AI正在从实验室走向产业落地，黄仁勋在CES 2026上揭示了这场变革的核心逻辑。开源模型让更多玩家参与竞争，物理AI让机器人具备现实世界行动能力，而Rubin平台则将算力成本降低10倍、效率提升4倍。这场革命不再是技术炫技，而是围绕'落地'展开的实用主义竞争——谁能把AI变成用得起的生产力，谁就能赢得下一个十年。
在拉斯维加斯的CES（2026国际消费电子展）上，黄仁勋又带着他的标志性皮衣“炸场”了。
听完他的演讲，再看后续的媒体采访，我们可以发现：AI已经从“实验室里的聪明人”，变成了“要走进工厂、汽车、家庭的打工人”。
往年我们看英伟达，总觉得是“芯片大佬”在秀技术肌肉，但这次不一样，他不谈玄乎的未来概念，只说“怎么把AI落地”；不吹模型多牛，只讲“怎么让AI算得起、用得久”。
以下，是黄仁勋在CES上的演讲和采访的精华梳理，希望对你有所帮助。
黄仁勋一开场就说：计算机行业每10-15年就会“重置”一次，这叫“平台转移”。
简单说，就像你开餐厅，原来在商场专柜（大型机时代），后来搬到街边小店（PC时代），再到线上外卖（移动互联网时代），每次“搬家”，生意逻辑、设备、客源都得换。
但这次不一样——AI正在经历“双重搬家”，相当于同时从街边店搬到商场，还要顺便开个线上分店。
以前AI是单独的工具，比如你用ChatGPT聊天，用AI修图，这是AI本身就是应用；但未来，所有软件都会把AI当地基。
比如Excel不用你输公式，AI自动帮你分析数据；客服系统不用预设话术，AI自己能推理、查资料、解决问题。
以前软件跑在CPU（中央处理器）上，现在得用GPU（图形处理器）。
因为过去的应用程序是预先录制、预先编译并在你的设备上运行的，而现在的应用程序能够理解上下文，每一次、每一个像素、每一个token（用于身份验证和授权的安全令牌）都是从零开始生成的。由于加速计算，由于人工智能，计算已经被彻底重塑。
黄仁勋说：“这意味着，过去十年积累的价值约十万亿美元的计算机基础设施，现在正被现代化改造，以适应这种新的计算方式。每年有数千亿甚至上万亿美元的风险投资正在涌入，用于现代化改造和发明这个新世界。”
去年，DeepSeek R1的出现，让世界大吃一惊。尤其是DeepSeek 宣布模型开源后，更多公司被激活。
现在世界各地有各种不同类型的开源模型系统，虽然仍落后前沿模型大约六个月，但每六个月就有新模型出现，而且这些模型越来越聪明。
正因为如此，开源模型的下载量呈现爆炸式增长，因为初创公司、大公司、研究员、学生，几乎每个国家都想参与AI革命。
所以这次黄仁勋重点强调了开源模型正在“颠覆行业”。
在这个趋势下，他们不仅开源模型，还开源训练数据。因为他们明白，只有这样，开发者才能真正信任这些模型。
如果说以前的AI是“活在屏幕里的军师”，只会出主意、聊话题，那现在的AI已经开始“走出屏幕当工人”了。
物理AI的核心，是让AI懂“现实世界的规矩”：比如球扔出去会落地（重力），推一下桌子会动（摩擦力），杯子拿起来不会凭空消失（物体恒存性）。这些我们觉得是常识，但对AI来说，以前完全不懂。
怎么让AI懂这些？
黄仁勋表示，对于物理AI，我们必须做的最重要的事情之一就是创建数据来训练AI。这些数据从何而来？不像语言那样，因为我们创造了一堆被认为是“真实情况”的文本，AI可以从中学习。
那我们如何教会AI物理世界的“真实情况”？
答案是“模拟+合成数据”。
因为现实世界的数据太少了，你不可能把所有开车场景（比如暴雨天、施工路、行人突然横穿）、机器人干活的场景都拍下来。于是，英伟达推出了Cosmos。
黄仁勋谈到，Cosmos能实现不少物理AI技能，比如生成内容、做推理、预测轨迹（哪怕只给它一张图）。
它可以依据3D场景生成逼真的视频，根据驾驶数据生成符合物理规律的运动，还能从模拟器、多摄像头画面或文字描述生成全景视频。就连罕见场景，也能还原出来。
通过这些生成“合成数据”（比如模拟堵车、结冰路面的驾驶场景），再用这些数据训练AI。
这次他们推出的自动驾驶AI“Alpamayo”，就是这么练出来的——它不仅能像人一样开车，还能告诉你“为什么这么开”：比如“前面的车打了左转灯，可能要变道，我得减速让行”。
更牛的是，它采用“端到端训练”，从摄像头拍到画面，到转动方向盘、踩刹车，全由AI一气呵成，还搭配了“传统自动驾驶系统”当备份——如果遇到没把握的场景，就自动切换到更稳妥的传统模式，安全性拉满。
而在机器人领域，黄仁勋说，机器人的“ChatGPT时刻”要来了。
为什么现在是拐点？
因为AI已经能生成逼真的“动作视频”了——你输入“一个人弯腰捡起地上的盒子，放到桌子上”，AI就能生成流畅、真实的视频。
而指挥机器人做同样的动作，本质上和生成这个视频是一回事：都是让AI处理“动作指令”。
黄仁勋说：“计算机根本不在乎自己生成的是文字、视频，还是机器人的动作指令，本质上都是处理数字。当生成动作的技术成熟了，机器人的核心难题就解决了一大半”。
当然，还有很多细节要打磨——比如让机器人适应不同的地面（瓷砖、地毯、坑洼路）、应对突发情况（突然遇到障碍物），但核心的技术基础已经成熟了。
他预测，未来两三年，我们会看到机器人领域的重大突破：不再是实验室里的“样品”，而是能真正落地、解决实际问题的产品。
AI要推理、要干活，最核心的问题是什么？是“算力不够用，而且太贵”。
比如让AI多思考一会儿（黄仁勋叫“测试时缩放”），就像让员工多琢磨一下方案，本来是好事，但以前的算力支撑不了——多思考一分钟，成本可能翻一倍；
而且AI“记性不好”，聊多了就忘了前面的内容（这叫“上下文丢失”），就像人聊天聊到一半忘了话题。
这次英伟达推出的“Rubin平台”，就是解决这个问题的“超级工厂”。
你不用记复杂参数，只要知道三个核心优势，用大白话给你讲透：
以前训练一个大模型要4个月，现在1个月就能完成；或者用1/4的设备，就能干同样的活。
比如一个10万亿参数的模型，要喂100万亿条数据训练，用Rubin平台，只需要原来1/4的服务器就能在一个月内完成。对企业来说，既可以更快推出新产品抢市场，又能省一大笔设备钱。
“token”就是AI处理的“最小信息单位”，比如一个字、一个动作指令。以前生成100个token的成本，现在能生成1000个。
就像你以前用AI客服，聊10分钟要花10块钱，现在聊1小时才花5块钱——成本降下来了，企业才敢大规模用AI，普通人也能享受到更便宜的AI服务。
AI以前的“临时笔记本”（KV缓存）太小，聊多了就“断片”；
现在Rubin平台加了“超大外接硬盘”——每个GPU原本只有1太字节内存，现在通过BlueField-4芯片，能额外拿到16太字节内存，相当于从“U盘”升级成了“移动硬盘”。
不管是和AI聊几小时天，还是让它处理几十页的PDF、多步骤的复杂任务，都不会忘了前面的内容，也不会越跑越慢。
更绝的是两个细节：
① 能效超高
用同样多的电，能跑出5倍的算力——现在数据中心都缺电，这相当于“用更少的电费，干更多的活”，对企业来说，能效就是利润；
② 安全加密
AI处理数据时，不管是传输中、存储时，还是计算过程中，都全程加密，就像给数据装了“保险箱”——企业不用担心自己的模型和数据被泄露，哪怕让别人帮忙部署AI也放心。
黄仁勋说，这个平台不是“超级计算机”，而是“AI工厂”——以前的计算机是“生产数据”，现在的AI工厂是“生产有用的信息”（比如解决问题的方案、控制机器人的指令）。
演讲之后，黄仁勋被问了很多“实在问题”，回答都很坦诚，分享几个关键的：
黄仁勋很认可中国的创业公司：“中国的企业家、工程师是世界顶尖的，很多公司已经上市，发展得很好”。
他说，正因为有竞争，英伟达才要更努力推进技术——要想继续给中国市场创造价值，就必须参与竞争，不能躺在功劳簿上。
而英伟达的“护城河”，其实是“全栈能力+生态网络”：
全栈架构：从CPU、GPU到网络、存储，再到软件、模型、基础设施，全链条自己做，别人很难一下子追上来；
生态合作：和全球几乎所有AI公司、行业龙头都有合作——比如和西门子合作制造业，和礼来合作医疗健康，和梅赛德斯-奔驰合作汽车，渠道和行业连接太深，不是单靠芯片性能就能替代的。
黄仁勋给了个实用建议：要么做“横向公司”，要么做“垂直领域公司”。
横向公司：专注通用技术，比如给所有机器人做核心AI、传感器，不用管具体场景。一旦成功，规模能做得很大，但难度极高，竞争会从四面八方来；
垂直领域公司：深耕某个具体场景，比如专门做手术机器人、工厂机械臂、农业播种机器人。只要把这个领域的痛点摸透，有深厚的行业知识，就能形成别人打不进来的优势。
黄仁勋个人更偏好垂直领域：“把一个场景做深做透，比什么都想做但都做不精更靠谱”。
AI工厂特别耗电，这是行业共识。黄仁勋说：“任何工业革命都受能源约束，这次也一样”。
所以英伟达的核心思路是“提升能效”——每一代产品，算力翻10倍，功耗只翻2倍，相当于“每一度电干5倍的活”。
对企业来说，电是固定成本，能多生成“有效信息”（比如更多的AI回复、更多的机器人指令），收入就会涨——能效就是利润。
黄仁勋说：压力肯定有，但不是自己一个人扛——有一支超棒的团队一起分担。
他觉得英伟达现在影响力大，责任也大：“我们不仅要自己做好技术，还要带动整个生态一起发展”。所以他总喜欢在舞台上和其他公司的CEO一起露面，就是想让大家知道，AI革命不是英伟达的独角戏，而是所有人的机会。
“行业韧性强了，我们才能走得更远”，这话说得很实在。
黄仁勋的回答特别实在，甚至有点幽默：“秘诀就两点：第一，不被董事会炒鱿鱼；第二，自己不觉得无聊。至于能不能再干十年，只要我还配得上这个位置，还能创造价值，就会继续干”。
没有华丽的辞藻，却透着一股务实，这大概也是英伟达能一直领跑的原因之一。
以前我们追捧大模型、高参数，觉得越复杂越好；现在发现，能解决餐厅库存问题的AI。
比参数百亿的模型更有价值；能让自动驾驶成本降低的技术，比炫技的演示更重要；能让小公司用得起的开源工具，比巨头的闭源模型更有意义。
黄仁勋的整个布局，其实都围绕两个字：“落地”。
开源是让更多人能落地，物理AI是让AI能在现实世界落地，Rubin平台是让落地的成本更低、效率更高。
这场AI革命，不是巨头的独角戏，而是所有人的狂欢。
不管是大公司还是小创业团队，不管是技术人还是普通人，只要能抓住“落地”这个核心，都能在里面找到自己的位置。
下一个十年，AI的赢家，一定是能落地、算得起、用得久的玩家。而我们每个人，都能从这场实用主义AI革命中，找到属于自己或企业的红利。
未来决定现在。看清未来将发生什么，才能真正明白当下应该做什么。
内容来源：本文汇编网络公开资料。责编 | 柒
本文由人人都是产品经理作者【笔记侠】，微信公众号：【笔记侠】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。