英伟达2026年花钱会很多。他们要证明自己在AI这块儿还是老大。
1月6号，在CES 2026这个展会上，英伟达的老板黄仁勋开了个发布会。他在最后讲了公司最新的超级芯片，叫Rubin。他说这个Rubin架构，是专门用来造AI超级计算机的，能开启下一个AI时代。
其实，Rubin这个名字不是第一次出现。早在2024年，英伟达就提过它。那时候大家用的主力还是Hooper系列的芯片。从那以后，英伟达就一直在更新Rubin的消息。
比如在2025年10月，黄仁勋在华盛顿的GTC大会上，第一次拿出了Rubin芯片的样品给大家看。他还说，这个芯片的算力，比当时卖得最好的Blackwell芯片要强3倍以上。
那时候，大家都猜，这个芯片最早也要到2026年下半年才能正式生产。但是，黄仁勋这次在CES上直接告诉大家，Rubin现在已经全面投产了。这个时间提前了很多。
不过他也说了，虽然开始生产了，但要大规模供货，还得等到今年下半年。到时候，用Rubin平台做的各种芯片才会开始卖给客户。
Rubin不是一块芯片，是一套系统
你可能会以为Rubin就是一块更快的GPU。这么想就错了。英伟达这次搞的，不是一个单独的零件，而是一整套平台。它由六个不同的芯片组成，大家一起干活。
这是它的工作原理，我们把它拆开看看这六个部分：
- NVIDIA Vera CPU (中央处理器)
这个是整个平台的大脑。它负责发号施令，管理和调度任务。告诉GPU和其他部分该干什么。 - NVIDIA Rubin GPU (图形处理器)
这个是核心，是干活的主力。所有复杂的AI计算，比如训练大模型，都是它来完成。你可以把它想象成系统的肌肉。 - NVIDIA NVLink™ 6 交换机
这个东西很重要。当你好几个GPU一起工作时，它们之间需要大量交换数据。NVLink就是连接它们的高速公路，速度快，延迟低，保证数据传输跟得上计算的速度。 - NVIDIA ConnectX-9® SuperNIC (超级网卡)
这个是连接服务器和服务器的接口。数据中心里有成千上万台机器，它们之间的数据交换就靠这个网卡，速度要快。 - NVIDIA BlueField-4® DPU (数据处理器)
这个DPU可以帮CPU分担很多杂活。比如处理网络数据、存储任务和安全检查。这样CPU就能专心干更重要的事，整个系统的效率就高了。 - NVIDIA Spectrum-6™ 以太网交换机
这个是整个数据中心的交通枢纽。它负责把所有服务器都连接起来，形成一个巨大的网络，让数据在整个中心里顺畅流动。
黄仁勋说，这六个芯片设计的时候就考虑了互相配合。它们不是简单地拼在一起，而是深度协作。这样一来，不管是训练还是使用AI大模型，效率和性能都提上去了。
Rubin到底快在哪里？
光说没用，我们看看具体的数据。跟现在市面上的Blackwell架构比，Rubin强在下面这几个地方。
- 训练速度快了3.5倍现在有一种模型叫混合专家（MoE）模型，它很大，训练起来很费劲。Rubin可以用4倍的GPU数量来同时训练它。这是什么意思呢？举个例子。假设以前用Blackwell训练一个大模型需要30天。现在用Rubin，同样的工作，大概8到9天就能完成。这样一来，AI公司开发新模型的时间就大大缩短了。
- 使用成本降了10倍这个可能对普通人影响最大。使用成本，也叫推理成本，就是你每次调用AI服务的花费。比如你用AI写一段话，或者画一张图，背后都要花钱。Rubin把每个token（可以理解为AI处理的一个字或词）的平均成本降低了10倍。比如，以前你问AI一个问题，背后的算力成本可能是1毛钱。现在用了Rubin，可能就只需要1分钱。成本降下来，AI服务才能更便宜，更多人才能用得起。
- 能源效率高了8倍数据中心是耗电大户。Rubin每消耗1瓦的电力，能提供的推理算力是Blackwell的8倍。这不光是省电费那么简单。芯片耗电少，发热就少。数据中心每年都要花很多钱给机器散热降温。芯片更节能，散热成本也跟着降低。这对环保和运营成本都有好处。
英伟达为什么开始强调“性价比”？
发布会上，黄仁勋一直在说Rubin能“以最低成本加速主流AI的应用和普及”。听起来有点奇怪，英伟达的东西一向都很贵，怎么开始谈性价比了？
这是因为英伟达现在也有了竞争对手，不能高枕无忧了。
现在市场上出现了一种叫ASIC的芯片，比如谷歌自己研发的TPU就是其中一种。ASIC是为了某个特定的任务专门设计的芯片，它干这件事的效率可能比通用的GPU更高，成本也可能更低。
这些对手攻击英伟达的主要方法，就是宣传自己的方案总拥有成本（TCO）更低。这个TCO不只是买芯片的钱。它还包括了服务器的电费、维护人员的工资、机房的散热开销等等。对手说，虽然你英伟达的GPU性能强，但是我用我的方案，把所有成本都算上，几年下来比你更划算。
所以，黄仁勋这次必须回应这个问题。他想告诉客户：我的Rubin芯片单价可能不便宜。但是，它速度快，效率高，还省电。你把这些因素都考虑进去，算总账的话，用我的方案其实更省钱。
这也是英伟达对市场预测的一种反击。很多分析机构，比如摩根大通，都预测说ASIC芯片未来的市场份额会增长得比GPU快。英伟达推出Rubin，就是要用实际产品告诉他们：GPU的地位还很稳固。
谁在排队买Rubin？
英伟达完全不愁客户。黄仁勋在发布会上点了一长串名字。基本上全球所有搞AI的大公司，都打算部署Rubin。
这里面包括：
- 提供云服务的巨头：像亚马逊的AWS、谷歌、微软、Meta、甲骨文。
- 开发大模型的公司和实验室：比如OpenAI、Anthropic、马斯克的xAI。
- 卖服务器和电脑的厂商：比如戴尔、联想。
可以说，AI这条赛道上的主要玩家，都把Rubin放进了自己的购物车。
但是，有个情况比较特殊。因为美国政府对高端GPU有出口限制。所以中国的云服务商和AI开发者，目前还不能直接在自己的数据中心里用上Blackwell和Rubin这种最新的芯片。
AI的下一步：代理AI和物理AI
在讲Rubin这个硬件之前，黄仁勋还花时间讲了他对AI未来的看法。他认为AI的发展会分三步走。
第一步，是生成式AI。这就是我们现在正在经历的阶段。AI可以帮我们写文章、画画、做音乐。
第二步，是代理AI。黄仁勋觉得2026年就会进入这个阶段。代理AI不只是一个工具，它更像一个智能助理。你可以给它一个复杂的目标，它会自己去规划步骤并执行。
举个例子。你可以对代理AI说：“帮我计划一次五一去三亚的家庭旅行，三个人，预算一万块，要订好机票和能看海的酒店。” 然后，AI就会自己去网上搜索航班、比较酒店价格、根据你的要求做好规划，最后把方案给你确认。它能帮你做事，而不是等你下达一步步的具体指令。
第三步，是物理AI。这是最终的目标，就是让AI进入现实世界，控制机器人和自动驾驶汽车。
英伟达也在这方面做了很多准备。他们发布了一个叫Alpamayo的自动驾驶模型，号称能自主思考和推理。他们还搞了一个叫GR00T的机器人基础模型。像波士顿动力、LG这些有名的公司，都在用英伟达的技术来开发自己的AI机器人。
黄仁勋最后说了一句话：“物理AI的‘ChatGPT时刻’已经到来了。”
他的意思是，就像ChatGPT引爆了语言大模型一样，能与现实世界互动的智能机器人，现在也到了爆发的前夜。而所有这些宏伟的计划，无论是代理AI还是物理AI，都需要极其强大的算力来支持。
所以，英伟达现在推出Rubin平台，就是为这个未来提前打好基础。
