在英伟达GTC台北2026大会上，黄仁勋发表了近两小时的演讲，期间不仅推出了专为智能体设计的Vera CPU、AI工厂实战指南DSX平台和RTX Spark超级芯片等核心技术，更在备受关注的自动驾驶领域，发布了NVIDIA Alpamayo 2 Super开放推理模型。
Alpamayo 2 Super是一款拥有320亿参数的开放视觉-语言-动作推理模型（Reasoning VLA），其核心能力在于能够在完整的驾驶堆栈中进行推理、规划和行动，为实现更安全、可大规模部署的L4级自动驾驶提供坚实支持。这不仅仅是模型的简单升级，更是将自动驾驶从“模仿驾驶”提升至“安全推理”的根本性范式转变。
发布的产品范围涵盖了底部芯片到上层基础设施，从数据中心扩展至个人PC，从云端智能覆盖到物理机器人，清晰地展现了英伟达正从单纯的GPU供应商向全面的“AI基础设施运营商”转型。
Alpamayo 2的核心亮点在于其“可解释性”。传统的端到端自动驾驶模型如同一个不善言辞的老司机，其决策过程外界难以知晓。然而，Alpamayo 2则像一个“健谈司机”，能够通过自然语言实时阐释其每一步决策，例如“前方有静止车辆阻挡车道，需向左微调”、“为左侧切入车辆让行”、“停车以确保行人安全通过”。这种“思维链”外化能力，无疑将极大增强公众对自动驾驶技术的信任度。
在技术规格方面，Alpamayo 2实现了三大升级：首先是360度全景感知，将感知范围从前方扩展至前、侧、后方，为车辆变道、并线以及通过交叉路口提供完整的场景信息；其次是新增了“元动作（Meta-Action）”输出，涵盖了让行、变道和停车等宏观决策，使模型能够为后续规划提供高级驾驶指令；再者，具备2D定位的推理自动标注功能，将标注周期从数月大幅缩短至数天，重构了辅助驾驶数据管线的成本结构。
尤其值得注意的是其“教师-学生”蒸馏架构。320亿参数的Alpamayo 2 Super作为“教师模型”，能够被蒸馏为紧凑型模型，进而部署到NVIDIA DRIVE AGX Thor车载计算平台上。这意味着汽车制造商无需从零开始构建巨型模型，即可通过英伟达的开放生态获得即插即用的推理能力。
自发布以来，Alpamayo系列型号下载量已接近40万次，并荣获COMPUTEX Best Choice Award车辆技术和智能座舱类奖项。
黄仁勋如此评价大模型：“Alpamayo标志着汽车行业从‘单纯驾驶’迈进‘安全推理’时代。唯有英伟达能提供开放模型、完备仿真环境、真实世界数据以及智能体技能，以支持全球自动驾驶生态系统开发出理解边缘场景、解释决策、赢得公众信任，并能在数百万辆车上安全规模化部署的L4级能力。”
如果Alpamayo 2是“会思考的司机”，那么英伟达同步推出的AlpaGym和OmniDreams则为它们搭建了“虚拟驾校”。
具体而言，AlpaGym是一个开源、高吞吐量的闭环强化学习框架。相较于传统开环训练仅根据记录数据评估模型并生成单轮动作，AlpaGym让模型在NVIDIA AlpaSim仿真环境中，经历连续的决策-观察循环。车辆每一次刹车、转向和导航选择都会对环境产生真实影响，从而暴露静态数据集难以发现的复合错误和边缘故障。这使得AI司机如同在“平行宇宙”中经历数百万次极端路况，将犯错成本降至最低。
而OmniDreams则是全新的生成式世界模型，能够生成逼真的闭环辅助驾驶场景，支持开发者大规模仿真鲜见的“长尾”驾驶场景。结合NVIDIA Omniverse NuRec神经重建技术，开发者可以将真实的车辆数据复原为逼真的3D场景，并适配不同的车辆传感器配置。英伟达甚至将因果链自动标注流水线开源，使其能够从原始驾驶片段中自动生成基于决策的因果链标签，无需人工标注。
这套“仿真-训练-部署”闭环体系的重大意义在于，它将自动驾驶的研发模式从“路测驱动”转变为“仿真驱动”。汽车制造商不再需要投入数千辆测试车在真实道路上积累数万公里的数据，而可以在数字孪生环境中完成超过90%的边缘案例验证，从而显著降低研发成本，缩短产品上市周期。
黄仁勋还回顾了Vera Rubin超级计算系统。
他指出，Vera Rubin作为全球首款专为智能体AI设计的多机架Pod级超级计算系统，已全面进入量产阶段。
Vera Rubin将“推理”和“工具调用”的延迟压缩到纳秒级，这正是智能体决策所必需的实时性基础。其中最具颠覆性的组件是专为智能体设计的Vera CPU。
黄仁勋这样阐释这款CPU：“AI智能体将成为计算资源的最大消费者。Vera正是为这一未来量身定制的首款CPU——它拥有卓越的性能、能效和可编程性，专为超大规模运行智能体AI而生。”
Vera CPU搭载了88颗Olympus核心，采用空间多线程技术，并配备带宽高达1.2TB/s的LPDDR5X内存子系统。其设计理念与传统CPU截然不同：传统CPU为人设计，对秒级延迟不敏感；智能体对延迟则极为敏感，要求纳秒级响应，因此需要从零开始设计全新的CPU架构。
此款处理器的性能数据令人印象深刻——Vera CPU在SQL查询速度上比顶级x86处理器快3倍，在纽交所实时流处理性能上快6倍，在智能体沙箱性能上达到x86处理器的1.8倍。通过第二代NVLink-C2C互连技术，它实现了CPU与GPU之间高达1.8TB/s的相干带宽，并将英伟达的机密计算扩展至整机架规模。
Vera BlueField-4 STX处理器更将Vera CPU与高性能网络、存储加速及芯片级安全融为一体，构建了“设计即安全”的AI原生数据平台。
如何将这些硬件转化为客户的实际效益？英伟达给出的答案是DSX——一套建设AI工厂的参考设计蓝图。
DSX（Data Center Scale eXtended）平台是英伟达为从零开始建设AI工厂而打造的完整实战指南。DSX整合了开源模块化软件库、API、参考设计、英伟达加速计算平台以及合作伙伴技术，旨在构建一个通用的协同设计平台，专用于AI工厂的设计、部署与运营。
其核心组件DSX MaxLPS（Lowest Power per Token System）直指自动驾驶产业的痛点：如何在既定的电力预算内最大化每兆瓦的Token产出。通过结合45℃液冷技术和优化每瓦性能的机架级技术，DSX MaxLPS使得运营商几乎可以在不影响工作负载性能的前提下，让GPU在其最高能效点运行，从而额外部署高达40%的GPU。对于电力资源紧张、算力成本敏感的汽车数据中心而言，这意味着在相同的电费支出下，可以支持更多的仿真训练里程。
DSX Sim则为AI工厂全生命周期提供了高保真仿真层，帮助英伟达、合作伙伴及客户对基础设施决策进行建模、验证和优化，贯穿从规划、设计到部署运营的每个环节。黄仁勋在演讲中强调：“借助DSX平台，甚至可以在投入一元钱之前，对整座工厂进行全面模拟，在安装一台机柜之前，就能验证其性能表现。”
DSX Flex将AI工厂与电网服务连接，使其能够根据负载削减、需求响应和电价波动等电网信号动态调整工作负载。这与自动驾驶的“V2G（Vehicle-to-Grid）”愿景形成了奇妙的呼应：未来的自动驾驶数据中心不仅作为算力消费者，更是电网的“柔性负载”，在用电低谷时全力训练模型，在高峰时则向电网反哺电力。
演讲的最后部分，指向了智能体从数字世界迈向物理世界的关键一步。
黄仁勋提及，物理AI的核心挑战在于数据。互联网文本多为“第三人称视角”，而机器人则需要“第一人称视角”的物理世界数据。英伟达的解决方案是Cosmos 3——一个开放的物理世界基础模型，能够作为视觉语言模型理解物理场景，生成物理准确的合成视频，作为模拟器完成策略训练闭环，也是Omniverse数字孪生平台的基础。它支持所有类型的机器人与物理系统开发，完全开放并允许用户二次定制。
在自动驾驶领域，英伟达推出了Alpamayo 2——全球首个可推理的自动驾驶开放模型，基于Hyperion平台（全球80%的汽车制造商采用，97%的出行服务对接），支持端到端推理规划。车辆能够用自然语言实时解释每一步决策逻辑，将“黑箱模型”转化为“可解释AI”。
值得一提的是Isaac GR0K人形机器人参考平台，它拥有25自由度的双手，31自由度的全身，身高6英尺、体重150磅，集成了全套数据生成、仿真、训练、运行软件栈，主要面向高校和科研机构。过去需要数月准备的工作，现在仅需数小时即可启动研究，旨在降低人形机器人研发门槛，推动整个领域的发展。
黄仁勋为英伟达描绘了一个完整的“智能体经济”基础设施蓝图：底层是Vera Rubin/Vera CPU提供的算力保障，中间层是DSX的AI工厂蓝图和企业级智能体工具包，上层则是RTX Spark作为个人智能体入口，以及Cosmos/Alpamayo/GR0K共同构建的物理AI生态。
至此，英伟达的转型路径清晰可见：从出售GPU，逐步发展到销售完整的系统，再进一步帮助客户建设“能创造价值的AI基础设施”。