英伟达开放api模型有哪些？

朋友们太炸裂了！英伟达黄仁勋再次把 ai 拉进了下一个时代，六大核弹组成新王炸！人类计算体系又迎来一次换代，这就是市值五万亿美元的魅力，观众比明星演唱会还挤，我现在就在 c e s 现场飞了半个地球，排队几小时看老黄演讲，为你带来英伟达最炸的发布解读。 首先，老黄开启疯狂撒钱模式，一口气丢出六大领域的全开放模型，可以直接使用训练和部署。 ai 的 创新门槛被彻底打开，医学模型 clara、 地球软身 earth two a 卷的推理大脑直接拿去用，而 cosmos 和 g r 零零 t 直接给机器人装上世界模型和大脑现场演示桌面机器人瞬间活了，仓库、人形、家用工厂等机器人都将加速进化到真实世界干活。 接着，阿 farme 登场，全球首个会思考的自动驾驶推理模型已经落地到奔驰上。其他自动驾驶是看见到反应，而阿 farme 是 看见推理预测决策，像人一样思考，如果那个人冲出来，我该怎么办？ 实现真正的 l 四级自动驾驶。黄承勋说， ai 不 只是看世界，而是要理解世界是怎么运转的。接下来全场都疯了，老黄掏出一大堆东西说，这就是六位一体极致协同设计的 ai 平台，用 vr、 c p u 机、 p u 等六大神器组成超级计算机，作为一个平台运行， 全面投产。今年交付 vivo， 比 nv link 七十二巨无霸机贵，每秒三百六十亿亿次计算内部贷款超过了整个互联网流量总和。与 blackberry 相比， ai 退利成本直接砍掉百分之九十。 训练超复杂模型， gpu 只要四分之一，让全世界都用得起。老黄的 p 更亮了，每次发布都在改写算类的规则，加速 ai 的 进化。我是赛博奇，让我们一起奔向 agi 世界。

兄弟们，英伟达开放了智普四点七和 mini max 的 m 二 api 可以 免费使用，直接去英伟达注册就行，别说我没有提醒你们赶紧收藏。

英伟达宣布推出 nano trim 三系列开放模型，简单来说就是英伟达把一整套可用可调的代理级模型数据与训练库开放给大家使用。 nano trim 三模型，它提供三种规模，分别是 nano super 与 ultra， 采用突破性的混合式潜在混合专家 model 架构，协助开发者大规模建制与部署可靠的多代理系统。这时候大家可能会关心， nano trim 的 开放对于普通人来说意味着什么？对于工 公司以及企业又意味着什么？在这里简单给大家总结一下，对普通人来说，你可以获得更好用且更便宜的智能服务。重点是对于公司以及企业来讲，能真正把多步骤流程交给代理化系统，可把不同任务在高阶专有模型与成 本更低的 number 之间路由，优化成本与效果，以及缩短了从原型到生产的时间成本，降低实验门槛，还有缩短迭代。

别再骂天气预报不准了，黄仁勋刚刚把地球开圆了，以后预测暴雨可能比你看表还准！就在刚刚， nbd 发布了二十二开放模型家族，这可不是简单的预报，而是全球首个全站式 ai 气象软件！从现在到未来十五天的全球天气，他都能精准拿捏！最离谱的是那个 no casting 模型， 他居然学会了风暴的组织方式，连云层怎么飘雨往哪落， ai 都能像生成短视频一样，一秒给你算出来！ 最硬核的是 nba 这波直接掀桌子了！全套模型直接上架，哈根 face 和 get up 全人类开源，以后不管是农业、医疗、交通还是应急响应，人人都能手握一个气象超级大脑！气象界的 gdp 时刻真的来了！你觉得以后 ai 能终结出门被淋成落汤鸡的尴尬吗？评论区聊聊？

朋友们，就在刚刚，英北大扔出一颗重磅炸弹！二二，这是全球第一个完全开源的 ai 气象预报全家桶，以后连你家小区哪条路积水都能预测了！传统天气预报的硬伤被点对点攻克！吸收了所有历史真实天气数据的他，将网格分 辨率从九至二十五千米升级到二至三千米。以前只知道整个广州白云区可能下雨，现在能精准到通勤 路上什么时候下，下多大？传统方法靠超级计算机计算，物理方程更新要好几个小时，电费烧到爆炸。极端天气总是慢班排 earth 二，只用几张 gpu 几分钟就能出结果。在温度、风气压等七十多个变量上，打败了 d m 的 jenkins。 他 向一个私人天气助理 提前算出哪段高速先结冰，值不值得绕行，预测这块地减产概率要不要提前种风力预测更准？随之而来，电价更稳，停电更少！飞机 不再只是躲天气，而是飞得更稳，延误更少！中国光伏巨头协心已经开跑，阿尔模型做光伏发电预测！老黄这波发布，或许才是真正的科技利民！帅哥美女们，你们怎么看？

应用十六升大约四点五和四点零对比，区别在替换教程可以看到，用了新模型，画质有明显的提升，帧数会有轻微下降，但是帧数更稳定。目前 大约四点五是在最新五九幺点七四驱动开放的测试，但是没有权限推动，这个驱动需要我们自行安装，球是实现安装，打开球加金伟达，点击右侧的五九幺点七四版本驱动下载，可以下载最新驱动，没有上完，点一口令输入战斗爽九百七百二十小时长。 安装的时候记得在制定中选择进行清洁安装，安装后再用微的 app 的 设置关于中勾选测试版，然后重启软件，点击图形乘云设置， 正常是看不到这个烟云的，我们点击添加程序，找到游戏路径，正常是一个烟云。十六升点 e x e， 我 们把它改成 w w m， 点 e x e 选择就会看到烟云了，然后选择大约是模型预设， 自定义就选择模型，记得应用，然后还要改超分辨率模式，这是马子哥的推荐搭配，大家可以参考一下，记得换了新模型，分数会下降，但是画质会更清晰，并且分数更稳定哦，还不会退款模型的玩家会跟着视频操作吧。以上就是本店的全部内容，关注马子哥带你阅读的资讯。

英伟达在气象学会年会上扔出了一颗重磅炸弹，发布了全新的 l 四二开放模型家族。简单说，他把之前只有大国和巨头才玩得起的高精度数值天气预报，变成了你我这样自由开发者或者企业也能在自家 ai 服务器上跑起来的 ai 服务。 l 四二不是一个模型，而是三个核心模型，个个身怀绝技。英伟达等于是提供了一整套，从数据处理到长期中 季，短期预报到全家桶。那这和我们这些搞福气关注算力市场的人有什么关系吗？那关系可大了去了，这些模型都离不开本地化的算力部署。 ok， 兄弟们有兴趣关注私信。

在这个巨大的游戏视频数据库里看到没有，每一个视频上都显示了游戏手柄。这些随着按键闪烁的图标，原本只是给观众看热闹的，但在 ai 眼里，这简直就是一本摊开的武林秘籍，只要盯着看，就能学会怎么玩。因为他与斯坦福大学联合发布了奈特针，正在做这个事情，他 他做到了。以往 ai 做梦都不敢想的是，不读内存，不看代码，仅仅通过偷看那四万小时的玩家直播录像，就学会了通关一千多款游戏。这就是云通关的终极形态。 ai 的 巨深困境，有眼无守在那时候正出现。之前， a a 圈有个巨大的尴尬，他能写出莎士比亚风格的时事行思，能生成逐一乱真的好莱坞大片。但在玩游戏这件事上，他经常像个刚拿到手柄的帕金森患者。为什么？因为数据断层了。不仅是游戏，想让机器人动起来，具身智能都面临这个问题。 ai 能看到结果，比如马里奥跳过了悬崖， 但他看不到操作，玩家当时大拇指是用什么力度推的，摇杆是轻点还是长按？只看画面学不会手感。就像你隔着玻璃看米其林大厨做菜你， 你能看见他颠簸的帅气动作，但你永远不知道他那一瞬间手腕抖动的力道。 nice 正经的团队为了解决这个问题，把目光所死在了那些最硬核的速通视频上。他们发现，只要视频里带有输入叠加层，就是那个虚拟手柄。这就不仅仅是视频， 还是带了标准答案的试卷。偷师三步走，从造假到成精，想偷师没那么容易。虽然网上有四万小时的代手品视频，但质量简直是灾难。四百八十匹的浮画质，千奇百怪的半透明皮肤，满屏飞过的六六六弹幕，让 ai 直接看这些，他 就把 gpu 烧红了，也看不清摇杆动了多少度。于是团队干了一件极度反直觉的事，先造假，既然真实的看不清，那就人工合成完美数据。 他们找来高清游戏截图，用程序批量贴上各种样式大小、透明度的虚拟手柄，你要带照点的，还要带 r g b 光效的，通通满足，瞬间生成八百万张合成图，硬是把 ai 的 眼睛练成了火眼金睛。等 ai 能在乱七八糟的背景里精准识别出遥感，推了三十度还是九十度， 这可是走和跑的关键区别。之后，再把它扔回那四万小时的真实自不流利，效果立竿见影，按钮识别率飙升到百分之九十六，遥感精度相关系数达到零点八四。 眼睛练好了，手怎么练？这才是乃求症最机贼，哦不，最天才的地方。人类玩游戏，时间是流动的，如果 ai 在 黑神话里为了算这一棒怎么打？思考了零点一秒，那怪物的刀早就劈到脸上了。 ai 训练需要试错，但商业大作不给你试错的时间。奈斯顿直接对游戏引擎动了手脚，他做了一个时间停止器，他通过底层 a p i 劫持了游戏的系统。始终不管这是 f p s 还是动作 r p g， 在 ai 眼里 统统变成了回合制。 ai 没算出下一步怎么动游戏画面，就绝对不许走下一帧。在这个被强行禁止的黑客帝国里， ai 获得了无限的思考时间，他把一千多款操作逻辑 完全不同的游戏，强行印刷到了同一个标准的虚拟手柄上。十六个按键，四个摇杆维度。不仅如此，它还用上了一种叫 flow matching 的 技术，彻底抛弃了这一秒按什么的低级逻辑，而是直接预测接下来一连串动作流。就像你玩麻溜跳悬崖时， 脑子里想的绝对不是按住 a 键零点六五秒，而是跳过去这个完整的意图。耐挫症学会的就是这种连贯的动作快，这一道组合拳打完，结果让人头皮发麻。把训练好的耐挫症扔到一个他从未见过的全新三 d 动作游戏里不需要任何适应， 他的上手成功率比那些丛林训练的 ai 直接高出了百分之五十二。这意味着什么？意味着他练出了通用的战斗直觉。 他不需要知道这怪叫什么，不需要知道这把剑叫什么，他只知道看到这种巨大的黑影扑过来就要往侧面翻滚，看到这样的平台边缘就要起跳。就像一个精通跑酷、散打和体操的全能运动员。 你让他去学滑板，他一定比普通人快的多，因为运动神经早已刻进了 dna。 可惜呀，只有小脑，没有大脑。耐挫症很强，强在他是极致的斯斯顿一块思考，他是最顶级的保镖，反应极快，直觉精准， 毫秒级的肌肉记忆无人能敌。但他也是个顶级的路痴。如果你问他，我们要去山顶救公主，路线怎么规划，或者让他玩文明六这种需要长线策略的游戏，他立马死机。 他的世界里只有当下这一秒，没有未来。一分钟，他听不懂语言指令，也没有常识记忆。这就是为什么奈特镇的出现让人如此兴奋又如此焦虑。他填补了 ai 进化版图里一直缺失的那块拼图巨生小脑，想象一下未来的终极形态，把 g p t 五 这种绝顶聪明的大脑装在奈楚正这种身手矫健的小脑上。大脑负责发号施令去厨房把咖啡端来，奈楚正负责接管身体处理平衡、避障手指的抓握力度。那时候，我们面对的就不再是屏幕里那个只会聊天的 chatbot， 而是一个真正能走进物理世界，像人一样行动的尸体。 以上耐挫症的核心价值不在于它通关了多少游戏，而在于它展示了一种极其机智又极其聪明的工程学奇迹。利用 input 的 overlay， 将无监督视频转化为有监督数据，这是对行为克隆比黑尾克隆力领域的一次降维打击。 只是啊，好像也没那么美好。这通用直觉其实有三个大坑，看起来像不等于真的懂百分之五十二的提升很惊艳，但别忘了行为克隆的固有缺陷。他学到的是相关性，不是因果性模型可能只是记住了红色像素变多按下 x 键的统计规律，而不是理解了躲避攻击的逻辑。 一旦遇到机制反直觉的游戏，比如必须先挨打才能展达到这种经验主义就会瞬间失效。微秒级的隐形陷阱，这不留普遍存在推流延迟，画面和手柄显示之间往往有毫秒级的错位。 对于格斗游戏这种征集精度的场景， ai 就 算学的再像，也可能因为这微小的时序偏差而由于肌肉记忆错位导致操作变形。 标准化的代价，将一千款游戏强行塞进同一个十六键手柄空间，必然会丢失大量羽翼。在 a 游戏里， a 键是跳，在 b 游戏里， a 键是砍。如果没有上下文理解，这种强行统一反而会引入巨大的噪声。奈斯顿成功造出了一个拥有顶级反射神经的数字脊椎， 这确实是迈向通用机器人的关键一步，但要让他真正拥有智能，还得给他配上一个能做长时间的马夫。 说到底，耐抽筋偷走的是我们进化在大脑皮层之下的直觉。他现在的状态是随时而转，执着于像素的变换，练就了一身无敌的神通，却终究被困在数据的因果链条 里，不懂何为觉知。这正是科技最迷人之处，他用最极致的模仿逼我们去审视那个最本 质的问题。当 ai 终于补全了生物的幻象，还能在物理世界里自如穿行时，人类最后的壁垒或许就只剩下那个他 永远算不出来的变量。面对必输算法，永远会选择最优解投降。而我们人呢，也必然一定会有一个人站出来，概率上的必然不是必然。常回基地看看，谢谢。

今天咱们来聊一聊二零二六年的 cs， 上面黄仁勋的演讲，我们会聊一聊这个 roubaix 平台到底是一个什么样的存在，为什么它会被称作是重塑了算力的极限？包括这个开放模型到底给这个行业带来了什么样的影响？最后我们会来看一看 这个物理 ai 到底意味着什么？算法有了躯体之后会发生什么样的变更。咱们第一个聊的主题呢叫算力革新。我们先来聊第一部分就是 ruby 平台，它是如何重塑了算力的极限？这个平台到底在协同设计上面 有哪些让人惊叹的黑科技？这个 ruby 平台它其实就是把数据中心当成了一个超级大的计算机来设计，就它里面的六款核心芯片都是为了这个 ai 的 工作赋在 深度定制的。那这六款芯片就是包括了 vera 的 cpu， rom 的 gpu， 然后还有这个 nv link 六的这个交换机啊等等吧，这些东西 把它们全部都打通，用 nv link 六的高达三点六 tb 每秒的这个双向带宽啊，把它们全部都连接起来，形成一个 全互联的一个拓扑，那这个整个的这个机架的这个带宽就可以飙到两百六十 tb 每秒。整个的这个系统呢，还拿掉了这个传统的这个 c p u 和 g p u 之间的这个数据搬运的这个开销，通过 nv link c two c 这个技术啊，把内存空间进行了融合，同时呢它还集成了 bluefield 四的这个 d p u 来做这个数据的这个卸载，加上新一代的这个 液冷，加上硅光的这个交换，整个的这个能效比提升了五倍，真的就是像一个超级大脑一样啊，就把这个算力啊， 网络啊，存储啊，甚至安全啊全部都一体化了。就是如饼这个平台，它在架构设计上面有哪些比较亮眼的创新？最亮眼的我觉得就是这个所谓的解偶推理的架构，就是它是把 ai 推理的上下文的处理和这个生成 分成了两个阶段，分别由不同的专用的 gpu 来进行负责，一个是负责非常高速的这种输出的生成，它们两个之间呢是通过一个叫做 dano 的 这样的一个平台来进行统一的调度和管理，所以就会让整个的这个效率提升的非常明显，听起来像是把复杂的任务拆得更细，然后让这个硬件能够各司其职。没错，它集成了六款定制的芯片，包括新一代的 n v link， 超级的这个 g p u 间的这个宽带啊，还有 vera 的 这个定制的 cpu 啊，整个的从 g p u 到这个网络到存储到安全全部都是打通的，全部都是协同设计的，整个的系统的效率和这个安全性都是提升到了一个新的高度。 这个 ruby 平台在实际的这个性能和能效上面到底有多大的提升？ ruby 的 这个 gpu fe 四的这个推理的算力是可以达到五十 petaflops， 然后 hbm 四的这个显存可以达到单卡两百八十八 g， 带宽二十二 tb 每秒，比上一代有一个非常大的飞跃。 然后实际的测试呢，也表明就是它对于这种主流的大模型推理的延迟啊，可以降低三到四成，吞吐量可以翻两倍，这个如饼平台在降低这个推理成本上面到底有多大的威力呢？ 就是通过软硬件的协同，把 token 的 成本降到了上一代的十分之一，就每一千 token 只要零点零六美元。同时呢，这个训练啊，像这种混合专家模型，它所需要的 gpu 的 数量也只有原来的四分之一，所以这就直接让 这个大模型的这个门槛啊就小了很多，这是不是意味着就是说，呃，创业公司和大企业都可以更容易的去玩这个大模型啊？没错，然后朱斌呢，他也让这个云厂商可以去提供这种 高性价比的这种实力，各种规模的这个团队都可以去高效的去训练和推理这种千亿参数的模型， ai 领域的这个创新的格局也会被彻底的改写。 然后咱们来聊第二个部分啊，就是这个模型开放，这个也是大家很关注的，就是 nba 最近一口气发布了这么多的顶级的模型，这每一个模型到底是在哪些领域会起到作用呢？最受关注的呢就是这个 number one 三系列，它是一个主攻这个智能体和这个多模态的这样的一个领域，它是一个呃 非常非常强的一个大魔性家族，包括了从边缘端到云端的各种不同的能力，它是一个结合了多种架构的这样的一个大魔性家族。 cosmos 呢，就是物理世界的这个理解啊，包括了视觉语言的这个推理啊，以及这个视频的预测啊，还有仿真啊 等等的一些能力，它是专门为机器人和这个自主系统打造的一个基础模型。然后这个 alpemiro 呢，在这个辅助驾驶上面是一个能够做这个端到端的这种感知推理的，配合它们的这个仿真环境和这个大规模的数据集，就可以让自动驾驶的这个开发门槛一下子就降低了。 科二呢，就是在这个医疗健康领域啊，它是覆盖了蛋白质的结构预测啊，药物的合成啊，还有分子的交互啊等等的一些任务。这个 earth two 呢，就是一个 嗯，数字孪生的一个云平台，它可以做超高分辨率的这个气候模拟，还有这个 neutral 呢，在这个游戏和这个多智能体的这个控制上面，它是一个非常非常强的一个技术模型， 所以就这些东西组合起来，就几乎给每一个重要的行业都送去了一个 ai 的 大杀器。它不光是把这个模型的权重放出来，它连训练的代码、 数据的处理，甚至这个推理的引擎它都一起放出来，啊哈，然后所有的这些都跟它的自有芯片和这个集群的管理是深度打通的，你一旦开始用它的这个东西就很难再换出去了，而且它们还搞了这个分级的授权， 呃，无论是创业公司还是大企业，你都可以找到自己的这个使用场景。然后它们也通过这个开发者大会以及这个 helen face 等等的一些平台去培育这种围绕着它们的这个模型的一个开发生态。它们也在跟这种 头部的公司一起去制定这个行业的标准，它就是彻底的把软件的创新和这个硬件的销售绑在了一起，就形成了一个这种闭环的壁垒 n b 列把这么多顶级的模型都开放出来，会给这个行业带来什么？就是他们这个开放的不光是说几个大模型，而是一整套的 在各个行业里面可以直接去落地的。这种 ai 的 能力等于是重新给这个行业定了一个新的起跑线，无论是创业公司还是这种大企业，你都可以基于这些基础模型去做非常快速的产品化。 然后这个生态又被锁得很深，所以就是 nvidia 其实在无形之中就成为了这个整个 ai 领域的一个规则制定者。然后咱们再聊第三个部分，聚焦在这个物理 ai 这个领域啊，物理 ai 其实就是让这个智能体它能够去理解这个真实世界的一些物理规律，然后它可以去处理一些 传感器的数据，并且做出一些实时的动作的决策。那现在已经有很多的场景，比如说在工厂里面啊，物流中心里面有很多这种机器人，他们已经可以去做一些 复杂的搬运啊，包括一些高精度的这种质检，比如说有一些电子厂，他们用上了之后，检测的准确率一下子提升到百分之九十四，而且整个的这个部署的时间和成本都大大压缩了。比如说在物流里面的分拣，然后包括一些农业里面的采摘，一些建筑工地上的一些巡检， 甚至一些高危环境下的一些作业，都开始有物理 ai 的 身影，所以现在已经有很多的企业开始加速的布局物理 ai， 跟传统的这种大模型到底有什么本质的区别？传统的大模型它其实就是在文字啊，图片这种 符号上面去做训练，所以他学到的都是一些统计规律啊和这个语言的模式。那他碰到现实世界的这个物理规律，其实是完全摸不到头脑的，所以他只能处理虚拟世界的这种信息。没错，那物理 ar 呢？他就是专门去理解这个真实世界的，他是通过 融合这个传感器的信息和这个物理仿真，不光是能感知这个东西是什么，他还能推理出来这个东西在三维空间里面怎么运动，会有什么样的因果关系。所以他是可以直接控制这个机器人，或者说这个自动驾驶去执行一些动作的，真正的从 这个认知走到了这个行动。那现在这个物理 ai 具体有哪些让人眼前一亮的应用？二零二六年的这个奔驰的 cla 级，它上面就会用 nvidia 的 这个 drive iv， 这个全站的这个方案，不光是可以坐这个城市的导航，还可以坐这个自动泊车。 它是一个啊，端到端的一个系统，加上了这个安全的溶于，所以它可以保证在任何时候都可以做出一个可靠的决策。同时呢，它还可以通过这个物理仿真和这个 real world 的 数据，不断地去升级驾驶的这个能力， 这个智能驾驶的这个体验和安全性应该都提升了好几个台阶。对，然后除了这个开车啊，其实物理 ai 也让这个机器人变得更聪明了， isec g r 零零 t 这个模型可以让这个机器人去做一些比较精细的操作，比如装配啊，或者是说这个搬运啊， nvidia 也开源了非常多的 工具和数据集啊，所以现在大家这个整个生态也越来越壮大，可以让机器人去做各种各样的任务，你觉得物理 ai 会给我们的这个世界带来哪些真正的变化？ 就我觉得物理 ai 其实就是给这个智能系统装上了一个身体，它就不再是只能在这个虚拟世界里面去理解这个东西了，它可以真正地去 感知这个现实世界，并且去改造这个现实世界，所以它是会彻底地改变这个我们跟这个物理世界的互动方式，数字世界和现实彻底地打通了。没错，而且就是物理 ai， 它其实 不光是会重塑这个制造啊，物流、交通这些行业啊，它其实会催生出非常多新的商业模式和新的产业生态，然后让这个机器人啊，自动驾驶这些东西，变成一个 类似于智能手机一样的一个新的基础设施。今天我们聊了这个 rubin 平台带来的这个算力的飞跃啊，然后也聊了这个开放模型如何去加速这个行业的变更，也聊了这个物理 ai 如何让这个智能体真正的走进现实啊。其实你想这一切的一切 都在把我们往那个硅基文明的那个起点往前推，一步一步的靠近，其实我们会发现从这个算力到模型到应用， olivia 确实是在一步一步的去推动这个科技浪潮往一个新的方向去走，他们是不是能够真的引领这个所谓的硅基文明的未来，我觉得真的是非常值得期待。好了，那么今天的节目咱们就到这里了，然后感谢大家的收听，咱们下期再见，拜拜。

科技迷们注意了，最近英伟达搞了个大动作，推出了全球首个开放气象 ai 模型套件。尔法。这东西到底有多厉害？简单说，它就像给气象预测装上了超级大脑， 能生成长达十五天的全球天气预报。以前咱们看天气预报超过一周就不太准了吧？尔法尔这套工具，牛就牛在全开放，可加速，不管是科研机构还是企业，都能在自己的设备上直接用，还能根据需求调整模型。 打个比方，这就像把专业厨房的顶级设备搬到了自家厨房，人人都能尝试做气象大餐。他为啥这么强？因为整合了各种气象 ai 能力，预测速度更快，准确性也更高。想象一下， 农民伯伯能提前半个月知道会不会有报应，救灾部门能更早做好准备，这对咱们的生活影响可太大了。不过话说回来， ai 预测再厉害，也需要不断优化，你觉得这种气象 ai 未来还能帮我们解决哪些问题？评论区聊聊你的想法吧！

你敢信吗？英伟大黄仁勋再次把 ai 拉进了下一个时代。就在 c e s 二零二六上，六大核弹组成新王炸，人类计算体系又迎来一次换代。首先，老黄开启疯狂撒钱模式，一口气丢出六大领域的全开放模型，可以直接使用训练和部署 医学模型 clara， 地球卵生 earth two agent 的 推理大脑直接拿去用，把 cosmos 和 g r 零零 t 直接给机器人装上，现场演示桌面机器人瞬间活了，仓库、人形、家用工厂等机器人都将加速进化。接着， alpha morph 登场， 全球首个会思考的自动驾驶推理模型已经落地到奔驰上。其他自动驾驶是看见然后反应，而 alpha morph 是 看见推理预测决策，像人一样思考，如果那个人冲出来，我该怎么办？实现真正的 l 四级自动驾驶。 黄仁勋说， ai 不 只是看世界，而是要理解世界是怎么运转的。最炸裂的是 rubin 平台，六位一体 极致协同设计的 ai 平台，每秒三百六十亿亿次计算，内部贷宽超过了整个互联网流量总和。 与 blackwell 相比， ai 推理成本直接砍掉百分之九十。训练超复杂模型， gpu 只要四分之一，让全世界都用得起。最后送大家一句话，老黄每次发布都在改写算力的规则，加速 ai 的 进化。