CES2026／NVIDIA 公佈 AI 算力不再是唯一 機器人、AI 記憶與自動駕駛全面進化

圖/NVIDIA

在 2026 年 CES 全美消費電子大展上，NVIDIA 輝達公司一反常態，不僅沒有把心力放在展示算力或全新晶片製程。相反地，NVIDIA 公佈了 Physical AI 機器人平臺、AI 推論情境記憶儲存平臺，以及具備推理與可解釋能力的自動駕駛模型等三項關鍵技術。

這三項技術雖然分屬不同領域，但實際上都在說明 AI 已經從原本的算力速度快，轉向能在現實世界中「理解情境」、「保留長期記憶」並能「解釋自己的行爲」。

圖/NVIDIA

機器人不再只是照流程動作，而是先理解環境再決定怎麼做

過去機器人系統因爲高度客製化、訓練成本高、開發流程零碎，導致每個專案几乎都需要經過重新開發，產業因此面臨了結構性問題。

如今 NVIDIA 以「物理 AI（Physical AI）」作爲機器人發展的下一階段核心，推出全新開放模型、開發框架與硬體平臺，讓機器人不再只是執行單一指令，而是逐步具備理解環境、推理與行動規劃的能力。

NVIDIA 這次釋出的重點，不只是單一模型，而是一整套涵蓋學習、推理、模擬、評估到部署的完整工具鏈，同時開放的三項模型，包括：

這些模型皆已上架至 Hugging Face，讓開發者可直接微調與實驗，而不必從零開始建立基礎模型。

另外，爲了改善訓練與評估流程分散的問題，NVIDIA 同步釋出 Isaac Lab-Arena 與 OSMO 等開源工具：

目前這些工具已開始被實際採用，並且已經整合至在 Microsoft Azure Robotics Accelerator 等開發環境，並沒有停留在研究階段。

據 NVIDIA 官方指出，Boston Dynamics、Caterpillar、Franka Robotics、NEURA Robotics、LG Electronics 等合作伙伴，已經把這套架構實際整合到新一代機器人系統，顯示 Physical AI 正從概念走向實務。

圖/NVIDIA

AI 開始「記得住事情」，儲存架構成爲新的關鍵戰場

第二項關鍵技術是，讓 AI 擁有記憶功能。

隨着 AI 模型邁向數兆參數、推論流程越來越長，「記得住前後文」成爲影響 AI 表現的關鍵。在傳統架構下，大型語言模型在推論時會產生的大量 KV Cache，並留在 GPU 記憶體中，一旦情境拉長或代理數增加，就會遇到容量與頻寬瓶頸。

在這次 CES 展覽中，NVIDIA 發表 BlueField-4 資料處理器，並同步推出「推論情境記憶儲存平臺」（Inference Context Memory Storage Platform），它能從根本改造 AI 的儲存與記憶架構，把情境記憶從 GPU 中抽離，變成可共享、可擴充的獨立儲存層，並能在不同 GPU、不同節點之間延續上下文狀態。

爲了讓長情境推論不必反覆重算前文內容，這套平臺也整合了 NVIDIA Spectrum-X 乙太網路，支援以 RDMA 爲基礎的高速存取。如此一來，每當進行多回合推論時，AI 不必每次重新回憶上下文，迴應速度與一致性都能同步提升，對於需要持續互動的 AI 代理特別重要。

NVIDIA 也透露，目前包括 IBM、Dell Technologies、Hewlett Packard Enterprise、Pure Storage、Supermicro、WEKA 等多家儲存與系統廠商已經採用 BlueField-4 架構，準備打造新一代 AI 原生儲存平臺。相關產品預計在 2026 年下半年陸續推出，這也代表 AI 基礎設施的競爭，已經從「誰的 GPU 快」，轉向「誰能讓 AI 記得更多、跑得更久」。

圖/NVIDIA

自動駕駛不只會開，還要能解釋爲什麼這樣開

第三條技術，則是鎖定在自動駕駛技術最難突破的「長尾問題（Long-Tail Problem）」。畢竟自動駕駛技術已經發展多年，但真正卡關的並不是高速公路，而是那些罕見、複雜、難以預測的情境。

爲此，NVIDIA 推出 Alpamayo 系列開源 AI 模型與工具，主打「基於推理（reasoning）」的自動駕駛開發路線，與直接部署的車載模型不同，Alpamayo 被定位爲教師模型（teacher model） ，開發者可以在此基礎上進行微調、蒸餾，打造更輕量、可實際部署的自駕模型。

這次 NVIDIA 同步釋出一整套互相配合的開放工具，其中 Alpamayo 1 能在輸出行駛決策的同時，呈現完整的推理過程；AlpaSim 則提供高擬真的開源模擬環境，讓研究團隊能在虛擬世界中反覆測試策略；再加上超過 1,700 小時的真實駕駛資料，讓推理型自駕模型能被系統性驗證。

就目前消息，Alpamayo 已經吸引多家車廠與移動服務業者關注，包括 Lucid Motors、Jaguar Land Rover、Uber，以及學術研究社羣 Berkeley DeepDrive。

由於這項功能具有推理能力與可解釋性，有望成爲 Level 4 自動駕駛的必要條件，而開源模型將有助於加速整個生態系的驗證與演進。

《原文刊登於合作媒體三嘻行動哇，聯合新聞網獲授權轉載。》

圖片及資料來源：NVIDIA