NVIDIA CES 2026 Keynote 重點懶人包：Vera Rubin 架構、實體 AI 與 Agentic AI 的全面爆發

在剛結束的 CES 2026 上，NVIDIA 執行長黃仁勳（Jensen Huang）再次穿著標誌性的皮衣登場，並帶來了足以讓運算產業「重置」的重磅發布。這場演講的資訊量大到彷彿把 15 場 Keynote 塞進了一場，從軟體定義的變革到全新的 Vera Rubin 硬體架構，NVIDIA 正在向世界宣告：我們不只是晶片公司，我們正在重建整個 AI 的全端生態（Full Stack）。

以下是這次演講的深度整理與技術分析。

1. 雙重平台轉移：AI 應用與運算方式的同步革新

黃仁勳開場即點出，運算產業每 10 到 15 年會發生一次平台轉移（如 PC 到 Internet，Internet 到 Mobile）。但這次不同的是，我們正面臨兩個同時發生的平台轉移：

1. 應用層面：應用程式不再是被「寫」出來的，而是建立在 AI 之上。

2. 運算層面：軟體不再是編程（Programmed），而是訓練（Trained）；不再跑在 CPU 上，而是 GPU 上。

過去的一年（2025），我們見證了 Agentic Systems（代理系統） 的崛起。AI 不再只是聊天機器人，而是具備推理、規劃、使用工具能力的代理人（Agent）。這改變了軟體開發的本質，NVIDIA 甚至內部已經大量使用 Agentic 模型（如 Cursor）來輔助編碼。

2. 軟體定義未來：Agentic AI 與 Open Models

Agentic AI 藍圖 (Blueprint)

未來的應用程式架構將是 Agentic 的。NVIDIA 展示了一個「藍圖」，這是一個整合了多模態（Multimodal）、多模型（Multi-model）與混合雲（Hybrid Cloud）的架構。

• 路由機制 (Router)：系統會根據使用者的意圖，自動判斷該呼叫哪一個最適合的模型（無論是雲端的 Frontier Model 還是地端的 Edge Model）。

• 實例演示：Jensen 展示了一個個人助理 Demo，它能同時處理行事曆、透過 API 控制機器人（Reachi）、生成建築渲染圖，甚至幫你管教沙發上的狗。這在幾年前是科幻情節，現在已變得「微不足道（Utterly trivial）」。

開源模型的勝利

Jensen 特別提到了 2025 年 Deepseek R1 的出現震驚了世界，它證明了開源模型也能具備強大的推理能力。NVIDIA 承諾將持續作為開源模型的最大貢獻者之一，推出了包括 Cosmos（世界模型）、Neotron（混合 Transformer SSM 模型）等一系列開源專案。

3. Physical AI：實體 AI 與機器人

AI 下一個大戰場是實體 AI（Physical AI），即 AI 需要理解物理世界的常識（如重力、慣性、因果關係）。這需要「三台電腦」的協作：

1. 訓練電腦：訓練模型。

2. 推論電腦：在機器人/車輛上執行。

3. 模擬電腦：這是關鍵，透過 Omniverse 模擬物理世界來生成數據與驗證。

NVIDIA Cosmos：世界基礎模型

NVIDIA 發布了 Cosmos，這是一個物理 AI 的基礎模型。它不是用來生成文字，而是用來生成「符合物理定律」的影片與數據。它可以將粗糙的交通模擬轉化為逼真的環景影片，解決了真實世界數據（尤其是長尾效應 Edge cases）稀缺的問題。

Alpamo：會思考的自駕車大腦

NVIDIA 宣布了 Alpamo，這是全球首款「會思考、會推理」的自駕車 AI。

• End-to-End 訓練：從鏡頭輸入到方向盤動作直接輸出。

• 推理能力：它不只會開車，還會告訴你它「為什麼」這樣做，並預測未來的軌跡。

• 雙重安全堆疊：Alpamo 負責駕駛，但底下有一層傳統的可追溯 AV Stack 作為安全護欄（Guardrail），兩者互為備援，這是目前 Mercedes-Benz 採用的架構。

4. 硬體重頭戲：Vera Rubin 平台

為了致敬發現暗物質的天文學家 Vera Rubin，NVIDIA 將下一代架構命名為 Rubin。面對模型參數每年 10 倍的增長，摩爾定律已無法滿足需求，NVIDIA 採取了「極限協同設計（Extreme Co-design）」策略，一次重設計了 6 款晶片。

核心規格解密

• Vera CPU：針對 AI 協作設計的 CPU，擁有 88 個物理核心（176 執行緒），效能功耗比（Performance per Watt）是前代的 2 倍。

• Rubin GPU：

  • 由兩顆晶片封裝而成。

  • 雖然電晶體數量僅增加 1.6 倍，但透過架構創新，浮點運算效能提升了 5 倍。

  • NVFP4 Tensor Core：這是關鍵技術，能在處理器內部動態調整精度，實現極致的吞吐量。

• 連接與散熱：

  • NVLink 6 Switch：頻寬高達 240 TB/s（相當於全球互聯網流量的兩倍）。

  • 100% 液冷：進水溫度可達 45°C（熱水冷卻），這意味著資料中心不再需要冰水機，能節省大量能源。

  • 零線纜設計：新的機架設計完全取消了傳統的線纜和軟管，組裝時間從 2 小時縮短至 5 分鐘。

解決 KV Cache 瓶頸：BlueField-4 與海量記憶體

這是本次演講最硬核的技術亮點之一。隨著 AI 對話變長（Context Window 增加），GPU 的 HBM 記憶體已塞不下龐大的 KV Cache（Key-Value Cache）。 NVIDIA 提出了一個革命性的解法：利用 BlueField-4 DPU 搭配機架內的 150TB 共享記憶體池。這讓每個 GPU 額外獲得了 16TB 的快速存取記憶體，專門用來處理龐大的上下文快取，徹底解放 HBM。

網路：Spectrum-X 與矽光子 (Silicon Photonics)

NVIDIA 展示了採用台積電 COUPE 製程的全新 Spectrum-X 交換器晶片。這是一個整合了矽光子技術的巨型晶片，光纖直接連接到晶片上（Lasers come in directly），提供 512 埠的 200Gbps 連接，專為 AI 的東西向流量（East-West Traffic）設計。

5. 總結：全端（Full Stack）的勝利

從 Vera Rubin 的極限硬體效能，到 Cosmos 與 Alpamo 的實體 AI 應用，再到與 Siemens、Cadence、Synopsys 合作將 AI 引入工業設計與晶片製造，NVIDIA 正在構建一個閉環。

數據說明一切：

• Rubin 訓練 10 兆參數模型的速度是 Blackwell 的 4 倍。

• 單位功耗的工廠吞吐量提升了 10 倍。

• 代幣生成成本（Cost per Token）降低至 1/10。

Jensen 最後強調，這不只是關於晶片，而是關於打造未來的基礎設施。從 2026 年開始，所有的汽車、工廠、軟體都將被 AI 重新定義。

這是一個瘋狂的時代，而我們才剛開始。