黄仁勋CES上硬菜：Vera Rubin已量产！为AI赌上6颗芯片

作者 ｜ 周一笑
邮箱 ｜ zhouyixiao@pingwest.com

Vera Rubin已经在全面投产。

这是黄仁勋在CES 2026上透露的最重要信息。

这场在拉斯维加斯的90分钟演讲，是黄仁勋的开年演讲，给2026年定基调的意义非常明确。而整场演讲有很强的叙事设计——他要讲的故事逻辑是这样的：

回顾2025年，scaling law还在继续，推动这个过程里开源很重要，而英伟达做了很多开源，甚至第一次自称"开源之王"（NVIDIA Leads Open Model Ecosystem），尤其是物理世界的模型其实在由它来推动——而这一切都在证明强烈的需求还在继续，泡沫不存在，所以，新的芯片架构更加重要。

这就是Vera Rubin。

“我可以告诉你们，Vera Rubin已经在全面投产了”（I can tell you that Vera Rubin is in full production），黄仁勋在舞台上宣布。这是一个全面重构的芯片架构——从CPU到GPU，到互联方式，到机柜设计，六颗芯片全部重新设计。

Vera Rubin - Six New Chips全景图

1

摩尔定律追不上AI，所以必须激进

黄仁勋给出了一组数据来解释为什么必须打破英伟达自己的规则。

过去英伟达有一条内部准则：每代架构最多只改动1-2颗芯片。但这次，他们一口气重新设计了六颗。原因很简单，摩尔定律在放缓，但AI的需求在爆炸。模型规模每年增长10倍，生成的token数量每年增长5倍，单token成本每年下降10倍。

AI 算力需求爆炸式增长

“我们每年能获得的晶体管数量，根本不可能跟上10倍更大的模型、每年5倍更多的token生成”，黄仁勋解释道，“除非我们采用激进的、极致的协同设计，否则不可能跟上这种增长速度。”

换句话说，如果继续按部就班地迭代，英伟达会被自己的客户甩在后面。

1

Rubin GPU：5倍性能只用1.6倍晶体管

六颗芯片中，Rubin GPU是核心。

NVIDIA Rubin GPU规格图

最关键的数字是这个，NVFP4推理性能达到50 PFLOPS，是Blackwell的5倍，但晶体管数量只有3360亿，仅增加了1.6倍。这意味着架构效率的巨大飞跃，而不仅仅是堆料。HBM4带宽达到22 TB/s（2.8倍），单GPU的NVLink带宽达到3.6 TB/s（2倍）。

这背后是NVFP4 Tensor Core的创新——一种新的4位浮点格式，通过硬件层面的自适应精度调节和动态transformer引擎实现。黄仁勋暗示这可能成为行业标准：“我不会惊讶于整个行业都希望我们把这个格式和架构变成行业标准。”

1

Vera CPU：88个自研核心，不是ARM公版魔改

全新的自研CPU采用88个Olympus核心，176线程，1.5TB系统内存（是Grace的3倍），1.2 TB/s的LPDDR5X带宽，2270亿晶体管。

这是英伟达第一次在数据中心CPU上如此激进地自研。Olympus核心是全新设计，不是ARM公版的修改。黄仁勋在台上展示了从Blackwell到Rubin的硬件演进，亲手拿起计算托盘——“你必须是一个身体状况很好的CEO才能干这个活”””（You have to be a CEO in really good shape to do this job），他开玩笑说。

1

硅光子上芯片：英伟达变成了网络公司

让黄仁勋特别兴奋的是Spectrum-X Co-Packaged Optics，硅光子直接封装在芯片上。

NVIDIA Spectrum-X Ethernet Co-Packaged Optics规格

这颗芯片采用TSMC的COUPE工艺，实现102.4 Tb/s的交换机基础设施，128个800 Gb/s端口，512个200 Gb/s端口，3520亿晶体管。黄仁勋说这让英伟达“成为了全球最大的网络公司”。

配合新一代NVLink 6.0，单GPU带宽达到3.6 TB/s，整个NVL72系统的互联带宽达到260 TB/s。黄仁勋的比喻是，“这是全球互联网带宽的两倍”，全球互联网总带宽大约是100 TB/s。

1

KV Cache成了新瓶颈，BlueField-4来解决

黄仁勋特别强调了一个正在浮现的问题：context memory正在成为新的瓶颈。

随着上下文长度增长、多轮对话累积、并发用户增加，KV cache的存储需求在爆炸。BlueField-4 DPU就是为了解决这个问题，800G Gb/s的SmartNIC和存储处理器，内置64核Grace CPU，相比上代在网络、计算、内存带宽上分别提升2倍、6倍、3倍。

配合新的Context Memory Storage Platform，可以为每个节点提供150TB的KV cache存储。黄仁勋称之为“完全革命性的”。

1

NVL72：一个机柜220万亿晶体管

六颗芯片组合成Vera Rubin NVL72系统。

这是一个完整的机柜级计算单元：3.6 EFLOPS的FP4推理算力（5倍于Blackwell），2.5 EFLOPS的FP4训练算力（3.5倍），54TB的LPDDR5X容量（3倍），20.7TB的HBM容量（1.5倍），1.6 PB/s的HBM4带宽（2.8倍），260 TB/s的Scale-Up带宽（2倍）。整个机柜包含220万亿个晶体管。

1

组装一个计算节点：从2小时到5分钟

除了芯片本身，Vera Rubin在系统工程上也有大量创新。

NVIDIA Vera Rubin Compute Tray

新的计算托盘设计是“No Cables, No Hoses, No Fans”，无线缆、无水管、无风扇。过去组装一个计算节点需要2小时，现在只需要5分钟。黄仁勋在台上亲自演示，把托盘像抽屉一样滑入机柜。

整个系统100%液冷，使用45°C的热水，不需要冷水机。"今天这台机器重2.5吨，因为他们发货的时候忘了把水放掉"，黄仁勋开玩笑说。整机包含2英里的铜缆和5000根线缆，但因为采用了新的无线缆托盘设计，实际部署时的复杂度大大降低。

虽然性能是Blackwell的5倍，但热设计保持在同一水平，这意味着在相同的数据中心功率预算下，可以获得5倍的算力提升。

1

1/4的GPU，1/10的成本

黄仁勋用DeepSeek++（对未来超大规模开源模型的一种代称）和Kimi K2Thinking展示了三组性能对比。

训练效率：以10万亿参数模型、100万亿token、1个月训练周期为基准，Rubin只需要Blackwell 1/4的GPU数量。工厂吞吐量：从Hopper到Blackwell是10倍提升，从Blackwell到Rubin再提升10倍。Token成本：Rubin是Blackwell的1/10。

这组数据的含义很清晰，对于训练大模型的公司来说，Rubin意味着用更少的硬件、更低的成本、更快的速度完成同样的任务。

1

时间表：一年一代，但这次跨度更大

Vera Rubin 2026年出货，现已全面投产。Rubin Ultra NVL576在2027年下半年，性能是Rubin的4倍。Feynman在2028年，已预告。

黄仁勋维持了英伟达“一年一架构”的节奏，但这次的迭代幅度远超以往。

1

Alpamayo：物理AI的ChatGPT时刻

算力基础设施最终是为了让AI理解和操控物理世界。除了造“大脑”，英伟达也在教AI控制“身体”，演讲中另一个值得注意的发布是Alpamayo。

NVIDIA Alpamayo架构

这是一个开源视觉-语言-动作模型（VLA），专为自动驾驶设计，支持chain-of-thought推理来处理边缘场景。输入是多摄像头视频、自车运动历史、可选用户指令，输出是驾驶决策、因果推理、轨迹规划。

演示视频中称之为“物理AI的ChatGPT时刻几乎就要到来了”（The ChatGPT moment for physical AI is nearly here）。首个商用落地是Mercedes-Benz CLA，2026年Q1在美国上市。

值得注意的是，英伟达不仅开源了模型，还开源了训练数据。“我们不仅开源模型，还开源用来训练这些模型的数据。因为只有这样，你才能真正信任这些模型是怎么来的。”

黄仁勋演讲PPT里用到了很多中国开源模型的数据：

经典场面：黄仁勋和中国开源模型们

不过，他最终要强调的是这张：

英伟达才是开源第一。

1

一个信号

回看整场演讲的结构，黄仁勋想传递的信号很明确，AI的需求还在爆炸式增长，scaling law没有撞墙，英伟达的护城河不仅是芯片设计能力，更是整个系统级的极致协同优化能力。

当摩尔定律放缓时，只有通过“激进的、极致的协同设计”，例如六颗芯片同时重新设计，才能跟上AI发展的速度。而且这一切都不是空话，Vera Rubin已经在全面投产，不是路线图，不是期货，是现在就在产线上跑。2026年，云厂商和AI公司将拿到比Blackwell强5倍的新硬件。

黄仁勋的最后一张幻灯片这样写道：

英伟达是为所有AI提供的那个独一无二的平台。

这个开年演讲相比过往黄仁勋的演讲要“干”很多，看来2026年黄仁勋不讲故事了，要直接上干货，上硬菜了。

点个“爱心”，再走 吧