在拉斯维加斯举行的国际消费电子展上，英伟达CEO黄仁勋为新年的技术发展勾勒出三个重点方向：物理AI的深化应用、开源模型的持续领先，以及自动驾驶技术的全面落地。 当前的挑战与机遇 近年来AI技术的快速发展对计算能力提出了更高要求，特别是在自动驾驶和物理模拟领域。传统闭源模型的局限性日益显现，行业需要更开放、更高效的解决方案。同时，芯片性能提升也面临散热和成本等多重压力。 黄仁勋指出，开源模型具有更强的透明性和可扩展性。以Deepseek-R1为代表的开源项目已在技术上领先闭源模型六个月，此差距还在扩大。物理AI的兴起推动了跨模态、跨云平台的复杂系统需求，而自动驾驶技术的成熟为物理AI提供了首个规模化应用场景。 在芯片层面，英伟达推出的Vera Rubin平台通过集成Vera CPU和Rubin GPU，达成了性能的重大突破。其计算能力达到上一代Grace Blackwell平台的两倍，组装效率大幅提升，散热需求却没有增加。这一成果源于公司在芯片架构上的创新，以及对AI计算需求指数级增长的战略调整。 商业化进展 英伟达推出的开源自动驾驶模型Alpamayo标志着公司在该领域的继续开放。该模型将被集成至2025款梅赛德斯奔驰CLA车型，并于今年第一季度在美国率先上路。黄仁勋表示，这将加速自动驾驶技术的普及，推动行业向完全自动驾驶迈进。 此外，英伟达与西门子等工业企业的合作展现了物理AI在机器人仿真等领域的应用前景。通过将CUDA-X库整合至工业设计流程，公司正帮助制造业实现更高水平的智能化。 未来趋势 黄仁勋预测，未来AI技术的竞争将围绕计算能力、成本控制和跨平台整合展开。随着模型参数规模每年增长约10倍，行业需在硬件创新与算法优化上同步推进。英伟达的Vera Rubin平台和开源战略可能为这一趋势树立标杆。
英伟达在CES 2026上的战略发布反映了AI产业正在进入新发展阶段。从单纯的芯片性能竞争向系统化、生态化方向转变，从闭源模型向开源模型的融合发展，从虚拟AI向物理AI的应用拓展，这些变化共同描绘出AI产业的未来轮廓。Vera Rubin平台的投产和自动驾驶技术的商业化落地，标志着AI从实验室走向大规模应用的关键时刻。在计算能力竞赛日益激烈的背景下，如何在性能、成本、能效之间找到平衡，将成为决定产业竞争格局的关键。