CES 2026》談AI下一個前沿 黃仁勳：兩個平台轉移同步發生「規則都得重寫」
2026 CES（消費電子展）開展，輝達（NVIDIA）創辦人暨執行長黃仁勳在NVIDIA Live atCES演講開場直言，電腦產業「每10到15年就會重置一次」，從主機到PC、網際網路、雲端、行動裝置，每次都是應用程式改寫以追上新平台；但這一次「同時發生兩個平台轉移」，其一是「應用程式將建構在AI之上」，其二則是軟體開發與運作方式徹底翻新：「你不再是寫程式，而是訓練程式；不再跑在CPU，而是跑在GPU」。
這條「AI下一個前沿」的主線，黃仁勳在台上用一段話把邏輯說穿：當AI從一次性聊天工具，變成能「推理、使用工具、完成工作、保有短期與長期記憶」的智慧協作夥伴，整個運算堆疊就不只要算得更快，還得「記得住、傳得動、做得完」。
從「推理與代理型AI」開始：AI會在執行時思考、查資料、用工具
黃仁勳回顧近年語言模型演進，並點出2025年開始「代理型（agentic）模型」快速普及：它們具備推理能力，能查詢資訊、做研究、使用工具、規劃未來、模擬結果，開始解更重要、也更複雜的問題；他更以公司內部使用的 Cursor 為例，形容其「徹底改變」輝達的軟體開發方式。
在黃仁勳描述的框架裡，「推理」不再只是模型參數更大，而是加入「即時思考」的能力；黃仁勳在台上提到，推理模型帶出一種稱為test-time scaling的概念，本質上就是讓模型能在推論時投入更多「思考」步驟，從而把代理型系統推向實用化。
把「AI應用」講清楚：私有資料留本地、任務交給最適模型，還能連到機器人
為了讓「AI應用將建構在AI之上」不只停在口號，黃仁勳在演講中示範打造個人助理：用DGX Spark搭配Brev建立個人雲端，將需要隱私的信件工作留在本地開源模型，其餘任務再交由前沿模型（frontier model），並用「意圖式路由（router）」讓系統「用對模型做對任務」。
黃仁勳進一步把代理型系統接上Hugging Face的Reachy迷你機器人與語音API，讓助理能「看、聽、說、動」；示範結束後，黃仁勳感嘆「這一切現在已經變得非常稀鬆平常（utterly trivial now）」，但幾年前仍是「完全不可想像」。
「現在輪到儲存了」：KV快取與情境記憶，成為代理型AI的基礎建設
當模型走向數兆參數與多步驟推理，會產生大量以鍵值（KV）快取形式存在的「情境資料」。輝達指出，KV快取無法長期放在GPU上，否則會在多代理即時推論形成瓶頸，因此需要「AI原生」且可擴充的基礎架構來儲存與分享情境記憶。
這也是輝達為何同步在CES釋出BlueField-4的用意。BlueField-4將驅動「推論情境記憶儲存平台」，官方宣稱可把每秒處理詞元（token）的數量提升「多達5倍」，並提供相較傳統儲存裝置「高達5倍」的能源效率；黃仁勳在新聞稿中直言，「AI正在徹底革新整個運算堆疊，而現在輪到儲存空間。」
從資料中心到「AI超級電腦」：Rubin平台用六款晶片做成套裝
算力層面，輝達宣布推出NVIDIA Rubin平台，主打以六款新晶片「極致協同設計」組成，用於打造「一台出色的AI超級電腦」，並降低訓練時間與推論token成本；六款晶片包含Vera CPU、Rubin GPU、NVLink 6、ConnectX-9 SuperNIC、BlueField-4 DPU與 Spectrum-6 乙太網路交換器。
黃仁勳強調，Rubin的推出「恰逢其時」，因為訓練與推論需求正爆炸性成長；輝達以「每年推出新一代AI超級電腦」的節奏，搭配此六晶片的協同設計，正朝「AI的下一個前沿」邁出重大躍進。
物理AI與自駕：讓機器理解世界、推理並採取行動
在黃仁勳的敘事裡，「代理型AI」往外延伸，下一步就是「物理AI」：他談到物理世界的常識理解，例如質量恆存、因果律、摩擦力、重力與慣性等等，這些對小孩是常識，對於人工AI卻是未知；而一旦AI要走出螢幕，走進工廠、物流、機器人與汽車等生活情境當中，就必須補上這塊能力。
輝達也把這段主題落到產品與生態系：宣布推出NVIDIA Cosmos與GR00T等開放式模型與資料、Isaac Lab-Arena與OSMO框架，並攜手Boston Dynamics、Caterpillar、LG電子等夥伴揭曉新一代機器人；黃仁勳指出，「機器人技術的ChatGPT時刻已然到來」，理解現實世界、推理並規劃行動的突破，正在開啟全新應用。(推薦閱讀)2026 CES》英特爾18A量產！Panther Lake處理器亮相 陳立武宣告奪回半導體主導權
同樣以「物理AI的ChatGPT時刻」作為關鍵詞，輝達也在自駕領域推出 Alpamayo系列開源模型與工具，主打把「思維鏈、基於推理的視覺語言動作（VLA）模型」導入決策流程，以因應自駕最棘手的「長尾」罕見情境；黃仁勳強調，Alpamayo讓自駕系統得以思考罕見場景、在複雜環境中安全駕駛，並能解釋駕駛決策，是走向安全、可擴展自動駕駛的基石。