經過五年未在CES推出消費級顯示卡後，NVIDIA的CEO黃仁勳將焦點轉向另一個目標——推出 Vera Rubin 計算平台，一套重達2.5噸的伺服器AI系統，旨在加速下一代AI模型的訓練。這不僅是一款硬體產品，更是一個全面的策略，旨在改變企業建構與部署AI基礎設施的方式。黃仁勳在48小時內出席了三場活動，從NVIDIA Live到與西門子合作推動工業AI，再到聯想TechWorld大會。他的核心訊息：過去十年投資約10兆美元的計算資源亟需全面升級。## Vera Rubin — 六芯片架構超越BlackwellVera Rubin打破了NVIDIA內部的規則。不同於每代更換1-2顆芯片的傳統，這次公司同時設計了六種不同的芯片，已進入量產階段。原因在於傳統提升效能的方式已無法跟上AI模型每年10倍的成長速度，尤其是在摩爾定律放緩的背景下。NVIDIA的選擇是「極限協同設計」——在芯片與整个平台的所有層面同步創新。Vera CPU整合了88核心的定制Olympus處理器，擁有176個執行緒，支援1.5TB系統記憶體與1.2TB/s的LPDDR5X帶寬——是Grace世代的三倍。Rubin GPU在推理能力上達到50 PFLOPS（是Blackwell的五倍），擁有3360億個晶體管，並整合第三代Transformer引擎，能動態調整精度。為了連結這些元件，NVIDIA部署了ConnectX-9（800 Gb/s網卡）、BlueField-4 DPU（AI存儲端處理器）、NVLink-6交換芯片（連接18個節點，支持最多72個Rubin GPU協同運作）以及Ethernet Spectrum-6光纖交換芯片（512通道，每通道200 Gbps）。## 卓越性能：從訓練到推理Vera Rubin NVL72系統展現了令人驚豔的數據。在NVFP4推理任務中，性能達到3.6 EFLOPS，是Blackwell的五倍。在訓練方面，性能達到2.5 EFLOPS，較Blackwell提升3.5倍。LPDDR5X記憶體容量高達54TB（是Blackwell的三倍），HBM則達20.7TB，搭配1.6 PB/s的HBM4帶寬（是Blackwell的2.8倍）。值得一提的是，儘管性能大幅提升，晶體管數量僅增加1.7倍（達220萬億），展現NVIDIA在半導體技術優化上的實力。訓練一個百萬億參數模型，Vera Rubin所需系統數量僅為Blackwell的四分之一，建造一個Token的成本也只有十分之一。最重要的是，throughput（每瓦每美元完成的AI Token數量）較Blackwell提升十倍。對於一個價值50億美元的千兆瓦數據中心來說，這意味著營收能力將翻倍——每一美元投資能產生雙倍價值。## 從43條纜線到0條：外部裝配技術突破Vera Rubin在技術設計上也帶來革命。過去，一個超級電腦節點需要連接43條纜線，裝配耗時2小時且容易出錯。現在，Vera Rubin的節點使用0條纜線，只需6條液冷管，裝配時間縮短至5分鐘。伺服器背後有近3.2公里的銅線，5000條銅纜形成NVLink主網，傳輸速度達400 Gbps。黃仁勳幽默表示：「或許重達數百公斤，你得是非常強壯的CEO才能搞定這個工作。」## 無限KV快取：記憶體瓶頸的突破AI的一大問題是長對話中，"KV Cache"（鍵值快取，AI的「任務記憶」）會充滿HBM記憶體。Vera Rubin的解決方案是在伺服器架上部署BlueField-4處理器，專門管理KV Cache。每個節點配備4個BlueField-4，每個都額外配備150TB的語境記憶體，分配給GPU，每個GPU額外擁有16TB記憶體——而GPU本身僅約1TB。關鍵是，帶寬仍維持200 Gbps，資料傳輸速度不受影響。## Spectrum-X：專為AI生成的專用網路，節省50億美元為了讓數十個伺服器架、數萬GPU協同如同單一記憶體，網路必須大且快且穩定。Spectrum-X是全球首款由NVIDIA推出的「專為AI生成」的端到端Ethernet網路平台，採用TSMC的COOP工藝與矽光子技術，提供512通道×200 Gbps的速度。黃仁勳估算：一個價值50億美元的千兆瓦數據中心，使用Spectrum-X能提升25%的吞吐量，節省約50億美元。「可以說這個網路系統幾乎是『免費』的。」## 計算安全：資料傳輸全程加密Vera Rubin支援Confidential Computing（機密計算），所有資料在傳輸、存儲、運算過程中都被加密，包括PCIe、NVLink、CPU-GPU通信及其他匯流排。企業可以放心將模型部署在外部系統，不用擔心資料外洩。## 物理AI：從機器人到自駕，聚焦現實世界黃仁勳特別強調「三核計算」架構，用於物理AI：訓練用GPU構建的計算平台、放置在機器人或汽車上的推理「小腦」計算，以及模擬（Omniverse與Cosmos）提供的虛擬訓練環境。基於此架構，NVIDIA宣布推出Alpamayo——首款具備思考與推理能力的自動駕駛模型。與傳統自駕不同，Alpamayo是端到端訓練系統，能解決自駕的「長尾問題」。面對未曾遇見的交通複雜情境，Alpamayo不僅依照硬性規則行事，更能像人類司機一樣進行推理。搭載Alpamayo技術的梅賽德斯CLA將於今年第一季在美國正式亮相，之後推向歐洲與亞洲市場。這款車被NCAP評為全球最安全的汽車，採用獨特的「雙層安全堆疊」設計——當端到端AI模型不夠自信時，系統會立即切換到更傳統、更穩定的安全模式。在舞台上，黃仁勳邀請人形機器人、四足機器人如Boston Dynamics、Agility等登台表演。他強調，最大的機器人其實就是工廠。所有機器人都將配備Jetson迷你電腦，在Omniverse平台的Isaac Simulator中進行訓練。NVIDIA也正將這些技術整合到工業生態系，如Synopsys、Cadence、Siemens。## 開源模型：NVIDIA的策略選擇黃仁勳特別讚揚開源社群。他指出，去年DeepSeek V1的突破直接推動了整個產業的發展浪潮。在簡報中，Kimi K2與DeepSeek V3.2分別是第一與第二的開源模型。雖然目前開源模型的性能較頂尖商用模型落後約6個月，但每6個月就會有新模型出現。這種快速迭代的節奏，使得新創公司、巨頭與研究機構都不願錯過，甚至連NVIDIA也一樣。他們這次不僅賣「工具」或顯示卡，而是打造超級電腦DGX Cloud，開發先進模型如La Proteina（蛋白質合成）與OpenFold 3。NVIDIA的開源生態涵蓋生命科學、物理AI、代理模型、機器人與自駕等多領域。許多NVIDIA的Nemotron系列開源模型也是亮點，包括語音、多模態、生成式搜尋與安全模型，這些模型在多個排行榜上表現優異，並被多家企業採用。## 未來展望：從虛擬世界到現實世界的策略過去，NVIDIA專注於為虛擬世界打造晶片。如今，黃仁勳明確轉向物理AI，將自駕與機器人（尤其是人形機器人）作為代表，進入更激烈的現實世界競爭。在AI泡沫的爭議中，除了推出Vera Rubin超算平台以解決計算需求，黃仁勳也大量投資於應用與軟體。目標是讓我們清楚看到AI的直觀變化——從更安全的自駕，到能推理的機器人。歸根究底，只有當戰場轉向現實世界，武器才能持續銷售。
黃仁勳在CES 2026宣布Vera Rubin：全新AI計算平台為行業帶來轉折點
經過五年未在CES推出消費級顯示卡後，NVIDIA的CEO黃仁勳將焦點轉向另一個目標——推出 Vera Rubin 計算平台，一套重達2.5噸的伺服器AI系統，旨在加速下一代AI模型的訓練。這不僅是一款硬體產品，更是一個全面的策略，旨在改變企業建構與部署AI基礎設施的方式。
黃仁勳在48小時內出席了三場活動，從NVIDIA Live到與西門子合作推動工業AI，再到聯想TechWorld大會。他的核心訊息：過去十年投資約10兆美元的計算資源亟需全面升級。
Vera Rubin — 六芯片架構超越Blackwell
Vera Rubin打破了NVIDIA內部的規則。不同於每代更換1-2顆芯片的傳統，這次公司同時設計了六種不同的芯片，已進入量產階段。原因在於傳統提升效能的方式已無法跟上AI模型每年10倍的成長速度，尤其是在摩爾定律放緩的背景下。
NVIDIA的選擇是「極限協同設計」——在芯片與整个平台的所有層面同步創新。Vera CPU整合了88核心的定制Olympus處理器，擁有176個執行緒，支援1.5TB系統記憶體與1.2TB/s的LPDDR5X帶寬——是Grace世代的三倍。Rubin GPU在推理能力上達到50 PFLOPS（是Blackwell的五倍），擁有3360億個晶體管，並整合第三代Transformer引擎，能動態調整精度。
為了連結這些元件，NVIDIA部署了ConnectX-9（800 Gb/s網卡）、BlueField-4 DPU（AI存儲端處理器）、NVLink-6交換芯片（連接18個節點，支持最多72個Rubin GPU協同運作）以及Ethernet Spectrum-6光纖交換芯片（512通道，每通道200 Gbps）。
卓越性能：從訓練到推理
Vera Rubin NVL72系統展現了令人驚豔的數據。在NVFP4推理任務中，性能達到3.6 EFLOPS，是Blackwell的五倍。在訓練方面，性能達到2.5 EFLOPS，較Blackwell提升3.5倍。LPDDR5X記憶體容量高達54TB（是Blackwell的三倍），HBM則達20.7TB，搭配1.6 PB/s的HBM4帶寬（是Blackwell的2.8倍）。
值得一提的是，儘管性能大幅提升，晶體管數量僅增加1.7倍（達220萬億），展現NVIDIA在半導體技術優化上的實力。訓練一個百萬億參數模型，Vera Rubin所需系統數量僅為Blackwell的四分之一，建造一個Token的成本也只有十分之一。
最重要的是，throughput（每瓦每美元完成的AI Token數量）較Blackwell提升十倍。對於一個價值50億美元的千兆瓦數據中心來說，這意味著營收能力將翻倍——每一美元投資能產生雙倍價值。
從43條纜線到0條：外部裝配技術突破
Vera Rubin在技術設計上也帶來革命。過去，一個超級電腦節點需要連接43條纜線，裝配耗時2小時且容易出錯。現在，Vera Rubin的節點使用0條纜線，只需6條液冷管，裝配時間縮短至5分鐘。
伺服器背後有近3.2公里的銅線，5000條銅纜形成NVLink主網，傳輸速度達400 Gbps。黃仁勳幽默表示：「或許重達數百公斤，你得是非常強壯的CEO才能搞定這個工作。」
無限KV快取：記憶體瓶頸的突破
AI的一大問題是長對話中，“KV Cache”（鍵值快取，AI的「任務記憶」）會充滿HBM記憶體。Vera Rubin的解決方案是在伺服器架上部署BlueField-4處理器，專門管理KV Cache。
每個節點配備4個BlueField-4，每個都額外配備150TB的語境記憶體，分配給GPU，每個GPU額外擁有16TB記憶體——而GPU本身僅約1TB。關鍵是，帶寬仍維持200 Gbps，資料傳輸速度不受影響。
Spectrum-X：專為AI生成的專用網路，節省50億美元
為了讓數十個伺服器架、數萬GPU協同如同單一記憶體，網路必須大且快且穩定。Spectrum-X是全球首款由NVIDIA推出的「專為AI生成」的端到端Ethernet網路平台，採用TSMC的COOP工藝與矽光子技術，提供512通道×200 Gbps的速度。
黃仁勳估算：一個價值50億美元的千兆瓦數據中心，使用Spectrum-X能提升25%的吞吐量，節省約50億美元。「可以說這個網路系統幾乎是『免費』的。」
計算安全：資料傳輸全程加密
Vera Rubin支援Confidential Computing（機密計算），所有資料在傳輸、存儲、運算過程中都被加密，包括PCIe、NVLink、CPU-GPU通信及其他匯流排。企業可以放心將模型部署在外部系統，不用擔心資料外洩。
物理AI：從機器人到自駕，聚焦現實世界
黃仁勳特別強調「三核計算」架構，用於物理AI：訓練用GPU構建的計算平台、放置在機器人或汽車上的推理「小腦」計算，以及模擬（Omniverse與Cosmos）提供的虛擬訓練環境。
基於此架構，NVIDIA宣布推出Alpamayo——首款具備思考與推理能力的自動駕駛模型。與傳統自駕不同，Alpamayo是端到端訓練系統，能解決自駕的「長尾問題」。面對未曾遇見的交通複雜情境，Alpamayo不僅依照硬性規則行事，更能像人類司機一樣進行推理。
搭載Alpamayo技術的梅賽德斯CLA將於今年第一季在美國正式亮相，之後推向歐洲與亞洲市場。這款車被NCAP評為全球最安全的汽車，採用獨特的「雙層安全堆疊」設計——當端到端AI模型不夠自信時，系統會立即切換到更傳統、更穩定的安全模式。
在舞台上，黃仁勳邀請人形機器人、四足機器人如Boston Dynamics、Agility等登台表演。他強調，最大的機器人其實就是工廠。所有機器人都將配備Jetson迷你電腦，在Omniverse平台的Isaac Simulator中進行訓練。NVIDIA也正將這些技術整合到工業生態系，如Synopsys、Cadence、Siemens。
開源模型：NVIDIA的策略選擇
黃仁勳特別讚揚開源社群。他指出，去年DeepSeek V1的突破直接推動了整個產業的發展浪潮。在簡報中，Kimi K2與DeepSeek V3.2分別是第一與第二的開源模型。
雖然目前開源模型的性能較頂尖商用模型落後約6個月，但每6個月就會有新模型出現。這種快速迭代的節奏，使得新創公司、巨頭與研究機構都不願錯過，甚至連NVIDIA也一樣。
他們這次不僅賣「工具」或顯示卡，而是打造超級電腦DGX Cloud，開發先進模型如La Proteina（蛋白質合成）與OpenFold 3。NVIDIA的開源生態涵蓋生命科學、物理AI、代理模型、機器人與自駕等多領域。
許多NVIDIA的Nemotron系列開源模型也是亮點，包括語音、多模態、生成式搜尋與安全模型，這些模型在多個排行榜上表現優異，並被多家企業採用。
未來展望：從虛擬世界到現實世界的策略
過去，NVIDIA專注於為虛擬世界打造晶片。如今，黃仁勳明確轉向物理AI，將自駕與機器人（尤其是人形機器人）作為代表，進入更激烈的現實世界競爭。
在AI泡沫的爭議中，除了推出Vera Rubin超算平台以解決計算需求，黃仁勳也大量投資於應用與軟體。目標是讓我們清楚看到AI的直觀變化——從更安全的自駕，到能推理的機器人。
歸根究底，只有當戰場轉向現實世界，武器才能持續銷售。