在拉斯维加斯国际消费电子展（CES）的舞台上，英伟达首席执行官黄仁勋身着标志性黑色夹克登场，尽管比预定时间晚了十分钟，但他的演讲依然吸引了全场目光。这场持续一个半小时的演讲中，黄仁勋不仅回顾了过去一年科技行业的关键转折，更将英伟达的战略定位从“AI革命的引领者”转向“全球计算基础设施的核心供应商”。他详细拆解了芯片、机架、网络、软件等环节的协同效应，强调这些底层技术将支撑起未来机器人、自动驾驶等领域的智能化升级。
硬件层面，英伟达推出了基于Rubin架构的六组件平台，包含两种规格的GPU与CPU、NVLink 6交换芯片及ConnectX-9 SuperNIC网络模块。通过全系统协同设计，公司宣称可将“单token成本”压缩至行业新低。机架级产品Vera Rubin NVL72（配备72颗GPU与36颗CPU）与更大规模的Rubin Ultra NVL288（288颗GPU与144颗CPU）构成算力主力，而DGX品牌下的训练与推理设备组合则进一步标准化了AI工厂的交付模式。这些产品预计于2026年下半年通过合作伙伴进入市场。
网络与存储成为英伟达突破GPU边界的关键抓手。公司重点推广的Spectrum-X以太网光子交换系统被标注为“性能一等特性”，声称可提升推理能效五倍。同时推出的“推理上下文内存”平台，通过扩展AI模型的上下文窗口，试图解决长时序智能体的卡顿问题。这两项技术被视为英伟达开辟新利润池的信号——当GPU市场逐渐饱和，基础设施层面的网络与存储或将成为下一个增长极。
在软件生态构建上，英伟达采取“免费样本”策略吸引开发者。其发布的Nemotron-3模型家族包含70B、34B和8B三种规模，配套1.4万亿token的多语言预训练语料库Nemotron-CC及企业级指令数据集Granary。公司强调，2025年已成为Hugging Face平台最大贡献者之一，累计开放650个模型与250个数据集。这种“开源”叙事背后，是英伟达将开发者锁定在其技术栈的野心——所有工具均针对自家硬件优化，形成闭环生态。
物理AI与机器人领域，英伟达将“感知-推理-行动”闭环定义为行业分水岭。黄仁勋直言：“机器人领域的ChatGPT时刻已至。”为支撑这一判断，公司推出三方面技术：基于Isaac GR00T N1.6的视觉-语言-行动推理模型、用于策略评估的Isaac Lab Arena框架，以及生成合成数据的Cosmos工具链。硬件端则通过Jetson T4000边缘计算平台与DGX级基础设施的联动，构建起从训练到部署的完整流水线。公司汽车业务副总裁Ali Kani更放言：“所有移动设备终将实现完全自动化，由物理AI驱动。”
自动驾驶成为验证英伟达“全栈”能力的试金石。其Drive AV平台已进入量产阶段，2026款梅赛德斯-奔驰CLA车型将搭载该系统，具备L2级自动驾驶能力，支持城市点到点导航。公司宣称，该车型今年年底前可在美国道路实现脱手驾驶，而Hyperion计算架构则提供安全冗余支持。面向L4级自动驾驶，英伟达开放了1700小时驾驶数据与仿真框架，并推出Alpamayo模型家族，试图降低高阶自动驾驶的开发门槛。
从芯片到机器人，从数据中心到自动驾驶，英伟达在CES上勾勒的蓝图始终围绕一个核心：让智能化的每一个环节都运行在其构建的技术体系内。无论是硬件的模块化拆解、软件的开源策略，还是物理AI的闭环设计，最终指向的都是同一个目标——将计算基础设施转化为掌控未来产业命脉的“隐形操作系统”。
