編輯精選收錄 - Jan 7th 2026
NVIDIA CES 2026 主題演講完整解析：Vera Rubin 超級電腦與 AI 革命時代
想掌握更多科技股投資大小事，歡迎追蹤臉書：👉 劉總監的財富心靈講堂
NVIDIA CES 2026 主題演講完整解析：Vera Rubin 超級電腦與 AI 革命時代
AI 產業革命：雙重平台轉移正在發生
Jensen Huang 開場即指出，計算產業每 10 至 15 年會經歷一次平台轉移——從大型主機到個人電腦、從 PC 到網際網路、從網路到雲端、從雲端到行動裝置。但這一次，產業面臨兩個同時發生的平台轉移：
雙重革命的核心特徵
1. 應用層革命：應用程式不再獨立存在，而是建立在 AI 之上。開發者不再「編寫」軟體，而是「訓練」軟體。
2. 基礎架構革命：整個五層運算堆疊正在重新發明。運算不再依賴 CPU 預編譯執行，而是透過 GPU 即時生成每一個像素、每一個 token。
這場革命的資金規模驚人：過去十年累積的 10 兆美元運算基礎設施正在現代化，每年數千億美元的創投資金湧入，而百兆美元產業的研發預算也轉向 AI。僅在過去 3 年（2023-2025），就有超過 8,000 億美元投入 AI 基礎設施，2026 年預計將再投入近 6,000 億美元。
「人們問錢從哪裡來？答案就在這裡——從傳統運算現代化到 AI、從傳統研發方法轉向人工智慧方法的巨大遷移。」——Jensen Huang
2025 年 AI 產業五大突破回顧
1. 擴展定律持續有效
從 2015 年 BERT 模型問世，到 2017 年 Transformer 架構誕生，再到 2022 年 ChatGPT 時刻喚醒全球對 AI 的認知。2023 年的 o1 模型引入「測試時擴展」（test-time scaling）概念——即 AI 的「思考」能力，這需要龐大的運算資源支持推理過程。
2. 代理系統（Agentic AI）爆發
2024 年開始萌芽的代理系統，在 2025 年全面爆發。這些 AI 系統具備推理、資訊檢索、研究、使用工具、規劃未來和模擬結果的能力。Jensen 特別提到 Cursor 這款程式設計助手，已經徹底改變 NVIDIA 內部的軟體開發方式。
代理系統的核心能力
- 多模型協作：智慧路由器根據任務選擇最適合的模型
- 工具使用：能夠調用外部工具和 API 完成複雜任務
- 推理鏈：將複雜問題分解為可管理的步驟
- 混合部署：支援多雲、混合雲、邊緣運算
3. 物理 AI 與 AI 物理學
AI 不再局限於數位世界。物理 AI 讓 AI 能夠理解並與真實世界互動，而 AI 物理學則是 AI 理解物理定律本身。NVIDIA 的 Cosmos 世界基礎模型和 Omniverse 數位孿生平台，正在為機器人、自動駕駛和工業自動化鋪路。
4. 開源模型達到前沿水準
2025 年最令人振奮的發展是開源模型的崛起。DeepSeek R1 作為首個開源推理系統，震驚業界，證明開源模型也能達到前沿水準（儘管仍落後封閉模型約六個月）。
開源模型下載量爆炸式成長
新創公司、大型企業、研究人員、學生，以及幾乎每個國家都在參與 AI 革命。數位智慧的普及不會遺落任何人，開源模型讓全球創新生態系統得以活躍。
5. NVIDIA 自建 AI 超級電腦與開源貢獻
NVIDIA 運營數十億美元的 DGX 雲端超級電腦，專為開發前沿開源模型。這些努力涵蓋多個領域：
數位生物學
ProteINa（蛋白質合成）、OpenFold 3（蛋白質結構理解）、EVO 2（多蛋白質生成）
物理模擬
Earth 2（氣候物理）、ForecastNet（天氣預測）、CorrDiff（氣象革命）
基礎模型
Nemotron 3（混合 Transformer-SSM 模型）、Cosmos（世界基礎模型）、Groot（人形機器人系統）
自動駕駛
Alpamo（端到端推理自駕系統，本次首度發表）
Vera Rubin 超級電腦：革命性的 AI 硬體系統
為什麼要以天文學家 Vera Rubin 命名？她觀察到星系邊緣的恆星運動速度與中心相當，這違反牛頓物理學，最終導致暗物質的發現。NVIDIA 用她的名字致敬這位揭示「看不見的力量」的科學家——正如 AI 運算需求的爆炸性成長，驅動了這套革命性系統的誕生。
為什麼需要 Vera Rubin？三大驅動力
- 模型規模年增 10 倍：AI 模型參數量每年成長一個數量級
- 推理 token 年增 5 倍：o1 模型引入「思考時間」，每次推理需生成更多 token
- Token 成本年降 10 倍：激烈競爭推動價格快速下降，唯有更快運算才能維持優勢
「如果不進行極端協同設計，如果不在整個系統的每一顆晶片上同時創新，每年效能提升最多只能達到 1.6 倍——因為這是你能獲得的電晶體數量上限。」——Jensen Huang
六顆晶片協同運作：極端協同設計
Vera Rubin 打破 NVIDIA 內部規則——通常每代產品只改動一兩顆晶片，但這次重新設計了全部六顆晶片：
Vera Rubin 核心晶片架構
- Vera CPU：88 核心、176 執行緒，採用空間多執行緒技術，功耗效能比全球最先進 CPU 高 2 倍
- Reuben GPU：浮點效能為 Blackwell 的 5 倍，但電晶體數僅增加 1.6 倍（透過 NVF FP4 張量核心實現）
- ConnectX-9 網卡：每 GPU 提供 1.6 TB/s 的擴展頻寬
- BlueField-4 DPU：卸載儲存與安全任務，讓運算資源專注於 AI
- 第六代 NVLink 交換器：400 Gbit/s serdes，頻寬相當於全球網際網路流量的 2 倍（240 TB/s）
- Spectrum-X 乙太網路光子交換器：全球首款採用 512 埠 200 Gbit/s 共封裝光學元件的乙太網路交換器
突破性的 NVF FP4 張量核心
這不只是一個 4 位元浮點數格式，而是一個完整的處理單元，能夠動態、自適應地調整精度和結構，在需要時提供最高精度，在可能時實現更高吞吐量。Jensen 預測這項技術可能成為產業標準。
系統級創新：從 2 小時到 5 分鐘
MGX 機箱革命
上一代（Blackwell）：43 條電纜、6 條水管，組裝時間 2 小時，容易出錯需反覆測試
Vera Rubin：零電纜、兩條水管，組裝時間 5 分鐘，100% 液冷設計
關鍵優勢：功耗翻倍但進水溫度維持 45°C（無需冷卻機），節省全球資料中心 6% 電力
效能提升驚人：實測數據
三大維度效能對比（Reuben vs Blackwell）
- 訓練速度：訓練 10 兆參數模型僅需 1/4 系統數量（相同時間框架）
- 推理工廠吞吐量：單位功耗產出提升 10 倍
- Token 生成成本：每 token 成本降至 1/10
Vera Rubin 系統目前已進入全面量產，將於 2026 年交付客戶。
Alpamo：全球首個「會思考」的自駕 AI
NVIDIA 耕耘自動駕駛技術已有八年。Alpamo 是端到端訓練的自駕系統——從攝影機輸入到方向盤、煞車、油門控制輸出，完全由 AI 驅動。
Alpamo 的三大獨特之處
- 端到端學習：透過人類示範和 Cosmos 生成的合成資料訓練，數十萬筆精準標註範例
- 推理能力：不僅執行駕駛，還會說明要採取的行動、理由和行駛軌跡
- 長尾場景處理：將罕見情況分解為熟悉的物理互動，透過推理解決從未見過的場景
「收集所有可能發生的駕駛情境是不可能的。但每個情境如果分解成更小的場景，都是相當正常的情況。AI 只需要推理即可。」——Jensen Huang
雙重安全架構：創新與可靠並存
Alpamo 採用獨一無二的雙堆疊設計：
雙層防護機制
第一層（主系統）：Alpamo AI 端到端推理系統，處理複雜場景和長尾情況
第二層（守護系統）：傳統 AV 堆疊，完全可追溯、耗時 5-7 年開發，提供保底安全
政策與安全評估器：實時判斷使用哪個系統，確保最高安全標準
Mercedes-Benz CLA：全球最安全的汽車
搭載 Alpamo 的 Mercedes-Benz CLA 剛獲得 NCAP（新車安全評估計畫）評定為全球最安全汽車。這是唯一一款每行程式碼、每顆晶片、每個系統都經過安全認證的車輛。
Alpamo 部署時程
- Q1 2026（美國）：Mercedes-Benz CLA 在美國上路
- Q2 2026（歐洲）：歐洲市場啟動
- Q3-Q4 2026（亞洲）：亞洲市場陸續開放
- 持續更新：後續推出更新版本 Alpamo
值得注意的是，Alpamo 今日全面開源。NVIDIA 公開模型、訓練資料和整個技術堆疊，讓全球開發者、車廠和研究機構都能參與自動駕駛革命。
物理 AI：從數位世界走向真實世界
物理 AI 需要三台電腦協同運作：
物理 AI 的三電腦架構
- 訓練電腦：訓練 AI 模型（DGX 系統）
- 推理電腦：邊緣運算（車輛、機器人、工廠）
- 模擬電腦：數位孿生與物理模擬（Omniverse）
Cosmos：世界基礎模型的突破
Cosmos 是 NVIDIA 的世界基礎模型，經過網路規模影片、真實駕駛數據、機器人數據和 3D 模擬訓練。它能夠：
- 從 3D 場景描述生成逼真影片
- 從駕駛遙測和感測器日誌生成環景影片
- 從規劃模擬器生成多鏡頭環境
- 執行互動式閉環模擬（動作產生回應）
- 推理邊緣情境並預測可能結果
「Cosmos 將運算轉化為資料，訓練自動駕駛處理長尾情境，訓練機器人適應各種場景。」——介紹影片旁白
機器人革命：Groot 與產業夥伴
現場展示了兩款可愛的 Jetson 驅動機器人，它們在 Omniverse 的 Isaac Sim 和 Isaac Lab 環境中學習行動與互動。NVIDIA 正與全球頂尖機器人公司合作：
人形機器人
Agility Robotics、Boston Dynamics、Figure AI
工業機器人
Franka Emika、Universal Robots、ABB
特殊應用
LG（送餐機器人連接 Uber Eats）、Caterpillar（大型工業機器人）、Serve Robotics
醫療機器人
手術機器人與精密醫療應用
企業 AI 應用：Agentic 系統改變遊戲規則
對談環節中，Snowflake CEO Sridhar Ramaswamy 分享了企業 AI 的實際應用：
資料主權與隱私
企業客戶對資料位置極為敏感。Snowflake 的原則很簡單：「您的資料就是您的資料」。他們只代表客戶處理，不會挪作他用。這在金融、醫療等受監管產業尤其重要。
醫療產業的意外爆發
A Bridge 健康科技 CEO Shiv Rao 指出，醫生每天需要 30 小時才能完成所有工作——80% 是文書工作，僅 20% 是實際臨床推理。AI 有機會翻轉這個比例。
A Bridge 的成果
A Bridge 目前每年服務 8,000 萬至 1 億人次，透過精煉、微調和訓練後，從每日編輯中學習，持續優化每個專科、每個場景的效能。
程式碼審查的新標準
Code Rabbit 的 Harjot Singh 指出，生成式 AI 降低了軟體開發門檻——任何人都能用自然語言生成程式碼。但 10 倍工程師不會因此變成 100 倍，反而是更多人能夠「夠好」地撰寫程式碼。
「內層迴圈解決後，外層迴圈成為瓶頸。一個是程式碼審查（Code Rabbit 專攻），另一個是明確描述意圖——如果描述不準確，代理可能跑 30 分鐘卻產生一堆垃圾。」——Harjot Singh
晶片設計與製造的 AI 革命：Cadence、Synopsys、Siemens 聯手
NVIDIA 與全球三大 EDA/SDA 巨頭達成深度合作，將 AI 技術整合到晶片設計與製造流程：
從設計到製造的全生命週期
三階段 AI 整合
- 設計階段（Cadence、Synopsys）：CUDA X 加速模擬與求解器，AI 物理學整合，代理晶片設計師協助工程師
- 驗證階段（Cadence）：在虛擬世界中完整生產晶片，數位除錯後才進入硬體製造
- 製造階段（Siemens）：在 Omniverse 中建構工廠數位孿生，設計製造產線，工廠本身成為巨型機器人
「你們將在虛擬世界中被設計、製造和測試，在面對重力之前就已經完美運作。」——Jensen Huang 對現場機器人說
全新儲存架構：Dynamo KV Cache 系統
AI 推理有一個巨大挑戰：每生成一個 token，GPU 都要讀取整個模型和全部工作記憶體（KV cache）。當對話變長、模型變大、使用者變多，這個 KV cache 會增長到 HBM 記憶體無法容納。
三層記憶體架構
- 第一層（HBM）：每 GPU 約 1 TB 記憶體
- 第二層（Grace CPU 記憶體）：快速上下文記憶體擴展
- 第三層（BlueField-4 + NVMe）：每機櫃 4 個 BlueField-4 DPU，每個背後 150 TB 儲存，為每 GPU 額外提供 16 TB 上下文記憶體
這套系統與 MVLink 72 運算節點共享相同的東西向流量，速率達 200 Gbit/s，避免南北向網路擁塞。
產業生態系統：NVIDIA 的開放策略
Jensen 強調，NVIDIA 建構完整技術堆疊，但整個堆疊對生態系統開放：
企業 AI 平台
Palantir、ServiceNow、Snowflake——整合 NVIDIA 加速與代理系統
開發工具
Code Rabbit、Cursor——NVIDIA 內部廣泛使用
網路安全
CrowdStrike——用 AI 偵測 AI 威脅
資料平台
NetApp——整合語意 AI 與代理系統
汽車產業夥伴
Mercedes-Benz 是首發合作夥伴，但整個自動駕駛生態系統持續擴張。合作模式彈性極高——從僅使用晶片、到部分堆疊、到完整解決方案，各車廠可自由選擇。
「我們建構整個堆疊，但堆疊完全開放。你決定使用多少都可以，我唯一的要求是：請在可能的地方使用一點 NVIDIA。」——Jensen Huang
未來展望：10 年內自動駕駛普及
Jensen 對未來十分樂觀：
- 未來 10 年內，全球道路上10 億輛汽車將具備自動駕駛能力
- 可能是 robo-taxi 出租、私人擁有自駕車，或手動/自動混合駕駛
- Mercedes-Benz 與 NVIDIA 五年前就開始合作佈局
- 這將成為最大規模的機器人產業
開源與生態系統
NVIDIA 的策略清晰：建構最強大的技術，然後完全開放。從 Alpamo、Cosmos、Groot、Nemotron 到各種 Nemo 函式庫，所有前沿模型和訓練資料都公開，確保每家公司、每個國家、每位研究者都能參與 AI 革命。