昨天CES2026主舞台上，英伟达创始人、CEO黄仁勋穿着标志性皮衣演绎他的2026年“炸场秀”，也给全球科技与资本市场递出了一份未来产业路线图。
主题演讲之后的24小时内，他与分析师以及媒体平台进行了许多轮问答，围绕Rubin新平台、机器人与物理AI、能源瓶颈、中国市场、存储（HBM）供应、Groq 团队合作、以及马斯克和自动驾驶等热点，给出了更深入的回应。
当然，最炸场的是黄仁勋带来的核心判断：机器人行业，正在接近类似ChatGPT之于大模型的临界时刻。
黄仁勋认为，当生成式视频模型已经可以理解并生成复杂动作，那么“驱动机器人完成动作”的生成模型，在底层能力上已经非常接近成熟。这意味着一个新的技术拐点，正逐步从实验室走向现实世界，也让所谓“物理AI”首次开始具备产业化的可见性。
他说，未来两三年，能看到重大突破。
与此同时，新推出的Rubin平台把训练效率提升4倍、token成本降低10倍，再一次把“算力即产能”的逻辑推到极致。
黄仁勋仍反复强调开放生态，英伟达继续同时与 OpenAI、xAI、Google Gemini 等保持合作，这既是技术战略，也是护城河。
这些问答散落在不同报道中，聪明投资者整理挑选出市场最关注的话题，精译分享给大家。
关于HBM供应和Groq的深度内容，推荐阅读：《被英伟达200亿美元“收编”！Groq创始人乔纳森·罗斯最值得听的一场深度对话》
关于物理AI突破和机器人领域的ChatGPT时刻
问 机器人一直是CES的一个“梦想主题”，但真正商业化始终很难。虽然现在已经有自动驾驶汽车，从某种意义上讲，那其实也是机器人。那么，如今这个时间点，对机器人行业究竟意味着什么？尤其是人形机器人。我们是不是有点过度兴奋了？
黄仁勋 时机就是一切。
我们其实已经在这个方向上思考了很久，一直在等待那个关键“临界点”。
这与我们过去做的很多事情非常相似：例如数字生物学，把药物研发从“科学发现”转变为“工程过程”；再比如自动驾驶；还有计算机图形学里的实时光线追踪技术，我们花了30年时间，才真正做到实时运行。
也就是说，有些事情必须长期投入，只为等到那个“关键技术被真正发现的时刻”。
在人形机器人领域，我想先说一点：计算机其实既不知道、也不关心自己生成的到底是什么token。它可以生成语言 token、视频 token、方向盘转动 token，甚至可以生成“手指抓握动作token”。
归根结底，计算机处理的就是数字。
当我第一次看到“生成式视频”已经能做到这样的时候，我就意识到：那个关键时刻到了。
你只需要输入一句描述，比如“两个坐着聊天的人，其中一个伸手拿起一杯水喝了”，模型就可以生成非常逼真的视频。
那么问题来了：这种模型，和一个能够指挥机器人去拿起水杯的生成模型，本质上有什么区别？
当我看到这种能力真的能稳定实现时，我就知道那个底层的、关键性的技术基础，已经非常接近成熟了。
当然，接下来仍然需要大量研究与工程积累。
问 在制造业语境下，客户是否真的有这样的需求？比如：一座高度自动化，甚至在某些环节具备自主能力的工厂？
黄仁勋 一座工厂本身就是一个机器人系统，而这套系统还在协调无数机器人，去生产另一套机器人系统。
比如，一辆自动驾驶汽车，本身就是一个机器人。那为什么机器人到今天仍然难以大规模落地？原因在于：编程难度太大、软件复杂度太高、定制成本太高。对很多企业来说，这个门槛实在是过高了。
但现在我们可以把AI（也就是物理AI）应用到机器人系统上，让机器人“更容易被教会”。你只要给它演示几次，AI就能够自己学会这些动作。
问 你会不会说，这几乎是“机器人界的ChatGPT时刻”？是不是软件瓶颈已经被突破了？
黄仁勋 我认为在未来两三年，我们会看到非常重大的突破。
关于Rubin价值和能源瓶颈
问 Rubin（即 Rubin GPU 系统）到底相比上一代强多少？它到底能带来多少价值？现在你们六款芯片都已经进入量产阶段，也开始发布一批使用数据，有哪些指标最值得关注？
黄仁勋 技术当然非常复杂，也涉及大量软件堆栈。
从一个大的框架来说，我建议大家不要再把这些计算机看作“超级计算机”，而是要把它们看作AI工厂，这些AI工厂生产的是token（也就是数字产出）。
而一座AI工厂，核心会被用在三件事上。
第一件事就是训练下一代前沿模型，这样你才能打造最强AI，抢先推向市场。所以你必须把训练速度做到极致。
如果拿Blackwell和Rubin来比较，Rubin的训练效率，是Blackwell的4倍。
这意味着：原本需要4个月的训练，现在1个月就够；或者同样时间里用1/4的GPU数量，省下大量资金。
企业可以自己决定：要更快上市？还是要更低成本训练？
这就是“训练前沿模型”的意义。
第二件事是尽可能降低Token生成成本，而且很重要的一点是：每一代技术，token成本都在持续下降。
当token成本下降，AI的使用场景就会扩张，社会渗透就会更快。
就Rubin而言，相比Blackwell，token成本下降了10倍。
这要归功于：能效提升，算法优化，芯片更快。
在AI工厂中，算得更快就意味着成本更低。因为任务完成得越快，计算资源、时间、运维成本就越少。
第三件事是持续提升整座AI工厂的吞吐量。如果吞吐量不提升，那建AI工厂的企业，营收也无法提升。
而Rubin能做到让整座AI工厂的token吞吐量提升10倍。要知道，我们只增加了1.7倍晶体管数量就实现了10倍提升！
这正是英伟达的优势，我们是真的在整个数据中心里，把每一颗芯片都重新做了一遍。Grace CPU、全新的Vera GPU、Rubin、CX-9 NVLink交换机、带有CoPackage光学器件的Spectrum X以及Bluefield 4，这一代是一整套六款全新芯片组合，所有芯片都是革命性的升级。
这背后的技术复杂到难以想象，大约11.5万个工程师年投入的研发工作，才把这套系统真正造出来。
这叫协同设计，不是单点突破而是整条技术链，同时整体性创新。
问 你提到要把软件进一步整合进EDA工具体系（用于芯片设计、仿真与验证的整套电子设计自动化）。想问你一个时间表问题，跟西门子最先会在哪些方向上展开深度合作？
黄仁勋 我们会加速西门子的EDA软件，加速他们的仿真软件，把AI、物理AI、Agentic AI整合进他们的 Teamcenter与工厂自动化操作系统……我们会在整个链条上合作。
当我们加速他们的EDA工具，我们就能用它来设计我们的芯片和系统；当我们加速他们的仿真软件，我们就能在AI工厂中，用它模拟热特性等物理效果；当我们把 AI 自动化系统整合进他们的工业操作系统，我们就可以在生产线上应用，比如在我们与富士康合作的工厂。
我们会尽快把这些技术投入实际使用。
问 你会担心能源成为瓶颈吗？
黄仁勋 任何行业，能源永远是瓶颈。
而AI是一个增长极快的新产业。一方面，这不仅是一项技术创新，会改变大量行业应用；另一方面就AI行业本身而言，特别是AI的训练与运行，也需要能源。
这正是为什么，从Hopper到Blackwell，我们把能效提升了10倍；从Blackwell到Rubin，又再提升10倍。
对于一座AI工厂来说，电力容量永远是上限。在固定功率之下，谁能够产出更多 token，谁就更强。
问 但有人会说，Rubin虽然能效是10倍，如果根本没有足够电力怎么办？
黄仁勋 电当然存在，但电永远都不够。每一轮工业革命都是被能源所约束的，这一次也一样。
同时，无论你现在拥有多少能源，都必须尽可能提升能效。这也是我们持续推动技术路线、不断实现代际跃迁的原因。
关于存储、Groq和中国等热点话题
问 现在存储（HBM）瓶颈到底有多严重？
黄仁勋 存储瓶颈确实很严重。但我们很幸运，英伟达是唯一一家与三家HBM供应商都建立了深度合作关系的公司。而且他们既是我们的客户，也是我们的供应商，我们之间的合作已经持续了很长时间。
我们已经提前做好了规划，整体来说，情况会是可控的。
问 这次跟Groq团队相关的合作，到底算是“收购”，还是“长期授权交易”？
黄仁勋 我们确实聘用了他们大约不到 400 名非常优秀的工程师，同时也获得了他们的一些技术授权。
他们的架构设计与我们以往的设计非常不同，是专门针对“低时延 token 生成”进行优化的。而英伟达已经在推理方面非常领先，在训练、测试、推理放大等阶段也具备非常强大的能力。
因此我认为，我们未来有机会共同创造一个新的产品类别，去面向一些新的应用场景。
现在我还不能透露更多细节，等时机成熟，我会公布。
问 你被反复问中国市场的问题，我想问个稍微不同的角度，中国政府对于H200进入中国市场的态度是什么？
黄仁勋 我本人并没有直接和他们沟通。但最终，中国政府的态度会通过企业反映到我们这边：如果企业被允许购买英伟达产品，那需求肯定会非常强劲。
而事实上，我们确实看到了很强劲的需求。所以可以说，他们已经间接表达了态度。
问 你认为H200在中国市场仍然有竞争力吗？因为你自己也说过，华为是一个非常强大的竞争对手，而且中国还有很多初创公司在研发替代产品。
黄仁勋 H200 现在在中国市场仍然是有竞争力的。但这种竞争力不会永久持续，所以我们希望未来能够持续推出同样具有竞争力的新产品。
从更大的角度看，如果要维持美国在市场上的竞争力，相关监管也必须不断发展，而不是停留在静态状态，那样是没有意义的。
关于马斯克、太空算力和自动驾驶
问 你有没有和马斯克或SpaceX讨论过“太空中的数据中心”？
黄仁勋 这个嘛……我不能讨论我没有公开说过、但也许私下讨论过的话题。
问 那你觉得“太空算力平台”在技术上是否可行？
黄仁勋 当然是可行的。因为太空中能源十分充足（比如太阳能），散热条件也很好。所以把AI工厂部署在太空，所面对的工程挑战，会与地球上完全不同。
那就真的是 “太空中的AI工厂”。
问 那GPU本身是否还是同一套架构？只是装进卫星或太空平台？
黄仁勋 GPU芯片本身可以是一样的。但供电方式会完全不同，散热系统也会完全不同。因此系统工程会完全重新设计，而芯片可以保持一致。
问 你有没有看到马斯克对你昨天主题演讲的评论？
黄仁勋 没有，我还没看到。他说了什么？
问 他在X上发了一个笑脸，说：“我们早就在做这些了。”
黄仁勋 一点也不惊讶。
我认为特斯拉拥有全球最先进的自动驾驶技术栈，他们的自动驾驶业务运营，也是全球最领先的之一。我也几乎可以肯定，他们已经在使用端到端 AI。至于他们是否已经实现“推理能力”，那是后一步的事。
他的核心观点是：前99%已经很难了，但最后那一点“长尾问题”更加困难。对此我不能同意更多。
问 从“每英里成本”角度看，你们与特斯拉的视觉路线有什么根本区别？
黄仁勋 我们的体系其实也是以视觉为核心。只不过在视觉之外，我们还配置了雷达与激光雷达。但从总体架构来看，两者其实非常接近。
而且我想说，马斯克的技术路线，是当前自动驾驶与机器人领域最先进的体系之一。我不会批评它，我只会鼓励他们继续推进，他们做得非常好。
关于护城河和亿万富翁税
问 开放的模型生态在英伟达战略中的角色？
黄仁勋 英伟达几乎是目前唯一一家与所有主要AI公司都保持合作关系的企业。从 OpenAI，到今年的xAI，再到谷歌的Gemini，我们一直都在合作。
英伟达的平台，横跨所有科研领域、所有AI公司、所有主流AI模型。而要做到这一点，唯一的方式就是保持开放。
如果我们在技术栈的某些层面上变得封闭、走向专有，确实能把整条价值链都收入囊中，但这样做也会限制我们与所有伙伴合作的能力。
而我真正喜欢的一点是：英伟达能够、并且愿意与所有人合作。
问 中国现在出现了很多 AI芯片初创企业，你怎么看未来两三年的竞争格局？你认为英伟达今天最具防御性的护城河是什么？
黄仁勋 中国新出现的初创公司数量非常多，其中不少已经上市，并且发展得非常好。这充分说明了中国科技产业的活力与能力。应该可以毫不夸张地说，中国的企业家、工程师、技术人员和AI研究者，已经站在世界顶尖水平。
对我们来说，如果希望继续为中国市场创造价值，就必须参与竞争，就必须不断推进我们的技术前沿。
英伟达如今在AI领域的创新规模，是全球独一无二的。我们是世界上唯一一家，从 CPU、GPU 到网络与存储，能够把整个系统做成全栈架构的公司；同时我们也在软件栈、模型层、基础设施层持续创新。
我们与全球几乎所有AI公司保持合作。依托我们的渠道体系与生态网络，技术已经传导至终端行业——从制造业（例如与西门子的合作），到医疗健康（与礼来的合作），再到汽车与金融服务等多个领域。英伟达在这些行业中都建立了非常深入的连接。
因此，我认为英伟达有充分理由继续引领这一行业，这也是我们必须如此努力创新的原因。我们的创新速度前所未有，但我们绝不会把这种领先视为理所当然。
问 你是硅谷最重要、最大的雇主之一。加州现在正在讨论“亿万富翁税”，这种税会不会影响硅谷的人才和产业？
黄仁勋 坦白说，我一次也没有想过这个问题。我们之所以在硅谷，是因为那里有人才。当然，我们在全球各地都有办公室，只要有优秀人才，我们就会在那里设点。
至于税收政策，如果政府要收，那就收吧。我对此毫无异议。
这个问题，从来没有在我脑子里过过。