來源：@證券市場紅周刊微博

近日CES2026主舞臺上，英偉達創(chuàng)始人、CEO黃仁勛穿著標志性皮衣演繹他的2026年“炸場秀”，也給全球科技與資本市場遞出了一份未來產業(yè)路線圖。

主題演講之后的24小時內，他與分析師以及媒體平臺進行了許多輪問答，圍繞Rubin新平臺、機器人與物理AI、能源瓶頸、中國市場、存儲（HBM）供應、Groq?團隊合作、以及馬斯克和自動駕駛等熱點，給出了更深入的回應。

當然，最炸場的是黃仁勛帶來的核心判斷：機器人行業(yè)，正在接近類似ChatGPT之于大模型的臨界時刻。

黃仁勛認為，當生成式視頻模型已經可以理解并生成復雜動作，那么“驅動機器人完成動作”的生成模型，在底層能力上已經非常接近成熟。這意味著一個新的技術拐點，正逐步從實驗室走向現實世界，也讓所謂“物理AI”首次開始具備產業(yè)化的可見性。

他說，未來兩三年，能看到重大突破。

與此同時，新推出的Rubin平臺把訓練效率提升4倍、token成本降低10倍，再一次把“算力即產能”的邏輯推到極致。

黃仁勛仍反復強調開放生態(tài)，英偉達繼續(xù)同時與?OpenAI、xAI、Google Gemini?等保持合作，這既是技術戰(zhàn)略，也是護城河。

關于物理AI突破和機器人領域的ChatGPT時刻

?問??機器人一直是CES的一個“夢想主題”，但真正商業(yè)化始終很難。雖然現在已經有自動駕駛汽車，從某種意義上講，那其實也是機器人。那么，如今這個時間點，對機器人行業(yè)究竟意味著什么？尤其是人形機器人。我們是不是有點過度興奮了？

?黃仁勛??時機就是一切。

我們其實已經在這個方向上思考了很久，一直在等待那個關鍵“臨界點”。

這與我們過去做的很多事情非常相似：例如數字生物學，把藥物研發(fā)從“科學發(fā)現”轉變?yōu)椤肮こ踢^程”；再比如自動駕駛；還有計算機圖形學里的實時光線追蹤技術，我們花了30年時間，才真正做到實時運行。

也就是說，有些事情必須長期投入，只為等到那個“關鍵技術被真正發(fā)現的時刻”。

在人形機器人領域，我想先說一點：計算機其實既不知道、也不關心自己生成的到底是什么token。它可以生成語言?token、視頻?token、方向盤轉動?token，甚至可以生成“手指抓握動作token”。

歸根結底，計算機處理的就是數字。

當我第一次看到“生成式視頻”已經能做到這樣的時候，我就意識到：那個關鍵時刻到了。

你只需要輸入一句描述，比如“兩個坐著聊天的人，其中一個伸手拿起一杯水喝了”，模型就可以生成非常逼真的視頻。

那么問題來了：這種模型，和一個能夠指揮機器人去拿起水杯的生成模型，本質上有什么區(qū)別？

當我看到這種能力真的能穩(wěn)定實現時，我就知道那個底層的、關鍵性的技術基礎，已經非常接近成熟了。

當然，接下來仍然需要大量研究與工程積累。

?問??在制造業(yè)語境下，客戶是否真的有這樣的需求？比如：一座高度自動化，甚至在某些環(huán)節(jié)具備自主能力的工廠？

?黃仁勛??一座工廠本身就是一個機器人系統(tǒng)，而這套系統(tǒng)還在協(xié)調無數機器人，去生產另一套機器人系統(tǒng)。

比如，一輛自動駕駛汽車，本身就是一個機器人。那為什么機器人到今天仍然難以大規(guī)模落地？原因在于：編程難度太大、軟件復雜度太高、定制成本太高。對很多企業(yè)來說，這個門檻實在是過高了。

但現在我們可以把AI（也就是物理AI）應用到機器人系統(tǒng)上，讓機器人“更容易被教會”。你只要給它演示幾次，AI就能夠自己學會這些動作。

?問??你會不會說，這幾乎是“機器人界的ChatGPT時刻”？是不是軟件瓶頸已經被突破了？

?黃仁勛?我認為在未來兩三年，我們會看到非常重大的突破。

關于Rubin價值和能源瓶頸

?問??Rubin（即?Rubin GPU?系統(tǒng)）到底相比上一代強多少？它到底能帶來多少價值？現在你們六款芯片都已經進入量產階段，也開始發(fā)布一批使用數據，有哪些指標最值得關注？

?黃仁勛??技術當然非常復雜，也涉及大量軟件堆棧。

從一個大的框架來說，我建議大家不要再把這些計算機看作“超級計算機”，而是要把它們看作AI工廠，這些AI工廠生產的是token（也就是數字產出）。

而一座AI工廠，核心會被用在三件事上。

第一件事就是訓練下一代前沿模型，這樣你才能打造最強AI，搶先推向市場。所以你必須把訓練速度做到極致。

如果拿Blackwell和Rubin來比較，Rubin的訓練效率，是Blackwell的4倍。

這意味著：原本需要4個月的訓練，現在1個月就夠；或者同樣時間里用1/4的GPU數量，省下大量資金。

企業(yè)可以自己決定：要更快上市？還是要更低成本訓練？

這就是“訓練前沿模型”的意義。

第二件事是盡可能降低Token生成成本，而且很重要的一點是：每一代技術，token成本都在持續(xù)下降。

當token成本下降，AI的使用場景就會擴張，社會滲透就會更快。

就Rubin而言，相比Blackwell，token成本下降了10倍。

這要歸功于：能效提升，算法優(yōu)化，芯片更快。

在AI工廠中，算得更快就意味著成本更低。因為任務完成得越快，計算資源、時間、運維成本就越少。

第三件事是持續(xù)提升整座AI工廠的吞吐量。如果吞吐量不提升，那建AI工廠的企業(yè)，營收也無法提升。

而Rubin能做到讓整座AI工廠的token吞吐量提升10倍。要知道，我們只增加了1.7倍晶體管數量就實現了10倍提升！

這正是英偉達的優(yōu)勢，我們是真的在整個數據中心里，把每一顆芯片都重新做了一遍。Grace CPU、全新的Vera GPU、Rubin、CX-9 NVLink交換機、帶有CoPackage光學器件的Spectrum X以及Bluefield 4，這一代是一整套六款全新芯片組合，所有芯片都是革命性的升級。

這背后的技術復雜到難以想象，大約11.5萬個工程師年投入的研發(fā)工作，才把這套系統(tǒng)真正造出來。

這叫協(xié)同設計，不是單點突破而是整條技術鏈，同時整體性創(chuàng)新。

?問??你提到要把軟件進一步整合進EDA工具體系（用于芯片設計、仿真與驗證的整套電子設計自動化）。想問你一個時間表問題，跟西門子最先會在哪些方向上展開深度合作？

?黃仁勛??我們會加速西門子的EDA軟件，加速他們的仿真軟件，把AI、物理AI、Agentic AI整合進他們的?Teamcenter與工廠自動化操作系統(tǒng)……我們會在整個鏈條上合作。

當我們加速他們的EDA工具，我們就能用它來設計我們的芯片和系統(tǒng)；當我們加速他們的仿真軟件，我們就能在AI工廠中，用它模擬熱特性等物理效果；當我們把?AI?自動化系統(tǒng)整合進他們的工業(yè)操作系統(tǒng)，我們就可以在生產線上應用，比如在我們與富士康合作的工廠。

我們會盡快把這些技術投入實際使用。

?問??你會擔心能源成為瓶頸嗎？

?黃仁勛??任何行業(yè)，能源永遠是瓶頸。

而AI是一個增長極快的新產業(yè)。一方面，這不僅是一項技術創(chuàng)新，會改變大量行業(yè)應用；另一方面就AI行業(yè)本身而言，特別是AI的訓練與運行，也需要能源。

這正是為什么，從Hopper到Blackwell，我們把能效提升了10倍；從Blackwell到Rubin，又再提升10倍。

對于一座AI工廠來說，電力容量永遠是上限。在固定功率之下，誰能夠產出更多?token，誰就更強。

?問??但有人會說，Rubin雖然能效是10倍，如果根本沒有足夠電力怎么辦？

?黃仁勛??電當然存在，但電永遠都不夠。每一輪工業(yè)革命都是被能源所約束的，這一次也一樣。

同時，無論你現在擁有多少能源，都必須盡可能提升能效。這也是我們持續(xù)推動技術路線、不斷實現代際躍遷的原因。

關于存儲、Groq和中國等熱點話題

?問??現在存儲（HBM）瓶頸到底有多嚴重？

?黃仁勛??存儲瓶頸確實很嚴重。但我們很幸運，英偉達是唯一一家與三家HBM供應商都建立了深度合作關系的公司。而且他們既是我們的客戶，也是我們的供應商，我們之間的合作已經持續(xù)了很長時間。

我們已經提前做好了規(guī)劃，整體來說，情況會是可控的。

?問??這次跟Groq團隊相關的合作，到底算是“收購”，還是“長期授權交易”？

?黃仁勛??我們確實聘用了他們大約不到?400?名非常優(yōu)秀的工程師，同時也獲得了他們的一些技術授權。

他們的架構設計與我們以往的設計非常不同，是專門針對“低時延?token?生成”進行優(yōu)化的。而英偉達已經在推理方面非常領先，在訓練、測試、推理放大等階段也具備非常強大的能力。

因此我認為，我們未來有機會共同創(chuàng)造一個新的產品類別，去面向一些新的應用場景。

現在我還不能透露更多細節(jié)，等時機成熟，我會公布。

?問??你被反復問中國市場的問題，我想問個稍微不同的角度，中國政府對于H200進入中國市場的態(tài)度是什么？

?黃仁勛??我本人并沒有直接和他們溝通。但最終，中國政府的態(tài)度會通過企業(yè)反映到我們這邊：如果企業(yè)被允許購買英偉達產品，那需求肯定會非常強勁。

而事實上，我們確實看到了很強勁的需求。所以可以說，他們已經間接表達了態(tài)度。

問??你認為H200在中國市場仍然有競爭力嗎？因為你自己也說過，華為是一個非常強大的競爭對手，而且中國還有很多初創(chuàng)公司在研發(fā)替代產品。

黃仁勛??H200 現在在中國市場仍然是有競爭力的。但這種競爭力不會永久持續(xù)，所以我們希望未來能夠持續(xù)推出同樣具有競爭力的新產品。

從更大的角度看，如果要維持美國在市場上的競爭力，相關監(jiān)管也必須不斷發(fā)展，而不是停留在靜態(tài)狀態(tài)，那樣是沒有意義的。

關于馬斯克、太空算力和自動駕駛

?問??你有沒有和馬斯克或SpaceX討論過“太空中的數據中心”？

?黃仁勛??這個嘛……我不能討論我沒有公開說過、但也許私下討論過的話題。

?問??那你覺得“太空算力平臺”在技術上是否可行？

?黃仁勛??當然是可行的。因為太空中能源十分充足（比如太陽能），散熱條件也很好。所以把AI工廠部署在太空，所面對的工程挑戰(zhàn)，會與地球上完全不同。

那就真的是?“太空中的AI工廠”。

?問??那GPU本身是否還是同一套架構？只是裝進衛(wèi)星或太空平臺？

?黃仁勛??GPU芯片本身可以是一樣的。但供電方式會完全不同，散熱系統(tǒng)也會完全不同。因此系統(tǒng)工程會完全重新設計，而芯片可以保持一致。

?問??你有沒有看到馬斯克對你昨天主題演講的評論？

?黃仁勛??沒有，我還沒看到。他說了什么？

?問??他在X上發(fā)了一個笑臉，說：“我們早就在做這些了?！?/p>

?黃仁勛??一點也不驚訝。

我認為特斯拉擁有全球最先進的自動駕駛技術棧，他們的自動駕駛業(yè)務運營，也是全球最領先的之一。我也幾乎可以肯定，他們已經在使用端到端?AI。至于他們是否已經實現“推理能力”，那是后一步的事。

他的核心觀點是：前99%已經很難了，但最后那一點“長尾問題”更加困難。對此我不能同意更多。

?問??從“每英里成本”角度看，你們與特斯拉的視覺路線有什么根本區(qū)別？

?黃仁勛??我們的體系其實也是以視覺為核心。只不過在視覺之外，我們還配置了雷達與激光雷達。但從總體架構來看，兩者其實非常接近。

而且我想說，馬斯克的技術路線，是當前自動駕駛與機器人領域最先進的體系之一。我不會批評它，我只會鼓勵他們繼續(xù)推進，他們做得非常好。

關于護城河和億萬富翁稅

?問??開放的模型生態(tài)在英偉達戰(zhàn)略中的角色？

?黃仁勛??英偉達幾乎是目前唯一一家與所有主要AI公司都保持合作關系的企業(yè)。從?OpenAI，到今年的xAI，再到谷歌的Gemini，我們一直都在合作。

英偉達的平臺，橫跨所有科研領域、所有AI公司、所有主流AI模型。而要做到這一點，唯一的方式就是保持開放。

如果我們在技術棧的某些層面上變得封閉、走向專有，確實能把整條價值鏈都收入囊中，但這樣做也會限制我們與所有伙伴合作的能力。

而我真正喜歡的一點是：英偉達能夠、并且愿意與所有人合作。

?問??中國現在出現了很多 AI芯片初創(chuàng)企業(yè)，你怎么看未來兩三年的競爭格局？你認為英偉達今天最具防御性的護城河是什么？

?黃仁勛??中國新出現的初創(chuàng)公司數量非常多，其中不少已經上市，并且發(fā)展得非常好。這充分說明了中國科技產業(yè)的活力與能力。應該可以毫不夸張地說，中國的企業(yè)家、工程師、技術人員和AI研究者，已經站在世界頂尖水平。

對我們來說，如果希望繼續(xù)為中國市場創(chuàng)造價值，就必須參與競爭，就必須不斷推進我們的技術前沿。

英偉達如今在AI領域的創(chuàng)新規(guī)模，是全球獨一無二的。我們是世界上唯一一家，從 CPU、GPU 到網絡與存儲，能夠把整個系統(tǒng)做成全棧架構的公司；同時我們也在軟件棧、模型層、基礎設施層持續(xù)創(chuàng)新。?

我們與全球幾乎所有AI公司保持合作。依托我們的渠道體系與生態(tài)網絡，技術已經傳導至終端行業(yè)——從制造業(yè)（例如與西門子的合作），到醫(yī)療健康（與禮來的合作），再到汽車與金融服務等多個領域。英偉達在這些行業(yè)中都建立了非常深入的連接。?

因此，我認為英偉達有充分理由繼續(xù)引領這一行業(yè)，這也是我們必須如此努力創(chuàng)新的原因。我們的創(chuàng)新速度前所未有，但我們絕不會把這種領先視為理所當然。?

?問??你是硅谷最重要、最大的雇主之一。加州現在正在討論“億萬富翁稅”，這種稅會不會影響硅谷的人才和產業(yè)？

?黃仁勛??坦白說，我一次也沒有想過這個問題。我們之所以在硅谷，是因為那里有人才。當然，我們在全球各地都有辦公室，只要有優(yōu)秀人才，我們就會在那里設點。

至于稅收政策，如果政府要收，那就收吧。我對此毫無異議。

這個問題，從來沒有在我腦子里過過。