没错，依然是咱们熟悉的那个“黄教主”：每场发布会都出现的标志性皮夹克、配上英伟达白绿配色PPT和老黄激情满满的演讲。但是! 这次干货特别多，可以说老黄几乎没怎么讲故事，直接甩出了硬件和方向。核心一句话：
今天我们准备了相当于十五场主题演讲的丰富内容，我很高兴见到你们所有人！这座礼堂里坐着3000人，庭院里还有2000人正在观看。据说四楼原定作为英伟达展区的区域，此刻也有上千人同步收看这场主题演讲。当然，全球还有数百万观众将通过直播共同开启新年序幕！各位莅临此地，不仅是为了一场产品发布会——更是为了见证计算的未来。今天，我将向大家展示：人工智能正在从数字世界迈向物理世界。属于物理AI的“ChatGPT时刻”已经到来。
大约每十到十五年，计算机行业就会经历一次重置。平台会发生一次根本性的转变，从大型机到个人电脑，再到互联网、云计算、移动设备。每一次，应用生态都会瞄准一个新的平台，这就是所谓的“平台转移”。每次，你都要为新的计算平台编写新的应用程序。但这一次，事实上，有两个平台转移在同时发生。
当我们迈向人工智能时代时，应用程序将构建在AI之上。起初，人们认为AI本身就是应用，事实也确实如此。但未来，你将要在AI之上构建应用程序。除此之外，软件的运行方式和开发方式也发生了根本性改变。
计算机工业的整个基础技术栈正在被重新发明。你不再“编程”软件，而是“训练”软件；你不再在CPU上运行它，而是在GPU上运行它。过去的应用程序是预先录制、预先编译并在你的设备上运行的，而现在的应用程序能够理解上下文，每一次、每一个像素、每一个token都是从零开始生成的。由于加速计算，由于人工智能，计算已经被彻底重塑。那个“五层蛋糕”（指技术栈）的每一层如今都在被重新发明。
这意味着，过去十年积累的价值约十万亿美元的计算机基础设施，现在正被现代化改造，以适应这种新的计算方式。每年有数千亿甚至上万亿美元的风险投资正在涌入，用于现代化改造和发明这个新世界。
这也意味着，一个百万亿美元规模的产业，其研发预算中有几个百分点正在转向人工智能。人们问钱从哪里来？这就是来源。从传统AI到现代AI的现代化改造，研发预算从经典方法转向现在的人工智能方法，海量投资正涌入这个行业，这解释了为什么我们如此忙碌。
过去这一年也不例外。2025年是不可思议的一年。似乎所有重大进展都同步发生——事实上，可能的确如此。让我们一同回顾这五项改变AI游戏规则的关键技术突破。
第一项突破：扩展定律（Scaling Laws）依然成立。自2015年BERT模型崭露头角，到2017年Transformer架构诞生，再到2022年点燃全球的ChatGPT时刻，AI的发展在很大程度上遵循着一个核心定律：投入的计算资源越多，模型就越智能。
ChatGPT发布一年后，一个重要进展出现了——作为首个真正的推理模型，GPT o1引入了“测试时扩展”的概念。它将AI的学习与应用过程划分为三个阶段，每个阶段都需要巨大的计算能力，而扩展定律在每个阶段持续有效。
•后训练：通过强化学习等技术，模型学习特定技能，使其行为与人类期望对齐。
•测试时扩展：一个更通俗的说法是“思考”。面对具体问题时，AI不再瞬间给出答案，而是可以花费更多时间进行实时推理，从而找到更优解。
这表明，无论是在模型的初始学习、后续微调还是实际应用中，更多的计算能力都意味着更强的性能。扩展定律依然有效。
第二项突破：AI走向智能体化（AI Becomes Agentic）。智能体系统的概念于2024年兴起，并在2025年迅速普及，这标志着AI角色的重大转变。
AI不再仅仅是被动回答问题的工具，而是进化为能够主动执行复杂任务的“智能体”。这些智能体模型具备推理、获取信息、开展研究、使用工具、规划未来以及模拟结果的能力。
我最喜爱的智能体模型之一是Cursor。它彻底改变了英伟达内部的软件编程方式。智能体系统将真正从这里腾飞。
第三项突破：物理AI实现飞跃。AI不仅在数字世界发展，也开始与物理世界深度融合。我将这种能够理解自然法则、并与物理世界互动的AI称为“物理AI”。
•AI物理学：指能够理解物理世界规律的AI，例如学习流体力学、材料科学等。
第四项突破：AI学习自然法则。这是对“AI物理学”的进一步延伸。AI应用正深入基础科学领域，开始学习并理解物理世界的基本规律。
在宇宙中存在信息和结构的任何地方，我们都可以教导模型去理解这些信息，解读其表征，并将其转化为AI的能力。
这使得AI能够在生物学、化学、药物研发等领域，通过分析海量数据发现人类难以察觉的模式，从而加速科学发现。
第五项突破：开源模型达到前沿水平。去年发生的最重要事件之一，就是开源模型的显著进步。我们现在认识到，当开源、开放创新以及全球每个行业、每家公司的创新力被同时激活时，AI将无处不在。
事实上，去年我们见证了首个开源推理系统DeepSeek R1的进展。它令世界瞩目，如今全球已涌现出各种类型的开源模型系统。
开源模型已达到前沿水平。虽然它们仍落后于最顶尖的模型大约六个月，但每隔六个月就有新模型出现，并且这些模型正变得越来越智能。
正因如此，我们看到开源模型的下载量呈爆炸式增长，因为初创公司、大型企业、研究人员、学生乃至几乎每个国家，都希望参与这场AI革命。
智能——数字形式的智能——怎能将任何人拒之门外？因此，开源模型在去年真正变革了人工智能，整个行业也将因此而重塑。
其实我们对此早有预感。诸位或许听说过，几年前我们开始构建并运营自己的AI超级计算机——DGX Cloud。很多人曾问：你们要进军云计算业务吗？答案是否定的。我们建造这些DGX超级计算机是供自身使用的。结果是，我们有价值数百亿美元的超级计算机在持续运行，以开发我们的开源模型。
这一切已开始吸引全球各行各业的关注，因为我们在众多不同领域推进着前沿的AI模型工作。
今天，我怀着激动的心情宣布Vera Rubin平台——这是一场全栈革命，它打破了英伟达自己定下的规则：“任何新一代产品，都不应有超过一两款芯片的改动。”
为何如此？摩尔定律已然放缓。Rubin的晶体管数量仅比Blackwell多1.6倍，但我们面临的却是模型规模每年增长10倍、生成标记数量增加5倍的压力。如果仅遵循常规的芯片迭代速度，我们完全无法跟上步伐。
Vera Rubin平台的硬件集成度达到了全新高度。全新的液冷计算托盘完全摒弃了电缆和软管，所有芯片通过定制基板紧密互联，将系统组装时间从数小时缩短至几分钟。
每颗Rubin GPU由两颗物理GPU芯片通过封装内NVLink互联，其芯片间带宽较传统的多芯片设计提升了1.2倍。
在演讲中，我花了大量篇幅阐述AI推理面临的独特挑战——不断增长的上下文记忆。随着模型支持更长的对话、存储更多的临时知识，传统的GPU高带宽内存已无法容纳。
Vera Rubin的解决方案是：在每个机架内，通过四颗BlueField-4 DPU直接管理一个高达150TB的共享、持久、高速的上下文内存池。该内存池通过超低延迟的机架内网络（采用与GPU互联相同的技术）与所有GPU直连，可动态地为每个GPU分配高达16TB的专用上下文空间。
这相当于为每个GPU配备了一个容量扩大16倍、且速度远超传统网络存储的“外部大脑”，从而彻底解决了长上下文AI应用的核心瓶颈。
尽管性能飙升，Vera Rubin平台仍坚持使用45摄氏度温水冷却，无需依赖高能耗的冷水机组。这一设计预计能为全球数据中心节省约6%的总电力消耗。
Vera Rubin平台还首次实现了全路径硬件加密的机密计算。从GPU到GPU，从CPU到DPU，所有内部总线数据均经过加密，为多租户AI云服务提供了芯片级的安全隔离。
此外，系统级的动态功率平滑技术能有效吸纳AI计算特有的瞬时功率尖峰，使数据中心能够以更接均功耗的容量来配置供电系统，避免了基础设施上的巨额过度投资。
今天，我十分高兴地宣布，Vera Rubin平台已进入全面量产阶段，并将于2026年下半年开始交付。Vera Rubin代表了极致的协同设计——六颗芯片完美协同工作，可实现相较于Blackwell平台5倍的推理性能和3.5倍的训练性能提升，同时将推理成本降至其十分之一。
物理人工智能指的是能够在物理世界中感知、推理并行动的AI。为加速其发展，我们推出了人形机器人系统Groot，该系统能够实现全身协调与端到端训练。
我们还发布了用于机器人学习与推理的全新NVIDIA Cosmos开放模型及数据，推出了用于机器人评估的Isaac Lab-Arena，以及简化机器人训练工作流程的OSMO端到云计算框架。
从移动机械臂到人形机器人，波士顿动力、卡特彼勒、Franka Robotics、LG电子和NEURA Robotics均首次推出了基于NVIDIA技术的全新AI驱动机器人。
人形机器人不再仅仅是实验室的演示品，而是具备了实际商业潜力的产品。通过数字孪生和仿真训练，大量机器人学习任务可在虚拟世界中完成，随后快速部署到现实场景，应用于制造、物流和服务业。
随着成本持续下降和能力快速提升，机器人将像过去的个人电脑和智能手机一样，逐步走向普及，成为下一个万亿美元级市场。
在自动驾驶领域，我们推出了Alpamayo——全球首款具备推理能力的视觉-语言-动作模型，它能让汽车进行思考、推理并解释其决策。Alpamayo R1已开源，其仿真蓝图和数据集向所有汽车制造商开放。
Alpamayo将于2026年第一季度首次应用于梅赛德斯-奔驰CLA车型，提供增强型L2+级驾驶辅助功能。这是自动驾驶系统首次获得全面的安全认证，每一行代码都经过了可靠性验证。
搭载Alpamayo的梅赛德斯-奔驰CLA已在拉斯维加斯完成了时速120公里的高速并线测试，证明了其在复杂驾驶场景下的可靠性能。
我们将于2026年第一季度启动Robotaxi道路测试，我们的下一代车载计算平台DriveAGX Thor售价约为3500美元，这将使高性能自动驾驶技术更易普及。
•牛顿物理引擎：专为机器人设计，响应速度低于0.01秒，实现超高动态控制。
•Cosmos基础模型：千亿参数规模，推理延迟仅1毫秒，破解实时决策难题。
今天，我们将开放模型生态扩展至六大领域：智能体AI（Nemotron）、物理AI（Cosmos）、自动驾驶（Alpamayo）、医疗健康（Clara）、机器人技术（Groot）以及科学计算（Earth-2）。
人工智能正在为医疗健康领域带来革命性变化。我们全新的Clara模型，包括用于蛋白质设计的La-Proteina和用于药物合成的ReaSyn v2，可将药物发现周期缩短数年。
KERMT能在研发早期预测药物相互作用，从而提升安全性并降低成本。OpenFold 3用于理解蛋白质结构；EVO 2用于理解和生成多种蛋白质；同时，我们还推出了开源细胞表征模型的雏形。
Earth-2 AI是能够理解物理定律的人工智能。我们在ForecastNet和Cordiff方面的工作，真正改变了人们进行天气预报的方式。
Nemotron是我们当前进行开创性工作的领域。它是首个混合Transformer SSM模型，速度惊人，因此既可以进行长时间思考，也可以快速思考。
我们不仅开源模型，更开源用于训练这些模型的数据。这包括10万亿个语言标记、50万条机器人轨迹、45.5万个蛋白质结构以及100TB的车辆传感器数据。若不清楚AI的来源，便无法真正信任它。
卡特彼勒正在扩大与英伟达的合作，将先进的人工智能和自主技术引入建筑和采矿设备及作业现场。卡特彼勒首席执行官Joe Creed将于1月7日（星期三）的CES主题演讲中，与英伟达机器人副总裁及边缘AI副总裁Deepu Talla一同分享相关细节。
NVIDIA IGX Thor将于本月晚些时候上市，将机器人技术扩展至工业前沿，提供具备企业软件支持和功能安全认证的高性能AI计算能力。
Archer公司正利用IGX Thor将人工智能引入航空领域，推动飞机安全、空域整合和自动驾驶系统等关键能力的发展。
AI智能体正在改变我们的工作方式。在英伟达，我们使用Cursor来编写代码——它具备自主性、情境感知能力，并能对复杂问题进行推理。如今，我们不再仅仅是编写软件，更是在训练软件。
我们正与ServiceNow、Snowflake、Palantir以及CrowdStrike合作，将AI智能体集成到他们的平台中。您的AI既可以高度定制化——学习您公司的独特技能——同时又能始终保持技术领先地位。
未来的“AI工厂”正在成形。Omniverse平台与机器人开发深度融合，实现虚拟训练闭环。AlpaSim框架加速了机器人的学习与验证过程。人形机器人将主导物流、制造等领域。
在汽车制造领域，优必选、特斯拉等公司已实现小批量部署，预计到2028年需求量将达到73.64万台。
物流行业正通过智能化升级提升运营效率。杭叉集团、井松智能等头部企业已推出具备高负载、多场景适应能力的产品，预计到2028年需求量将达到5.91万台。
在康养领域，松霖科技、三晖电气等企业正推动机器人在康复理疗、失能失智照护等场景的应用，其产品具备柔性力控、多维感知等技术优势。
人工智能的未来是物理化的。它关乎能够理解物理定律、与世界互动并让世界变得更美好的AI。我们正在打造实现这一愿景所需的工具、平台与生态系统。
加速计算和人工智能已经从本质上重塑了计算。价值十万亿美元的传统计算基础设施正在进行现代化改造，数千亿美元的资金正涌入这场革命。
开源模型激活了全球创新活力，而物理AI正将智能带到物理世界的每一个角落。机器人、自动驾驶汽车、医疗健康、科学研究——人工智能正在改变每一个行业。
