Hovedpoengene i Lao Huangs CES-tale: 1. På infrastruktur- og datakraftnivå bryter NVIDIA gjennom fysiske grenser gjennom «ekstrem samarbeidsdesign» og rekonstruerer kostnadslogikken til datasentre. Stilt overfor en flaskehals på bare 1,6 ganger så mange transistorer, økte NVIDIA inferensytelsen med fem ganger og reduserte kostnaden for tokengenerering til 1/10 gjennom Vera Rubin-plattformen, NVLink 6-tilkoblingen og BlueField-4-drevne inferensbaserte kontekstuelle minnelagringsplattform. Hovedmålet med dette nivået er å løse problemene med «kan ikke telle» og «kan ikke huske» (minnevegg) i Agentisk AI, og baner vei for overføring av AI fra trening til storskala inferens. 2. På nivået for modellutvikling har NVIDIA offisielt etablert et paradigmeskifte fra «generativ AI» til «inferens-AI» (testtidsskalering). Huang understreket at AI ikke lenger er et engangsspørsmål og svar, men en tankeprosess som krever flertrinns tenkning og planlegging. Gjennom de åpne kildekodemodellene Alpamayo (autonom kjøring), Cosmos (fysisk verdensmodell) og Nemotron (agent) seriemodellene, fremmer NVIDIA AI for å ha logisk resonnement og langtidsminne, slik at den kan håndtere komplekse langhalescenarier som aldri har vært sett før. 3. På det fysiske landingsnivået kunngjorde NVIDIA at «fysisk AI» offisielt har gått inn i kommersiell inntektsperiode, noe som bryter situasjonen om at AI kun eksisterer på skjermen. Presentasjonen klargjorde tidslinjen for at Mercedes-Benz skal ut på veien i første kvartal 2026 og demonstrerte det dyptgående fullstack-samarbeidet med Siemens i det industrielle metaverset. Ved å koble Omniverse-simuleringsmiljøet, syntetisk datagenerering og robotkontrollmodeller, injiserer NVIDIA AI-kapasiteter fra den «myke verden» i Internett-skyen til den «harde verden» som biler, fabrikker og roboter i stor skala.