2026年初的國際消費電子展（CES）上，一台比機頂盒還小的主機，卻能流暢運行《黑神話：悟空》、輸出4K 60幀高畫質畫面……它不是概念產品，而是由深圳企業創盈芯“智造”的Mini PC。這台巴掌大小的Mini PC，正以驚人的速度席捲全球市場。資料顯示，其總出貨量已佔全球15%，在歐洲每賣出10台同類產品，就有6台出自這裡；在美國，市場份額也高達40%。從賣機頂盒到造AI PC，從十幾人的小團隊到年產能百萬台的行業龍頭，這家深圳企業如何用“小身材”撬動“大世界”？深視新聞記者深入深圳創盈芯，探尋“廣貨出海”密碼。一句話抓住商機從機頂盒跨界到Mini PC賽道“以前我們做機頂盒，現在我們定義Mini PC。”公司總裁戴遠軍說。時間撥回2013年。彼時，創盈芯剛成立，靠十幾個人通過小型貿易商把機頂盒賣到海外。一次客戶隨口一句：“你能不能把電腦做成這麼小？”竟成了企業命運的轉折點。“只要能賣得出去，我們就幹！”戴遠軍回憶道。管理層敏銳意識到：這不是一個孤立需求，而是個人計算裝置向小型化、場景化演進的大趨勢。2015年，首款Mini PC問世，迅速在海外市場走紅。麻雀雖小，五臟俱全性能不輸桌上型電腦別看它體積小，性能卻一點不含糊。印度數位博主Niks測評後感嘆：“小空間內實現大儲存、高性能圖形處理，甚至相容Wi-Fi 7，介面齊全，堪稱全能選手。”美國科技博主Jake則把它當作家庭媒體中心：“4K 60幀輸出，畫質非常出色，日常辦公、影音娛樂完全夠用。”如今，創盈芯的產品矩陣已覆蓋個人娛樂、移動辦公、專業創作乃至行業應用。高端型號甚至能暢玩3A大作，真正實現“取代傳統桌上型電腦”。“Mini PC已經不是一個產品，而是一種形態定義。”戴遠軍說，“它的應用場景，比我們最初想像的寬廣得多。”從Mini PC到AI PC“AI時代的新廣貨”馳騁全球AI時代的浪潮之下，廣貨正躍動著新脈搏。企業再一次捕捉到新的轉型機遇，研發AI產品線，聚焦算力伺服器、AI終端裝置等前沿領域，積極探索伺服器的Mini PC化，並嘗試使用摩爾線程、沐熙等中國國產晶片，目標直指一個痛點：降低AI算力門檻，讓中小企業也能輕鬆邁入AI時代。“如果你要做AI開發，這是一個性價比極高的選擇。”美國測評博主Patrick評價道，“它不會是最快的，但絕不會讓你掏空口袋。”這一戰略背後，是對生產力變革的深刻洞察。“AI正在重塑生產要素和生產力形態，”戴遠軍表示，“這裡面有大量機會，我們必須抓住。”“Made in 廣東”為何能行天下？“深圳速度”跑出全球份額產品實力過硬，市場銷路廣闊。產品出海，靠的不只是技術。創盈芯在深圳、墨西哥建立雙製造基地，建構覆蓋全球的行銷與售後網路。更關鍵的是，它正從“賣硬體”升級為提供“硬體+軟體+服務”的整體解決方案——這是“中國智造”邁向“生態輸出”的典型路徑。在深圳龍華的生產線上，最快20秒就有一台新機下線，8條生產線年產能高達百萬件。戴遠軍直言：“如果說‘Made in China’是一個標誌，那‘Made in 廣東’同樣鮮明。我們最大的優勢，是齊全的產業鏈、優質的配套、軟硬高度協同，再加上深圳獨特的營商環境——這些要素碰撞出的火花，無可複製。”2025年，深圳外貿規模達4.55兆元，出口連續33年居內地城市首位。結構之“新”，動能之“優”，正體現在一個個像創盈芯這樣的企業身上。當Mini PC搭載AI演算法，當服裝邂逅3D列印，當汽車插上新能源翅膀……“深圳智造”早已超越地域標籤，成為“廣貨行天下”的閃亮名片。而這台藏在顯示器背後的“小主機”，正是這張名片上最精巧、也最有力的一筆。 (深視新聞)

2026年CES展會結束後的第三天，馬斯克發了一條推特。只有一句話："歷史將會記住2026年1月，那是一道殘酷的時間分界線。"我盯著這句話看了很久。不是"重要的時刻"，不是"轉折點"，是"殘酷的"。這個詞，讓我後背發涼。■ 為什麼是2026年1月？很多人可能覺得馬斯克又在販賣焦慮了。但這次不太一樣。我們先來看看2026年CES上到底發生了什麼。輝達發佈了新晶片，AI的處理速度直接快了5倍。與此同時，AMD把算力成本砍掉了一半。速度翻5倍，成本降一半。你把這兩件事放在一起想，意味著什麼？意味著AI替代人類工作的那個按鈕，已經被加速按下了。馬斯克提出了一個讓人背後發涼的觀點：電腦領域有個摩爾定律，性能越來越強。但現在，這個定律反過來變成了人類價值的貶值定律。什麼意思呢？就是說，電腦的能力每增長一分，我們從事常規工作的價值就下降一分。這是一個此消彼長的關係，而且這個過程正在加速。所以2026年1月，不是因為馬斯克說了什麼，而是因為技術確實到了一個臨界點。■ 一條看不見的線想像一下這個畫面：2026年1月，有一條線。線的左邊，是我們現在還算熟悉的世界。你的大學學位還有點用，你花了幾年學的技能還能養活自己，你以為能幹到退休的穩定工作，還算穩定。線的右邊呢？是幾乎無所不能的AI，是能自己幹活的機器人，是以我們無法理解的速度衝過來的新世界。而這條線，就在今年1月。馬斯克說，我們正站在這條線上。往前一步，是新世界。往後一步，是舊世界。但問題是，沒有人能往後退。■ 三個你可能不願意聽的預測馬斯克這個人說話向來直接，這次也一樣，毫不留情。他甩出了三個預測。第一個：大分裂他說，從2026年到2033年，會有一段"痛苦的過渡期"。一邊是極少數人，懂得利用AI，創造巨額財富。另一邊是絕大多數人，面對普遍的失業。輝達、AMD這些科技巨頭會空前繁榮，但Google、Meta裡那些傳統崗位，會面臨大規模裁員。最要命的是什麼？工作崗位消失的速度，會遠遠超過新崗位創造的速度。一個AI代理，就能頂替1000個銷售。一個AI客服，就能替代500個人工。你可能會說，那管理層會出手的，會有全民基本收入。會有，但在那之前，會有一段非常混亂的真空期。這就是他說的"痛苦的過渡期"。通俗點說，就是你可能會失業，但補貼還沒到位。這段時間怎麼辦？自己想辦法。第二個：教育崩塌馬斯克自己說得特別直白："我才不管你是不是哈佛畢業的。"聽著挺狂的，但你仔細想想，為什麼？因為你辛辛苦苦在大學裡學四年的知識，AI一秒鐘就全部掌握了。成本幾乎為零。所以過去我們衡量一個人的標準——名校文憑、專業技能——一下子就被顛覆了。那什麼才值錢？不是知識，是認知。知識是"是什麼"——法律條文怎麼寫，程式碼怎麼敲。這些AI比你清楚得多。認知是"為什麼"和"怎麼辦"——你能不能提出一個好問題，你有沒有自己的判斷力，你能不能把不同的想法整合起來。這些能力，才是真正無價的。但問題來了，我們現在的教育體系，培養的恰恰是"知識"，而不是"認知"。所以很多人可能會發現，自己讀了十幾年書，學的東西突然都不值錢了。第三個：壽命競賽這個預測，初聽起來像科幻小說，但仔細一想，可能比前面兩個加起來都更深刻。馬斯克說，我們每個人，不管願不願意，都已經進入了一場比賽。一場以自己壽命為終極獎品的馬拉松。如果你能在接下來的10年、20年裡，把身體搞得棒棒的，那你就有可能活到那個生物科技大爆發的未來。到時候，可能會出現讓你活到120歲甚至更久的技術。你想想看，一個能活到120歲的人，跟一個60歲就一身病的人比，他多出來的那幾十年，能用來學習，用來賺錢。這個優勢，是碾壓式的。所以這本質上，是一場我們跟死亡之間的賽跑。而這場比賽，從現在就開始了。■ 那我們怎麼辦？說到這兒，可能你心裡挺沉重的。但光焦慮沒用。好消息是，馬斯克不光提出問題，也給了答案。他說，通往未來的門票，不在於你知道多少東西，而在於你是怎麼思考的。具體來說，是三項核心認知技能：第一，系統思維。 你得能看到整個系統是怎麼運作的，做那個設計流程的架構師，而不是流水線上被AI換掉的工人。第二，批判性思維。 AI會犯錯，你的價值恰恰在於能質疑它，發現它的漏洞。第三，連接能力。 跟人打交道的能力，那種面對面的真誠溝通、共情和說服力。這是AI永遠學不會的。除了思維方式，還有一件事：把你的身體，當成一家公司來管理。健身不再是業餘愛好，它是你的戰略儲備。肌肉量不是為了好看，它是你身體的現金流。心臟健康是你的增長潛力。睡眠不是浪費時間，它是你的風險控制。你的身體，是你唯一能駕駛著穿越這個未來的交通工具。你得好好保養它。■ 寫在最後馬斯克用了一個他自家產品的比喻："未來就像一輛全速行駛的Cybertruck，它笑著衝過來，根本不管你準備好了沒有。你的選擇只有兩個，要麼想辦法跳上去，要麼等著被碾過去。"2026年1月，這條時間分界線。我們都站在這條線上。往前一步，是震撼，是好奇，是未知。但也可能是機會。只要你準備好了。我個人的看法是，如果把馬斯克的這些預測當成一場考試，那麼這場考試最大的特點就是：它是開卷考。考題和參考答案，不管是現實還是應對的策略，都已經擺在我們面前了。但很多人可能還沒意識到考試已經開始了，還在那裡觀望。而時間不等人。降低負債，提升認知，保持健康。這可能是接下來幾年最重要的三件事。"未來已經到來，只是分佈不均。"——威廉·吉布森(凌逸清的小茶館)

2026年1月初的拉斯維加斯，消費電子展（CES）如往年一樣熱鬧非凡。輝達發佈了Vera Rubin晶片，推理成本降低10倍；OpenAI展示了ChatGPT Health；各種各樣的XR裝置…… 但所有人似乎都漏看了一個最重磅的消息！在現代汽車的展台上，一個1.8米高的人形機器人突然將頭顱旋轉了180度，然後軀幹也跟著轉了過去。這個動作不是恐怖片裡的橋段，而是波士頓動力公司（Boston Dynamics）全新Atlas機器人的「標準操作」。這一幕，可能會在未來的科技史中被反覆提及，就像2012年辛頓在ImageNet比賽中用兩塊顯示卡打敗了Google16000顆CPU那樣——真正改變歷史的時刻，往往藏在喧囂之下。一台「反人類直覺」的機器人如果你曾經看過波士頓動力的視訊——那些做後空翻的機器人、跑酷的機器人、被工程師踹倒又爬起來的機器人——你一定對這家公司印象深刻。但這一次，他們展示的東西更加「離譜」。全新的Atlas機器人擁有56個自由度，頭部和軀幹都可以進行360度旋轉。這意味著什麼？想像一下：機器人正在組裝線上工作，需要轉身去後面的貨架取零件。傳統的人形機器人需要像人一樣轉身——抬腳、轉動、落腳，至少需要幾秒鐘。而Atlas？它只需要把頭和身體轉過去就行了，雙腳可以紋絲不動。就像貓頭鷹一樣。仔細看視訊的中間38秒開始那段，真的完全顛覆認知！這還不是最神奇的。Atlas的手指可以向後彎曲。正常人的手指只能向一個方向握緊，但Atlas的手指可以反過來抓東西——這讓它能夠完成一些人類手型無法完成的精細操作。臂展2.3米，負重50公斤（110磅），防水、耐寒耐熱（-20°C到40°C），電池快沒電了會自己走到充電站換電池繼續幹活……波士頓動力CEO Robert Playter在發佈會上說了一句話：「這是我們造過的最好的機器人。」但更重要的是，這可能是人類造過的最不像人的「人形機器人」。一個哲學問題 機器人為什麼要長得像人？人形機器人是科幻作品的常客。從阿西莫夫的機器人三定律，到《攻殼機動隊》裡的草薙素子，再到《西部世界》裡的接待員——我們似乎天然地認為，高級機器人就應該長得像人。但這其實是個值得追問的問題：機器人為什麼要長得像人？答案很簡單，也很現實：因為整個人類世界都是為人類的身體設計的。工廠裡的操作台高度、倉庫裡貨架之間的過道寬度、車間裡工具的握把尺寸……所有這些都是按照人類的身高、臂長、手掌大小來設計的。如果你想讓機器人進入現有的工業環境，最省事的辦法就是讓它長得像人。這就是為什麼特斯拉在造Optimus，為什麼十幾家國內公司在造人形機器人，為什麼Figure公司估值已經達到26億美元——人形機器人是唯一不需要改造整個工廠就能部署的機器人形態。亞馬遜為了自動化倉庫，花了幾億美元改造基礎設施。但如果是人形機器人，直接走進去就能幹活。但問題來了：既然是為了適應人類的工作環境，為什麼Atlas要設計成「反人類」的樣子？頭可以360度轉，手指可以反著彎？答案藏在波士頓動力30年的積累裡：人形，是為了相容性；超人形，是為了效率。Atlas的形態介於人與機器之間。它足夠像人，可以走進任何工廠；但它又足夠不像人，可以用人類無法做到的方式完成工作。一個360度旋轉的腦袋，意味著機器人永遠不需要「轉身」——在一天重複幾千次的流水線作業中，這可能節省幾個小時的時間。一雙可以反向彎曲的手，意味著機器人可以從人類無法觸及的角度抓取物體。這不是在模仿人類，而是在超越人類。Google繞了一大圈後「側門回歸」但Atlas真正讓人興奮的地方，不只是硬體。在CES的發佈會上，波士頓動力同時宣佈：他們將與GoogleDeepMind合作，把Google的Gemini Robotics大模型整合到Atlas中。這一下就讓機器人有了靈魂！讓我們先回顧一段歷史。2013年，Google收購了波士頓動力。那時候Google X實驗室正在瘋狂押注機器人，一口氣買了8家機器人公司。那時的Google，意氣風發，覺得自己可以從零開始造出改變世界的機器人。然而，2017年，Google把波士頓動力賣給了軟銀。原因：失敗了。昂貴的硬體研發、漫長的產品化周期、看不到頭的投資回報……Google學到了一個血淋淋的教訓：硬體太難了，軟體才是他們的護城河。現在，2026年，Google回來了。但這次，他們走的是「側門」。他們不再自己造機器人，而是把最核心的「大腦」Gemini Robotics，植入別人的機器人裡。波士頓動力提供身體，現代汽車提供工廠，Google提供智能。這是一個完美的三角聯盟：-波士頓動力有世界上最先進的人形機器人硬體，30年技術積累-現代汽車是波士頓動力的大股東，擁有遍佈全球的製造工廠，剛剛宣佈投資260億美元在美國建廠，準備建造年產3萬台機器人的工廠-GoogleDeepMind有世界上最強的AI研究能力，Gemini是目前最全能的多模態大模型這個合作最關鍵的是：Gemini Robotics是一個可以在裝置上本地運行的模型，不需要連接雲端。這意味著什麼？想像一下：一個工業機器人正在搬運一個50公斤的重物，突然前面有個工人走過來。如果機器人需要把視訊傳到雲端，等AI分析完再做決策，可能需要幾百毫秒甚至幾秒——那時候工人可能已經被撞倒了。機器人需要的是低於100毫秒的即時反應。這只能靠本地AI來實現。Gemini Robotics正是為此而生。它可以同時處理視覺、觸覺、本體感知（機器人知道自己的手腳在那裡）等多種資料，並在毫秒級做出運動控制決策。一個你可能沒聽說過的人2024年11月，GoogleDeepMind悄悄做了一件事：挖來了波士頓動力的前首席技術官Aaron Saunders。Aaron Saunders是波士頓動力技術的靈魂人物之一。他在那裡待了十幾年，主導了Atlas早期版本的開發。他離開波士頓動力，加入GoogleDeepMind的機器人團隊——這個動作本身就說明了Google的野心。他們不是在做一個「合作項目」，他們是在打造一個機器人帝國。而這個帝國的飛輪效應，和特斯拉的自動駕駛如出一轍：每一台部署在工廠裡的Atlas機器人，都會產生真實世界的訓練資料。這些資料會被用來訓練下一代Gemini Robotics模型。新模型又會讓機器人更聰明、更高效。更高效意味著更多客戶願意買，更多機器人被部署，產生更多資料……這是一個資料飛輪，和特斯拉用百萬輛車收集自動駕駛資料是同一個邏輯。區別在於：Google做AI基礎模型已經超過十年了，而特斯拉才做了五年。為什麼這比輝達的新晶片更重要？讓我們回到CES2026的現場。輝達發佈了Vera Rubin晶片，這是他們最新一代的AI晶片。官方宣稱：推理成本降低10倍，訓練MoE模型需要的GPU數量減少4倍。預計2026年下半年量產。這當然是很厲害的技術突破。但這是一個漸進式的改進——更快、更便宜、更省電。而Google和波士頓動力的合作，是一個範式轉換。過去十年，AI的算力需求主要來自資料中心。輝達的生意，本質上是把GPU賣給雲端運算公司，讓它們在機房裡訓練和運行大模型。但機器人需要的不是資料中心裡的AI。機器人需要邊緣AI——在機器人自己的晶片上運行的AI，能夠即時處理感測器資料，做出即時決策。這是完全不同的技術路線。資料中心AI：拼的是算力規模，誰的GPU多誰厲害邊緣AI：拼的是效率和延遲，在有限的算力下做到足夠聰明Gemini Robotics代表的是AI從雲端走向終端的新時代。更重要的是，這個合作完成了一個其他人幾乎無法複製的組合：軟體可以被覆制硬體可以被逆向工程但分銷管道需要幾代人才能建立起來！現代汽車在四大洲都有製造工廠。他們和供應商、監管機構、客戶的關係，是幾十年時間積累起來的。這才是真正的護城河。特斯拉有Optimus，但他們沒有現代汽車的全球製造網路。中國有十幾家人形機器人創業公司，但他們沒有Google的AI能力。Figure估值390億美元，這是一個非常驚人的增長，因為在 2024 年初（即上一輪 B 輪融資）時，其估值僅為 26 億美元。這意味著在短短一年半的時間裡，Figure AI的估值翻了約15倍。但他們既沒有世界級的硬體，也沒有世界級的軟體。只有波士頓動力+GoogleDeepMind+現代汽車這個組合，同時擁有最好的硬體、最好的軟體和最好的分銷管道。2026年的Atlas機器人交付已經全部售罄。現代汽車準備在自己的工廠裡部署「數萬台」機器人。一個關於未來的故事讓我們把時間撥回2012年。那一年，傑夫·辛頓帶著兩個學生，用兩塊輝達GTX580顯示卡，在ImageNet圖像識別比賽中以驚人的優勢奪冠。同年，Google用16000顆CPU做了「Google貓」項目，最終被證明是走了彎路。太浩湖的那場秘密拍賣，Google花4400萬美元買下了辛頓的公司。此後，AlphaGo戰勝李世石，ChatGPT橫空出世，AI改變了世界。歷史的轉折點，往往是在事後才被人們看清。2026年1月的CES上，一台頭可以轉360度的機器人，可能正在書寫類似的故事。當所有人都在討論更快的晶片、更便宜的算力時，真正的革命可能正在別處發生——在一台可以自己換電池繼續幹活的機器人身上，在一個可以在本地運行的AI模型裡，在一個橫跨三大洲的製造聯盟中。波士頓動力CEO Robert Playter在發佈會上說：「這標誌著我們童年以來一直夢想的長期目標的第一步——製造可以走進我們家中的有用機器人，讓我們的生活更安全、更高效、更充實。」從童年的夢想到今天的產品，波士頓動力走了30年。從2012年收購到2017年賣出，再到2026年重新合作，Google走了一個大圈。偉大的事業從來不是一蹴而就的。1972年，傑夫·辛頓進入愛丁堡大學，開始研究神經網路。整個學術界都不看好這條路，但他堅持了40年，直到AlexNet震驚世界。波士頓動力成立於1992年，做了30年的機器人，燒完了DARPA的錢，被Google買下又賣掉，被軟銀買下又賣掉，最後落入現代汽車的懷抱——現在，他們可能終於要迎來自己的「AlexNet時刻」。而此刻，在拉斯維加斯的展廳裡，一台Atlas機器人正在表演它的360度騰空翻絕技。大多數觀眾只覺得這是一個很酷的演示。只有極少數人意識到：他們正在見證歷史。 (新智元)

Agentic系統開啟的AI藍圖：人指揮Agent、多模態互動、融合物理AI，建構未來應用的基礎框架——智能代理系統（AIS）黃仁勳：拉斯維加斯的各位，新年快樂！歡迎大家前來觀摩。我們準備了約15場主題演講的豐富內容。見到各位我非常高興。這座禮堂裡坐著3000人，庭院裡還有2000人正在觀看。據說四樓原定作為輝達展區的區域，此刻也有上千人同步收看這場主題演講。當然，全球還有數百萬觀眾將通過直播共同開啟新年序幕！100兆美元規模的產業中，研發預算正轉向AI，而每年湧入AI的投資達數百億美元電腦行業每隔10到15年就會經歷一次重設。平台變革從大型機到個人電腦，從網際網路到雲端運算，再到移動裝置，每次都推動應用程式世界轉向新平台——這正是平台變革的本質。為新型電腦編寫新應用程式時，我們正面臨雙重平台變革——人工智慧與應用程式的同步演進。最初人們認為人工智慧即應用程式，事實上人工智慧確實屬於應用範疇，但未來我們將基於人工智慧建構更高級的應用程式。但除此之外，軟體的運行方式和開發方式也發生了根本性變革。整個電腦行業的技術堆疊正在被重新發明。你不再程式設計，而是訓練軟體。運行平台從 CPU 轉向 GPU。應用程式從預先編譯的固定程序轉變為即時生成——每次執行階段，它們都能理解上下文，從零開始生成每個像素、每個符號。由於加速計算和人工智慧的發展，計算領域已發生根本性變革。五層架構的每一層都在經歷重塑。這意味著過去十年約10兆美元的計算投資正向新型計算模式轉型。每年數百億美元的風險投資正湧入這個新興領域，推動技術革新與世界重構。更重要的是，價值100兆美元的產業體系中，數百分比的研發預算正轉向人工智慧領域。常有人問：資金從何而來？答案就在這裡——人工智慧的現代化處理程序，研發預算從傳統方法向人工智慧方法的轉移，以及湧入該行業的巨額投資，這些都解釋了我們為何如此忙碌。過去這一年也不例外。過去這一年令人難以置信。這一年，我們即將迎來一個轉折點。這是今年的第一場主題演講。希望這也是你今年的第一場主題演講。否則，你可能已經相當忙碌了。這是我們今年的第一場主題演講。我們要重回狀態。非凡的2025年：Scaling Laws突破、Agentic系統湧現、開源模型讓AI無處不在2025 年堪稱非凡之年，彷彿所有重大事件都同時爆發。事實上，首要突破當屬Scaling Laws！2015 年，那是我認為真正能改變格局的首個語言模型，它帶來了革命性變革， 它名為 BERT。2017 年 Transformer 模型問世。直到五年後的 2022 年，ChatGPT 的突破性時刻才真正喚醒世界對人工智慧潛能的認知。而一年後又發生了至關重要的事件——ChatGPT 推出的首個 o1 模型，作為首個具備推理能力的模型，徹底顛覆了行業格局。它開創了"測試時Scaling"這一革命性理念，本質上是極具常識性的創新： 我們不僅通過預訓練讓模型學習知識，更通過強化學習進行後訓練使其掌握技能。如今"測試時Scaling"技術的出現，本質上是實現即時思考的新途徑。人工智慧的每個發展階段都需要海量計算資源，而計算能力法則仍在持續擴展。大型語言模型正不斷精進。與此同時，另一項突破在 2024 年發生。Agentic系統於 2025 年開始湧現，並迅速滲透到幾乎所有領域。這些具備推理能力、資訊檢索能力、研究能力、工具使用能力、未來規劃能力及結果模擬能力的代理模型，突然間開始解決極其重要的問題。我最青睞的智能體模型名為Cursor，它徹底革新了輝達的軟體程式設計方式。智能體系統將由此迎來真正的騰飛。當然，人工智慧還有其他類型。我們知道大型語言模型並非唯一的資訊載體。宇宙中凡存在資訊之處，凡存在結構之處，我們都能訓練大型語言模型——作為語言模型的一種形式——去理解這些資訊，理解其表徵形式，並將其轉化為人工智慧。其中最宏大、最重要的當屬物理人工智慧（Physical AI），它們理解自然法則。而物理人工智慧的核心在於人工智慧與世界的互動——世界本身蘊含著編碼資訊。這種物理人工智慧既能與物理世界互動，又能理解物理定律。最後，去年最重要的進展之一是開源模型的突破。當開源理念、開放創新以及全球每家企業、每個行業的創新活動被啟動時，我們便能預見人工智慧將無處不在地普及。與此同時，開源模型在去年真正騰飛。事實上，去年我們見證了首個開源模型 Deep Seek R1 的突破性進展——這套推理系統令全球矚目，並切實推動了整個趨勢的興起。這項工作令人振奮，我們對此深感欣喜。如今全球各地湧現出各種開源模型系統。我們已知開源模型同樣抵達了前沿領域——儘管仍落後於前沿模型半年之久，但每隔半年便有新模型誕生。這些模型正變得日益智能。正因如此，下載量呈現爆發式增長。下載量激增源於初創企業渴望參與人工智慧革命。 大企業渴望參與，研究者渴望參與，學生渴望參與，幾乎每個國家都渴望參與。數字智能怎會讓任何人掉隊？開源模型去年真正引發了人工智慧革命，整個行業都將因此重塑格局。輝達的DGX雲與AI模型矩陣：橫跨生物、氣候、機器人與自動駕駛其實我們早有預感。或許你聽說過，幾年前我們開始自主研發並營運人工智慧超級電腦，稱之為 DGX 雲。許多人問：你們要進軍雲端運算業務嗎？答案是否定的。我們建造這些 DGX 超級電腦是為自身使用。事實上，我們投入數十億美元營運這些超級電腦，正是為了開發開源模型。我對我們正在開展的工作感到非常滿意。這項工作正開始引起全球及各行業的廣泛關注，因為我們在眾多不同領域都在進行前沿的人工智慧模型研究。我們在蛋白質領域、數字生物學領域（LA Protina 項目）取得的突破，實現了蛋白質的合成與生成。Open Fault 3 項目致力於解析聯合國機制，揭示蛋白質結構奧秘。Evil 2 項目探索多蛋白質的理解與生成機制。此外，我們還開創了細胞表徵的先河。更重要的是，我們研發的 AI 系統已具備理解物理定律的能力。我們與 Forecast Net 及 Cordiff 的合作，真正革新了人們進行天氣預測的方式。Nemo 系統正在嘗試突破。我們正在該領域開展開創性工作，首創的混合變壓器 SSM 模型具備驚人速度——既能進行長時間深度思考，也能在短時間內快速推演，從而生成極具智慧的智能答案。Nematon 3 是突破性成果，未來不久我們將推出該模型的其他版本。Cosmos，一個前沿的開放世界基礎模型，它理解世界的運作規律。Groot，一個類人機器人系統，具備關節活動能力、機動性和行走能力。這些模型與技術正在融合，每項成果都向世界開放——前沿的人類與機器人模型正向世界敞開大門。今天我們將重點探討 Alphamayo 項目——我們在自動駕駛領域的探索成果。建構未來應用的基礎框架：智能代理系統，模型到資料集的全端開源、多模態與檢索引擎的底層能力、多雲&多模型的智能體生態我們不僅開源模型，更開源訓練這些模型的資料集。唯有如此，才能真正驗證模型生成的可靠性。所有模型均開放原始碼，助力您基於此進行衍生創新。我們擁有完整的庫套件，包括 Nemo 庫、物理 Nemo 庫和 Clara Nemo 庫、BioNeMo庫。每一個都是 AIS 生命周期管理系統，支援資料處理、資料生成、模型訓練、模型建立、模型評估、模型防護，直至最終部署。 這些庫都極其複雜，且全部開源。基於這個平台，輝達成為前沿 AI 模型建構者，我們以獨特方式建構它。我們堅持完全開放的建設模式，旨在讓每家企業、每個行業、每個國家都能參與這場人工智慧革命。我對這項工作深感自豪。事實上，如圖表所示，我們在該領域的貢獻無可匹敵。未來我們將持續推進這項事業，甚至加速發展步伐。這些模型同樣堪稱世界級。因此這些模型不僅具備前沿能力，不僅開放共享，更穩居排行榜榜首。這是令我們引以為豪的領域——它們在排行榜和智能領域均處於領先地位。我們擁有能理解多模態文件（即 PDF 檔案）的重要模型。全球最具價值的內容都封存在 PDF 中，但需要人工智慧來發掘其內涵、解讀其內容並助您理解。我們的 PDF 檢索器、PDF 解析器、世界級語音識別模型，絕對是頂尖水平。檢索模型涵蓋語義搜尋、AI 搜尋等功能，堪稱現代 AI 時代的資料庫引擎，同樣達到世界級水準。正因如此，我們始終穩居排行榜前列。這是我們引以為豪的領域，所有這些都旨在助力您建構人工智慧代理。這確實是具有開創性的發展領域。記得最初 ChatGPT 問世時，人們驚嘆它能產出如此有趣的結果，但同時也存在嚴重幻覺問題。產生幻覺的原因在於：它能記憶過去的一切，卻無法預知當下與未來。因此必須建立在研究基礎上——在回答問題前，它需要進行基礎研究。關鍵在於具備推理能力：是否需要開展研究？是否需要使用工具？如何將問題分解為步驟？這些步驟都是 AI 模型已掌握的技能。通過組合這些步驟，它就能執行從未被訓練過的全新任務。這是推理能力的奇妙之處。我們能夠在面對前所未見的處境時，將其分解為已知情境。憑藉過往經驗，我們能運用已知的答案、知識或規則來應對。因此，當前人工智慧模型具備推理能力是極其強大的，智能體的推理能力為各類應用打開了大門。 我們不必再要求 AI 模型在初始階段就通曉萬物——正如人類也不可能在初始階段就掌握全部知識——關鍵在於它應具備在任何情境下，通過推理來解決問題的能力。大型語言模型如今已實現這一根本性飛躍——通過強化學習與思維鏈技術，包括突發性決策、規劃等多種方法，強化學習使我們具備了這項基礎能力，且該技術現已完全開源。但真正令人驚嘆的是另一項突破性進展——我第一次看到它是在Perplexity（AI搜尋公司）那裡，真是個創新者。當我意識到他們同時運用多個模型時，我認為這簡直是天才之舉。當然，我們也會這麼做。當然，人工智慧還會呼叫全球所有頂尖人工智慧來解決推理鏈中任何環節的問題。這正是人工智慧真正實現多模態的原因——它們能理解語音、圖像、文字、視訊、3D 圖形乃至蛋白質結構。這種多模態特性也意味著它們具備多模型能力，能夠靈活選用最適合任務的模型。從定義上講，它必然是多雲架構——因為這些 AI 模型分佈在不同位置。同時它也是混合雲架構，因為企業公司或機器人等裝置有時位於邊緣端，有時可能在無線基站，有時在企業內部，有時則在需要即時資料支援的場所（如醫院），具體取決於應用場景。我們現在知道，這就是未來人工智慧應用的模樣——或者換個角度理解，因為未來的應用都將基於智能代理系統（AIS）建構。這是未來應用的基礎框架。這種基礎架構，這種能夠實現我所描述的多模態智能的智能代理系統基礎結構，如今正為各類人工智慧初創企業注入強勁動力。如今借助我們提供的所有開源模型和工具，您還能定製專屬 AI 技能——這些技能無人傳授，也無人能讓其 AI 真正變得智能。這種智慧可由您自主實現。這正是我們通過 Nematon、Nemo 及所有開源模型項目所致力於實現的目標。在系統前端部署智能路由器，它實質上是決策管理者——根據你給出的指令意圖，判斷那個模型最適合特定應用場景，最能解決該問題。Agentic系統開啟的AI藍圖：人指揮Agent、多模態互動、融合物理AI好的，那麼現在當你思考這種架構時，你擁有什麼？當你思考這種架構時，突然間你擁有了一種人工智慧：它一方面完全可由你定製，能夠被訓練來執行你公司特有的技能；它能守護領域機密，承載你深厚的專業知識，或許你已擁有訓練 AI 模型的全部資料。另一方面，你的 AI 始終處於技術前沿——從定義上講，它既永葆定製化特性，又始終處於創新前沿，更應實現無縫運行。因此我們決定打造最簡潔的示例，讓它觸手可及。我們稱整個框架為藍圖，這些藍圖已整合到全球各地的企業 SaaS 平台中。我們對進展感到非常滿意。但我們想展示一個簡短示例——這是任何人都能實現的功能。“讓我們打造一個個人助理。我希望它能協助管理我的日程、郵件、待辦事項，甚至監控家中狀況。我使用 Brev 將 DGX Spark 轉化為個人云端，這樣無論使用雲端 GPU 還是 DGX Spark，都能通過統一介面操作。借助前沿模型 API，我輕鬆完成了初始配置。為實現郵件管理功能，我建立了專供智能助手呼叫的郵件工具。為保障郵件隱私，我將本地部署的開源模型運行在 Spark 上。現在，任何任務都需要智能助手選擇正確的模型處理，因此我採用了基於意圖的模型路由器。這樣，涉及郵件的提示語將留在本地 Spark 處理，其餘任務則呼叫前沿模型。我想讓我的助手融入我的生活。因此我將它與 HuggingFace 的 Richie Mini 機器人連接起來。我的代理通過工具呼叫控制 Richie 的頭部、耳朵和攝影機。我想賦予 Richie 聲音，而我非常喜歡 11 laps。所以我會接入他們的 API。'你好，我是Richie，正在DGX上跑步。嘿，Richie，我今天的待辦事項清單上有什麼？你今天的待辦事項？買些雜貨，雞蛋、牛奶、黃油，再把新劇本發給Jensen。好的，把這個更新發給Jensen。告訴他我們會在今天結束前建立一個論壇。我們來做。Richie，還有個草圖。你能把它變成建築效果圖嗎？當然。不錯。現在拍個視訊，帶我看看房間。給你。太棒了。有了 Brev，我就能共享我的 Spark 和 Richie 的存取權。所以我要和 Anna 共享。嘿，Richie，土豆最近怎麼樣？他在沙發上。我記得你不喜歡這樣。我會叫他起來。土豆，快從沙發上下來。隨著技術進步和開源浪潮，人們創造出的成果令人驚嘆。我真想看看你們能做出什麼。”這難道不神奇嗎？更神奇的是，如今這些都變得輕而易舉。然而就在幾年前，這一切還完全不可能實現，簡直難以想像。這種建構應用程式的基礎框架和方法，如今已變得如此基礎。使用預訓練的專有語言模型，它們代表著前沿技術。將其與定製化語言模型結合，建構為智能體框架——一個推理框架，使您能夠訪問工具和檔案，甚至可能連接其他智能體。這基本構成了現代人工智慧應用的架構。我們建構這類應用的能力正以驚人速度提升。關鍵在於：即便面對從未接觸過的應用資訊，或結構與預期不符的資料，它仍能通過推理機制全力解析資訊，試圖理解並解決問題。這個基礎框架正在整合中，我剛才描述的所有內容都受益於我們與全球頂尖企業平台公司的合作。例如 Palantir，他們的整個 AI 和資料處理平台正通過 Nvidia Today 服務實現整合與加速——該服務現已成為全球領先的客戶服務與員工服務平台；還有 Snowflake，全球頂尖的雲端資料平台。 這些公司正在開展令人驚嘆的工作。在輝達內部，我們全面採用 Code Rabbit 技術；Crowdstrike 正開發人工智慧系統來檢測和定義 AI 威脅；Netapp 的資料平台現已搭載輝達語義 AI 技術，並建構了代理系統以實現客戶服務功能。但關鍵在於：這不僅是當前應用程式的開發方式，更將成為平台的使用者介面。無論是 Palantir、ServiceNow、Snowflake 還是我們合作的眾多企業，代理系統就是介面本身。它不再是 Excel 表格里那些需要手動輸入資訊的方格。它甚至突破了命令列的侷限——所有多模態資訊互動如今皆可實現。你與平台的互動方式變得更像與人交流般自然流暢。這就是Agentic系統如何徹底革新企業人工智慧的圖景。物理AI的ChatGPT時刻即將到來，推出Alphamayo——全球首款具備思考與推理能力的自動駕駛汽車物理AI的ChatGPT時刻即將到來Cosmos模型已下載數百萬次，應用遍及全球接下來是物理人工智慧。這是我多年來反覆強調的領域。事實上，我們已在此領域深耕八年。關鍵問題在於：如何將電腦內部通過螢幕和揚聲器與人互動的智能系統，轉化為能與現實世界互動的智能體——這意味著它必須理解世界運作的常識性規律：物體恆存性（我移開視線再回來，物體還在那裡）、因果關係（我推它，它會倒下）；它理解摩擦力和重力，理解慣性：一輛重型卡車在公路上滾動時需要更長時間才能啟動，而球體則會持續滾動。這些概念對幼兒而言都是常識，但對人工智慧而言卻是完全陌生的領域。因此我們必須建構一套系統，讓人工智慧既能學習物理世界的常識與規律，又能從稀缺資料中獲取知識，同時通過環境模擬來評估其運作狀態。若缺乏模擬物理世界反饋的能力，AI 如何確認自身行為符合預期？行為反饋的模擬至關重要——否則將無法評估系統表現，因為每次運行結果都可能截然不同。因此這個基礎系統需要三台電腦。其中一台電腦，我們都知道是輝達為訓練 AI 模型而打造的。另一台電腦用於模型推理——推理模型本質上是運行在汽車、機器人或工廠等邊緣場景中的機器人電腦。但必須另有一台專為模擬設計的電腦，而模擬正是輝達幾乎所有業務的核心。這是我們最擅長的領域，模擬技術實為我們所有物理人工智慧應用的基石。因此我們擁有三台電腦及運行於其上的多重技術堆疊——這些庫使電腦真正發揮價值。Omniverse 是我們的數字孿生平台，建構基於物理原理的模擬世界。Cosmos 如前所述，是我們的基礎模型，並非語言基礎模型，而是世界基礎模型，同時兼具語言理解能力。例如當你詢問"球體狀態"時，它能描述"球體正沿街道滾動"。這就是世界基礎模型。此外我們還擁有兩款機器人模型：其一是 Groot，另一款即我即將介紹的 Alphamayo。在物理人工智慧領域，我們首要且至關重要的任務是建立用於訓練 AI 的資料。這些資料從何而來？與語言資料不同，我們需要建立大量文字作為基準資料，供 AI 學習參考。如何向 AI 傳授物理學中的真實資料？雖然有海量視訊資料，但遠不足以涵蓋所需的多樣性與互動類型。正因如此，眾多傑出頭腦匯聚一堂，將傳統計算轉化為資料生成。如今借助基於物理定律和真實資料的合成資料生成技術，我們能夠有選擇性地智能生成訓練 AI 所需的資料。例如，輸入左側 Cosmos AI 世界模型的資料來源自交通模擬器。但僅憑模擬器輸出，AI 難以有效學習。我們將資料匯入 Cosmos 基礎模型，即可生成符合物理原理且具有可信度的環景視訊，供 AI 學習。此類應用案例不勝列舉，接下來我將展示 Cosmos 的實際能力。“物理 AI 的 ChatGPT 時刻即將到來，但挑戰顯而易見。物理世界千變萬化且難以預測。收集真實世界訓練資料既耗時又昂貴，且永遠供不應求。解決方案在於合成資料。其起點是 Nvidia Cosmos——一款基於網際網路規模視訊、真實駕駛&機器人資料及 3D 模擬預訓練的物理 AI 開放前沿世界基礎模型。Cosmos 掌握了統一的世界表徵能力，能夠整合語言、圖像、3D 資料與動作。它能從單張圖像中執行物理 AI 技能，包括生成、推理和軌跡預測。Cosmos 可根據 3D 場景描述生成逼真視訊，從駕駛遙測資料和感測器日誌中生成物理一致的運動軌跡，並能從規劃模擬器、多攝影機環境或場景提示中生成環繞視訊。它讓邊緣案例栩栩如生。開發者可運行互動式閉環模擬與 Cosmos 系統。當操作發生時，世界隨之響應。Cosmos 通過推理分析邊緣場景，將其分解為熟悉的物理互動，並推演後續可能發生的情況。該系統將計算轉化為資料，為自動駕駛車輛訓練長尾場景能力，同時指導機器人適應各類情境。”我知道這難以置信。Cosmos 是全球領先的基礎模型，世界級基礎模型。它已被下載數百萬次，應用遍及全球。它正在讓世界為物理 AI 的新時代做好準備。推出Alphamayo——全球首款具備思考與推理能力的自動駕駛汽車我們自身也在使用它。我們用它開發自動駕駛汽車，用於場景生成和評估。它能讓我們在電腦內部實現數十億乃至數兆英里的有效行駛。我們已取得巨大進展。今天，我們宣佈推出 Alphamayo——全球首款具備思考與推理能力的自動駕駛汽車。Alphamayo 是端到端訓練的系統，真正實現了從攝影機輸入到執行器輸出的全鏈路訓練。攝影機輸入端，我們通過人類駕駛示範，讓系統在大量自主駕駛里程中學習。此外，還有大量由 Cosmos 生成的駕駛資料。更重要的是，我們精心標註了數十萬個示例資料，以此教會車輛如何駕駛。Alphamayo 具備一項真正獨特的能力。它不僅能接收感測器輸入並控制方向盤制動與加速，還能推斷即將採取的行動。它會告知你即將執行的操作、形成該決策的依據，以及相應的行駛軌跡。所有這些能力都通過大量人類訓練資料與宇宙生成資料的深度融合直接耦合，並經過高度精準的訓練。其成果令人歎為觀止。車輛不僅能如你所願自然駕駛——因其直接學習自人類示範者——更能在每個場景中預判行動：它會告知你即將採取的措施，並推演你可能的操作意圖。這項技術之所以至關重要，在於駕駛場景存在長尾效應——我們根本無法收集全球所有國家、所有可能發生的情境下所有駕駛者的全部潛在場景。但若將每個複雜場景分解為若干常規子場景，這些子場景往往具有普遍性，駕駛者通常能夠理解。這些長尾情境將被分解為車輛已掌握處理能力的常規場景，只需進行推理即可應對。現在請看演示——您即將目睹的全程均為單次拍攝，全程無人工干預。八年前，我們便開始研發自動駕駛汽車。之所以如此，是因為我們很早就意識到，深度學習和人工智慧將徹底重塑整個計算架構。若想真正掌握自主導航之道，引領行業邁向這個嶄新的未來，就必須精通整個技術堆疊的建構。正如我之前所說，人工智慧如同五層蛋糕。底層是土地、電力和外殼。在機器人領域，底層對應的是汽車。其上是晶片層，包含 GPU、網路晶片、CPU 等元件。再上一層是基礎設施——正如我提到的物理人工智慧案例中，具體指 Omniverse 和 Cosmos 平台。而頂層則是模型。至於頂層模型，我剛才展示的這款名為 Alphamayo。如今 Alphamayo 已開源。這項非凡成果凝聚了數千人的心血——僅我們的自動駕駛團隊就達數千人規模。輝達首款自動駕駛汽車Q1上路，推進自動駕駛垂直整合技術堆疊，十年內多數汽車將實現高度自動駕駛合作夥伴 Ola（我猜 Ola 代表可能就在觀眾席中）於五年前攜手梅賽德斯共同推動了這一切。我們設想未來道路上將有 10 億輛自動駕駛汽車。它們可以是您調度租用的無人計程車，可以是為您自動駕駛的私家車，亦或是您親自駕駛的座駕。但每輛車都將具備自動駕駛能力。每輛汽車都將由人工智慧驅動。在此架構中，底層模型層是 Alphamayo，而其上層應用層則是梅賽德斯-奔馳。這是我們與梅賽德斯首次合作的完整系統項目，我們一直都在為此努力。我非常高興 NVidia 的首款自動駕駛汽車將在第一季度上路，隨後第二季度登陸歐洲和美國市場。我認為第三季度將覆蓋亞洲市場，第四季度則全面推進。更重要的是，我們將持續通過 Alphamayo 等後續版本進行系統升級。我此刻確信，這必將成為規模最大的機器人產業之一。我們參與其中並從中獲益匪淺，這讓我們深刻理解了如何協助全球建構機器人系統。這種深層認知不僅體現在自主研發能力上——我們親手搭建了完整的基礎設施，更精通機器人系統所需的晶片類型。在這個特定案例中，是雙 Orin 晶片，以及下一代的雙 Thor 晶片，專為機器人系統設計，具備最高安全等級認證。這款汽車剛獲得載荷評級，現已投入量產。梅賽德斯-奔馳 CLA 車型剛剛被 End Cap 評為全球最安全汽車。這是我所知唯一實現全系統安全認證的系統——每行程式碼、每顆晶片、每個系統模組都經過安全認證。整個模型系統基於多樣化冗餘感測器建構，軟體駕駛棧亦是如此。Alphamayo 棧經過端到端訓練，具備卓越能力。但除非持續駕駛至永恆，否則無人能斷言其絕對安全。為此我們設定了防護機制：在自動駕駛系統底層建構了另一套軟體架構，確保整個系統具備完全可追溯性。這套輔助架構耗時五年打造，實際開發周期長達六至七年。兩套軟體架構相互鏡像運行。此外我們設有安全策略評估機制：當系統能確保絕對安全駕駛時，便由阿爾法-馬約系統接管；若存在不確定因素，安全策略評估器將啟動更簡潔可靠的防護系統。然後它又回到了經典的自動駕駛技術堆疊，全球唯一同時運行這兩套技術堆疊且具備所有安全系統的汽車，應當實現多樣性和冗餘性。我們的願景是，終有一日每輛汽車、每輛卡車都將實現自動駕駛。為此我們正全力推進這一未來。整個技術堆疊實現了垂直整合。當然，以梅賽德斯-奔馳為例，我們共同建構了完整的技術堆疊。我們將部署該系統，營運該技術堆疊，並終生維護它。然而，正如我們公司所做的所有事情一樣，雖然我們建構了完整的技術堆疊，但整個技術堆疊對生態系統開放。與我們共同開發 L4 自動駕駛和無人駕駛計程車的生態系統正在不斷擴展，並遍佈全球。我完全有理由相信，這已經成為我們的一項巨額業務。之所以如此，是因為客戶將它用於訓練——我們的訓練資料、資料處理以及模型訓練。某些汽車製造商和公司還會用它生成合成資料，他們基本上就是生產汽車內部的電腦和晶片。有些公司與我們開展全端合作，有些則只合作部分環節。無論你們決定採用多少方案，我的唯一要求是：請儘可能多地使用視訊素材。而且，現在整個領域都已開放。這將成為首個大規模、主流的物理人工智慧市場。我認為我們都能完全認同，從非自動駕駛汽車到自動駕駛汽車的轉折點，很可能就在未來十年中的這個時刻發生——我對此相當確信。全球絕大多數汽車都將實現自動駕駛或高度自動駕駛。邁向工業新紀元：將物理AI應用於整個工業生命周期——從設計與模擬，到生產與營運但剛才描述的這種基礎技術——利用三台電腦進行合成資料生成與模擬——適用於所有形式的機器人系統。無論是關節式機械臂、移動機器人，還是類人機器人皆可適用。因此機器人系統的下一個發展階段，下一個時代，將屬於機器人。這些機器人將呈現出各種不同的尺寸。 我邀請了幾位朋友。他們來了嗎？現在，有一件事真的很棒——你們有Jetsons 的機器人。它們體內裝有微型電腦，在綜合訓練系統中接受訓練。讓我們給大家展示你們學習機器人技能的模擬器。你們想看看那個吧？好的，請看那個跑者。這是不是很神奇？這就是你學會當機器人的方式。所有知識都在 Omniverse 裡。機器人模擬器叫Isaac Lab。任何想造機器人的人——沒人能造出像你這麼可愛的機器人。但現在我們擁有了這麼多朋友都在造機器人。我們正在製造大型機器人。我們有很多建造機器人的朋友，包括New Robot、AG Bot。這邊還有 LG，他們剛發佈了新款機器人——卡特彼勒，他們擁有史上最大的機器人。那個能把食物送到你家門口的，是和優步外賣合作的；還有那個衝浪機器人。我超愛這些傢伙。敏捷機器人，波士頓動力公司，還有外科手術機器人。，法蘭克公司研發的機械臂機器人，Universal Robotics 的機器人，種類繁多得令人驚嘆。而這正是新篇章的開端。未來我們將深入探討機器人技術，但歸根結底，這不僅僅關乎機器人本身。我深知一切都圍繞著你們展開——關鍵在於實現目標。物理領域作為全球最重要的產業之一，即將因物理 AI 與人工智慧迎來革命性變革。正是物理技術催生了我們 NVIDIA 的誕生。若沒有接下來要介紹的這些企業，這一切都無從談起。我由衷欣喜地看到，從 Cadence 開始的所有夥伴都將加速推動這項變革。Cadence 能夠將其技術整合到所有模擬和求解器中。他們擁有 Nvidia 物理 AI 技術，將用於不同物理工廠和工廠模擬。人工智慧物理技術正融入這些系統。無論是 EDA 還是 STA，乃至未來的機器人系統，我們即將擁有與當前使你們成為可能的核心技術——它將徹底革新整個設計體系。Synopsys 與 Cadence 在晶片設計領域不可或缺，Synopsys 在邏輯設計和 IP 領域佔據領導地位。在 Cadence 領域，他們主導著物理設計、佈局布線以及模擬與驗證工作。Cadence 在模擬與驗證方面表現卓越。兩家公司都正向系統設計與系統模擬領域拓展。因此未來，我們將通過 Cadence 和 Synopsys 工具來設計晶片，在這些平台內完成系統設計、整體模擬及全面模擬。這就是你們的未來。我們將實現這樣的願景——是的，你們將誕生於這些平台之中。相當了不起，對吧？因此我們非常高興能與這些行業夥伴合作。正如我們已將輝達整合到 Palantir 及其服務中，現在我們正將輝達融入計算密集型模擬行業——Synopsys 和 Cadence。今天，我們宣佈西門子也將採取同樣舉措。我們將把CUDA-X、物理AI、智能體AI、NeMo、Nemotron深度整合到西門子的世界中。原因如下：首先，我們設計晶片，未來所有晶片都將實現加速運算。我們將與智能體專家、晶片設計師及系統設計師攜手合作，共同推進設計工作——正如如今智能體軟體工程師協助我們的軟體工程師編寫程式碼那樣。因此我們將擁有智能體晶片設計師和系統設計師。我們將在這其中創造，但隨後必須建造。我們需要建造工廠——那些製造工廠，我們必須設計裝配生產線。而這些製造工廠本質上將成為巨型機器人。難以置信。不是嗎？所以機器人將在電腦裡被設計出來，在電腦裡被製造出來，在電腦裡被測試和評估——這一切都發生在機器人真正接觸重力之前（面世之前）。現在我們創造的技術已經達到了如此精妙和強大的水平，能夠幫助他們革新自己的行業。來看看我們和西門子要合作的事項吧。“物理人工智慧領域的突破正推動人工智慧從螢幕走向現實世界。這一處理程序恰逢其時——當全球各地紛紛興建晶片、電腦、救命藥物及人工智慧工廠之際，面對日益嚴峻的全球勞動力短缺問題，我們比以往任何時候都更需要物理人工智慧與機器人技術驅動的自動化解決方案。人工智慧與全球最大實體工業的交匯點，正是輝達與西門子近兩百年來合作的基礎。西門子締造了全球工業體系，如今正為人工智慧時代重塑工業格局。西門子正將輝達 CUDA X 庫深度整合至其系統。輝達將物理 AI 融入其電子設計自動化（EDA）、C 語言、A 語言及數字孿生工具與平台的組合中。我們正攜手將物理 AI 應用於整個工業生命周期——從設計與模擬到生產與營運。我們正站在新一輪工業革命的起點，這個由輝達與西門子共同建構的物理 AI 時代，將引領工業邁向全新紀元。”迎接計算量指數級增長，重新發明AI——突破運算新邊界的Vera Rubin時代，全端整合的高效“AI工廠”迎接計算量指數級增長，輝達繼續突破運算新邊界，Vera Rubin時代正式開啟所以縱觀全球模型，OpenAI 無疑是頭號 token 生成器。如今它生成的 token 數量遠超其他任何模型。第二大陣營——很可能是開源模型。我預測隨著時間推移，由於眾多公司、研究者以及不同領域和模態的參與，開源模型終將佔據絕對主導地位。讓我們聊聊一位真正特別的人物。你們想聊聊嗎？來談談維拉·魯賓吧。她是美國天文學家，首次觀測到星系尾部的運動速度竟與星系中心相當。這聽起來很荒謬。牛頓物理學認為，就像太陽系一樣，離太陽越遠的行星繞太陽公轉的速度就越慢。因此，除非存在看不見的物體，否則這種現象就無法解釋。我們稱之為暗物質——她發現的暗物質佔據著空間，儘管我們看不見它。因此，維拉·魯賓就是我們下一台電腦的命名來源。Vera Rubin 的設計正是為解決我們面臨的這個根本性挑戰。人工智慧所需的計算量正在呈指數級增長，對輝達 GPU 的需求也在激增。這種激增源於模型規模每年以十倍的速率增長——整整一個數量級。更不用說，正如我提到的，o1 的推出標誌著人工智慧的轉折點：推理不再是一次性解答，而是成為了一個思考過程。為教會 AI 思考，強化學習及其海量計算需求被引入訓練後階段。這已不再是監督式微調（亦稱模仿學習或監督訓練），而是強化學習——電腦通過反覆迭代嘗試，自主學習任務執行方式。預訓練、後訓練及測試階段的計算量因此呈指數級增長。如今我們每次推理時，不再僅限於單次嘗試，而是能觀察到 AI 系統持續思考的過程——這種特性令人欣喜。思考時間越長，往往能得出更優解。測試時 Scaling（Test-Time Scaling）導致每年生成的 token 數量激增 5 倍。更不用說，人工智慧領域的競賽早已全面展開。人人都在衝刺新高度，爭相開拓新疆域。每當抵達新前沿，上一代 AI token 的成本便以每年 10 倍的速度遞減。這種逐年十倍的降幅實則傳遞著另一層訊號：競爭如此激烈，人人都在衝刺新高度，而總有人率先抵達。因此本質上這是場計算能力競賽——運算速度越快，越能率先突破新邊界。所有這些變革都在同一時刻同步發生。因此我們決定必須年年推進計算技術的進步，絕不讓任何一年落後。如今我們已量產 GB200 系列整整一年半，目前正全面投產 GB300 系列。若 Vera Rubin 要趕上今年進度，此刻必須已投入生產。今天我可以告訴各位，Vera Rubin 已全面投產。 各位想看看嗎？開始播放吧。“Vera Rubin 恰逢其時，迎來了人工智慧的新紀元。這是我們打造它的故事。其架構由六顆晶片構成，經精心設計可協同運作。源於極致的程式碼設計，它始於 Vera——一款定製設計的 CPU，性能較上一代提升一倍。以及Rubin GPU。Vera 與 Rubin 自始便協同設計，實現雙向、一致的資料共享，速度更快，延遲更低。隨後，17,000 個元件匯聚於 Vera Rubin 計算主機板。高速機器人以微米級精度完成元件安裝，待Vera CPU 與兩枚 Rubin GPU 就位後，整機即刻啟動——其人工智慧運算能力達 100 兆次浮點運算，較前代提升五倍。人工智慧需要高速資料傳輸。Connect X9 為每個 GPU 藍域提供每秒 1.6TB 的橫向擴展頻寬，配備 4 個 DPU 解除安裝儲存與安全模組，確保計算資源完全專注於 AI 任務。全新設計的 Vera Rubin 計算托盤摒棄了所有線纜、軟管和風扇，採用藍域設計，整合四組 DPU、八個 Connect X9 網路卡、兩顆 Vera CPU 及四塊 Rubin GPU。Vera Rubin 是人工智慧超級電腦的計算基元。其核心是第六代 NVLink 交換機，其資料傳輸量超越全球網際網路，連接 18 個計算節點，可擴展至 72 個 Rubin GPU 協同運作。配合 Spectrum X 乙太網路光子學技術——全球首款配備 512 通道、支援 200 千兆位速率的整合封裝光模組乙太網路交換機。數千機架匯聚成 AI 工廠。自設計啟動以來歷經 15,000 人年的研發，首台 Vera Rubin NVL72 機架正式上線。六款突破性晶片、18 個計算托盤、9 個 NV 鏈路交換托盤、220 兆個電晶體，整機重達近兩噸。這是邁向 AI 新邊疆的偉大飛躍。Rubin 時代已然來臨。”詳解Vera Rubin架構：極端協同設計、Vera CPU與Rubin GPU耦合、黑科技NVFP4你們覺得怎麼樣？這是個 Rubin 叢集。1152 個 GPU 和 16 個機架。每個機架，你們知道的，裝有 72 個 Vera Rubin 或 72 個 Rubin。每個 Rubin 實際上是由兩個 GPU 晶片組成的。我這就給你們展示。不過有幾件事，我稍後再告訴你們。 我不能立刻告訴你們所有細節。我們設計了六種不同的晶片。首先，我們公司內部有一個原則：每代產品中，晶片變更數量不應超過一到兩種。但問題在於——正如您所見，我們描述的是每款晶片中電晶體的總數。我們深知摩爾定律已大幅放緩，因此每年能實現的電晶體數量根本無法跟上十倍規模的晶片模型。它無法應對每年五倍增長的 tokens 生成量，更無法應對 token 成本將急劇下降的現實。要維持這種增長速度根本不可能。除非我們採取激進的極端協同設計策略——即在所有晶片層級、整個技術堆疊中同步創新——否則行業將難以持續進步。這正是我們決定在本代產品中重構所有晶片設計的根本原因。我們剛才描述的每款晶片，本身都足以成為一場新聞發佈會的主角。在過去，可能會有整家公司專門負責這件事。每款晶片都堪稱革命性突破，是同類產品中的佼佼者。Vera 處理器。我為它感到無比自豪。在一個受功率約束的世界裡，它的性能是上一代的兩倍，每瓦性能是世界上其他最先進 CPU 的兩倍；其資料傳輸速率令人驚嘆，它專為處理超級電腦而設計。Grace 曾是卓越的 GPU。如今維 Vera 大幅提升了單線程性能，擴展了記憶體容量，全面實現了突破性增長。這真是個了不起的突破。這是 Vera 中央處理器。這是一顆 CPU，它連接到 Rubin 圖形處理器。瞧瞧這大傢伙，簡直像艘巨型戰艦。現在要介紹真正特別的部分——我得用三隻手，不，四隻手才能展示清楚。這些 CPU 擁有 88 個處理器核心，每個核心都採用多線程設計。但 Vera 的多線程特性經過特殊設計，確保 176 條線程均能發揮完整性能。本質上相當於擁有 176 個線程，卻僅需 88 個物理核心。這些核心採用空間多線程技術建構，其 I/O 性能令人驚嘆。這是 Rubin GPU，其浮點運算性能達到 5 倍於 Blackwell 的水平。但重要的是，歸根結底，它只有 Blackwall 電晶體數量的 1.6 倍。這多少能說明當今半導體物理的水平。如果我們不做協同設計，如果我們不在系統中幾乎每一顆晶片上做極端的協同設計。我們怎麼可能每年最多交付 1.6 倍的性能？因為那是你擁有的電晶體總數。即使你每個電晶體的性能稍微高一點，比如 25%，你也很難從你獲得的躍遷次數中達到 100% 的良率。所以 1.6 倍的比例在每年性能的提升上設了上限，除非你採取極端措施，我們稱之為極端的協同設計。我們做過的一項很棒的發明叫做 NVFP4 Tensor Core。我們晶片內的變壓器引擎不僅僅是一個4位浮點數，我們以某種方式將其放入資料路徑。它是一個完整的處理器，一個處理單元，能夠動態自適應地調整其精度和結構，以應對變壓器的不同層級，從而在可能丟失精度的地方實現更高的吞吐量，並在需要的地方恢復到最高精度。這種動態實現的能力，在軟體中是做不到的，因為顯然運行速度太快了。所以你必須能夠在處理器內部自適應地實現。這就是 NVFP4 的定義。當有人說 FP4 或FPA ，對我們來說幾乎毫無意義。原因在於張量核心結構和所有演算法使它得以運作。NVFP4，我們已經發表過相關論文。吞吐量和精度能夠保持的精確度，令人難以置信。這是開創性的成果。我不會驚訝業界希望我們未來將這種格式、結構和行業標準制定。這完全是革命性的。這也是我們能夠實現如此巨大的性能提升的原因，儘管我們只有電晶體數量的 1.6 倍。高效的“AI工廠”系統：“液冷底盤+銅纜背板+矽光子乙太網路”的全端整合我們徹底革新了整個 NGX 底盤。這個節點，43 根電纜，零電纜，6 根管子。以前組裝這個如果幸運的話，花兩個小時。當然，你很可能會組裝錯。你得反覆測試、測試、重新組裝。組裝過程非常複雜。這也是可以理解的，因為我們最早的超級電腦之一就是這樣分解的，從兩小時到五分鐘，80%液態煤，100%液冷。是的，真的是一次突破。這就是新的電腦箱，將這些連接到頂層機架交換機、處理東西向流量的，叫做Spectrum-X網路卡。這毫無疑問是世界上最好的網路卡。收購的Melanox很久以前加入我們，他們用於高性能計算的網路技術是世界上無可挑剔的。演算法、晶片設計、所有互連、運行在其上的軟體棧、RDMA，都是世界上最好的。現在它具備了可程式設計的 RDMA 和資料路徑加速器的能力，讓我們的合作夥伴像 AI Labs 這樣可以建立自己的演算法，來處理系統中的資料，但這完全是世界級的。Connect X9 和 Vera CPU 是共同設計的，我們從未公開過，也從未發佈過，直到Connect X9 出現，因為我們共同設計了新的處理器類型。眾所周知，我們的 CX8 和 Spectrum X 徹底革新了人工智慧乙太網路的應用方式。AI的乙太網路流量強度更大，延遲也更低。流量瞬間激增，是乙太網路從未見過的。於是我們建立了Spectrum X，也就是AI乙太網路。兩年前，我們宣佈了 Spectrum X。如今，輝達是世界上最大的網路公司。所以它非常成功，被用於許多不同的裝置中，簡直是大範圍的。人工智慧領域的性能令人難以置信，尤其是當你擁有 200 兆瓦的資料中心或千兆瓦資料中心時。這些資料中心價值數十億美元，比如千兆瓦的資料中心，價值 500 億美元。如果網路性能允許你額外提供 10%。以 Spectrum X 為例，吞吐量提升 25% 並不罕見。如果我們只交付 10%，那就價值 50 億美元，網路完全免費，這也是為什麼大家都用 Spectrum X。這真是一件令人難以置信的事情。現在我們將發明一種新的資料處理方式。因此，東西向流量的頻譜接入，我們現在有了一種叫 Bluefield 4 的新處理器，它讓我們能夠將一個非常非常非常大的資料中心隔離出不同的部分，讓不同的使用者可以使用不同的部分，確保如果他們決定虛擬化，一切都可以實現虛擬化。這樣，你就能解除安裝很多虛擬化軟體、安全軟體以及南北向流量的網路軟體。因此， Bluefield 4 在所有這些計算節點上都是標配的。Bluefield 4還有第二個應用，我馬上會介紹。這是一台革命性的處理器，我對它感到非常興奮。這是 NVLink-6 開關，就在這裡。這個交換晶片，在 NVLink 交換機內部有四個。這些交換晶片中的每一個都是歷史上最快的30秒（性能）。全世界的速率才勉強達到 200 吉位元。這是一個 400 吉位元每秒的交換機。這之所以如此重要，是因為這樣我們就能讓每一塊 GPU 同時與其他 GPU 通訊。這個機架背板上的交換機使我們能夠以兩倍的速度傳輸相當於全球網際網路資料兩倍的總量。把整個地球網際網路的橫截面頻寬當作大約 100 TB 每秒，這是每秒 240 TB。所以這讓我有了更清晰的視角。這樣每塊 GPU 就能同時與其他所有 GPU 協同工作。後面是 NVLink 脊柱，基本上是兩英里長的銅纜。銅導體是我們所知最好的導體。這些都是遮蔽銅纜，結構銅纜，是世界上有史以來電腦系統中使用最多的銅纜。我們的 30MHz 則以 400 吉位元每秒的速度將銅纜從機架頂部一直驅動到機架底部。因此，這裡有 2 英里的銅纜，5000 根銅纜，這使得 NVLink 脊柱成為可能。這才是真正開啟 NGX 系統的革命。現在我們決定建立一個行業標準系統，讓整個生態系統、整個供應鏈都能對這些元件進行標準化。這些 NGX 系統由大約 8萬個不同的部件組成。而且每年都改變它完全是浪費精力，從富士康到廣達、威創，名單還在不斷，惠普、戴爾和聯想。每個人都知道如何建構這些系統。所以我們能把 Vera Rubin 整合其中，而且非常重要的是，功耗也高了一倍。Vera Rubin 的功耗是Grace Blackwell 的兩倍。然而，奇蹟是，進入它的空氣流量差不多。非常重要的是，進入水中的水溫度相同，45攝氏度。在45攝氏度的情況下，資料中心無需使用水冷機。我們基本上用熱水給超級電腦降溫，效率極高。這就是新的機架，電晶體數量是 1.7 倍，但峰值推理性能是它的 5 倍，峰值訓練性能是它的 3.5 倍。它們是用Spectrum X連接的。這是全球首款採用台積電新工藝 Coupe 的製造晶片，我們共同創新了 Coupe，這是一種矽光子學整合矽光子學工藝技術。這使得我們可以直接將矽光子學帶到晶片上。這是 512 個連接埠，速度為 200 吉位元每秒。這就是新的乙太網路 AI 交換機，Spectrum X 乙太網路交換機。看看這艘巨大的飛船。但真正令人驚訝的是，矽光子學直接連接到了它。雷射也進來了。雷射從這裡進來，光學裝置也在這裡，並連接到資料中心的其他部分。這就是新的Spectrum X 矽光子開關。正如我幾年前提到的，我們推出 Spectrum X 是為了重新定義網路建設的方式。乙太網路管理非常簡單，每個人都有乙太網路堆疊，世界上每個資料中心都知道如何處理乙太網路。當時我們唯一用的是所謂的InfiniBand，這用於超級電腦。InfiniBand 延遲非常低，但軟體棧，也就是 InfiniBand 的整體管理性，對使用乙太網路的人來說非常陌生。因此，我們決定首次進入乙太網路交換機市場。Spectrum-X一經推出就大獲成功，讓我們成為全球最大的網路公司。正如我提到的，下一代 Spectrum X 將延續這一傳統。AI時代的儲存革命：BlueField-4驅動的分佈式KV儲存，具備驚人的記憶體擴展能力但正如我之前說的，人工智慧已經重新定義了整個計算堆疊，每一層計算。可以推測，當人工智慧開始在全球企業中應用時，儲存的運作方式也將被重新定義。其實，人工智慧並不使用 SQL。AI 使用語義資訊。當人工智慧被使用時，它會創造一種臨時知識，即臨時記憶，稱為 KV 快取，基本上是 AI 的工作記憶。而 AI 的工作記憶儲存在HBM記憶體中。對於每一個 token，GPU都會讀入整個模型、整個工作記憶體，產生一個token，然後將這個token存回KV快取。下一次這樣做時，它會讀取整個記憶體，然後通過我們的 GPU 流式傳輸，然後生成另一個 token。它反覆這樣做，一個又一個 token。顯然，如果你和 AI 進行長時間的對話，上下文記憶會大幅增長。更不用說模型也在不斷增長。我們使用的回合數，AI 數量也在增加。我們希望這個人工智慧能陪伴我們一生，記住我們與它的所有對話，對吧？當然，隨著共享超級電腦的人數增加，要求的每一個研究連結都會持續增長。因此，這個最初能放進 HBM 的上下文記憶體，現在已經不夠大了。去年，我們建立了 Grace Blackwell 的快速上下文記憶體，這就是為什麼我們將Grace 直接連接到 Hopper，直接連接到 Blackwell，以擴展上下文記憶體。但即便如此，這還不夠。所以，下一個解決方案當然是走網路。但是，如果有大量 AI 同時在運行，網路將不再足夠快。所以答案很明確：需要一種不同的方法。因此，我們引入了 BlueField-4，，這樣我們就能在機架中儲存一個非常快速的 KV 快取上下文儲存。我馬上給你演示，但還有一整類全新的儲存系統。業界非常興奮，因為這幾乎是所有現在大量 tokens 生成者的痛點——AI實驗室、雲服務提供商，他們真的受困於KV快取移動所導致的網路流量。因此，我們創造了一個新平台，一個新的處理器來運行整個 Dynamo KV 快取，上下文記憶體管理系統，並將其放在非常靠近機架其他部分的地方，這完全是革命性的。每個這樣的機架後面有四個 BlueField-4。每個 BlueField-4 後面有 150 TB的上下文記憶體。分攤到每個GPU上，每個GPU將獲得額外的 16 TB 記憶體。現在，在這個節點內部，每個 GPU 原本大約有 1 TB 記憶體。現在有了這個位於同一條東西向流量上、資料速率完全相同（每秒200Gb）的支撐儲存，橫跨整個計算節點的網路結構，你將獲得額外的 16 TB記憶體。Vera Rubin的終極表現：節省6%整體電力、端到端機密計算、功率平滑的電力最佳化、通往前沿模型的速度和性能飛躍這是管理平面。這些是連接所有裝置之間的Spectrum X交換機。在另一邊，這些交換機在末端連接它們和資料中心的其他部分。這就是 Vera Rubin。這裡有幾件事真的很令人難以置信。我首先提到的是，整個系統的能效是溫度性能的兩倍，也就是說即使功率是兩倍，消耗的能量也翻倍，計算量也遠遠超過這個數值。但進入它的液體溫度仍然是45攝氏度。這使我們能夠節省約6%的資料中心電力。所以這非常重要。第二個非常重要的點是，整個系統現在實現了機密計算安全，意味著所有內容在靜止和計算過程中都被編碼，每一條匯流排都被加密了。每個PCIe、每個NVLink、每個HBM……CPU與記憶體、CPU與GPU之間、GPU與GPU之間，一切現在都是加密的；所以它是保密的，計算安全。這讓企業可以放心，因為他們的模型被別人部署了，但這些模型永遠不會被別人看到。所以這個系統不僅極其節能，還有一件非常重要的事情。由於人工智慧的工作負荷特性，它會瞬間激增，這個叫做“全歸約”的計算層所使用的電流量、能量同時飆升，常常會突然激增 25%。現在，我們在整個系統中實現了功率平滑，這樣你就不需要過度配置 25% 的容量，或者如果你過度配置了，你也不必讓那 25% 的能源被浪費或閒置。現在，你可以用滿整個功率預算，而不需要過度配置。最後當然是性能。那麼我們來看看它的性能。這些圖表只有那些製造人工智慧超級電腦的人會喜歡。它需要精確完成，每一塊晶片都完成了。重新設計每一個系統，並重寫整個技術堆疊，使這成為可能。基本上，這就是訓練 AI 模型，第一列，你訓練得越快，就能越快將下一個前沿推向世界。現在是你推銷市場的好時機。這就是技術領導力。這就是你的定價權。比如綠色部分代表一個 10 兆參數模型（我們稱之為DeepSeek++），需要基於100 兆 token 進行訓練。這就是我們對建構下一個前沿模型所需條件的模擬預測。下一個前沿模型（埃隆已經提到，我認為 Grok 5 的下一版本是7兆參數），綠線是 Blackwell。而在 Rubin 的情況下，在我們給出的時間——一個月內訓練模型所需的時間僅為四分之一。時間對每個人來說都是一樣的。現在，你能訓練模型的速度和速度，以及能訓練多大的模型，就是你能先到達前沿的方法。第二部分是工廠的吞吐量。綠線仍是 Blackwell。工廠吞吐量很重要，因為以千兆瓦為例，工廠價值是 500 億美元。一個價值 500 億美元的資料中心只能消耗 1 吉瓦的電力。所以，如果你的性能、每瓦吞吐量非常好或很差，這直接對應到資料中心的收入，這與第二列直接相關。而 Blackwell 的案例則是 Hopper 的十倍。Rubin 在此基礎上再提升 10 倍。而生成 token 的成本，Rubin 降到 1/10。這就是我們如何讓大家邁向下一個前沿，推動人工智慧邁向新高度，建設這些資料中心時既能效又省成本。輝達正在建構整個系統：從晶片到基礎設施、從模型再到應用，建立整個技術堆疊，重新發明AI這就是今天的 Nvidia。我們製造晶片，但正如你所知，輝達現在建構整個系統，完整的全端 AI 系統——我們正在從晶片到基礎設施、從模型再到應用的各個方面重新發明人工智慧。我們的工作是建立整個技術堆疊，讓你們都能為全世界創造出令人難以置信的應用。感謝大家的到來。祝你CES愉快！在讓你們走之前，有一大堆幻燈片我們得剪輯，必須留在剪輯區。所以我們這裡有一些未播花絮。我想你會覺得很有趣。祝大家好運！ (王錚Silvia)

它們開始學會感受，而不僅僅是感知過去幾十年，機器人被定義為精準、力量和速度的象徵。但它們一直缺少一種更為微妙的能力：觸覺。沒有觸覺，機器在完成人類本能般的任務時會顯得笨拙——比如握住易碎物品，或在動作中途調整力度。人造皮膚正在改變這一現狀，讓機器人不僅能“探測”接觸，更能真正“感受”它。在CES 2026上，這一轉變以實用化的方式呈現在我們面前。人造皮膚不再只是實驗室的概念，而是作為工作層被整合到機械手和機器人表面，聚焦於控制、靈敏度和可靠性。01 觸覺革命：從“看到”到“感到”傳統機器人依賴視覺系統判斷物體的形狀與位置，但觸覺解釋的是互動本身。當機器人能感知壓力與運動時，它就能即時調整自己的行為。這對於處理尺寸、材質、脆弱度各異的物品至關重要。有了人造皮膚，機器人可以操作那些曾經必須由人類小心翼翼處理的物品，能安全應對意外接觸，也能在與人共享的空間中工作，同時保持對物理邊界的感知。這種靈敏使機器人更具靈活性，不再需要為每項任務進行精確程式設計。人造皮膚通常由柔軟、富有彈性的材料製成，內部嵌入密集排列的微型感測器陣列。這些感測器能記錄壓力、運動及表面的細微變化。每一次接觸都會產生資料，讓機器人不僅知道物體在那兒，更能理解它“摸起來怎麼樣”。現代設計追求輕薄與快速響應。有些系統能在小面積內容納數百個感應點，並以每秒數千次的頻率讀取資料。處理過程在靠近表面的地方完成，使反應幾乎即時發生——比如物體剛開始滑動就放鬆握力，或處理脆弱物品時自動減小力度。觸覺因此成為一種連續訊號，而不再是簡單的“開/關”響應。02 技術突破：從指尖到全身的感知覆蓋早期觸覺感測器只能安裝在指尖或小型接觸點上。新的人造皮膚系統則能包裹彎曲表面，覆蓋手指、手掌、手臂甚至更大面積的體表。實現全身表面感知後，機器人對接觸有了更完整的理解。手臂的一次輕碰或肩部的輕推，不再是無關訊號，而是有意義的輸入。這種感知水平支援更安全的移動和更自然的互動。一些系統還支援在壓力超過安全閾值時快速啟動保護性反應，防止對機器人自身及周圍環境造成損壞。覆蓋複雜曲面一直是人造皮膚開發的難點。平面的觸覺網格在平坦表面上表現良好，但在彎曲的機械臂或手上則行不通。如今先進的設計採用模組化圖案，像瓷磚一樣平滑拼接，貼合非平面結構。這些系統將感應模組與嵌入式計算直接整合在感應層中，避免了笨重的線纜和緩慢的資料傳輸路徑。這使得觸覺覆蓋具備可擴展性——機器人不僅指尖有感覺，整個手掌、手背乃至前臂都能擁有感官意識。03 前沿玩家：將概念變為現實應用多家公司正在將人造皮膚從概念轉化為機器人真正可用的工作系統。XELA Robotics是其中的傑出代表，其開發的觸覺感測系統uSkin令人印象深刻。這種多層感測器結合了柔性保護表面與密集的三軸感測模組，能測量機器人的握力鬆緊、追蹤物體在抓握中的移動，並在手掌和手指表面提供詳細的觸覺反饋。該系統已與多家製造商的現有機械手和夾持器整合，使為真實機器人升級類人觸覺感知變得更加容易。另一家引起關注的公司是Ensuring Technology。其觸覺平台包含多種感測器，其中Tacta能在每平方釐米內容納數百個感應元件，並即時提供高解析度觸覺資料。在演示中，一隻完全覆蓋該層的機械手展示了指尖到手掌的觸覺覆蓋如何賦予機器人密集的、類人的接觸感。Ensuring 的HexSkin系統則專為覆蓋更大曲面設計，無需笨重布線即可讓整個手臂或身體具備觸覺敏感性。這些進展使機器人能夠更高效、更低成本地解讀接觸訊號。除此以外，該領域其他方面也在進步。新興公司正在創造可媲美人類敏感度的高密度觸覺膜，研究團隊則在開發能夠檢測細微力量甚至溫度變化的柔性感測器。隨著時間的推移，這些技術將為機器人安全、直觀地與環境和人類互動開闢新的可能性。04 超越機器人：觸覺連接更廣闊的世界人造皮膚在傳統機器人領域之外也扮演著重要角色。在假肢中，觸覺層為使用者恢復了物理反饋感。感受握力強度、材質或溫度，能提升日常任務中的控制力與信心。該技術的可穿戴版本為康復和健康監測提供了新可能。由於材料柔軟靈活，它們能融入日常生活而不顯突兀。在這些應用中，觸覺成為連接的來源，而非限制。展望未來，隨著材料改進和設計更加堅固，人造皮膚將持續進化。方向已然清晰：機器人正獲得通過感覺而非僅僅計算來與物理世界互動的能力。隨著這項技術成熟，機器人將在那些需要細心、適應性和安全性的空間中變得更加強大。觸覺為運動加入上下文，使機器能夠做出細緻入微的反應。機器人學會感受，標誌著一個安靜卻意義深遠的轉變。人造皮膚是讓機器更接近我們日常所體驗的物理世界的那一層。當機器人不僅能看見、能移動，還能真正“觸摸”時，它們與人類協作、融入我們生活的潛力將變得無限廣闊。 (AI馭物誌)

“‘晶片短缺’將成為過去，未來的危機是‘變壓器’和電力，而中國‘正在把我們甩得連尾燈都看不見’。” ——埃隆·馬斯克近年來，科技圈發佈開年“預言”已漸成風潮。在“科技春晚”CES上，黃仁勳、蘇姿丰、陳立武等輪番登場，“物理AI”“端側智能”概念刷屏，CES之外，馬斯克在一場長達3小時的硬核對話中，發表了他對未來的新見解。在特定條件下，預言具備自我實現的能力——尤其當預言者手握巨額資金和全球影響力時。他們的發言，表面上是商業敘事，實質上也在為未來勾勒行動路線圖。在諸多前瞻中，馬斯克的版本雖充滿了科幻色彩，卻最為“親民”。他直言：“不要再為了20年後的退休辛苦攢錢了，那沒意義。”在他看來，在“機器人+AI”蓬勃發展的背景下，人類將擁有極其豐沛的物資，不需要再為生存而工作。馬斯克2026首次訪談然而，實現這一願景有一個關鍵前提：能源基建。原因在於，無論是AI還是機器人，都是“電老虎”，未來的AI競爭本質上是能源供應能力的競爭。以此衡量當下，馬斯克盛讚中國，並進一步預言：“晶片短缺”將成為過去，未來的危機是“變壓器”和電力，而中國“正在把我們甩得連尾燈都看不見”。馬斯克的預言，看似指向遠方，實則揭示了近在眼前的困局。歐美“電荒”任何一次技術飛躍，都不免會撞上物理世界的天花板。這正是馬斯克們當下最為頭疼的問題：缺電。AI的盡頭是算力，而算力的盡頭是電力。一座超大型AI資料中心消耗的電量，足以支撐一座幾十萬人口城市的用電需求。目前，美國境內共有4000多個資料中心分佈在美國全境，消耗了全國5%的電力，而十年前這個比例是2%。國際能源署則預測，到2030年，這些新電老虎將吞噬美國10%的電力。為實現“用電自由”，馬斯克旗下的xAI耗時122天，用35台自持大型燃氣輪機和特斯拉的巨型電池，建構獨立微電網支撐資料中心。他甚至從海外買下一整座發電廠的裝置，拆成零件後運回美國。xAI資料中心外的燃氣渦輪機Google買下了擅長用太陽能和清潔能源的發電公司；Meta、OpenAI則大手筆投資了核電站。建造一座資料中心，最快只需18個月；但與之配套的發電站、輸電線路從規劃、審批到建成並網，往往需要耗時數年，“速度差”是硬傷。因此，美國缺電的情形恐將持續很長一段時間，摩根士丹利警示，到2028年，AI驅動下的資料中心將造成高達20%的電力缺口，峰值相當於3300多萬美國家庭的用電總量。事實上，電荒已經困住了美國普通家庭。在資料中心密集的北卡羅來納州、弗吉尼亞州等地，居民電費在過去三年裡平均上漲了25%，不少家庭每月不得不為電費多掏上百美元。美國老化的電網更是雪上加霜。根據美國能源資訊署的資料，美國60—70%的輸配電線路以及變壓器執行階段間已超過30年，接近或超過設計壽命，故障機率遠高於新線路。對不少美國社區而言，區域性停電已成家常便飯。美國老化電網難以應對高溫等極端天氣中國企業華寶新能觀察發現，北美家庭正遭受“雙重夾擊”：一邊是長期存在的電網不穩定與電價高企，另一邊是資料中心擴張帶來的新增負荷壓力，使局面愈發嚴峻。華寶新能主打海外市場，如今業務已覆蓋全球50多個國家和地區。2017年，華寶新能陸續進入北美、日本、德國等核心市場，聚焦庭院勞作、戶外露營、家庭應急等場景下的靈活用電需求。而在經歷北美市場2019年以來通膨與資料中心建設引發的電費飆漲後，他們發現，應急儲備與家庭能源自主，已成為當地使用者的新剛需。2025年前三季度，華寶新能在北美市場的營收同比增長40.52%。此外，從華寶新能的角度看，電力焦慮並非北美獨有。2025年前三季度，其在歐洲市場更是同比激增132.30%。在積極推進能源轉型的歐洲，基礎設施更新卻步履蹣跚，極端天氣引發的電荒屢見報端。2025年4月，西、葡、法三國大停電，成為歐洲近20年最嚴重電網崩潰；到了6—8月，極端高溫誘發西班牙多次爆發停電危機，電價一度飆升至380歐元/兆瓦時（正常為50—80歐元）。2025年4月，西班牙多地區斷電超12小時全年下來，歐盟全境平均停電時間同比增加150%，其中，可再生能源佔比超50%的國家中，頻率波動事件增加3倍。中國方案歐美電荒，之所以備受華寶新能等中國企業關注，關鍵在於，中國在全球電力變革中，扮演了舉足輕重的角色。如果像馬斯克所預言的那樣，能源（電力）是未來貨幣的話，那麼中國握有最強的“印鈔機”。剛剛出爐的資料顯示，2025年，中國全社會用電量累計103682億千瓦時，在全球單一國家中尚屬首次，相當於美國全年用電量的兩倍多，超過歐盟、俄羅斯、印度、日本四個經濟體的年用電量總和。若按新國標電動汽車百公里耗電15度計算，這些電足夠1.5億輛車從地球駛到月球。這背後，是中國令人矚目的供應能力與能源韌性。截至2025年底，中國已建成全球門類最全、規模最大的能源體系，全國發電裝機容量突破37.2億千瓦，其中可再生能源裝機達22億千瓦以上，佔比超60%，風光發電裝機連續多年穩居世界第一，合計佔全球總量近47%。同時，我們還擁有全球規模最大的特高壓輸電網路，總里程超7萬公里，輸電效率高達99.5%。中國特高壓1000千伏輸電線路工程如此龐大的清潔能源基本盤，不僅支撐著內部運轉，自然也孕育出了能夠回應全球能源焦慮的“中國方案”。高盛最新的研究指出，全球電網裝置正處於“結構性短缺”狀態，在此背景下，中國電力裝置企業憑藉極高的交付效率、全產業鏈的成本優勢以及在特高壓領域的先行技術，正從“國內供應商”向“全球挑戰者”轉型。在解決海外能源荒的問題上，中國的解題思路是雙重的。在宏觀“基建側”，中國製造的智能電網裝置、高效太陽能元件與大型儲能系統，構成了各國能源基礎設施升級的硬體基石。在2025年的全球AI資料中心建設熱潮中，含高端變壓器在內的機電產品出口額佔中國外貿總值六成以上。中國電力裝置行業，擁有從原材料到核心零部件再到整機整合的完整鏈條，在維持毛利的前提下，成本是歐美同類產品的30%—40%；中國龍頭企業的變壓器交付周期為6—9個月，而相關對手的周期是2—3年，能充分滿足人工智慧時代“爭分奪秒”的迭代需求。在微觀的“消費側”，應對歐美“電網不穩”與“用電場景多元”的雙重需求，中國企業洞察到，使用者的需求早已超越“儲電裝置”，而是需要一套讓家庭作為“發電主體”的智慧能源解決方案。如果把傳統電網比作一條“大水漫灌”的主幹渠，其配送電力到“毛細血管”網路，卻極不穩定，整個系統單向且缺乏敏捷性。而智慧能源管理，本質上是一套 “混搭”方案：以傳統電網作為主幹，與此同時，以消費級綠色能源如可攜式太陽能板為輔助，配以儲能電池托底。當前，在歐美電網基建短期難以改善的前提下，這套輔助方案成了普通家庭更務實的選擇，幫助他們自下而上實現“能源自主”。需求之下，以華寶新能為例，其業務邏輯也從單純供應“便攜光儲”，邁向建構智能化、自動化的“全方位家庭綠電生態系統”。其產品線從便攜光儲延伸至陽台光儲、光儲機器人及曲面太陽能瓦屋頂光儲等全方位家庭光儲產品佈局，成為全球唯一聚焦消費級太陽能儲能的企業。陽台光儲換言之，中國不僅在能源基建上佔據優勢，也在能源消費場景探索中處於領先地位。未來圖景吳老師說過，想像未來的最好方式，就是將其創造出來。如果說過去科技大佬構想未來圖景，如今中國製造這台“工業克蘇魯”正以務實方式“列印”出更具體的實物。CES 2026展上，華寶新能展示了全球首款光充儲一體化智慧型手機器人，這款光儲火星機器人頂部搭載可折疊柔性太陽能板，具備向日葵般的智能追光功能，即時追蹤光照角度以最大化太陽能轉化效率；機器人內建AI視覺導航系統與避障演算法，可自主在庭院、戶外空間移動並精準規避障礙物，實現無人化自主作業；核心儲能與調度模組，能智能平衡“發電-儲能-供電”全鏈路，實現能源高效流轉。光儲火星機器人在華寶新能的藍圖中，這款機器人不僅能實現能源的“自給自足”，也能“跟著”各類機器人、AI裝置實現隨時充電，實現從“人找電”到“電隨人動”的革新。一定程度上，它代表了“中國能源方案”的未來方向：從上百年來被動式的能源獲取模式進化為主動式的綠色能源解決方案。正如吳老師所言：“過去十年，中國是全球最激進的產業智能化的試驗場；未來十年，中國將建構全球最先進的人工智慧工廠叢集。”吳老師談中國人工智慧工廠叢集依照“十五五”規劃的設計，我們將繼續強化基礎支撐，打造“算力像電力一樣隨取隨用”的新型基礎設施；與此同時，深化重點推進“人工智慧+製造”“+醫療”“+農業”“+能源”“+交通”等垂直領域應用，此外，鼓勵企業開發智能體、數字分身、人機協同系統，將AI作為企業重要的增長極。然而，無論是過去的“網際網路+”，還是如今的“人工智慧+”，中國產業仍將延續其獨特的發展邏輯：我們核心優勢並非一味追求單項技術的原始突破，而是像拼裝樂高般，對成熟產業鏈與前沿技術進行“復合組建”的系統性能力。代入到“AI+能源”的命題時，中國企業給出的其中一個答案，將太陽能、儲能、AI、機器人等技術模組，結合未來生活場景進行創造性重組。這背後，既需要依託中國完備的產業鏈支撐，也需要中國領先企業正從全球市場的“產品供應商”，升級為未來生活方式的“生態定義者”——不僅輸出硬體，更在輸出一套新標準。總體而言，馬斯克預言中那個能源社會的藍圖，其細節的豐富，正被中國產業界以這種務實的“復合創新”智慧，一筆一畫地寫入現實。有時候，未來的答案從不在遠方，或許就在屋頂、陽台以及一台會追光的機器人身上。結語黃仁勳曾說：“AI的終點不是取代人類，而是放大人類的能力。”而在中國產業的脈絡中，這種“放大”正力圖從工廠延伸至每個家庭。而那盞被馬斯克羨慕的“車尾燈”，正組裝在一輛名為“系統性能源能力”的列車，它在基礎設施、製造效率與場景創新的軌道上，加速駛向未來。 (吳曉波頻道)

RayNeo 在 CES 2026 發表全球首款支援 eSIM 的 AR 眼鏡，展現其打造真正獨立式 AR 裝置的企圖心。XREAL 於 CES 2026 強調多項策略合作，勾勒其透過廣泛夥伴生態系拓展業務版圖的發展方向。歌爾股份（Goertek）展示其在 XR 與智慧眼鏡領域的全棧技術能力，涵蓋裝置參考設計以及核心光學與感測技術。Lumus 展示光波導技術的重大突破，將光波導式 AR 眼鏡的視場角推進至 70°。Meta-Bounds 展示其超輕量 AR 眼鏡，並榮獲 2026 年CES 創新獎肯定。TDK Electronics 與 WEART Haptics 攜手展示最新的觸覺回饋技術。新聞稿 / 2026 年1月20日/ 臺北訊 / Counterpoint研究團隊在 CES 2026 展會上，eXtended Reality（XR）與智慧眼鏡再度成為焦點展區之一，延續 2025 年以來的成長動能。根據展會統計，本屆 CES 共有超過 250 家與 XR 與智慧眼鏡相關的廠商參展，集中展示最新技術突破、產品設計與策略合作，顯示該產業正加速從概念驗證走向實際商業化。CES 2026 的多項發表涵蓋獨立式 AR 裝置、光波導技術突破、超輕量化設計、AI 整合應用，以及觸覺互動體驗，清楚反映 XR 與智慧眼鏡未來的發展方向。RayNeo 發表全球首款支援eSIM 的 AR 眼鏡，瞄準真正獨立式裝置RayNeo 在 CES 2026 展示 RayNeo X3 Pro – Project eSIM 原型機，主打為全球首款整合 eSIM 與 4G 連線功能的消費型AR 眼鏡概念。透過將相機、顯示與行動網路直接整合於鏡框內，裝置可在無需手機的情況下獨立運作，支援線上音樂串流、即時翻譯，以及照片與影片的雲端備份，適用於跑步、駕駛等使用情境。不過，eSIM AR 眼鏡的功耗仍是關鍵挑戰，RayNeo 目前尚未公布明確的量產時程。近期來自中國移動與中國聯通的投資，則有助於強化其獨立式 AR 策略的長期發展。XREAL 強化策略聯盟，拓展 Android XR 與電競應用版圖XREAL 於 CES 2026 宣布與 Google 延長多年策略合作，正式成為 Android XR 生態系的核心硬體夥伴之一。雙方將在 Project Aura（預計 2026 年推出）的基礎上，進一步將 Android XR 導入光學透視（OST）裝置與有線 XR 眼鏡，同時擴大開發者支援。此外，XREAL 也攜手 ASUS Republic of Gamers（ROG）發表 ROG XREAL R1 AR 電競眼鏡，主打全球首款 240Hz micro-OLED FHD（1920×1080）顯示的 AR 眼鏡，鎖定高階與競技型玩家市場。產品具備 57° 視場角、原生 3DoF、電致變色鏡片與 Bose 調校音效，並預計於 2026 年上半年全球上市。歌爾股份（Goertek）展示 XR 全棧能力，從裝置到光學全面布局歌爾股份在 CES 2026 系統性展示其 XR 與智慧眼鏡的全棧技術能力，涵蓋參考設計、光學模組與感測互動方案。在 AI 眼鏡領域，Rubis AI+AR 參考設計採用 MCU、ISP 與 NPU 的三晶片異質整合平台，大幅降低延遲與功耗，並結合全彩蝕刻光波導與超小型光機。此外，歌爾也展示僅 13 克的 Rox Vision 眼鏡配件，可夾掛於一般眼鏡上，支援影像擷取、語音互動與端側 AI 運算。在 MR 領域，歌爾推出約100 克的超輕量 MR 參考設計，提供 38 PPD、100° 視場角與 6DoF 互動。在光學技術方面，歌爾同步展示可變焦液晶鏡片與重量僅 4 克的 F15Pi 全彩樹脂光波導模組，進一步改善配戴舒適性與顯示品質。Lumus 推出 70° 視場角光波導，推進沉浸式 AR 體驗Lumus 在 CES 2026 發表 ZOE 光波導，成為首款視場角突破 70° 的幾何反射式光波導，且仍適用於眼鏡型態設計。此一突破有助於 AR 從「資訊疊加」邁向更具沉浸感的多視窗顯示體驗。同時，Lumus 也強調 Z-30 平台在亮度效率與輕薄化上的進展，顯示產業正持續解決光學模組在量產成本與外型設計上的關鍵瓶頸。Meta-Bounds 超輕量 AR 眼鏡獲 CES 2026 創新獎肯定中國光學與設計方案商 Meta-Bounds 於 CES 2026 展示兩款榮獲 CES 創新獎的參考設計，包括全球最輕的 25 克時尚 AR 眼鏡，以及 38 克全彩AI+AR 眼鏡。其自研樹脂光波導技術重量較主流方案減輕約 50%，並支援更纖薄的鏡腳設計。Meta-Bounds 亦宣布與美國品牌 BUTTONS 合作推出 BUTTONS VISION X AR 智慧眼鏡，並參與 Lenovo AI Glasses 的開發，顯示 AR 技術正加速與時尚與品牌生態整合。TDK 與 WEART 展示新世代觸覺技術，強化 XR 互動體驗TDK Electronics 攜手 WEART Haptics 於 CES 2026 現場展示 TouchDIVER Pro 穿戴式觸覺手套，透過高精度觸覺回饋，讓使用者在 XR 環境中感受物體的形狀、材質甚至溫度。TDK 的 PowerHap™ 致動器則為該體驗提供關鍵的高解析振動技術，初期應用鎖定企業訓練與專業模擬場景。Counterpoint Research 資深分析師Flora Tang總結：CES 2026 的 XR 與智慧眼鏡發表顯示，產業正明確邁向「可長時間配戴、可實際使用」的新階段。雖然目前尚未出現單一能定義 AI 眼鏡終極型態的產品，但隨著光學、顯示、AI、連線與互動技術的持續突破，過去長期限制市場發展的關鍵障礙正逐步被拆解。預期 2026 年起，將有更多在 CES 上亮相的技術與產品陸續進入商用化階段，XR 與 AI 眼鏡仍將是全球消費性電子產業的重要投資與創新焦點。閱讀全文：https://counterpointresearch.com/en/insights/ces-2026-xr-and-smart-glass-announcements-recap (Counterpoint)

瑞銀：中國資料中心裝置：Rubin帶來電源與液冷機會VR200 平台機架功率提升上周在拉斯維加斯舉辦的國際消費電子展上，輝達CEO 黃仁勳的主題演講對需求表達了積極態度，並披露了 2026 年 Vera Rubin 平台的發佈進展。在電源與製冷方面，輝達重點提及，Rubin 平台的機架功率或將達到上一代 Blackwell 平台的兩倍，且製冷方式將從 Blackwell 平台 80% 的液冷佔比升級為 100% 全液冷。其中，VR200 NVL72 型號對 GPU 散熱方案進行了升級，將採用微通道冷板（micro-channel cold plate）。輝達表示，目前 Rubin 平台已全面投產。利多電源與液冷需求增長VR200 NVL72 的 AI 訓練 / 推理算力分別約為 GB300 NVL72 的 3.5 倍 / 5 倍，這推動機架級功率需求大幅上升。具體來看，VR200 NVL72 將電源架升級為 3 個 3U 規格、總功率 110 千瓦的配置（含 6 個 18.3 千瓦電源模組），而目前最常見的 GB300 NVL72 配置為 8 個 1U 規格、總功率 33 千瓦的電源架（含 6 個 5.5 千瓦電源模組）。此外，VR200 NVL72 電源架採用 “3+1” 冗餘設計。值得注意的是，VR200 NVL72 可視為輝達 Oberon 機架架構的最後一代產品 —— 該架構僅支援 54V 直流配電，且需搭配不間斷電源（UPS）。隨著 AI 算力持續提升，機架功率需求不斷增長，輝達預計將過渡至下一代 Kyber 機架設計，後者支援 800V 高壓直流（HVDC）。我們認為，隨著 Rubin 平台產能擴大，UPS 與液冷需求的增長速度將進一步加快；未來功率密度的提升還將推動電源系統進一步升級，預計 2027 年 Rubin Ultra 平台若推出，將進一步釋放 HVDC 的需求潛力。重點推薦標的：科士達、科華資料我們認為，科士達與科華資料將受益於 UPS 需求增長，且有望向 HVDC（高壓直流）與 SST（固態變壓器）產品升級，具備業績提升潛力。摩根士丹利研究報告： 泰國 PCB 調研要點2026 年 1 月 12 日至 14 日，我們在泰國走訪了四家印刷電路板（PCB）企業，包括勝宏科技（VGT）、Dynamic PCB、GCE及ZDT。需求端表現強勁，受出貨量增長、材料升級及生產複雜度提升驅動：受訪四家企業傳遞的需求訊號高度一致，尤其是 GPU 與 ASIC 伺服器相關需求。出貨量增長、覆銅板（CCL）材料升級、生產及設計複雜度提升，共同推動營收增長。我們預計，AI 相關 PCB 將更多採用高密度互連（HDI）或混合式多層板 / 高密度互連（MLB/HDI）設計，供應商正積極籌備相關裝置與產能以順應這一趨勢。因此，整個產業鏈生態均將持續受益，包括機械鑽孔機、雷射鑽孔機供應商及鑽頭供應商。受此影響，PCB 企業 2026 年資本支出計畫積極，產能輸出有望提升：臻鼎科技（ZDT）預計 2026 年資本支出約為 500 億新台幣（同比增長 60%-70%）；我們估算，截至 2026 年末，金像電子（GCE）月產能輸出同比增幅約為 40%。受訪企業的資本支出回報率介於每 1 新台幣資本支出對應 1.5-2.5 新台幣營收之間。供應商陣營持續擴大，終端客戶正認證更多 PCB 供應商：這使得供應鏈份額分配趨於複雜 —— 多家 PCB 廠商同時參與同一項目的認證，但我們認為這並不必然轉化為實質性訂單。客戶擴大供應商陣營旨在提升供應鏈靈活性，但最終仍將主要向核心一級（T1）供應商採購。因此，儘管 2026 年暫無產能過剩風險，但投資者需警惕相關潛在風險。當前泰國生產成本高於中國內地，但略低於台灣：短期內，中國內地仍將是 PCB 主要生產基地，得益於其更低的成本結構。但隨著泰國產能與良率持續爬坡，其成本結構存在最佳化空間，進而推動泰國 PCB 產值增長。成本方面，目前泰國 PCB 生產成本平均比中國內地高約 20%，但略低於台灣。成本差異主要源於泰國進口材料的物流成本更高、裝置物流及安裝成本增加，不過泰國生產線操作人員薪資更低（儘管生產效率相對較低）。儘管泰國生產成本較高，但仍有客戶為實現供應鏈多元化，明確要求在泰國生產 PCB 產品。其他核心要點臻鼎科技（4958.TW）資本支出：2026 年資本支出計畫從 300 億新台幣上調至 500 億新台幣，其中 60% 以上將用於剛性 PCB（HDI/HLC）及基板產能擴張，剩餘部分用於柔性 PCB（FPCB）。AI 產品佔比：目前臻鼎科技 AI 伺服器營收佔比（不含邊緣 AI 產品）約為中個位數百分比，目標 2026 年提升至高位個位數百分比。改良型半加成法（mSAP）：臻鼎科技認為，其是泰國唯一一家正在擴充 mSAP 產能的 PCB 供應商。該產能將僅用於 800G 及以上光模組（需採用類基板 PCB（SLP））。泰國園區規劃：泰國園區總計可容納 7 座工廠：1 號工廠：已實現 HLC 及伺服器 / 光模組用 mSAP 量產，是園區首座量產工廠。2 號工廠（mSAP/HDI）：目前處於建設中，計畫 2027 年初進入試產階段，同樣聚焦伺服器 / 光模組產品。3 號工廠（FPCB/FPCBA）：處於建設中，計畫 2027 年二季度試產，專注消費電子領域。5 號工廠：2026 年啟動建設，預計 2028 年量產。6 號工廠（HLC）：處於建設中，計畫 2026 年四季度試產，用於伺服器應用產品。7 號工廠：2026 年啟動建設，預計 2028 年量產。8 號工廠（鑽孔中心）：處於建設中，計畫 2027 年一季度試產。管理層預計，五年內泰國園區產能將佔公司總產能的 15%-20%。裝置：管理層表示，核心 PCB 裝置的交付周期較以往更長，但公司已提前下單，並憑藉與裝置供應商的長期緊密合作關係，鑽孔機採購不存在問題。CoWoP 技術：相關產品仍處於研發階段，量產時間尚未確定，但臻鼎科技表示，一旦客戶有需求，公司將做好充分準備。金像電子（2368.TW）2025 年四季度產品結構：受產品轉型影響，AI 產品佔比環比下降，但網路需求增長強勁，尤其是 400G/800G 網路 PCB。產品轉型：2025 年四季度，Trainium 伺服器 PCB 進入轉型階段，但 Trn3 產品將於 2026 年二季度在金像電子啟動量產。2026 年一季度，高端網路（400G/800G）產品將抵消部分 AI 產品轉型帶來的影響 —— 目前 100G+400G+800G 網路 PCB 出貨量佔金像電子網路 PCB 總出貨量的約 70%，其中大部分為 400G+800G 產品。泰國工廠：金像電子泰國 1-1 工廠（一期）具備 AI 伺服器板生產能力，且已通過主要 AI 雲客戶認證。2025 年四季度該工廠仍處於虧損狀態，但預計 2026 年將實現盈利。產能情況：台灣：目前月產值為 16 億新台幣，預計 2026 年二季度出貨量實現雙位數增長，三季度環比再實現雙位數增長（不含從 CMC Magnetics 收購的新工廠，該工廠計畫 2028 年量產）。泰國：1-1 工廠目前產能滿載，月產值為 3 億新台幣。2026 年二季度產能可能加速釋放，下半年進一步爬坡，截至 2026 年末，總出貨量預計較 2025 年末增長 4-5 倍。2 號工廠可能於 2027 年末或 2028 年初量產。蘇州：2026 年計畫通過新增裝置、消除產能瓶頸的方式擴充產能。常熟：C1 與 C2 工廠預計 2026 年下半年通過新增裝置及消除瓶頸，進一步提升產能。行業其他相關洞察泰國生產基地新建工廠通常需要 4-5 個季度才能產生實際營收。所有新產能均將包含 HDI 與 HLC 產能，以滿足客戶對 “混合式” 設計的需求。泰國營運成本比中國內地高 20%-25%，但可完全轉嫁至客戶。管理層認為，一旦產能完全爬坡，泰國工廠的毛利率將與中國內地工廠持平。AI 相關產品每一代新產品的平均售價（ASP）均實現數倍增長。管理層認為，客戶下一代產品的 ASP 增長將主要源於：① 材料規格升級；② 材料加工難度提升；③ 採用尚未量產的特殊製造工藝；④ PCB 層數增加及 HDI 工序更複雜。對部分客戶而言，HLC 與 HDI 的界限日益模糊 —— 部分設計為混合式（HLC 與 HDI 結合），且需要特殊製造技術處理。公司預計，下一代 AI 伺服器 PCB 將有更多項目採用 HDI 技術或混合式設計，相關產品可能於 2027 年啟動量產。市場份額PCB 製造裝置交付周期延長及高端材料供應短缺，可能對新進入者或小型供應商構成不利影響。不過，客戶為最佳化供應鏈管理，仍傾向於採用雙源或多源採購策略，因此可能仍會認證部分新供應商。CoWoP 技術該設計目前仍處於研發階段，具體應用時間尚未確定）。生產 CoWoP 用 SLP 的主要挑戰在於精密鑽孔直徑及縮小的線寬 / 線距（L/S）。其製造工藝及所需裝置與消費電子用 SLP 存在巨大差異，因此投資強度更高，需配備更精密的裝置。材料供應南亞新材（2383.TW）仍是 M8 + 覆銅板的領先供應商，其次為斗山（000150.KS）、生益科技（600183.SS）、台光電子（TUC，6274.TW）及聯茂電子（ITEQ，6213.TW）。南亞新材仍是 M9 覆銅板的頂級供應商，但生益科技正逐步追趕。管理層表示，尚未發現 AI 相關 PCB 存在材料規格降級的情況。 (大行投研)