图说黄仁勋CES演讲:第三次浪潮「物理AI」来了
在CES 2026演讲中,黄仁勋明确了AI发展的第三阶段——"物理AI"(Physical AI)。这一概念标志着AI从理解语言和生成内容的虚拟空间,正式转向理解物理规律、操控现实世界的新阶段。支撑这一转型的核心是新一代AI超级芯片平台Vera Rubin的全面投产,以及配套的开源生态与仿真平台Omniverse的升级。英伟达正通过降低算力成本和构建全栈布局,将AI从少数巨头的游戏转变为各行各业的通用工具。
01物理AI:AI发展的第三阶段
AI发展三阶段演变
第一阶段
传统AI
- 核心能力:模式识别
- 典型应用:图像分类、简单语音识别
第二阶段
生成式AI
- 核心能力:理解语言、生成内容
- 典型应用:ChatGPT、Midjourney
第三阶段
物理AI (Physical AI)
- 核心能力:理解物理规律、感知并操控现实世界
- 典型应用:机器人控制、自动驾驶、工业制造
为了支撑物理AI对实时性和计算效率的极高要求,英伟达构建了三大技术支柱:响应速度低于0.01秒的Newton物理引擎、推理延迟仅1毫秒的Cosmos基础模型平台,以及将效率提升100倍、成本降低90%的混合算力架构(GPU+LPU)。这一组合旨在赋予机器在复杂物理环境中的交互能力。
02Vera Rubin平台:算力平价化的关键
| 关键指标 | Vera Rubin平台性能 | 相比Blackwell提升/对比 |
|---|---|---|
| 训练性能 | 3.5倍 | 显著提升训练速度 |
| 推理性能 | 5倍 (达50 PFLOPS) | 处理能力大幅增强 |
| 每瓦推理算力 | 8倍 | 能效显著优化 |
| HBM4带宽 | 22TB/s | 是Blackwell的2.8倍 |
| 训练成本 | 降至1/4 | MoE模型所需GPU减少 |
| 推理Token成本 | 降至1/10 | 大幅降低使用门槛 |
Vera Rubin平台核心性能参数对比
- 六芯片协同架构:由Vera CPU、Rubin GPU、NVLink 6交换机、ConnectX-9 SuperNIC、BlueField-4 DPU及Spectrum-6以太网交换机组成,实现极致协同设计。
- 商业化部署:2026年下半年向合作伙伴交付,AWS、Google Cloud、Microsoft、Oracle等主要云服务商已确认部署。
03软件生态:开源模型与仿真平台
英伟达发布了四大开源模型家族,配套史无前例规模的数据集,旨在成为物理AI领域的"安卓系统"。这些模型及数据集全部可在Hugging Face获取,涵盖智能体、物理交互、自动驾驶及医疗健康领域。
| 模型名称 | 核心领域 | 关键能力 |
|---|---|---|
| Nemotron | 智能体AI | 逻辑推理与任务执行 |
| Cosmos | 物理AI | 理解物理规律和环境交互 |
| Alpamayo | 自动驾驶 | 视觉-语言-行动(VLA)推理模型 |
| Clara | 医疗健康 | 生物医药研发与医疗影像 |
英伟达四大开源模型矩阵
在工业仿真方面,Omniverse平台深化了物理世界建模能力。通过与西门子的合作,英伟达将CUDA-X、Omniverse和AI模型整合到西门子全产品线,涵盖EDA、CAE及数字孪生,实现从设计到运营的全生命周期AI化。这一平台重新定义了"元宇宙"概念,将其转变为工业数字孪生和机器人训练场。
04行业影响:技术路线分化与商业落地
自动驾驶技术路线之争
开源平台与仿真推理
策略:开源模型权重及仿真框架AlpaSim
技术:视觉-语言-行动(VLA)架构,具备"链式推理"能力
落地:2026年Q1由梅赛德斯-奔驰首发搭载
合作:联合Lucid、捷豹路虎等,为行业提供工具


闭源系统与真实数据
策略:闭源、端到端训练
技术:依赖海量真实行车数据解决长尾问题
争议:马斯克认为解决长尾问题超级困难,质疑竞品
定位:强调自身才是"第一个"
除了数据中心,英伟达还发布了多款边缘计算硬件,如搭载Blackwell架构的Jetson T4000模组,专为机器人和边缘AI设计,性能是上代4倍。黄仁勋预测,未来5年全球在AI基础设施的投入将达到3-4万亿美元。随着Vera Rubin平台的量产和开源生态的完善,物理AI的应用将在2026年迎来大规模落地。
当前文章无评论,是时候发表评论了