推荐大家看一下刚结束的CES 2026，黄仁勋的主题演讲。

我花了两个小时看完整场，有些判断听起来真的非常大胆。
但仔细想想，这个人手里握着最前沿的芯片和算力资源，他对行业走向的判断值得认真对待。

今天我就把这场演讲里最重要的几个观点整理出来，和大家聊聊。

1️⃣第一个判断：AI正在经历双重平台迁移。
老黄开场就抛出了这个观点。

第一重迁移大家都知道，计算核心从CPU转向GPU，英伟达靠这个赚了很多年钱。

但第二重迁移才是重点。
他说应用开发的基础，正在从预定规则代码转向人工智能。

以前写程序，程序员得把每一步逻辑都写清楚。用户输入A，程序返回B，这叫预定规则。

但现在不一样了，你不是在写软件，你是在训练软件。
应用程序也不再是编译好的静态代码，而是能理解语境、每次都从头动态生成内容的新物种。

软件正在变得像人一样，能根据情况随机应变。
老黄认为这两种迁移同时发生、相互交织，正在彻底重塑计算的本质。

2️⃣第二个判断：开源模型已经触及前沿，但仍落后约6个月。
老黄说2025年是不可思议的一年，感觉所有事情都在同时发生。

他花了不少时间回顾过去一年的进展。

首先是推理能力的突破。
2024年出现了第一个具备推理能力的模型，创造了一个叫Test Time Scaling的概念。
简单说就是让AI实时思考。
以前AI是一次性给你答案，现在AI会想一想再回答，想得越久答案往往越好。

然后是Agent系统开始渗透到各个角落。
这些能推理、检索信息、使用工具、规划未来的智能体，突然开始解决真正重要的问题。

最后是开源模型的关键突破。

老黄的原话是这样的：「开源模型已经触及技术前沿，虽然仍然落后尖端模型大约六个月，但每半年就有更聪明的新模型涌现。」

在AI这个领域，六个月既长又短。
说它长，是因为商业竞争中六个月的技术差距意味着巨大的先发优势。
说它短，是因为开源社区迭代极快，今天的差距明天可能就被抹平。

他认为开源模型正在重塑整个行业格局。
正因如此，模型下载量呈现爆炸式增长，初创企业、大公司、研究者、学生，甚至每个国家都想参与这场AI革命。

3️⃣第三个判断：物理AI是下一个战场。
这是整场演讲的核心。

老黄说大语言模型不是唯一的信息处理方式。
宇宙中任何存在信息与结构的地方，我们都能训练某种模型去理解它。

其中最重要的一类，就是物理AI。
他把物理AI分成两类。
一类是与物理世界交互的AI，比如机器人、自动驾驶汽车。
另一类是理解物理定律的AI模型，比如天气预报、蛋白质结构预测。

前者是让AI动手，后者是让AI理解物质世界的运行规律。

英伟达的思路是用三台计算机构建物理AI的完整闭环。
第一台用DGX训练AI模型。
第二台用Omniverse和RTX来仿真、测试和验证模型。
第三台用AGX把模型部署到现实世界。

老黄说英伟达的独特之处在于，它同时在做这三件事。
仅这两类计算机就为英伟达物理AI部门带来近万亿美元的机遇。

这个数字听起来有点夸张，但如果你想想自动驾驶、工业机器人、人形机器人这些赛道加起来的市场规模，似乎也说得通。

4️⃣第四个判断：自动驾驶汽车要学会思考了。
这次CES，英伟达发布了一个叫AlpaMayo的开源模型。
老黄说这是史上首个让自动驾驶车辆具备思考能力的模型。

具体来说，它是一个推理、视觉、行动三合一的模型。
当自动驾驶系统遇到复杂的边缘场景，比如第一次遇到繁忙路口的故障交通灯，它不是死板地执行预设规则，而是分解问题步骤，推理各种可能性，然后选择最安全的路径。

这个模型有100亿参数，足以处理自动驾驶任务，又轻量化到可以在工作站运行。

更重要的是，英伟达把它完全开源了。
同时开源的还有17小时驾驶记录数据集，以及一个叫AlpaSim的仿真框架。

开发者可以用自己的数据微调模型，也可以通过Cosmos生成合成数据，真实数据和合成数据结合，就能训练测试自己的自动驾驶应用。
这是一个完整的开发闭环，英伟达全部开放出来了。

问题在于，为什么英伟达要这么做？
我的理解是，英伟达的商业模式不是卖软件，而是卖芯片。
开源模型和工具越多，用的人越多，对英伟达芯片的需求就越大，这是一个很聪明的生态策略。

5️⃣第五个判断：机器人正在从专才走向通专融合。
老黄对机器人的发展阶段有一个很有意思的分类。

当前大多数机器人是专才，精于单一任务但缺乏适应能力。
现在开始出现通才型机器人，能应对多样情境但欠缺复杂任务所需的专家技能。

他用了一个类比：通才型机器人就像刚拿到学士学位的毕业生，什么都会一点，但都不精。
未来会属于通专融合型机器人，它们就像博士，兼具广博知识与精深专长。

为了实现这个目标，英伟达发布了GROOT 1.6。
这是专为人形机器人打造的开源推理模型，有两大升级。
第一是采用Cosmos Reason作为长效思考中枢，显著提升推理能力。
第二是解锁了人形机器人全身协调控制能力，能同时执行移动与物体操控任务。

同时发布的还有Isaac Lab Arena，全球首个用于在仿真环境中安全测试机器人技能的开源框架。

为什么需要仿真测试？
因为在现实世界中验证机器人技能，过程缓慢、成本高昂、风险巨大。你总不能让一个学习中的机器人在真实工厂里到处乱撞。

老黄最后说了一句话：时间对所有人公平，但训练速度与模型规模将决定谁先抵达技术前沿。

听完这场演讲，我最大的感受是：英伟达正在把整个AI产业的竞争推向一个新维度。

以前大家比的是模型谁更聪明、芯片谁更快。
现在英伟达在说，你光有聪明的脑子不够，你还得让AI学会动手。

从自动驾驶到机器人，从云端训练到现实部署，英伟达正在用一套完整的全栈式计算与软件体系，推动AI从看懂世界走向理解、推理并行动。

#在微博看CES2026#