CES 2026黄仁勋演讲最全拆解看这一篇就够了，附中文CES2026演讲PPT
CES 2026黄仁勋演讲最全拆解看这一篇就够了，附中文CES2026演讲PPT
CES 2026黄仁勋演讲最全拆解看这一篇就够了，附中文CES2026演讲PPT CES 2026黄仁勋演讲最全拆解看这一篇就够了，附中文CES2026演讲PPT Modified January 8 晶体管只多了1.6倍，性能却涨了 5倍 重点不只在“堆晶体管”了，而在 系统级协同 ：把 CPU、GPU、互联、网络、数据处理等做成一个更紧密的整体。于是 6个芯片协同设计，可以当成1台超级计算机用。 组件 功能 黑科技 Vera CPU 处理器 2倍能效比 Rubin GPU AI训练/推理 5倍浮点性能 NVLink 6 GPU互连 第六代高速总线 ConnectX 9 网络接口 超快以太网 BlueField 4 数据处理 16TB缓存/GPU Spectrum X 光子互连 102.4T光学连接 结果（这些通常是特定条件下的官方口径，模型规模、并行策略、软件栈与基准选择都会影响）： 训练同一个AI模型，需要的GPU数量 减少4倍 推理成本 降低10倍 黄仁勋第三个爆料：用Cosmos让AI自己"生成"训练数据 传统的物理AI是怎么训练的？用大量数据来训练学习。 但是这里有个很大的卡点问题：如果数据不够就咋办？ 自动驾驶要学会所有场景？数据根本 不可能够。 清晨上海的菜市场路口怎么转弯？ 超级雾霾里怎么识别路标？ 小街小巷站在马路正中间慢悠悠散步的阿伯阿婆怎么避让？ 就算把全球所有摄像头的录像都拿来训练，也覆盖不了所有情况。 那可咋办咧：只能让AI自己"生成"训练数据，让魔法对抗魔法 这就是 Cosmos 的革命性之处。 工作原理： 输入一个抽象的交通/物理模拟（比如轨迹、方块、道路拓扑） 用物理约束 + 生成模型得到“看起来合理”的环绕视频/传感器数据 输出可用于训练的高质量合成场景，补足现实采集的不足 NVIDIA已经开源了： 1,700小时真实驾驶数据 Cosmos模型框架 让全行业都能用 夸张点这是"物理AI的ChatGPT时刻"——就像ChatGPT让每个人都能用AI对话，Cosmos让每个公司都能训练物理AI。 黄仁勋的第四个爆料：两场平台转移在同时发生 第一重：应用层革命 过去： 程序员写代码，CPU执行 现在： AI模型推理，GPU执行 这意味着： 你用的每个App，底层逻辑都要重写 Excel可能变成"AI电子表格"，自动分析数据 Photoshop可能变成"AI设计师"，你只需描述想法 第二重：基础设施革命 过去： 数据中心堆满CPU服务器 现在： AI超级计算机（像Vera Rubin这样的）成为主力 黄仁勋说这是 10万亿美元的现代化 ——全球IT基础设施要换一遍。 为什么这次不一样？ AI打破了技术采用曲线： 技术 达到1亿用户 个人电脑 20年 互联网 10年 智能手机 6年 ChatGPT 2个月 他用 ChatGPT 的增长速度做类比，强调新技术扩散的节奏正在变快。 黄仁勋的判断： 物理AI也会如此 。10年内，自动驾驶、工厂机器人、人形机器人将成为常态。 黄仁勋在CES 2026说的每一句话，都在指向同一个未来： AI在未来会参与到我们人类的真实物理世界。 它会开你的车 它会在工厂组装产品 它会在医院做手术 它甚至会设计下一代AI芯片 当然很显然的是，它也会让很多人失业，当"一切会动的东西都被AI接管"时，你做好心理准备了吗？ No access CES2026 黄仁勋演讲 PPT.pdf 晶体管只多了1.6倍，性能却涨了 5倍 重点不只在“堆晶体管”了，而在 系统级协同 ：把 CPU、GPU、互联、网络、数据处理等做成一个更紧密的整体。于是 6个芯片协同设计，可以当成1台超级计算机用。 组件 功能 黑科技 Vera CPU 处理器 2倍能效比 Rubin GPU AI训练/推理 5倍浮点性能 NVLink 6 GPU互连 第六代高速总线 ConnectX 9 网络接口 超快以太网 BlueField 4 数据处理 16TB缓存/GPU Spectrum X 光子互连 102.4T光学连接 组件 组件 功能 功能 黑科技 黑科技 Vera CPU Vera CPU 处理器 处理器 2倍能效比 2倍能效比 Rubin GPU Rubin GPU AI训练/推理 AI训练/推理 5倍浮点性能 5倍浮点性能 NVLink 6 NVLink 6 GPU互连 GPU互连 第六代高速总线 第六代高速总线 ConnectX 9 ConnectX 9 网络接口 网络接口 超快以太网 超快以太网 BlueField 4 BlueField 4 数据处理 数据处理 16TB缓存/GPU 16TB缓存/GPU Spectrum X Spectrum X 光子互连 光子互连 102.4T光学连接 102.4T光学连接 结果（这些通常是特定条件下的官方口径，模型规模、并行策略、软件栈与基准选择都会影响）： 训练同一个AI模型，需要的GPU数量 减少4倍 推理成本 降低10倍 黄仁勋第三个爆料：用Cosmos让AI自己"生成"训练数据 传统的物理AI是怎么训练的？用大量数据来训练学习。 但是这里有个很大的卡点问题：如果数据不够就咋办？ 自动驾驶要学会所有场景？数据根本 不可能够。 清晨上海的菜市场路口怎么转弯？ 超级雾霾里怎么识别路标？ 小街小巷站在马路正中间慢悠悠散步的阿伯阿婆怎么避让？ 就算把全球所有摄像头的录像都拿来训练，也覆盖不了所有情况。 那可咋办咧：只能让AI自己"生成"训练数据，让魔法对抗魔法 这就是 Cosmos 的革命性之处。 工作原理： 输入一个抽象的交通/物理模拟（比如轨迹、方块、道路拓扑） 用物理约束 + 生成模型得到“看起来合理”的环绕视频/传感器数据 输出可用于训练的高质量合成场景，补足现实采集的不足 NVIDIA已经开源了： 1,700小时真实驾驶数据 Cosmos模型框架 让全行业都能用 夸张点这是"物理AI的ChatGPT时刻"——就像ChatGPT让每个人都能用AI对话，Cosmos让每个公司都能训练物理AI。 黄仁勋的第四个爆料：两场平台转移在同时发生 第一重：应用层革命 过去： 程序员写代码，CPU执行 现在： AI模型推理，GPU执行 这意味着： 你用的每个App，底层逻辑都要重写 Excel可能变成"AI电子表格"，自动分析数据 Photoshop可能变成"AI设计师"，你只需描述想法 第二重：基础设施革命 过去： 数据中心堆满CPU服务器 现在： AI超级计算机（像Vera Rubin这样的）成为主力 黄仁勋说这是 10万亿美元的现代化 ——全球IT基础设施要换一遍。 为什么这次不一样？ AI打破了技术采用曲线： 技术 达到1亿用户 个人电脑 20年 互联网 10年 智能手机 6年 ChatGPT 2个月 技术 技术 达到1亿用户 达到1亿用户 个人电脑 个人电脑 20年 20年 互联网 互联网 10年 10年 智能手机 智能手机 6年 6年 ChatGPT ChatGPT 2个月 2个月 他用 ChatGPT 的增长速度做类比，强调新技术扩散的节奏正在变快。 黄仁勋的判断： 物理AI也会如此 。10年内，自动驾驶、工厂机器人、人形机器人将成为常态。 黄仁勋在CES 2026说的每一句话，都在指向同一个未来： AI在未来会参与到我们人类的真实物理世界。 它会开你的车 它会在工厂组装产品 它会在医院做手术 它甚至会设计下一代AI芯片 当然很显然的是，它也会让很多人失业，当"一切会动的东西都被AI接管"时，你做好心理准备了吗？ No access CES2026 黄仁勋演讲 PPT.pdf No access CES2026 黄仁勋演讲 PPT.pdf 🔗 原文链接： https://mp.weixin.qq.com/s/poiTD o7... https://mp.weixin.qq.com/s/poiTD o7... 原创 caishenBoon A9quant量化思维2026年1月7日 20:05 上海 2026年1月6日凌晨，拉斯维加斯。 当黄仁勋穿着标志性皮夹克走上CES舞台之前，现场气氛其实不算“悬念很大”大家都知道英伟达会讲 AI、讲生态、讲下一代算力。 但他这次有点不一样。 他说： “计算机行业每 10 到 15 年就会来一次 大洗牌 —— 每次都会掀起新的变革浪潮，各类应用也都会随之瞄准全新的平台。但这一次不一样， 有两场平台变革在同时发生 ”—— 一方面是人工智能技术和基于 AI 工具打造的各类应用，另一方面则是软件的开发与运行，如今正从依赖 CPU 转向依托 GPU。 他说： “整个技术体系都在彻底改变，不管是写软件的方式，还是运行软件的方式，全都变了。” 你的电脑从硬件到软件到基建，全部都会被重新做一遍。 黄仁勋第一个爆料：汽车将从“识别 执行”走向“识别 推理 解释 规划 执行” 据他介绍，奔驰 CLA 将使用一个名为 Alpamayo 的自动驾驶系统， 传统自动驾驶是这样工作的：摄像头识别 → 算法计算 → 执行动作 但问题在于：遇到“没见过”的场景，就容易保守处理（比如急刹、停住、等待）。 而他描述的“推理型”自动驾驶Alpamayo 则是 ：摄像头识别 →AI推理"我要做什么" → 给出理由/解释 → 规划轨迹 → 执行 把陌生场景拆成若干个模型已理解的子问题，再组合出应对策略。 现实世界不可能把每个国家、每种道路情况、每种极端天气都采集齐全；如果系统具备推理能力，就能用更少的数据覆盖更多变化。 这就是2024年OpenAI o1模型的突破——"测试时扩展"（test time scaling）：让AI不只是"记住答案"，而是学会思考 。奔驰CLA的车载AI，现在会在转弯前"思考"3秒——这3秒里，它在脑子里模拟了上百种可能性。 黄仁勋第二个爆料：Vera Rubin—6个芯片=1台AI超级计算机 为什么要起这个名字？ Vera Rubin是美国天文学家，证明了 暗物质 的存在——那些看不见但决定宇宙命运的东西。 黄仁勋的寓意很明显： AI也在揭示"看不见的智能"。 过去AI芯片的逻辑： 想要更强性能？很简单，加料就好了呀，于是堆更多晶体管 就搞定啦 想要更快训练？很简单，加料就好了呀，于是堆更多GPU 就搞定啦 但是今天Vera Rubin的逻辑：