夜讀 | 黃仁勛CES「炸場秀」后的精彩問答來了！談及關鍵臨界點、護城河、馬斯克以及億萬富翁税等

昨天CES2026主舞臺上，英偉達創始人、CEO黃仁勛穿着標誌性皮衣演繹他的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，給出了更深入的迴應。

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

黃仁勛認為，當生成式視頻模型已經可以理解並生成複雜動作，那麼「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。這意味着一個新的技術拐點，正逐步從實驗室走向現實世界，也讓所謂「物理AI」首次開始具備產業化的可見性。

他説，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。

黃仁勛仍反覆強調開放生態，英偉達繼續同時與 OpenAI、xAI、Google Gemini 等保持合作，這既是技術戰略，也是護城河。

這些問答散落在不同報道中，聰明投資者整理挑選出市場最關注的話題，精譯分享給大家。

關於HBM供應和Groq的深度內容，推薦閲讀：《被英偉達200億美元「收編」！Groq創始人喬納森·羅斯最值得聽的一場深度對話》

關於物理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。那麼，如今這個時間點，對機器人行業究竟意味着什麼？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，把藥物研發從「科學發現」轉變為「工程過程」；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。

也就是説，有些事情必須長期投入，只為等到那個「關鍵技術被真正發現的時刻」。

在人形機器人領域，我想先説一點：計算機其實既不知道、也不關心自己生成的到底是什麼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「兩個坐着聊天的人，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。

那麼問題來了：這種模型，和一個能夠指揮機器人去拿起水杯的生成模型，本質上有什麼區別？

當我看到這種能力真的能穩定實現時，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  在製造業語境下，客户是否真的有這樣的需求？比如：一座高度自動化，甚至在某些環節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，而這套系統還在協調無數機器人，去生產另一套機器人系統。

比如，一輛自動駕駛汽車，本身就是一個機器人。那為什麼機器人到今天仍然難以大規模落地？原因在於：編程難度太大、軟件複雜度太高、定製成本太高。對很多企業來説，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  你會不會説，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。

關於Rubin價值和能源瓶頸

 問  Rubin（即 Rubin GPU 系統）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，也開始發佈一批使用數據，有哪些指標最值得關注？

 黃仁勛  技術當然非常複雜，也涉及大量軟件堆棧。

從一個大的框架來説，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。

這意味着：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。

第二件事是儘可能降低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。

這要歸功於：能效提升，算法優化，芯片更快。

在AI工廠中，算得更快就意味着成本更低。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，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。
 

這背后的技術複雜到難以想象，大約11.5萬個工程師年投入的研發工作，才把這套系統真正造出來。

這叫協同設計，不是單點突破而是整條技術鏈，同時整體性創新。

 問  你提到要把軟件進一步整合進EDA工具體系（用於芯片設計、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……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；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 自動化系統整合進他們的工業操作系統，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，能源永遠是瓶頸。

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

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

對於一座AI工廠來説，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  但有人會説，Rubin雖然能效是10倍，如果根本沒有足夠電力怎麼辦？

 黃仁勛  電當然存在，但電永遠都不夠。每一輪工業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，都必須儘可能提升能效。這也是我們持續推動技術路線、不斷實現代際躍遷的原因。

關於存儲、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係的公司。而且他們既是我們的客户，也是我們的供應商，我們之間的合作已經持續了很長時間。

我們已經提前做好了規劃，整體來説，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，等時機成熟，我會公佈。

 問  你被反覆問中國市場的問題，我想問個稍微不同的角度，中國政府對於H200進入中國市場的態度是什麼？

 黃仁勛  我本人並沒有直接和他們溝通。但最終，中國政府的態度會通過企業反映到我們這邊：如果企業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。所以可以説，他們已經間接表達了態度。
 

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

 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，所以我們希望未來能夠持續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，相關監管也必須不斷發展，而不是停留在靜態狀態，那樣是沒有意義的。
 

關於馬斯克、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説過、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，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？只是裝進衞星或太空平臺？

 黃仁勛  GPU芯片本身可以是一樣的。但供電方式會完全不同，散熱系統也會完全不同。因此係統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。他說了什麼？

 問  他在X上發了一個笑臉，説：「我們早就在做這些了。」

 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。至於他們是否已經實現「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麼根本區別？

 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。

而且我想説，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推進，他們做得非常好。

關於護城河和億萬富翁税

 問  開放的模型生態在英偉達戰略中的角色？

 黃仁勛  英偉達幾乎是目前唯一一家與所有主要AI公司都保持合作關係的企業。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夥伴合作的能力。

而我真正喜歡的一點是：英偉達能夠、並且願意與所有人合作。

 問  中國現在出現了很多 AI芯片初創企業，你怎麼看未來兩三年的競爭格局？你認為英偉達今天最具防禦性的護城河是什麼？

 黃仁勛  中國新出現的初創公司數量非常多，其中不少已經上市，並且發展得非常好。這充分說明了中國科技產業的活力與能力。應該可以毫不誇張地説，中國的企業家、工程師、技術人員和AI研究者，已經站在世界頂尖水平。

對我們來説，如果希望繼續為中國市場創造價值，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領域的創新規模，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、基礎設施層持續創新。我們與全球幾乎所有AI公司保持合作。依託我們的渠道體系與生態網絡，技術已經傳導至終端行業——從製造業（例如與西門子的合作），到醫療健康（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引領這一行業，這也是我們必須如此努力創新的原因。我們的創新速度前所未有，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、最大的僱主之一。加州現在正在討論「億萬富翁税」，這種税會不會影響硅谷的人才和產業？

 黃仁勛  坦白説，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，只要有優秀人才，我們就會在那里設點。

至於税收政策，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。

風險提示: 投資涉及風險，證券價格可升亦可跌，更可變得毫無價值。投資未必一定能夠賺取利潤，反而可能會招致損失。過往業績並不代表將來的表現。在作出任何投資決定之前，投資者須評估本身的財政狀況、投資目標、經驗、承受風險的能力及瞭解有關產品之性質及風險。個別投資產品的性質及風險詳情，請細閲相關銷售文件，以瞭解更多資料。倘有任何疑問，應徵詢獨立的專業意見。