开源自动驾驶模型，英伟达要做智驾的“安卓”

在2026年CES的聚光灯下，黄仁勋没有仅仅谈论芯片的算力，而是描绘了一个即将被智能体深度融入的现实世界。

“AI的第二个拐点已经到来——从理解语言到理解物理世界，从软件智能体到具身智能体”。

当地时间1月5日，英伟达CEO黄仁勋身穿标志性皮衣登台，围绕“物理AI”展开了一场90分钟的主题演讲。

英伟达CEO黄仁勋

他指出，物理AI不仅涵盖视觉与语言理解，更融合重力、摩擦、惯性等物理动态，能够在真实世界中执行复杂任务，未来将重塑全球1000万家工厂与20万个仓库的运作模式。

这一愿景背后，依托三大技术支撑：Newton物理引擎，实时计算物理世界模型，响应时间低于0.01秒，适用于机器人及自动驾驶场景；Cosmos基础模型平台，支持多模态物理世界理解，已训练1000亿参数，推理延迟降至1毫秒；GPU+LPU混合算力架构，GPU负责训练，LPU专注低延迟推理，效率提升100倍，成本降低90%。

黄仁勋强调：“AI的价值不再仅由算力决定，而由场景定义。物理世界正是AI最大的应用场景。”

为此，英伟达将持续提供算力基石，并在自动驾驶、机器人等领域推动开源产品落地。黄仁勋指出，“开放模型已触及前沿，虽然仍稳固地落后前沿模型六个月，但每隔六个月，一个新的模型就会出现。英伟达不仅开源模型，还将开源训练数据，让开发者真正理解模型的构建过程。”

01

Rubin架构正式登场，下半年量产

任何技术革命都离不开底层算力的支撑。“我们必须每年推动计算技术向前进步，一刻也不能延迟。”发布会上，黄仁勋正式发布了英伟达下一代AI数据中心机柜架构——Vera Rubin。

该架构命名致敬天文学家Vera Rubin，她在暗物质研究领域取得了突破性进展，其研究成果彻底改变了人类对宇宙的认知。

而这，也是每一代英伟达GPU架构的命名习惯。

黄仁勋此次披露了Rubin架构的更多细节：它由六类芯片构成，包括Vera CPU、Rubin GPU、NVLink 6交换机、ConnectX-9 SuperNIC、BlueField-4数据处理单元和Spectrum-6以太网交换机，共同组成Vera Rubin NVL72机架。

作为首款定制CPU+GPU协同设计的产品，采用台积电2nm工艺，集成了Rubin GPU与专为智能体推理打造的Vera CPU，算力实现显著跃升。

Rubin架构包含3360亿个晶体管，NVFP4数据类型下，Rubin GPU推理性能达到50 PFLOPS，是Blackwell GB200的5倍；NVFP4训练性能高达35 PFLOPS，是Blackwell的3.5倍。

为满足庞大的计算资源需求，每款Rubin GPU都配备了8个HBM4显存堆栈，提供288GB的容量和22 TB/s的带宽。

与此同时，随着大型语言模型从激活所有参数以生成给定输出词元的密集架构，转向每个词元仅激活部分可用参数的专家混合（MoE）架构，这些模型的扩展效率得以相对提高。然而，模型内部专家之间的通信需要大量的节点间带宽。

为此，Vera Rubin数据中心架构引入了用于规模内扩展网络的NVLink 6，将单GPU的互连带宽提升至3.6 TB/s（双向）。每颗NVLink 6交换芯片提供28 TB/s的带宽，而每个Vera Rubin NVL72机架配备9颗这样的交换芯片，总规模内带宽达到260 TB/s。

NVIDIAVera CPU集成了88个定制的Olympus Arm核心，采用“spatial multi-threading”（空间多线程）设计，最多可同时运行176个线程。用于将Vera CPU与Rubin GPU进行一致性连接的NVLink C2C互连，其带宽提升了一倍，达到1.8 TB/s。每颗Vera CPU可寻址最多1.5 TB的SOCAMM LPDDR5X内存，内存带宽最高可达1.2 TB/s。

为了将Vera Rubin NVL72机架扩展为每组包含八个机架的DGX SuperPod，英伟达推出了两款采用Spectrum-6芯片的Spectrum-X以太网交换机，每颗Spectrum-6芯片可提供102.4 Tb/s的带宽，Nvidia将其应用于两款交换机中。

据黄仁勋介绍，每个Vera Rubin NVL72机架可提供3.6 exaFLOPS的NVFP4推理性能、2.5 exaFLOPS的NVFP4训练性能，连接至Vera CPU的54 TBLPDDR5X内存，以及20.7 TB的HBM4内存，带宽达1.6 PB/s。

“与Blackwell相比，Vera Rubin在训练MoE模型时所需的GPU数量仅为四分之一；在MoE推理场景下，其每token成本最高可降低10倍”。黄仁勋表示，Rubin能在相同机架空间内大幅提升训练速度，并输出更多token。

他透露，Rubin系列芯片已经全面投产，并将于今年下半年推出，重要应用于物理AI训练、机器人模拟、自动驾驶仿真等领域，其订单规模已达3000亿美元，微软下一代Fairwater AI超级工厂、CoreWeave等将成为首批应用者。

除了发布新产品，黄仁勋也公布了一些“老朋友”的进展：Blackwell Ultra量产加速，2026年Q2全面供货，单机算力提升50%的同时功耗降低30%，适配机器人边缘计算场景。

02

从自动驾驶到机器人，构建开放技术栈

芯片是算力的基石，场景则是“物理AI”的价值所在。其中，自动驾驶是核心落地场景之一。

在黄仁勋看来，当前辅助驾驶系统在应对“长尾场景”时仍面临挑战。传统将感知与规划分离的辅助驾驶架构，在突发或异常情况下存在泛化与可解释性不足的问题。

为此，英伟达发布首个专为自动驾驶汽车设计的“推理”AI：Alpamayo，这是一个新系列的开放模型、模拟工具和数据集，专为基于推理的驾驶系统而设计。该系列引入基于思维链的VLA（Vision-Language-Action）推理模型，用于对复杂驾驶场景进行逐步推演和逻辑表达，以提升决策透明度。

Alpamayo系列包括三部分：

一是Alpamayo1，一款约100亿参数规模的思维链推理模型，已在Hugging Face上开源，以使汽车能够理解周围环境并解释其行动，用于研究、模型蒸馏及开发辅助工具。

二是AlpaSim，一套完全开源的端到端辅助驾驶仿真框架，已在GitHub发布，支持在多种环境和边缘案例中进行闭环训练和评估。

三是物理AI开放数据集，包含超过1700小时的真实道路驾驶数据，覆盖不同区域和环境条件，并包含一定比例的复杂和罕见场景。

这些工具共同构成了一个自我强化的开发闭环，助力构建基于推理的自动驾驶技术栈。

不过，Alpamayo模型并非直接在车端运行，而是作为大规模的“教师模型”。开发者可以对其进行微调和蒸馏，转化为各自完整自动驾驶技术栈的核心骨架。黄仁勋指出，Alpamayo系列为一个内聚的开放生态系统，任何汽车开发商或研究团队都可以在此基础上进行开发。

据黄仁勋透露，Alpamayo将率先搭载于2025款梅赛德斯-奔驰CLA车型，后续通过OTA升级逐步推送高速公路脱手驾驶、城市全场景自动驾驶、端到端自动泊车等功能，并逐步登陆美、欧、亚市场。“Lucid、捷豹路虎、Uber和DeepDrive等企业也希望基于Alpamayo实现L4级自动驾驶。”

有意思的是，知名特斯拉投资者Sawyer Merritt分享了英伟达发布会视频和相关细节，指出Alpamayo将率先搭载梅赛德斯CLA。特斯拉CEO马斯克很快回复道：“这正是特斯拉正在做的。他们会发现，达到99%很容易，但解决分布的长尾问题超级难。”

此外，黄仁勋还指出，升级后的Drive Thor算力达到2000TOPS，已斩获15+车企订单，将于2027年量产。

“我们的愿景是，未来有一天，每一辆汽车、每一辆卡车都将实现自动驾驶。”黄仁勋指出，自动驾驶汽车的时代已经全面到来，自动驾驶汽车将成为“首个大规模的、面向主流市场”的物理AI应用场景。

除了自动驾驶以外，具身智能也是物理AI的一大应用市场。英伟达为机器人推出的“大脑”Cosmos也再度升级，它主要被用来生成符合现实世界物理规律的合成数据。

此次Cosmos主要升级了三部分。

CosmosTransfer 2.5和Cosmos Predict 2.5：开源、完全可定制的世界模型，为物理AI实现基于物理原理的合成数据生成与机器人策略评估的仿真支持。

Cosmos Reason 2：开源推理视觉语言模型（VLM），使智能机器能够像人类一样看见、理解物理世界并采取行动。

IsaacGR00T N1.6：专为人形机器人打造的开放式推理视觉语言行动（VLA）模型，可解锁全身控制能力，并借助Cosmos Reason增强推理和上下文理解。

从重新定义算力极限的Rubin架构，到为自动驾驶注入思维链的Alpamayo，机器人“大脑”Cosmos升级，英伟达的战略图谱清晰显现：它正致力于成为智能体理解并行动于物理世界的“使能层”。