Puntos clave de la presentación de Huang en CES: 1. En el ámbito de la infraestructura y la potencia de cálculo, NVIDIA ha roto los límites físicos mediante un "diseño de colaboración extrema", reestructurando la lógica de costos de los centros de datos. Ante el cuello de botella del crecimiento de solo 1.6 veces en el número de transistores, NVIDIA ha forzado un aumento de 5 veces en el rendimiento de inferencia a través de la plataforma Vera Rubin, la interconexión NVLink 6 y la plataforma de almacenamiento de memoria de contexto de inferencia impulsada por BlueField-4, reduciendo el costo de generación de tokens a 1/10. El objetivo central en este nivel es resolver los problemas de "no se puede calcular" y "no se puede recordar" (el muro de la memoria) de la IA Agente, allanando el camino para la transición de la IA de entrenamiento a la inferencia a gran escala. 2. En el ámbito de la evolución del modelo, NVIDIA ha establecido formalmente la transición del paradigma de "IA generativa" a "IA de inferencia" (Escalado en el momento de la prueba). Jensen Huang enfatizó que la IA ya no es solo una pregunta y respuesta única, sino un proceso de cadena de pensamiento que requiere múltiples pasos de reflexión y planificación. A través de los modelos de código abierto Alpamayo (inferencias de conducción autónoma), Cosmos (modelo del mundo físico) y la serie Nemotron (agentes), NVIDIA está impulsando a la IA a poseer capacidades de razonamiento lógico y memoria a largo plazo, permitiéndole manejar escenarios complejos de cola larga que no ha visto antes. 3. En el ámbito de la implementación física, NVIDIA anunció que la "IA física" ha entrado oficialmente en la fase de monetización comercial, rompiendo la situación en la que la IA solo existía en la pantalla. La presentación estableció un cronograma para que los vehículos de Mercedes-Benz salgan a la carretera en el primer trimestre de 2026 y mostró la profunda colaboración de pila completa con Siemens en el metaverso industrial. Al conectar el entorno de simulación Omniverse, la generación de datos sintéticos y los modelos de control robótico, NVIDIA está inyectando masivamente la capacidad de IA desde este "mundo suave" en la nube de Internet hacia el "mundo duro" de automóviles, fábricas y robots.

英伟达收购了潜在的竞争对手，英伟达昨晚宣布以200亿美元现金与AI芯片初创公司Groq达成交易。当然官方也说：不是在收购Groq这家公司，只是获得技术授权，并将Groq的产品整合到未来的产品中。Groq成立于2016年，由一群前谷歌工程师创办，是TPU的核心班底，专注于高性能AI加速器芯片的设计。英伟达这一举动算是抄到了谷歌的后方，开始加速在推理上的发力 。 技术路线上，1）相当于英伟达从单一的 GPU（图形处理器） 路线转向“GPU + LPU”的双轨融合模式，“通用并行计算”转向“专用确定性推理“。 2）特别是存储路径上，从 HBM 到 SRAM，HBM（高带宽显存），虽然容量大但带宽受限。Groq 的 LPU 几乎完全依靠片上 SRAM（静态随机存储器），带宽可达 80 TB/s（是 HBM 的 10 倍左右）。看到有说法，未来Groq叙事越强，存储叙事有可能就越弱。这个对存储版权未来的走势，需要关注下。