01

前天，2026年国际消费电子展（CES）闭幕，这一次展会去了很多中国企业，包括我身边的一些企业家也飞赴拉斯维加斯参加这场科技盛宴。

有的企业家跟我说，这一次参展刷新了他们对于物理AI的理解，就像进入了一个新的智能世界。

什么意思呢？

过去，我们都是在跟屏幕里的AI对话，但今天不管是端到端AI、智能体还是智能机器人都在爆发，并且开始进入到越来越多的真实场景。

换句话来说，AI正在从屏幕后走出来，开始真正接管一些需要“实时观察、逻辑判断、精准动作”的物理任务。

特别是这一次英伟达的突然参展，黄仁勋发布的下一代人工智能计算平台Rubin更是在改写AI发展的底层逻辑。

所以，我们专门做了深度研究，我觉得非常有必要让大家知道这个世界正在发生什么，以及未来我们要面对什么。

02

为什么在CES茫茫多的创新产品中，我会单独把英伟达的Rubin拎出来呢？

因为Rubin正在重塑整个计算工业乃至AI时代的底层架构。

我们知道，在传统的计算模型中，CPU、GPU跟网络组件通常是独立优化后再进行集成，从而运行计算。

但Rubin采用了所谓的“极端协同设计”方法，把处理器、互联网络、存储协议、安全防御、散热和电源作为一个连贯的系统进行全堆栈优化。

这么做意味着什么呢？

第一，英伟达不再仅仅是提供算力芯片这个产品，而是提供一套完整的智能解决方案，一种可以持续生产“智能”的工业化流水线。

第二，Rubin平台让AI计算“以芯片为中心”转向“以系统为中心”。

把所有核心芯片以及配套的互联架构加在一起，Rubin的晶体管总数达到了恐怖的220万亿个。

而且，由于所有芯片同出一源，它的各项性能比之前已经是最强的AI芯片“Blackwell”还要强出数倍。

甚至，我们可以说这已经不是一个物种了。

Blackwell归根结底是零配件，就像是一台超级发动机，买回去还要搭配各种配件，用极其复杂的工程优化手段把它组装成一台跑车。

而Rubin是一条标准化的汽车生产线，是一个即插即用的工业化产品，拿着它进行调配，就能开始提供智能。

那么，它会带来什么呢？

1、打破AI的协同瓶颈。

以前的AI不能协同吗？

能，但有延迟。

以前的AI系统是由不同厂家组装的零件，GPU算得飞快，但CPU传数据慢，网络带宽就像早高峰的单行道，大家都在互相等待。

就像之前某个爆火的AI大模型，我相信很多人都遇到了对话框在转圈、无法回答的问题，就是这个原因。

如果在物理世界里，AI出现了这样的问题，这种迟疑就是致命的失误。

而Rubin是把6颗专门设计的芯片绑成了一个“一体化大脑”，就像是一个自带默契的交响乐团，每一个眼神（信号）和动作（计算）都是同步的，这种零距离协同让数据传输速度达到了每秒260TB，比全球互联网的总带宽还要大。

2、打破AI的思考极限。

以前的AI不能推理吗？

能，但仍然是浅层模拟。

之前的AI主要是依靠对数据的收集跟理解进行预测跟思考，就像背题库的学生，看到题目直接报答案，它其实很难真正理解背后的逻辑。

所以，我们的提示词很重要，要给AI设定方向、范围，需要引导AI进入到我们想要的那个思维链当中。

但是，Rubin专门为“思维链推理”优化了硬件层面的算法支持，使得相同的硅片面积可以释放出5倍的推理吞吐量，直接支撑了需要海量Token输出的复杂推理任务。

所以，它允许AI在输出之前进行数千次的内部思考的步骤，相当于AI学会了复盘和推演。

它在回答之前会自问自答几千次：“如果我这样走，会撞到人吗？”、“如果那个人突然跑过来，我该怎么办？”

AI就不再是猜答案，而是真正算出那个最合理的行动方案。

这种逻辑推演让它能处理现实世界中那些突发场景跟长尾场景。

3、打破AI的记忆墙。

以前的AI能不能处理大数据？

能，但代价很高。

AI的短期记忆叫KV缓存，它非常占地方，一旦我们对话太长，或者要处理的数据太多，AI就会爆内存，要么变傻，要么变慢，然后提醒你重新开一个对话。

英伟达在Rubin这个系统中专门做了一个存放AI记忆的平台（ICMSP），通过专有芯片（BlueField-4 DPU）直接管理数据。

所以，以前AI的记忆就像写在便签纸上，贴满了GPU的全身，贴不下了就得撕掉。

而Rubin给AI准备了一个图书馆，记忆容量提升了，读写速度还更快了，这就让AI不仅能够进行超长的上下文对话，还能记住你在对话所有的提问，甚至是跨对话，也就是联系你其他的对话进行推理。

所以，我们做个简单的总结，我们之前使用的AI像是一个学霸，它博览群书、口才极好，但由于“体力”跟“反应能力”有限，它只能待在屏幕里跟你对话，做做翻译。

而Rubin的出现，相当于给这个学霸换上了一套战甲，它不再只是一个更快的芯片，而是一个把大脑（计算）、神经（网络）和记忆（存储）完全融合在一起的“超级智能生命体”。

那么，AI就不只是变聪明了一点点，而是整体运行成本降低了10倍，思考深度提升了5倍，从一个只能聊天对话的“聊天机器人”，变成了一个有逻辑、有记忆、能实时处理物理场景，而且是企业能够用得起的“数字工程师”。

03

黄仁勋在演讲中，有一句话让我既振奋，又焦虑。

他说：物理AI的ChatGPT时刻即将到来。

Rubin的出现，不是让我们能用到一个更聪明的AI对话聊天机器人，它核心的意义是让AI从屏幕里进入到物理世界，在各行各业带来连锁反应，特别是制造业。

我们可以设想几个场景。

像我去过的很多工厂里，所有的设备程序都是设计好的，哪怕是机械臂，也是用一行行代码规定好，比如要左转30度，抓取。

如果零件放歪了1公分，那就需要人工的干预。

但今天像卡特彼勒这样的制造商，它利用Rubin算力在虚拟世界里造了一个双胞胎工厂。

机械臂在虚拟世界里预先练习了100万次各种意外情况，当它来到真实工厂的时候，它就不是在执行固定程序，而是在观察、思考、反应。

如果传送带卡住了，AI会自动推演维修路径，甚至自己调度无人机去更换零件。

还有在供应链上，我们经常会遇到某个地区的原材料断货了，产量跌了或者是需求涨了。

碰到这样的情况，老板可能得打几十个电话，开一整夜的会，重新算产能、协调资源，计算物流路径。

现在，只需要对着屏幕说一句话，Rubin驱动的AI就能在10分钟把全球几千个客户的配货方案全部重新算好，并且算出哪种方案成本最低、最快。

还有，在今天的智能驾驶上，我们看到奔驰跟英伟达的合作，由Rubin驱动的Alpamayo模型已经开始像人类一样想问题。

当车在路边看到一个滚出来的皮球，它会预判，既然有球，那后面大概率还会跟着个人，于是提前减速避让。

同时，它还会解释这个逻辑，因为这种思考过程在Rubin架构下非常快，在人脑还在处理“前面突然多了一个球”的时候，AI已经在几毫秒内完成了思考，算好了路径，控制汽车完成避让。

这就是物理AI最核心的“工业化智能”逻辑，云端系统是AI的“生命模拟器”跟“智慧工厂”，负责生产出最聪明的逻辑。

而车端、工厂端的AI是执行终端，负责把这些智慧化作物理世界的动作。

所以，当AI从屏幕里跳出来，进入到我们的物理世界开始工作的时候，我们的企业可以想一想，我们怎么想办法去利用它？我们在下一个物理AI时代的核心竞争力是什么？

另外，英伟达透露的消息是Rubin产量有限，要到2026年下半年甚至是2027年才能陆续交付，并且对中国禁售，面对如此强悍的智能平台，中国的AI还能赢吗？

-

责任编辑 | 罗英凡

图片均来源于网络

本文不构成任何投资建议，股市有风险，投资需谨慎

■ 免责声明

本文涉及有关上市公司的内容，为作者依据上市公司根据其法定义务公开披露的信息（包括但不限于临时公告、定期报告和官方互动平台等）作出的个人分析与判断；文中的信息或意见不构成任何投资或其他商业建议，市值观察不对因采纳本文而产生的任何行动承担任何责任。