2026 CES现场，黄仁勋的皮夹克换成了更显质感的鳄鱼皮，而比穿搭更震撼的是他带来的重磅消息——英伟达五年内首次在CES未发布游戏显卡，转而抛出了足以颠覆AI与自动驾驶行业的"全栈大招"。90分钟的演讲里，从开源自动驾驶大模型到全新AI超算平台，黄仁勋用15公斤级的干货，宣告物理AI时代的加速到来。

开源！中小团队迎平等发展机遇

"我们正站在从'非自动驾驶'向'自动驾驶'过渡的关键拐点，这个转变未来十年内就会发生。"黄仁勋的自信，源于英伟达全新自动驾驶大模型Alpamayo的开源壮举——不仅开放模型本身，更公开了训练所用的真实数据与合成数据。

这意味着此前被技术壁垒挡在门外的中小团队，如今能获得与行业巨头同等的技术积累。要知道，自动驾驶研发的核心痛点之一就是模型开发的高门槛，而Alpamayo的开源直接削平了这道鸿沟，让更多参与者能投身其中，推动行业整体迭代。

作为全球首个具备思考、推理能力的自动驾驶汽车AI，Alpamayo的突破不止于开源。它包含两大核心：用于自动驾驶的开源推理VLA模型Alpamayo R1，以及用于高保真测试的完全开源仿真框架AlpaSim。与传统"感知-规划-控制"的流水线架构不同，Alpamayo是真正端到端的"推理型"模型——从摄像头输入到执行器输出，无需预设复杂规则，能理解场景因果关系。

在十字路口，它不只是识别"前方有车"，更能推理"那辆车可能要左转，我应礼让"；面对罕见路况，它能通过拆解场景，将长尾问题转化为熟悉的子场景逐一应对。现场演示中，Alpamayo实现了全程零接管的点到点驾驶，数据更是亮眼：规划精度提升12%、越界率降低35%、近碰率降低25%，端到端延迟仅99ms。

为了保障安全，Alpamayo搭载了双系统兜底方案：两套软件系统镜像运行，搭配策略与安全评估器。当评估器判断场景置信度足够时，由Alpamayo执行；若存在风险，则自动切换回传统自动驾驶软件栈。而奔驰成为首个"吃螃蟹"的车企，全新CLA将首发搭载该方案，今年一季度美国上路，后续逐步登陆欧洲与亚洲市场。目前，仿真框架AlpaSim已在GitHub开放，开发者还可通过Cosmos生成合成数据，结合真实数据开展训练测试。

物理AI的核心密码：合成数据破解痛点

黄仁勋直言："物理AI的ChatGPT时刻近在咫尺，但挑战明确——物理世界多样不可预测，真实训练数据收集缓慢昂贵且永远不够。"而解决方案，正是合成数据。

Alpamayo的成功，离不开Cosmos物理AI世界基础模型的支撑。该模型通过海量视频、真实驾驶数据、机器人数据及3D模拟预训练，能理解世界运行逻辑，将语言、图像、3D与动作关联。它可以依据3D场景生成逼真视频，根据驾驶数据生成符合物理规律的运动，甚至还原罕见驾驶场景，让模型在虚拟环境中就能完成海量极端情况的训练。

这种"真实数据+合成数据"的训练模式，彻底打破了数据收集的桎梏。正如黄仁勋所说，我们无法收集到所有国家、所有环境下的每一个驾驶场景数据，但将这些场景拆解为常见子场景后，车辆就能通过推理应对——这正是Alpamayo能解决长尾问题的核心逻辑。

超算平台横空出世，AI算力迎来5倍飞跃

如果说Alpamayo是物理AI的应用标杆，那么全新计算平台Vera Rubin就是支撑这一切的算力基石。黄仁勋花了近10分钟详解这款为大规模AI模型量身打造的超算平台，背后是AI计算量每年10倍增长的行业刚需。

Vera Rubin采用六大芯片协同设计：Rubin GPU（AI计算核心，降低训练推理单位成本）、Vera CPU（数据移动与Agentic处理专用）、NVLink 6 switch（GPU内部协同）、BlueField-4 DPU（上下文与数据调度）、ConnectX-9 SuperNIC（高速网络连接）、Spectrum-6 Ethernet switch。其核心思路不再是简单堆卡，而是将整个数据中心变成一台AI超算。

实测数据显示，相比上一代Blackwell平台，Vera Rubin性能提升5倍，功耗仅增加1.6倍；推理阶段token成本最高降低10倍，训练混合专家模型所需GPU数量减少至1/4。这意味着企业能在相同时间内完成更大规模模型的训练，更快将前沿技术推向市场。目前该平台已进入全面生产阶段，预计2026下半年正式出货。

全栈布局显露野心，AI生态全面开花

除了自动驾驶与算力平台，黄仁勋还展示了英伟达的全栈AI野心：舞台上整齐排列着人形机器人、服务机器人、工程机械车等各类智能设备；开源模型全家桶覆盖多元领域——医疗健康领域的Clara、AI物理模拟平台Earth-2、AI智能体专项模型Nemotron等。

演讲结尾，黄仁勋透露了一个小彩蛋：马斯克的Grok 5下一代模型参数规模将为7万亿，而非此前盛传的10万亿。但这只是开胃小菜，真正的大招是英伟达构建的完整生态——从芯片、系统、基础设施，到模型和应用，早已超越了单纯的芯片公司定位。

当Alpamayo开源抹平技术鸿沟，当Vera Rubin突破算力瓶颈，当合成数据破解数据困境，物理AI的落地速度正在加速。自动驾驶只是起点，未来在机器人、工业、医疗等更多领域，这场由英伟达引领的AI革命，终将重塑我们与物理世界的交互方式。

正如黄仁勋所说，AI的未来不在参数多少，而在实际价值。当技术门槛被打破、算力成本被降低，更多开发者将加入这场创新浪潮——物理AI的ChatGPT时刻，或许真的不远了。