在拉斯維加斯的 CES 2026 大會上，Nvidia 創辦人兼執行長黃仁勳發表了一場長達 90 分鐘的主題演講，這不僅是一場科技盛宴，更是對 AI 產業未來十年發展的全面擘畫。面對現場 6,000 多名觀眾以及全球數百萬線上觀眾，黃仁勳以其標誌性的黑色皮衣登台，宣告了一個前所未有的「雙重平台轉移」時代的到來。
我們也特地將整場演講作了完整的中文翻譯，並依照每個段落做了標記，有興趣的朋友也可以直接看影片版本：
史無前例的雙重革命
「每隔 10 到 15 年，電腦產業會經歷一次重置。」黃仁勳開場即點出產業的歷史脈絡：從大型主機到個人電腦、從網際網路到雲端、再從雲端到行動裝置。但這一次不同，我們正在經歷兩個同時發生的平台轉移：應用層轉向 AI，以及整個運算架構的根本性重構。黃仁勳解釋道：「你不再撰寫軟體程式，你是在訓練軟體。你不是在 CPU 上執行，而是在 GPU 上執行。過去應用程式是預先編譯的，現在應用程式理解上下文並即時生成每一個像素、每一個 token。」
這場革命的規模超乎想像。整個電腦產業的五層技術堆疊正在被徹底重塑，從底層硬體到應用軟體，每一層都在經歷根本性的變革。這意味著價值 10 兆美元的運算基礎設施正在現代化，每年數千億美元的風險投資資金與研發預算正從傳統方法轉向 AI。黃仁勳指出：「人們問錢從哪裡來？那就是資金來源：來自於 AI 的現代化，來自研發預算從傳統方法轉向人工智慧方法。這也解釋了為什麼我們如此忙碌。」這不僅僅是技術的迭代，更是整個產業價值鏈的重生，影響著從晶片製造商到軟體開發商的每一個環節。
AI 代理：從幻覺到實戰的飛躍
2024 年到 2025 年，AI 領域迎來了關鍵突破：自主代理系統（Agentic AI）的崛起，這標誌著 AI 從簡單的問答工具演化為能夠主動思考、規劃並執行複雜任務的智能體。黃仁勳回憶道：「當 ChatGPT 剛出現時，人們說它產生了很多幻覺。
原因很簡單：它能記住過去的一切，卻無法記住未來與當下。因此它需要以研究為基礎，需要先進行基礎研究再回答問題。」這個洞察揭示了 AI 代理的核心價值：不再依賴預先訓練的知識，而是具備即時推理、查找資訊、使用工具並將複雜問題拆解成可執行步驟的能力。
從 2015 年的 BERT 語言模型，到 2017 年 Transformer 架構的出現，再到 2022 年 ChatGPT 喚醒世界對 AI 的認知，這條演進路徑最終在 2023 年迎來了突破性的 o1 推理模型。
黃仁勳解釋：「這個想法稱為測試時擴展（Test Time Scaling），這是非常常識性的做法：我們不僅預先訓練模型讓它學習，還用強化學習進行後訓練讓它學會技能，現在我們還有測試時縮放，也就是讓 AI 能夠即時思考。」這種能力讓 AI 能夠處理從未見過的情境，就像人類一樣，將陌生的問題拆解為熟悉的知識與規則的組合。黃仁勳特別提到 Cursor；一款革命性的 AI 程式設計工具：「它徹底改變了我們在 Nvidia 進行軟體開發的方式。自主代理系統將會從這裡真正起飛。」
黃仁勳指出，當他第一次看到 Perplexity 這家 AI 搜尋公司同時使用多個模型時，「我覺得這完全是天才之舉。當然，AI 也會召喚世界上所有偉大的 AI 來解決問題。」
他認為未來 AI 應用的三大特性：
多模態（Multimodal）：能理解文字、語音、影像、影片、3D 圖形、蛋白質等各種資訊形式。
多模型（Multimodel）：能調用世界上所有最佳的 AI 模型來解決特定問題。
多雲與混合雲（Multi-cloud & Hybrid）：模型靈活分散部署在雲端、邊緣設備、企業內部。
Cosmos：理解世界的 AI 基礎模型
「實體 AI 的 ChatGPT 時刻幾乎已經到來。」黃仁勳如此宣告，而 Nvidia Cosmos 正是這個歷史性時刻的關鍵推手。Cosmos 是一個開放的 Frontier 世界基礎模型（Open Frontier World Foundation Model），專為物理 AI 設計。與專注於語言理解的 GPT 系列或專注於影像生成的 Stable Diffusion 不同，Cosmos 的核心能力在於理解物理世界的運作規律。它掌握了重力如何影響物體運動、慣性如何決定加速與減速、碰撞時能量如何傳遞、流體如何流動等基本物理定律，同時也理解 3D 幾何關係、深度感知、視角變換等空間概念，以及動態過程中的因果關係與時間演化模式。黃仁勳解釋：「Cosmos 學到了一種統一的世界表示法，能夠對齊語言、影像、感測器數據與 3D 場景。」
Cosmos 的訓練數據來源展現了 Nvidia 在 AI 訓練方法上的創新思維。黃仁勳說明：「答案是合成數據，這一切從 Nvidia Cosmos 開始。」這個模型整合了三大數據來源：首先是真實世界數據，包括實際道路駕駛記錄、機器人在真實環境中的操作影片等珍貴的實況資料；其次是透過 Omniverse 生成的高保真 3D 模擬數據，這些虛擬環境能夠精確模擬光線、材質、物理碰撞等真實世界的特性；最後是 AI 生成的合成數據，能夠創造出在現實中罕見或危險的場景。黃仁勳特別強調了合成數據的重要性：「我們可以把 3D 模擬場景放進 Cosmos 基礎模型，產生基於物理且物理上合理的環繞影片。」這種多元化的訓練方式讓 Cosmos 不僅學會了物理世界的表面現象，更深刻理解了背後的本質規律。
演講中播放的 Demo 展示了 Cosmos 的強大能力。在「從單一影像生成影片」的展示中，系統僅需要一張靜態街景照片作為輸入，就能生成物理真實的動態影片。
其中車輛按照合理的軌跡移動、行人自然地走動、樹葉隨風搖擺，所有元素都符合物理規律。在「從 3D 場景描述生成運動」的演示中，只需輸入文字描述「一輛汽車在雨天轉彎」，Cosmos 就能生成符合物理規律的流暢動畫，包括車輛的傾斜角度、輪胎與濕滑路面的摩擦、雨水在擋風玻璃上的流動等細節。
最令人印象深刻的是「互動式閉環模擬」，AI 駕駛員在虛擬環境中做出決策後，Cosmos 能夠即時生成環境的反饋：其他車輛如何反應、行人如何避讓、交通流如何變化，形成一個完整的互動迴路。黃仁勳強調：「這不是預先錄製的影片，而是 AI 即時理解物理規律後生成的。當採取動作時，Cosmos 推理並分析邊緣情境，將複雜情境拆解為熟悉的物理互動。這就是世界模型的力量。」
Cosmos 為多個關鍵產業帶來了革命性變化。在自動駕駛領域，它能夠無限生成訓練場景，包括那些在現實中罕見但極度危險的情況：例如兒童突然衝上馬路、前方車輛突然急剎、極端天氣下的能見度問題等，這大幅降低了實車測試的成本與風險，同時加速了演算法的迭代速度。在機器人技術方面，Cosmos 讓機器人能夠在虛擬環境中安全地訓練各種技能，模擬工廠生產線、倉儲物流中心、醫院手術室等真實場景，進行零風險的強化學習，避免了在真實環境中訓練可能造成的設備損壞或安全事故。對於數位孿生（Digital Twin）應用，Cosmos 能為整個工廠、城市基礎設施、供應鏈網絡建立精確的虛擬映射，預測並優化現實世界的運作，進行「What-if」情境分析：例如「如果這條生產線停機會對整體產能造成什麼影響」或「如果增加這個路口的紅綠燈時長能否改善整體交通流量」等問題，在虛擬世界中找到答案後再應用到現實世界。
開源自駕車系統：AlphaMayo 的願景
在自動駕駛領域，Nvidia 推出了 AlphaMayo 開源自駕系統，這是產業的一大突破。黃仁勳強調了一個前所未有的承諾：「我們不僅開源模型，還開源用來訓練這些模型的資料。只有這樣，你才能真正信任這些模型是如何被打造出來的。」這種透明度在商業科技領域極為罕見，它為整個產業帶來了完整的資料與訓練流程公開性，讓開發者可以深入理解模型的每個決策邏輯，在此堅實基礎上持續創新，並大幅降低自駕技術的進入門檻，真正實現技術的民主化。這意味著不僅是大型科技巨頭，中小型企業、研究機構甚至獨立開發者都能參與到自動駕駛技術的開發中。
AlphaMayo 採用 端到端（End-to-End）神經網路架構，這是一種革命性的方法（跟特斯拉的 FSD 一樣路線），直接從感測器的原始輸入（攝影機影像、雷達數據、光達點雲）到駕駛決策（轉向、加速、剎車），中間不需要人工設計的複雜規則或中間表示層。這種方法帶來了多重優勢：它能夠有效處理長尾情境（Long-tail scenarios），那些在真實道路上罕見但至關重要的駕駛場景，例如突然出現的行人、異常的交通狀況、極端天氣條件等傳統規則系統難以窮盡的情況。同時，系統可以持續從新數據中學習進化，每一次新的駕駛經驗都能讓模型變得更加成熟，並且能夠靈活適應不同國家的地理環境、道路標誌系統與交通規則的差異，無需為每個市場重新編寫規則。
黃仁勳詳細展示了 AlphaMayo 如何與 Nemo Libraries 深度整合，構建完整的開發生態系統。Nemo Libraries 提供從最初的資料處理與生成、到模型訓練與創建、再到評估與護欄設定、最終到部署與優化的完整生命週期管理。黃仁勳解釋道：「我們擁有一整套函式庫組合，包括 Physics Nemo Libraries、Clara Nemo Libraries、Bio Nemo Libraries，這些函式庫的每一個都是生命週期管理系統，讓你能處理資料、產生資料、訓練模型、創建模型、評估模型、設定模型守護機制，一路到部署模型。每一個函式庫都極其複雜，而且全部開源。」這種全方位的支援讓開發者能夠在堅實的基礎上快速構建自己的自駕解決方案，而不需要從零開始重新發明輪子，大幅縮短了從概念到產品的時間週期。
同時黃仁勳也宣布 Nvidia 的第一輛自動駕駛車將搭載在 Mercedes Benz CLA 車上並在 Q1 上路（ Q1 2026：美國、Q2 2026：歐洲、Q3-Q4 2026：亞洲）。
黃仁勳描繪了終極圖景：「我們想像有一天，十億輛車上路都將是自駕車。」，他同時也宣布了將使用 NVIDIA 方案合作 L4 與 Robotaxi 業務的所有廠商，包含了軟體商、車廠（包含比亞迪、賓士、UBER、LUCID…）與 Tier 1 的車輛硬體供應商，聲勢相當浩大：
機器人革命：Isaac 與實體 AI 的未來
Nvidia 在機器人領域的佈局同樣令人矚目，透過 Isaac 能夠模擬真實物理場景，讓機器人在虛擬環境裡進行訓練。進行精確的運動模擬與關節控制、生成穩定的平衡與步態、以及執行精細的手部操作等複雜任務的測試以縮短相關 AI 的訓練時間。
在演講現場，黃仁勳展示了與 Hugging Face 的 Reachy Mini 機器人的整合，AI 代理能夠即時控制機器人的頭部轉動、耳朵擺動等動作，並流暢地回應語音指令。這種即插即用的整合展現了 Nvidia 希望建立的生態系統：開發者不需要深入研究機器人學的每個細節，只需要調用 GRooT 的 API 就能讓機器人執行複雜任務。
Nvidia Omniverse 在這個生態系統中扮演著至關重要的角色，它是黃仁勳口中「以物理為基礎的數位孿生模擬平台」。Omniverse 提供了前所未有的物理準確性，運用精確的光線追蹤技術模擬真實光線如何在場景中傳播、反射、折射，以及逼真的材質模擬讓虛擬物體的表面特性與真實世界無異。更重要的是，它支援即時協作，多個設計師、工程師可以在同一個虛擬環境中協同工作，就像在真實世界中一樣自然。黃仁勳強調：「Omniverse 是我們以實體為基礎的數位孿生模擬，讓我們能在數位世界中完美複製物理世界。從汽車工廠的生產線規劃，到倉庫機器人的路徑優化，一切都可以先在虛擬環境中測試、調整、完善，然後再應用到現實世界。」這種先虛擬後實體的開發模式大幅降低了試錯成本，讓創新變得更加經濟且安全。
Vera Rubin 平台：下一代 AI 基礎設施的願景
在演講的後半段黃仁勳興奮地預告了 Vera Rubin 平台：以發現暗物質證據的傑出天文學家命名的下一代架構。Vera Rubin 的設計哲學體現了 Nvidia 對未來 AI 基礎設施的深刻思考：它採用垂直整合堆疊的設計理念，從最底層的晶片設計、到中間層的系統架構、再到最上層的軟體框架，每一層都經過精心優化以實現最佳的協同效應，消除了傳統分層架構中的效能瓶頸。
NVIDIA Vera Rubin NVL72 採用 16 個機櫃組成，每個機櫃都有 72顆 Vera Rubin GPU，全部加起來由 1152顆 GPU 組成的機櫃集群，各項效能都是 Blackwell 平台數倍的表現：
黃仁勳特別強調了 Vera Rubin 在能源效率上的革命性突破：「每瓦效能將實現巨大躍升。」在 AI 運算需求呈指數級增長的今天，能源效率不僅關乎運營成本，更關乎產業的永續發展。Vera Rubin 的擴展性設計支援千萬級 GPU 規模的訓練任務，這對於訓練下一代超大規模 AI 模型至關重要。
結語：重塑 10 兆美元產業的歷史時刻
黃仁勳的 CES 2026 演講不僅是一場技術的展示，更是對未來的宣言。從 AI 代理的實戰應用展現出的推理與規劃能力，到 Cosmos 世界模型對物理規律的深刻理解，從 AlphaMayo 開源自駕車系統打破的技術壁壘，到 Vera Rubin 平台勾勒的宏偉藍圖，每一個環節都指向同一個核心訊息：我們正處於計算產業最深刻的轉型期，而 Nvidia 正在以開放的姿態引領這場革命。
黃仁勳在演講中反覆強調的「垂直整合」、「多模型多模態」、「開源生態」等概念，構成了一個完整的產業願景。這不是一家公司的獨角戲，而是一個邀請全世界共同參與的盛宴。正如他所說：「這個完整的產業即將被重塑，而我們的貢獻無出其右。」這種自信不是來自於壟斷技術，而是源於開放與賦能整個生態系統的戰略選擇。
這場演講最終傳遞的訊息是：AI 革命不是零和遊戲，而是一個所有人都能受益的增量市場。當 Nvidia 選擇開源其數十億美元投資開發的模型時，當它將 Cosmos、GRooT、AlphaMayo 等前沿技術無償分享給全世界時，它實際上是在播下一片森林的種子。這片森林長大後，將成為滋養整個產業的生態系統，而 Nvidia 作為提供土壤與陽光的角色，因為 CUDA 生態的原因也會從這個繁榮的生態中獲益。這種「利他即利己」的戰略智慧，或許才是黃仁勳和 Nvidia 能夠持續引領產業的真正原因。