Die Hauptpunkte von Huang's CES-Präsentation: 1. Auf der Ebene der Infrastruktur und Rechenleistung hat NVIDIA durch "extreme kollaborative Gestaltung" die physikalischen Grenzen gewaltsam durchbrochen und die Kostenlogik von Rechenzentren neu gestaltet. Angesichts des Engpasses, dass die Anzahl der Transistoren nur um das 1,6-fache gewachsen ist, hat NVIDIA durch die Vera Rubin-Plattform, NVLink 6-Verbindungen und die von BlueField-4 angetriebenen Speicherplattformen für inferenzielle Kontextspeicher die Inferenzleistung um das 5-fache gesteigert und die Kosten für die Token-Generierung auf 1/10 gesenkt. Das Kernziel auf dieser Ebene ist es, die Probleme von Agentic AI (Agentenintelligenz) zu lösen, die "nicht rechnen kann" und "sich nicht erinnern kann" (Speichermauer), um den Übergang von AI von Training zu großangelegter Inferenz zu erleichtern. 2. Auf der Ebene der Modellentwicklung hat NVIDIA offiziell den Paradigmenwechsel von "generativer AI" zu "inferenzbasierter AI" (Testzeit-Skalierung) festgelegt. Jensen Huang betonte, dass AI nicht mehr nur einmalige Fragen und Antworten sind, sondern einen mehrstufigen Denk- und Planungsprozess erfordern. Durch die Open-Source-Modelle Alpamayo (autonome Fahrinferenz), Cosmos (Modell der physischen Welt) und die Nemotron (Agenten)-Modellreihe treibt NVIDIA die Entwicklung von AI voran, die logische Schlussfolgerungsfähigkeiten und Langzeitgedächtnisfähigkeiten besitzt, um mit komplexen, zuvor unbekannten Langschwanzszenarien umzugehen. 3. Auf der Ebene der physischen Umsetzung hat NVIDIA angekündigt, dass "physische AI" offiziell in die Phase der kommerziellen Monetarisierung eintritt und damit die Vorstellung, dass AI nur auf Bildschirmen existiert, durchbrochen wird. Die Präsentation legte den Zeitplan für die Straßenfahrt des Mercedes-Benz-Fahrzeugs im ersten Quartal 2026 fest und zeigte die tiefgreifende Full-Stack-Zusammenarbeit mit Siemens im industriellen Metaversum. Durch die Verbindung der Omniverse-Simulationsumgebung, der synthetischen Datengenerierung und der Robotersteuerungsmodelle injiziert NVIDIA AI-Fähigkeiten in großem Maßstab in die "harte Welt" von Autos, Fabriken und Robotern, weg von der "weichen Welt" der Internet-Cloud.