑科技就在于——“自适应压缩”。Transformer引擎会在每一层计算前，动态判断权重的敏感度，对不敏感的层使用FP4，对敏感层保留更高精度。

试想，当你向一个拥有10万亿参数的Agent询问复杂的问题时，模型需要在几秒钟内生成数千个Token的思维链（CoT）。FP4让显存能装下更大的模型上下文，同时也能让计算单元快速吐字。

另一方面是MoE的并发优化。Rubin GPU内部的调度器针对稀疏计算进行了重写。其能够更智能地预测下一个Token需要哪个专家，并提前预取数据，掩盖通信延迟。

Rubin平台采用软硬件极致协同设计，将推理token成本最多降低至 NVIDIA Blackwell 平台的十分之一，在MoE模型训练中使用的GPU数量仅为Blackwell平台的四分之一。

这是一个恐怖的数字。对于OpenAI、Anthropic等客户企业来说，这意味着同样的资本支出下，他们的服务能力可以大幅提升；或者说，也许他们能把以前亏本的生意（如免费开放GPT-5级别的推理）变成盈利的生意。

此外，黄仁勋在CES 2026上更强调了一个重点“Rubin is fully compatible with Blackwell”（Rubin完全兼容Blackwell）。

 02 Vera CPU：为Agentic AI构建系统协同

当Rubin GPU将MoE模型的推理速度推向更极致时，传统计算机架构中的“短板效应”便暴露无遗——如果数据喂给GPU的速度跟不上GPU处理的速度，那么再强大的张量核心也只能在等待中空转。为了彻底释放Rubin的潜能，NVIDIA引出另一块关键“拼图”——Vera CPU。

截取自NVIDIA官网

在半导体行业，摩尔定律的边际效应逐年递减。晶体管密度的提升越来越昂贵，单纯靠制程红利已经无法支撑AI模型每年大规模的参数增长。

面对这一物理铁律，NVIDIA在Rubin平台上给出的答案是：高效的协同设计。

回看过去，在传统的x86架构时代，CPU是英特尔的，GPU是NVIDIA的，网卡是博通的，大家在PCIe总线上排队交“过路费”。但在Rubin架构里，这种方式被彻底废除，取而代之的是NVIDIA高度集中的“单一系统”。

很多人会问，NVIDIA为什么要做CPU？Grace还不够吗？答案在于Agentic AI（代理AI）的计算特征上。与传统的训练任务不同，Agentic AI在推理过程中涉及大量的逻辑判断、工具调用和非矩阵运算。传统的x86 CPU虽然通用性强，但在面对Rubin GPU的大规模吞吐量下，由于内存带宽和互连延迟的限制，往往会成为“喂不饱GPU”的瓶颈。

所以也不难发现，Vera CPU并非为了运行Windows或通用Linux应用而生，其是为了极致的GPU亲和性而设计的。

参数上，Vera CPU采用了88个定制的Olympus核心（基于Arm v9.2架构）。但是要注意，Vera CPU并没有追求极致的单核主频，而是专注于多线程吞吐和I/O带宽。通过NVLink-C2C技术，让CPU内存和GPU显存处于同一个内存寻址空间内，将带宽推到了超高速低延迟水平。

场景上看，例如在金融高频交易的AI Agent应用中。模型需要从实时的市场数据流中提取特征（CPU任务），进行复杂的宏观经济推理（GPU任务），然后瞬间执行交易（CPU/网卡任务）。而在传统架构中，数据在CPU内存和GPU显存之间来回拷贝（Copy overhead）会带来一定的延迟。而在Vera-Rubin架构中，数据一旦进入Vera的内存，Rubin GPU就可以直接读取，零拷贝，零延迟。

 03  NVLink 6与NVLink Spine：用铜缆打造“巨型GPU”

在万亿参数模型时代，单个芯片的性能已逼近物理极限，真正的决胜点转移到了芯片与芯片之间的通信效率上。对于Vera Rubin NVL72而言，通信即计算。

正如黄仁勋反复强调的：“不要把它看作是72个独立的Vera Rubin，请把它看作是一个拥有144个Rubin GPU（注：单颗Rubin含双GPU Die）的巨型芯片。”

要实现这一理念，必须消除GPU之间的物理距离感。传统的以太网或InfiniBand虽然强大，但在处理机柜内部纳秒级的超高频海量数据交换时，光电转换（Optical Transceiver）带来的延迟和功耗成为了不可忽视的物理瓶颈。

NVIDIA给出的答案是NVLink Spine——一个完全基于铜缆的机架背板互连系统。在Rubin架构中，NVIDIA利用高度定制的400 Gbps SerDes技术，让电信号能够直接驱动铜缆从机架顶部贯穿到底部。

这带来了两个决定性的优势：

一个是零光电损耗：在机柜内部彻底终结了光电转换，节省了成千上万个昂贵的光模块，直接省去了数千瓦的转换功耗。

另一个是全互联带宽：配合第六代NVLink Switch，这一铜缆脊柱支撑起了惊人的240 TB/s背板总带宽。这相当于全球互联网总流量（约100TB/s）的两倍以上。

在如此大的带宽下，NVLink 6交换机实现了真正的无阻塞通信（Non-blocking Communication）。机柜内的每一个GPU都可以在同一时刻与任何一个其他GPU进行全速通信。

当模型被切分到144个GPU上时，GPU 0访问GPU143的显存，其速度和延迟几乎等同于访问本地显存。模型并行（Model Parallelism）不再是不得不做的妥协，而变成了系统的原生能力。

Vera Rubin NVL72的另一大突破在于物理形态的重构。为了容纳如此高密度的算力和铜缆，NVIDIA重新设计了计算托盘（Compute Tray）。

在该新架构中，计算节点内部没有任何电缆、软管或风扇。所有连接——包括供电、数据传输和冷却液——都通过盲插（Blind Mate）接口直接与背板对接。

这是维护体验的变革，组装或更换一个节点的时间从过去的2小时缩短到了5分钟。配合45摄氏度进水的温水水冷技术，为现代AI工厂量身定制的高可用性基础设施。

04  BlueField 4构建可共享、可动态分配的超大规模上下文内存池

在Agentic AI时代，KV Cache（键值缓存）是大模型推理中最棘手的问题之一。

当用户与AI进行长达数小时的对话，或者AI需要阅读几百页的PDF时，产生的KV Cache数据量会迅速膨胀到几十GB甚至几百GB。显存（HBM）太贵且太小，存不下；内存（DRAM）太慢，导致首字生成延迟（TTFT）过高。

所以，NVIDIA的解决方案是——Inference Context Memory Storage Platform（推理上下文记忆存储平台）

在Rubin架构下，Inference Context Memory Storage Platform通过 BlueField-4，在机架层面构建了一个可共享、可动态分配的超大规模上下文内存池。

借助 Spectrum-X以太网提供的低延迟东-西向互联，KV Cache 可以以接近内存级别的速度被GPU访问。这在逻辑上，相当于为每张GPU 扩展了数量级远超HBM 的上下文容量（TB 级）。

这意味着，GPU不再被有限的显存容量“卡死”在并发数和上下文长度之间做取舍，而是可以长期保存、复用数百万Token 的历史上下文，为长时对话、复杂文档理解和多步 Agent推理提供现实可行的基础。

在此前，面对500GB级KV Cache时，GPU要么被有限的HBM卡住，只能支持极少量并发用户，要么每次推理都需重新计算，延迟高且成本大。但如今，AI模型可以轻松记住数百万Token的对话历史，处理海量文档，且访问速度极快。这不仅解决了“存不下”的物理瓶颈，更让长上下文推理的成本大幅下降，使“终身”式的AI代理成为可能。

 05  Alpamayo：自动驾驶从“黑箱决策”迈向“因果推理

在自动驾驶领域，架构路线之争由来已久。一端是规则清晰、可验证但扩展性受限的模块化系统，另一端则是表达能力强、却难以解释的端到端大模型。

NVIDIA通过Alpamayo给出了第三种选择——具备可解释推理能力的端到端模型。

Alpamayo作为VLA（视觉-语言-动作）模型，其核心突破在于结合因果链（CoC）推理与轨迹规划，主要增强复杂驾驶场景中的决策能力。与传统“感知到控制”的直接映射不同，Alpamayo的决策过程更接近人类驾驶员的推理方式。

搭载传统系统的车辆，在红灯前停车，一般是像素特征触发规则或网络响应的结果。而在Alpamayo架构下，模型会完成一系列中间判断，再得出最终行动决策。

截取自NVIDIA官网

Alpamayo参数规模约为100亿参数（10B），这一参数规模能在保证推理表达能力的同时，也能在车载边缘计算平台（如 DRIVE Thor）上高效运行。模型以视频流作为输入，输出不仅包含车辆的行驶轨迹（Trajectory），还同步生成可供审计的推理踪迹（Reasoning Traces）。

在复杂的城市路口场景中，道路施工，车道线模糊的情况，传统模型往往会因规则优先级冲突而出现犹豫甚至停滞。在现场演示中，Alpamayo的推理过程则呈现为：检测到施工区域 → 识别到信号灯为红灯 → 根据交通法规 → 观察周围车辆正在缓慢通行 → 决定跟随车流，低速通过路口。

 

截取自youtube

这一能力带来的价值更重要的是建立了人机之间的信任基础。当车辆做出非常规决策时，系统能够解释“为什么这么做”，这对于 L3/L4 级自动驾驶的商业化落地尤为关键。

在引入推理型大模型的同时，NVIDIA也没有未放弃对安全确定性的坚持。为此，其引入了NVIDIA DRIVE AV双栈架构。

主栈（AI Stack）由Alpamayo驱动，负责覆盖绝大多数驾驶场景，尤其是涉及复杂交互的情况，其行为风格更接近经验丰富的人类驾驶员。

副栈（Safety Stack）则基于NVIDIA Halos安全系统构建，采用确定性的规则与物理约束，不依赖概率推断，作为系统的最后安全兜底。

这种设计使车辆在获得持续进化能力的同时，依然保留传统汽车工程所要求的可验证安全边界。对于奔驰、Lucid、Uber 等合作伙伴而言，双栈架构意味着在满足法规与安全要求的前提下，通过OTA持续释放AI带来的体验升级。

为加速模型迭代，NVIDIA开放了Physical AI Open Datasets，提供超过1700小时覆盖极端和稀缺场景的高质量驾驶数据。这些数据为推理型模型训练和验证提供了关键资源。同时，结合AlpaSim仿真框架和Cosmos大规模合成场景生成能力，开发者可以形成“训练—部署—回传—再训练”的闭环。随着这一“虚实”飞轮持续运转，自动驾驶系统的进化速度将不再主要受限于真实道路里程，而更多取决于算力与工程投入规模。

06  Cosmos：不只“看见” 更要让 AI真正理解物理世界

如果说 Alpamayo是为自动驾驶量身定制的“专项训练模型”，那么 NVIDIA Cosmos 的定位更接近于——物理AI的通用认知底座。

Cosmos 的核心目标，并非生成“看起来真实”的内容，而是让 AI 内化物理世界的基本规律：重力如何作用于物体、材质如何决定破坏方式、摩擦力如何影响运动轨迹、遮挡与光照如何改变感知结果。

这也是 Cosmos 与传统文生视频模型的本质差异所在——前者追求物理一致性，后者强调视觉合理性。

截取自NVIDIA官网

很多人容易将Cosmos混同于文生视频模型，但其技术内核有着本质区别。Cosmos包含三个核心模块，构成出完整的认知闭环。

Cosmos Reason 2（理解）赋予机器“看懂”物理属性的能力。当机器人看到一个玻璃杯时，Cosmos Reason能告诉它：“这是玻璃材质，硬度高但易碎，表面摩擦系数低，抓取时需要控制力度。”这比单纯的物体识别进了一大步。

Cosmos Predict 2.5（预测）： 是物理AI的精髓。其能预测“未来”。在仿真环境中，如果机器人松手，Cosmos Predict能精确生成杯子掉落、触地破碎、碎片飞溅的物理级视频。

Cosmos Transfer 2.5（迁移）： 致力于解决Sim-to-Real（仿真到现实）的鸿沟。其让在虚拟世界中训练的策略，能够无缝迁移到真实的物理机器人上。

另一面，Cosmos最直接的价值在于合成数据（Synthetic Data）的规模化生产。

在物理 AI 场景中，真实数据往往昂贵、稀缺，甚至不可获得。不能为了训练消防机器人而纵火，也不能为了训练自动驾驶而制造真实事故。

Cosmos的价值，正在于此，其允许开发者在Omniverse中批量生成具备物理真实性的合成数据，包括图像、视频，甚至力反馈信号。这使得物理AI的训练成本，从“美元级/样本”降至“美分级/样本”。

目前，Salesforce、Hitachi、Uber等企业，已经在借助 Cosmos 生成的合成数据，加速其 AI Agent 在复杂物理环境中的泛化能力。

07 Isaac GR00T N1.6从“专用工具”到“通用伙伴”

在Cosmos的底层支撑下，Isaac Project GR00T本次也迎来了重要升级——Isaac GR00T N1.6。

这是NVIDIA面向人形机器人推出的通用基础模型。与Alpamayo类似，Isaac GR00T N1.6也是典型的VLA模型，模型能够理解自然语言指令，结合视觉与传感器感知，直接输出面向关节层级的控制信号，从而缩短从“理解意图”到“执行动作”之间的路径。

在能力设计上，Isaac GR00T N1.6更强调对人形机器人完整身体结构的适配。

一方面，Isaac GR00T N1.6 不仅能处理视觉信息，还能够融合触觉等传感器输入，用于完成精细的操作任务。同时，GR00T N1.6 的神经网络架构结合了视觉语言基础模型和扩散变换器头部，用于对连续动作进行去噪；另一方面，其控制策略针对人形机器人的动力学特性进行了专门优化，在执行上肢操作的同时，下肢能够持续维持动态平衡，避免传统分模块控制中常见的姿态失稳问题。

截取自：Github

为了在本地运行Isaac GR00T N1.6模型，NVIDIA 同步更新了Jetson Thor平台。

Jetson Thor将机器人的“感知中枢”与“运动控制中枢”整合于一体。在严格功耗约束下提供接近服务器级别的推理能力。这意味着机器人不再依赖持续云连接，即便在工厂、地下空间或户外弱网环境中，也能保持完整的感知、推理与行动闭环。

在模型能力与端侧算力之外，机器人真正走向规模化应用，还需要依高效的工程编排方式。为此，NVIDIA推出了OSMO编排服务。

由于现实中的机器人开发流程高度碎片化，模型往往在数据中心平台上训练，在OVX环境中进行仿真验证，最终部署到边缘设备上。不同阶段使用的算力形态、工具链和运行环境差异巨大，协同成本极高。

OSMO的作用，就是将这些离散环节抽象为可编排的云原生流程。开发者只需定义任务目标，OSMO即可自动调度云端与本地的异构算力资源。在云端生成合成数据、完成模型训练与验证，再将模型打包并推送至分布在各地的机器人终端。

而这种模式，其实显著降低了物理AI的工程门槛，即便是规模有限的初创团队，也能够以接近大型科技公司的效率，完成机器人系统的持续迭代。

08 Nemotron：为企业AI补齐“后一公里能力”

在面向物理计算平台持续发力的同时，NVIDIA Nemotron更新了包括Speech（语音）、RAG（检索增强生成）和Safety（安全）模型。

Nemotron Speech聚焦实时语音交互。在博世车载助手的落地中，驾驶员的语音指令几乎在落音的瞬间就得到响应，支撑这一体验的是端侧全流程的低延迟推理。通过量化与模型剪枝，Speech能够在Jetson Orin或RTX AI PC端本地运行，不仅能保证在无网络环境下的可用性，也避免了数据传输带来的能耗和隐私风险。

这种部署方式，使AI交互真正达到了工业级的可靠性与实时性。

Nemotron RAG模型，则解决了企业知识资产的“最后一公里”。通过Embedding与Rerank机制，其能够从海量文档中精准提取关键信息，显著提升知识检索的效率。

ServiceNow、Cadence、IBM等企业已借助Nemotron RAG构建其内部助手，实现专业化场景下的高效信息处理。更重要的是，NVIDIA提供的标准化RAG模块Blueprint，使企业可以在现有架构上快速部署，而无需从零开发底层算法，这在企业级AI落地中尤为关键。

与此同时，Nemotron Safety也能为AI应用提供独立的安全护栏。该模型能够过滤幻觉、偏见和潜在有害信息，为企业提供可定制的内容审核机制。在CrowdStrike、Fortinet等安全应用中，Nemotron Safety不仅实现了自动化审核，也逐步形成了行业安全标准。

在CES 2026上，黄仁勋也指出，AI扩展不仅是算力之争，更涉及数据搬运能耗和推理上下文存储成本。Nemotron的端侧部署、模型优化与流水线设计，正是对这两大隐形成本的回应——既保证了性能，也提升了企业部署的经济可行性。

09 生态扩展：微软、CoreWeave与Red Hat

NVIDIA通过OpenShift的深度适配，金融、医疗等高敏感行业也获得了可落地的 AI 基础设施标准。

微软宣布了下一代AI超级工厂“Fairwater”基于Vera Rubin NVL72构建的系统，将扩展至数十万颗GPU的规模。

这也传递了一个信号，云巨头（Hyperscalers）虽然都在自研芯片，但在追求极致性能和上线速度（Time-to-Market）的顶级战场上，NVIDIA依然是更优的选择。Rubin平台的全栈优化，让微软能够以最快的速度部署高级别的模型服务。

CoreWeave作为NVIDIA云合作伙伴之一，展示了另一种生态位。通过集成NVIDIA Mission Control软件，CoreWeave能够像管理电力一样管理算力，为客户提供灵活的Rubin实例。这种专注于AI算力的“特种云”，正在成为初创公司和科研机构的首选。

如果说微软和CoreWeave解决的是公有云问题，那么与Red Hat的合作则打通了私有部署。通过将Rubin平台与Red Hat OpenShift全栈优化，NVIDIA为那些对数据隐私极其敏感的金融、医疗企业，提供了一套开箱即用的AI基础设施标准。