Główne punkty wystąpienia Lao Huang na CES: 1. Na poziomie infrastruktury i mocy obliczeniowej, NVIDIA poprzez "ekstremalne współprojektowanie" brutalnie łamie fizyczne ograniczenia, przekształcając logikę kosztów centrów danych. W obliczu ograniczenia, w którym liczba tranzystorów wzrosła tylko 1,6 razy, NVIDIA za pomocą platformy Vera Rubin, NVLink 6 oraz platformy pamięci kontekstowej napędzanej przez BlueField-4, wymusza pięciokrotny wzrost wydajności wnioskowania i obniża koszty generowania tokenów do 1/10. Kluczowym celem na tym poziomie jest rozwiązanie problemów związanych z "Agentic AI" (inteligencja agentów), które "nie mogą obliczyć" i "nie mogą zapamiętać" (ściana pamięci), torując drogę dla AI do przejścia od treningu do masowego wnioskowania. 2. Na poziomie ewolucji modeli, NVIDIA formalnie ustaliła przejście od "AI generatywnej" do "AI wnioskowej" (Test-time Scaling). Jensen Huang podkreślił, że AI nie jest już jednorazowym pytaniem i odpowiedzią, ale wymaga wieloetapowego myślenia i planowania w procesie łańcucha myślowego. Poprzez otwarte źródło Alpamayo (wnioskowanie w autonomicznym prowadzeniu), Cosmos (model świata fizycznego) oraz serię modeli Nemotron (agentów), NVIDIA dąży do tego, aby AI posiadała zdolności logicznego wnioskowania i długoterminowej pamięci, aby mogła radzić sobie z nieznanymi złożonymi scenariuszami długiego ogona. 3. Na poziomie fizycznej realizacji, NVIDIA ogłosiła, że "fizyczna AI" oficjalnie wchodzi w okres komercjalizacji, łamiąc sytuację, w której AI istniała tylko na ekranie. W wystąpieniu określono harmonogram wprowadzenia samochodów Mercedes-Benz na drogi w Q1 2026 oraz zaprezentowano głęboką współpracę z Siemens w zakresie przemysłowego metawersum. Poprzez połączenie środowiska symulacyjnego Omniverse, generowania danych syntetycznych oraz modeli kontroli robotów, NVIDIA wprowadza zdolności AI z "miękkiego świata" chmury internetowej do "twardego świata" samochodów, fabryk i robotów na dużą skalę.