廣告
輝達CES｜黃仁勳宣布下一代Vera Rubin全面量產 演講3大重點速掌握
出版時間：2026/01/06 08:36
【編譯于倩若／綜合外電】黃仁勳在今年美國消費電子展（CES）打頭陣，於台灣時間今天（6日）清晨5點進行主題演講。黃仁勳宣布下一代AI超級晶片Vera Rubin已全面量產，基於Rubin的產品將在2026年下半年由合作夥伴開始供貨。除此之外，他還講了什麼？《知新聞》為您整理3大重點帶您速掌握。
📌 本文摘要重點
(AI 摘要說明)1 Nvidia Vera Rubin晶片已全面量產，目標2026下半年供貨，將GPU、CPU、交換器等組合成平台，旨在大幅降低「智慧成本」。
2 黃仁勳宣告「機器人的ChatGPT時刻已來到」，Nvidia推動實體AI，汽車輔助駕駛平台Drive AV正式量產，導入2026年款賓士CLA。
3 Nvidia透過Nemotron-3等開放模型策略，吸引開發者進入自家生態系，並強調AI基礎建設需涵蓋運算、網路、儲存等全方位管線。
重點1：運算與AI基礎建設
據外媒《QUARTZ》指出，此次硬體方面最重要的消息是：Rubin架構正被拆分成可直接出貨的標準化組件。Nvidia公布了一套由6大元件組成的 Rubin「平台」，包含Rubin與Rubin Ultra版本的GPU與CPU，加上NVLink 6交換器與ConnectX-9 SuperNIC。所有效能與「每token成本」的主張，都是建立在這套全系統共同設計之上，目標只有一個：把「智慧的成本」壓到更低。
在系統層級，Nvidia將Vera Rubin NVL72定位為機櫃級的主力機型，配置72顆GPU與36顆CPU，並宣稱具備exaflops等級的FP4運算效能；而Rubin Ultra NVL288則是後續放大的版本，規模提升至288顆GPU與144顆CPU。
同時，Nvidia也把Rubin納入DGX品牌的「AI工廠」概念中，將DGX Rubin NVL72（訓練）與DGX Rubin NVL8（推論） 搭配成一套更即插即用、標準化的算力單位。
Nvidia表示，基於Rubin的產品將在2026年下半年由合作夥伴開始供貨。
你會想看：
黃仁勳CES「點名6家台廠」助輝達成功 這家出現畫面最久！不是台積電
據《QUARTZ》指出，在這整套架構背後，有2項基礎建設升級，其實扮演了關鍵但低調的角色。
第1，Nvidia正大力把「網路」提升為一級效能指標，主打Spectrum-X乙太網光子交換系統，並宣稱在推論效能與能源效率上可達到「5倍」提升。
第2，Nvidia試圖把「長上下文」（long context）包裝成一個基礎建設採購決策，推出名為 「推論上下文記憶體」（inference context memory）的儲存平台，用來延伸代理式AI（agentic AI）的上下文視窗。
2. 實體AI與機器人
Nvidia一再強調，實體AI（physical AI） 的關鍵轉折點，在於「代理」（agents）不再只是能聊天，而是開始真正「能做事」，也就是在同一個迴路中，同時具備感知、推理與行動能力。這需要3個核心模組：更好的模擬、更好的機器人模型，以及更好的「移動性」模型。
黃仁勳宣告「機器人的ChatGPT時刻已經來到」。他認為，能理解真實世界、進行推理並規劃行動的模型，正開啟「全新的應用版圖」。
在這樣的脈絡下，汽車產業成了Nvidia「全棧」（full stack）論述的最大信任考驗，因為這是唯一一個「展示」與「實際部署」之間，隔著法規、責任歸屬，以及10多年過度樂觀歷史的領域。
Nvidia表示，其Drive AV輔助駕駛平台已「正式量產」，並導入2026年款Mercedes-Benz CLA，該車在2025年的Euro NCAP安全評比中拿下最高分。
Nvidia指出，該車具備「進階Level 2自動駕駛能力」，支援「點到點的城市導航」，甚至包含「地址到地址」的完整行程；而Hyperion則是提供「安全冗餘」（意指不是只靠1個元件，而是多套運算單元，1套出錯，另1套能立刻接手）運算與感測架構。
Nvidia也表示，該車將在今年底前，於美國道路上支援「不必一直握著方向盤」（hands-free）駕駛。
但更大的賭注在後頭。Nvidia車用事業副總裁Ali Kani表示：「我們相信，實體AI與機器人最終會成為全球最大的消費性電子市場。所有會移動的東西，最終都會完全自動化，並由實體AI驅動。」
Ali Kani說，Nvidia為自駕打造的Alpamayo，這是一整套開源AI模型、模擬工具與實體AI資料集，目標是加速「以推理為基礎、以安全為核心」的實體AI開發。
Nvidia同步釋出1700小時的駕駛資料與一套開源模擬框架，並將其定位為邁向Level 4自動駕駛的入門工具組。
至於在機器人與模型生態方面，Nvidia也主打Isaac GR00T N1.6，這是一個開放的「視覺-語言-動作」（VLA）推理模型，用於機器人技能；搭配Isaac Lab Arena作為可大規模測試策略的評估框架。
此外，Nvidia也點名Cosmos Reason 2，作為強化實體推理能力的模型，並將整個Cosmos系列定位為產生合成資料、用於訓練實體AI的工具鏈。
在硬體端，Nvidia把Jetson T4000定位為機器人的邊緣運算目標，並與同一套從訓練到部署、最終回饋至DGX級基礎設施的流程整合在一起。Nvidia正試圖讓「機器人堆疊」看起來就像「軟體堆疊」：在自己生成的世界中訓練、在可變的世界中測試，最後部署在自己賣的硬體上。
3. 開放模型
Nvidia的「開放模型」策略，與其說是理念上的擁抱開源，不如說是用免費樣品把開發者拉進自家生態系，而且這些模型都被包裝成在Nvidia基礎設施上跑得最好。
正如Nvidia生成式AI與軟體副總裁Kari Briski所說：「這是一種擴張。」
這套組合包含全新的Nemotron-3模型（包含70B、34B與8B規模的Llama Nemotron-3變體），以及一系列資料集與工具，協助團隊打造領域型代理（domain agents），並透過Nvidia的堆疊進行部署。
Kari Briski表示：「2025年，Nvidia是Hugging Face上最大的貢獻者，共釋出650個開放模型與250個開放資料集。」重點很明確：Nvidia想成為你開始的地方，即使你之後不一定繼續「開放」。
Nvidia也宣布釋出Nemotron-CC，這是一個涵蓋超過140種語言、共1.4兆token的多語言預訓練語料庫，被定位為建立與微調模型的「開放基礎層」。此外，還有名為Granary的指令資料集，目標是讓模型在企業場景中「一開箱就更好用」。
整體而言，Nvidia將Nemotron定位為「代理時代」（agentic era）的工具箱，涵蓋安全、RAG、語音與推理等面向的模型與資料集。
《QUARTZ》指出，從大方向來看，Nvidia在CES傳遞的訊息，在3個面向完全一致：未來的關鍵在於整條管線，而Nvidia希望這條管線的每個環節：運算、網路、儲存、安全、模擬，全部都跑在該公司已經在販售的產品上。
輝達CES 2024重點發表
