「每10到15年，電腦產業就會重置一次，出現新的平台轉移。」在2026年CES開幕主題演講中，輝達創辦人暨執行長黃仁勳以「平台轉移」形容AI帶來的結構性改變。
他指出，過去每隔10到15年，產業就會迎來一次關鍵轉換，而這一波轉變的核心，在於所有應用全面走向AI化，同時也迫使軟體與運算系統的設計邏輯全面重寫。黃仁勳強調，AI的影響早已超越模型本身，而是牽動從晶片、系統、網路、儲存到模型與應用層的整體運算架構重組。
此次CES演說中，輝達正式揭示三項關鍵布局，分別是新一代Rubin運算平台、自駕模型Alpamayo，以及擴大物理AI開源模型策略，試圖重新定義下一個AI基礎設施與應用發展方向。
布局一：全新Rubin平台已量產，整合六款晶片打造「大平台」
在硬體方面，黃仁勳今年度持續強調輝達作為「AI基礎設施」的角色，宣布推出整合六款晶片的「Rubin平台」。他也指出新一代Vera Rubin平台已進入量產，2026年下半年透過合作夥伴上市。
黃仁勳解釋發展「Rubin平台」的背景因素：模型規模每年以十倍速度成長，推論也從一次性輸出，變成需要「思考」的過程，這些發展導致預訓練、後訓練與推論本身都大幅推高算力需求，單靠製程微縮已無法支撐效能成長。因此輝達透過極限協同設計（ExtremeCo-Design）來設計整個系統，推出Rubin平台。
Rubin平台整合CPU、GPU、智慧網卡、DPU、交換器，以及乙太網路交換器六款晶片，設計目標是一台可長期運作的AI超級電腦。輝達表示，Rubin平台可將推論詞元（token）成本降低10倍，並將訓練混合專家模型（MoE）所需的GPU數量減少4倍。
VeraRubinNVL72整合了72個Rubin GPU、36個Vera CPU、NVLink6交換器、ConnectX-9智慧網卡、BlueField-4 DPU，以及Spectrum-6乙太網路交換器。
2026年首批部署VeraRubin執行個體的雲端供應商將包括AWS、Google Cloud與OCI，以及NVIDIA雲端合作夥伴CoreWeave、Lambda、Nebius與Nscale，微軟的新一代AI超級工廠採用NVIDIA Vera Rubin NVL72機架級系統，擴充數十萬個NVIDIA Vera Rubin超級晶片。
布局二：物理AI的ChatGPT時刻到來！推出Alpamayo自駕模型
「Physical AI（物理AI，又譯實體AI）的ChatGPT時刻已經到來，機器開始在現實世界中理解、推理並採取行動。自駕計程車將是首批受益者之一。」在物理AI方面，輝達今年度的最大亮點是推出Alpamayo自駕模型。黃仁勳透露，輝達與賓士合作已五年，首款搭載該自駕系統的車型，預計今年第一季上路，後續擴展至歐洲與亞洲。
Alpamayo是一款專為解決自動駕駛「長尾」挑戰而設計的模型。自駕車必須能在各種駕駛條件下安全行駛，但真正的難題，往往來自那些發生頻率低、情境又特別複雜的狀況，業界通常稱為「長尾（longtail）」。這類場景數量龐大、變化難以預測，一直是自動駕駛系統最難掌握的安全挑戰。
過去的自動駕駛架構，通常將「感知」與「規劃」分開設計，雖然在常見情境下運作穩定，卻在面對新的或異常狀況時，顯露出擴充性不足的問題。近年端到端學習雖已有明顯進展，但若要真正應付這些長尾邊緣案例，模型仍必須具備因果推理能力，能在情境超出既有訓練經驗時，做出安全且合理的判斷。
「它不只控制方向盤與煞車，它還會說明它要做什麼，以及為什麼。」黃仁勳說明，Alpamayo系列推出具備思維鏈（chain of thought）、以推理為核心的視覺語言動作（VLA）模型，讓自動駕駛系統能在決策過程中導入「類人」的思考機制，面對複雜或未知情境時，能逐步分析狀況並做出行動判斷。換言之，該模型不只執行動作，也能說明接下來的行為與理由，並給出行車軌跡。
輝達表示，包括Lucid、JLR、Uber與Berkeley Deep Drive在內的移動服務領導者和產業專家，正對Alpamayo展現興趣，以開發能實現Level4自動駕駛的推理型技術堆疊。
布局三：擴大開源模型布局，推動物理AI與機器人學習發展
「當開源、開放創新，以及遍及全球每一家公司、每一個產業的創新同時被啟動時，AI將會無所不在地擴散。」黃仁勳表示，輝達進一步擴大開源模型策略，將物理AI與機器人相關的核心模型對外開放。他指出，機器人與物理AI的發展瓶頸，長期不在硬體，而在基礎模型的訓練成本與技術門檻過高，限制了創新速度。
為此，輝達宣布推出多款開源模型，讓開發者能跳過高成本的預訓練，直接投入應用開發。其中包括可用於物理世界模擬的Cosmos系列模型、具備推理能力的視覺語言模型Cosmos Reason，以及專為人形機器人設計的視覺語言動作模型Isaac GR00T之新版本。這些模型的目標，是讓機器能在現實環境中理解情境、進行推理，並做出對應行動。
輝達也同步釋出新的開源模擬與評測工具，協助開發者在模擬環境中大量測試與驗證機器人行為，再部署到實體設備，縮短從研究到落地的時間。
此外，輝達正與Hugging Face合作，將Isaac與GR00T等模型整合進既有的開源機器人社群。黃仁勳表示，透過模型、工具與社群同步開放，物理AI的開發將不再只掌握在少數大型團隊手中，而能加速擴散到更多應用場景。
