英伟达2026年的首场重头戏比以往来得更早。
当地时间1月5日，在美国CES上，黄仁勋出乎意料地提前发布了下一代AI芯片平台“Rubin”，打破了英伟达通常在每年3月GTC大会上集中公布新一代架构的传统。
AI竞赛进入推理时代，英伟达决定加速出击。
Vera Rubin已投产
Rubin并非空降。
早在2025年3月的GTC大会上，黄仁勋就已预告了代号“Vera Rubin”的超级芯片，并明确其将于2026年量产。
此次在CES上，黄仁勋对Rubin平台进行了系统性发布，Rubin成为英伟达最新GPU的代号。
“Rubin的到来正逢其时。无论是训练还是推理，AI对计算的需求都在急剧攀升。”黄仁勋表示，“我们坚持每年推出新一代AI超级计算机，通过六颗全新芯片的极致协同设计，Rubin正在向AI的下一个前沿迈出巨大一步。”
Rubin平台采用极端协同设计理念，整合了6颗芯片，包括NVIDIA Vera CPU、Rubin GPU、NVLink 6交换芯片、ConnectX-9 SuperNIC、BlueField-4 DPU以及Spectrum-6以太网交换芯片，覆盖了从计算、网络到存储与安全的多个层级。
相比前代Blackwell架构，Rubin加速器在AI训练性能上提升3.5倍，运行性能提升5倍，并配备拥有88个核心的新款中央处理器（CPU）。
相比英伟达Blackwell平台，Rubin平台实现推理token成本最高可降低10倍，训练MoE（专家混合）模型所需GPU数量减少4倍。
同时，Vera Rubin NVL72机柜级系统和平台同步发布，命名上非外界预计的NVL144。对此，英伟达高管在沟通会上向21世纪经济报道等记者指出，NVL72指的是72个GPU封装单元，每个封装内部包含2个Rubin Die，因此系统中实际包含144个Rubin Die，这并不意味着系统规模变化。
在生态层面，Rubin已获得头部云厂商和模型公司的集中响应。AWS、Microsoft、Google、OpenAI、Anthropic、Meta、xAI、CoreWeave等均被列入首批采用名单。
Rubin在CES的提前亮相，也引发了外界对英伟达产品发布节奏变化的关注。对此，英伟达高管回应称，目前构成Vera Rubin平台的六颗芯片已经全部到位，相关系统已在运行真实应用负载，并取得了积极结果。
此次在CES上提前披露Rubin，主要是为了尽早向生态伙伴提供工程样品，方便其为后续部署和规模化应用做准备。英伟达同时强调，Rubin仍将按照既定节奏推进，计划在今年下半年进入量产爬坡阶段，这一时间安排与此前披露的路线图保持一致。
全栈AI布局
随着AI进入推理阶段，黄仁勋展示的不只是Rubin平台。
在CES演讲中，英伟达还发布了一系列AI体系产品，包括开源模型、AI存储、物理AI等。这是英伟达的全栈AI布局，同时也是其在继续释放信号：AI重心继续从“训练规模”转向“推理系统”。
具体来看，英伟达发布了推理上下文存储平台（Inference Context Memory Storage Platform），这是一个专为推理场景设计的AI原生存储平台。该平台由BlueField-4 DPU与Spectrum-X以太网支撑，在GPU与传统存储之间引入新的存储层，用于高效管理和共享KV Cache，减少重复计算带来的算力浪费。
同时，黄仁勋特别强调了物理AI。在更长期的布局上，英伟达围绕物理AI推进，发布了一系列开源模型、开发框架和硬件平台，将AI能力从数据中心延伸至机器人、自动驾驶与工业边缘场景。
黄仁勋表示，“AI已经不再是一次性问答的聊天机器人，而是能够理解物理世界、进行长期推理、使用工具完成真实工作，并同时保有短期和长期记忆的智能协作者。”
面向机器人领域，英伟达发布了Cosmos与GR00T系列开源模型，用于机器人学习、推理与动作规划。
其中，Cosmos Reason 2是一款推理型视觉语言模型（VLM），使机器能够“看见、理解并在物理世界中行动”；GR00T N1.6则是一款面向类人机器人的推理型视觉—语言—动作（VLA）模型，用于解锁全身控制能力。
“机器人领域的ChatGPT时刻已经到来。”黄仁勋表示，“能够理解现实世界、进行推理并规划行动的物理AI模型，正在解锁全新的应用场景。英伟达覆盖Jetson、CUDA、Omniverse以及开源物理AI模型的完整技术栈，正在赋能全球合作伙伴，通过AI驱动的机器人重塑各个行业。”
在自动驾驶领域，英伟达发布了Alpamayo开源模型家族，定位为面向“长尾场景”的推理型自动驾驶基础模型。该体系配套发布了AlpaSim高保真仿真框架以及覆盖1700多小时驾驶数据的开源数据集，用于训练和验证基于推理的自动驾驶系统。黄仁勋表示，英伟达的首款AV车将于第一季度在美国推出，其他地区紧随其后。
从Rubin平台的提前亮相，到推理存储与物理AI的同步推进，英伟达正在将AI基础设施的竞争推向“系统工程能力”。
在这一阶段，真正拉开差距的，已不只是芯片算力本身，而是从架构、系统到生态的整体交付。
诚利和提示：文章来自网络，不代表本站观点。
