Nyckelpunkter i Lao Huangs CES-tal: 1. På infrastruktur- och datorkraftnivå bryter NVIDIA med brute-force igenom fysiska gränser genom "extrem samarbetsdesign" och rekonstruerar kostnadslogiken för datacenter. Med en flaskhals på endast 1,6 gånger antalet transistorer ökade NVIDIA inferensprestandan med tvång med 5 gånger och sänkte kostnaden för tokengenerering till 1/10 via Vera Rubin-plattformen, NVLink 6-interkonkopplingen och BlueField-4-driven inferens-kontextuell minneslagringsplattform. Kärnmålet med denna nivå är att lösa problemen med "kan inte räkna" och "kan inte minnas" (minnesvägg) i Agentic AI, vilket banar väg för överföringen av AI från träning till storskalig inferens. 2. På modellutvecklingsnivå har NVIDIA officiellt etablerat ett paradigmskifte från "generativ AI" till "inferens-AI" (testtidsskalning). Huang betonade att AI inte längre är en engångsfråga och svar, utan en tankeprocess som kräver flerstegstänkande och planering. Genom de öppna källkodsmodellerna Alpamayo (autonom körning), Cosmos (fysisk världsmodell) och Nemotron (agent) främjar NVIDIA AI för logisk resonemangsförmåga och långtidsminne, så att den kan hantera komplexa långsvansscenarier som aldrig tidigare setts. 3. På den fysiska landningsnivån meddelade NVIDIA att "fysisk AI" officiellt har gått in i den kommersiella intäktsperioden, vilket bryter situationen att AI endast existerar på skärmen. Presentationen klargjorde tidsplanen för Mercedes-Benz att ge sig ut på vägarna under första kvartalet 2026 och visade det djupgående fullstack-samarbetet med Siemens inom industrimetaversen. Genom att koppla samman Omniverse-simuleringsmiljön, syntetisk datagenerering och robotkontrollmodeller injicerar NVIDIA AI-funktioner från internetmolnets "mjuka värld" till den "hårda världen" som bilar, fabriker och robotar i stor skala.