下面是CES 2026上，英伟达的主题演讲schedule, 从演讲的标题标题也大概能看出来这次CES，英伟达对Physical AI的重视程度。

回归到本次老黄的演讲内容，除了前面一小段是讲英伟达在AI中的影响力和贡献，我认为可以大致分为三个大的Topic: AI Agent、Physical AI和Rubin。演讲没有涉及消费级游戏GPU（如RTX 50系列的更新），这些内容被安排在当晚的GeForce专场活动。

1、AI Agent

说句演讲之外的话：我们前面的文章中也提过，看好今年的AI Agent.

将Agentic AI（代理AI）定位为AI从生成式向自主行动时代的重大转型。老黄回顾AI发展历史：从感知模型（Perception Models）、生成模型（Generative Models），到2025年的推理模型（Reasoning Models），2026年进入“agentic”阶段，即AI具备高级推理、多步规划和行动能力，不再局限于聊天机器人，而是能像人类一样分解复杂任务、自我对话并执行。

Agentic AI的核心是多模型、多模态代理系统（multi-model and multi-modal agents），这些代理根据专长相互调用，形成“推理链”（reasoning chain）。例如，Perplexity（疑似Perplecity）通过链式推理创建多模型架构，适应任意任务；Cursor等模型登顶排行榜，开发者可轻松构建个人助理。黄仁勋展示视频：用NVIDIA硬件和框架，几分钟内构建完整个人助理，“几年前不可想象，现在却 trivial（微不足道）”。

老黄认为Agentic AI革命企业AI：模型无需“一口气”理解一切，而是通过训练特定任务模型、结合推理扩展能力。NVIDIA模型（如Nemotron）支持企业代理自主处理工作流，如项目供应链管理。IT部门将像HR一样“招募、管理、优化”数字代理，推动万亿参数“世界模型”落地。

Agentic AI是通往物理世界的桥梁：“宇宙中任何有信息的地方，都能用大语言模型训练成AI代理，从云端扩展到工业、工厂和机器人。”这与Rubin架构和Omniverse结合，奠定2026年AI基础设施基础。

2、Physical AI

这应该是本次演讲中，占的时间最长的一个topic。

在NV官网给的解释是：

Physical AI lets autonomous systems like cameras, robots, and self-driving cars perceive, understand, reason, and perform or orchestrate complex actions in the physical world.

Physical AI 能够让摄像头、机器人、自动驾驶汽车这类自主系统，在物理世界中实现感知、理解、推理，并执行或协调复杂的操作。

在物理AI出现前，自主机器有个大问题：没法准确感知和适应周围的物理环境。而物理AI的核心作用，就是让机器人、自动驾驶汽车这些设备，能顺畅地和真实世界互动，自动适应环境变化。

要做到这一点，基于物理规律的仿真技术很关键。这种虚拟环境能让自主机器安全地训练，不仅能提高它们做复杂任务的效率和精度，还能让人和机器的互动更自然，让技术在实际中更好用。

更重要的是，物理AI正在让各个行业发生变革。在机器人领域，它让机器人从“死板的工具”变成“能自己做主的智能设备”：仓库里的自主移动机器人（AMR）能通过传感器避开障碍物，包括人；机械臂能根据传送带上物体的样子，调整抓取的力度和位置；手术机器人能学会穿针、缝合这些精细操作，帮医生更精准地手术；人形机器人则能靠感知和动作能力，完成各种不同的任务。

在自动驾驶领域，物理AI能让自动驾驶汽车实时处理传感器数据，看懂周围环境。借助相关模型，汽车在高速路、城市道路等不同场景都能做对决策。而且在逼真的虚拟环境里训练后，汽车能更准确地识别行人、应对复杂交通和天气，处理各种突发情况。

在工厂、仓库这些大空间里，物理AI也能提高运营效率和安全性。通过摄像头和相关AI技术，系统能追踪里面的人、车、机器人，优化路线规划；还能自动发现异常情况并及时提醒，保障安全。

他将Physical AI定位为AI发展的下一个重大阶段：AI不再局限于数字世界，而是扩展到物理世界，驱动机器人、自动驾驶和工业自动化。“机器人学的ChatGPT时刻已经到来”，并将这一浪潮称为“通用机器人大爆炸”（Big Bang of General Robotics）。

为了实现Physical AI，黄仁勋介绍了NVIDIA的全栈平台：Omniverse作为连接器，将训练（GB300系列）、模拟（RTX Pro服务器）和推理（THOR芯片）整合成完整流程。

其中，Cosmos世界基础模型是关键亮点。它用于生成基于物理的合成数据，帮助训练机器人和自动驾驶系统。在老黄的PPT中，反复提了一句“Compute is Data”。

是因为计算力如今已成为数据来源——通过Cosmos，AI可以从模拟环境中产生海量 photorealistic（照片级真实）数据，解决真实数据不足的问题。这让机器人训练从依赖昂贵的真实世界试验，转向高效的数字孪生模拟。

在演讲中，老黄也强吹一波三大家EDA公司：

老黄预测，Physical AI将重塑全球产业：从工厂自动化到自主车辆，再到家用机器人。随着劳动力短缺加剧，这些技术将成为必需。“宇宙中任何有信息的地方，都能用大语言模型训练成AI”，而Physical AI正是这一愿景的物理延伸——AI将从云端走进现实世界，驱动万亿参数的世界模型落地。

3、Rubin

先放一张比较震撼的图：

老黄宣布该平台已进入全面生产阶段，预计2026下半年开始出货。

说句比较搞笑的：最大的变化之一，是把Rubin超节点的名字，从之前的NVL144改回了NVL72...这个我们以前的文章也讲过很多次，2025年GTC时曾计划将Rubin的系统命名为NVL144，其实还是72个GPU，只不过之前老黄是按照die个数来算。

Vera Rubin的硬件核心是Rubin GPU和Vera CPU。这两个组件从一开始就协同设计，以实现更快的数据共享和更低的延迟，从而优化大规模AI模型的训练和推理。 Vera CPU基于新的设计，提供强大的处理能力，而Rubin GPU则针对数据中心未来需求，性能比Blackwell提升高达5倍，同时功耗仅增加1.6倍。 这使得Vera Rubin架构整体能够在相同时间内训练大型“混合专家”（Mixture of Experts, MOE）AI模型，但资源消耗更低。从上面这个图也能看得出来，训练时间减少、吞吐量提升、成本还能降低。

为什么标题叫叫“Six New Chips", 是因为包含了Rubin GPU、Vera CPU、NVLink 6、NVSwitch、新一代BlueField DPU、ConnectX-9这六个。

老黄认为Rubin的升级不是单个芯片或单个机架的升级，而是rack-scale（机架级）甚至更大规模的AI基础设施的巨大飞跃。

下面是一些演讲的产品参数截图。