黄仁勋炸场 CES 2026：物理 AI 的 ChatGPT 时刻

CES 是 Consumer Electronics Show（国际消费电子展）的缩写。

它是全球最大、影响力最广的科技盛会，谷歌、三星、索尼、宝马、奔驰等全球巨头都会在这里发布它们未来 1-3 年的旗舰产品和核心战略。

如果把科技界比作娱乐圈，CES（国际消费电子展）就是奥斯卡。

但今年的 CES 2026 和往年不一样。

往年大家还在比谁的大模型做数学题更对、画图更美。而今年，黄仁勋宣布物理AI的ChatGPT时刻到来 —— AI 终于走出了屏幕，开始进入高达 100 万亿美元的实体经济市场，这无疑让市场非常的兴奋。

物理 AI 帮人干活的时代，正式开始了。

01. 老黄的三板斧：硬核且落地

这次演讲，总结下来三件事：

下场做自动驾驶：英伟达发布 “Alpamayo” 自动驾驶模型。不像某些 PPT 造车，老黄直接定档：2026 年 Q1，搭载这套系统的奔驰 CLA 将在美国正式上路。
物理世界的“大脑”：发布Cosmos 基础世界模型，并提出了震动行业的“三台计算机”理论。
算力硬件再升级：推出下一代超级芯片平台 Rubin。算力提升 3 倍，推理成本降低 10 倍。

AI 要从从“缸中之脑”变成“在现实中的帮手”，具体怎么变的呢？我们来深度拆解下。

这是本次演讲最核心的技术洞察。黄仁勋认为，要造出能干活的机器人，光有一台训练大模型的计算机是不够的，我们需要三台：

第一台计算机（AI Factory / 训练）：这和我们现在熟悉的 ChatGPT大模型训练一样，在数据中心里，用海量数据喂养出一个通识大脑。（已有）
第二台计算机（Omniverse / 模拟）：类似黑客帝国的“矩阵”，这是物理 AI 区别于聊天机器人的关键。这是大模型没有的核心差异。可以理解成一个虚拟试炼场。

比如：为了训练自动驾驶，在 Omniverse（第二台计算机）里，AI 可以虚拟出来各种路况和极端天气，每秒经历 100 万次“车祸”测试，从而让大模型学会如何避险。
第三台计算机（Edge / 终端）：战场上的指挥官部署在车上或机器人体内。物理 AI 必须具备断网工作的能力。这台计算机必须在功耗极低（比如电池供电）的情况下，运行经过量化和蒸馏的高性能模型，还需要能进行快速思考。

如果ChatGPT 回复慢 1 秒没关系，但自动驾驶汽车在高速上慢 0.1 秒就是事故。

总结：通过三台电脑协同，同时能兼顾速度和准确。英伟达定义了一套物理AI落地方案和最佳实践。

现在的智驾市场，传统车企（丰田、大众、福特、奔驰、宝马）虽然车造得好，但软件能力拉垮。

核心的一个原因是智驾不行，导致销量断崖式下滑。

英伟达看到了这个巨大的缺口。

市场痛点：传统车企需要一个能打的AI智能驾驶系统，而英伟达直接提供 “Alpamayo” 自动驾驶全栈方案。

开源降维打击：不仅卖芯片，还开源模型。通过全球开发者的合力，加上英伟达的硬件深度协同，形成对特斯拉等新能源车的围剿之势。

物理AI应用：智驾有迫切的市场需求，做好了可以当做物理AI的最佳案例。英伟达也能深入一线用户，总结实践“三台计算机”标准，避免未来英伟达的产品和用户脱节。

演讲中黄仁勋多次提到了DeepSeek的深度思考模式，以往通过简单的“堆算力”来提升大模型能力的时代过去了，AI 进入了“深度思考”阶段（产品包含：大模型深度思考模式，Manus，Claude Code，Cursor等）。

就像考试一样，遇到难题（物理世界的复杂情况），AI 需要更多的时间去推理（Reasoning），而不是一次性地瞎蒙。Rubin 平台的出现，正是为了适应这种变化：

为了“思考”而生：支持更长的上下文、更复杂的推理链，让 AI 在行动前能像人一样“多想一步”。

不仅是快：除了 GPU/CPU 升级，更优化了通讯效率和缓存的上下文管理。

“模拟”将成为新的开发范式如果自动驾驶可以通过 AI 模拟环境训练，那么物流、仓储、甚至手术是不是都可以。只要有算力，通过世界模型，是否万物皆可模拟？

未来也许生成行业模拟数据也是一个好的创业方向。
以前我觉得互联网行业很大，但其实就3-5万亿美元，而且现阶段巨头垄断，小公司的机会其实很渺茫。

但物理世界是上百万亿美元的市场。现在互联网行业已经拿到了AI的入场券（大模型），它也将通过机器人渗透进制造业、农业、建筑业。

想到最近很多计算机毕业生、程序员感叹工作难找。也许，我们的目光不该再死盯着那块手机屏幕，窗外的那个物理世界，才是下一个星辰大海。

(以上内容整理自 CES 2026 黄仁勋演讲，欢迎关注 “荔枝AI圈” 获取更多 AI 深度观察，面对AI的冲击，我们一同破局)