$3000 跑 200B 模型？老黄 CES 2026 炸场：全栈开源、物理 AI 与开发者的「个人超算」时代

PART 01

炸场：开发者的「个人超算」时代来了

摘要 ：Jensen Huang 在 CES 2026 的演讲不仅仅是卖芯片，更是对 AI 开发范式的一次重塑。从售价 $3000 的“个人 AI 超级计算机”，到 Nemotron、Cosmos、Alpamo 等核心模型的全栈开源，Nvidia 正在极力降低 AI 开发的入场门槛。

刚刚结束的 CES 2026 上，Nvidia CEO 黄仁勋（Jensen Huang）发表了长达 1.5 小时的主题演讲。

对于我们开发者而言，这次演讲释放的信号非同寻常： Nvidia 不再满足于做“铲子商”，它正在通过开源模型、数据生成工具和高性价比硬件，直接重构我们的开发环境。

如果不看那 10 万亿美元的基础设施转型宏大叙事，这几个跟开发者切身相关的“炸点”，你绝对不能错过。

🚀 01. Project DIGITS：开发者的梦中情机

你是否厌倦了在云端租用 GPU 的高昂账单？或者受限于本地显存无法运行大参数模型？

老黄发布了 Project DIGITS ，这可能是本次演讲中最让独立开发者和研究人员兴奋的产品。

这是什么？ 一台售价仅 $3000（约合人民币 2.1 万） 的个人 AI 超级计算机。

配置多强？ 搭载 GB10 Grace Blackwell Superchip，配备 128GB 统一内存 。

能干什么？ 它可以让你在本地桌面上，无需量化地运行 Llama 3.1 70B 甚至 200B 参数 级别的模型。

👨‍💻 开发者视角：

这意味着“云端训练/推理，本地开发”的割裂时代即将结束。Project DIGITS 提供了完整的 CUDA 生态，支持所有 Nvidia AI 库。对于学生、初创团队和隐私敏感的开发者来说，这不仅是省钱，更是将前沿模型的微调和推理权收回到了自己手中。2026 年 5 月发货，准备好钱包了吗？

🔓 02. Nvidia 的全栈开源：这剧本没见过

过去我们认为 Nvidia 是闭源的代表，但这次老黄明确表态：“Nvidia 不仅是芯片公司，更是前沿 AI 模型构建者，且我们将这些模型 开源 。”

注意，不仅是权重（Weights），还包括 训练数据 和 工具链 。以下是几个开发者必须关注的开源神器：

• Nemotron 3（大语言模型）： 首个混合 Transformer-SSM 架构，特点是推理速度极快，适合作为 Agent 的“大脑”。
• Cosmos（世界基础模型）： 这不是生成视频的玩具，而是理解物理定律的 Foundation Model。它能将计算转化为数据，解决物理数据稀缺的问题。
• Alpamo（自动驾驶）： 世界首个开源的思考型自动驾驶模型 。具备“推理”能力，能输出动作、推理过程和轨迹。
• Groot（人形机器人）： 通用机器人基础模型。

👨‍💻 开发者视角：

Nvidia 开源了 NeMo 库（包含数据处理、护栏、评估等全生命周期工具），这比模型本身更有价值。通过 Cosmos 生成合成数据，再用 NeMo 训练自己的专用模型，这将成为未来 Vertical AI（垂直领域 AI）开发的标准范式。

🤖 03. Agentic Systems：从“写代码”到“训练代理”

演讲中反复强调了一个概念： Agentic AI（代理系统） 。

老黄提到，软件开发正在经历从“编程（Coding）”到“训练（Training）”的根本性转变。未来的 APP 不再是写死的逻辑，而是由多个 AI Agent 组成的协作网络。

Nvidia 推出了 Blueprints（蓝图） 架构，为开发者提供了一套构建 Agent 的标准参考：

1. 多模型路由： 系统根据意图（Intent）自动选择最适合的模型（例如让擅长数学的模型算数，让擅长文学的模型写诗）。
2. 混合云架构： 隐私数据跑在本地（如 Project DIGITS），通用任务跑在云端前沿模型。
3. 工具使用： 赋予 AI 查阅文档、使用 API 的能力。

演示案例： 现场展示的个人助手 Richi ，通过简单的意图识别路由，结合本地模型处理隐私邮件、云端模型处理通用任务，实现了完全自然的交互。代码量极少，但能力极强。

🌍 04. 物理 AI：合成数据是这一轮的“金矿”

如果你是从事 CV、自动驾驶或机器人开发的同学， Cosmos 和 Omniverse 的结合将是你绕不开的技术栈。

老黄提出了 Physical AI 的三计算机架构 ：

• 训练计算机 （DGX）：学习知识。
• 模拟计算机 （Omniverse）：生成数据、构建数字孪生。
• 推理计算机 （Jetson/Drive）：在边缘端执行。

核心痛点解决： 物理世界的数据太难获取了（比如你不能为了训练自动驾驶去撞一万次车）。Cosmos 的核心能力在于“将计算转化为数据”。通过物理定律约束的视频生成，开发者可以生成无限的 Corner Case（长尾场景）数据来训练模型。

⚡ 05. Blackwell 芯片：算力暴涨 4 倍

虽然离普通开发者较远，但作为行业风向标，Blackwell 的数据依然震撼：

GB300 超级芯片： 2 个 GPU + 1 个 CPU，性能较 Hopper 提升 4 倍。

GB400 NVL： 单机架 144 个 GPU，专为万亿参数模型训练设计。

这意味着，未来云端推理成本将进一步大幅下降，让大规模 AI 应用落地在经济上成为可能。

📝 总结：开发者接下来做什么？

Jensen Huang 的这场演讲清晰地描绘了 2025-2026 年的技术路线图：

• 拥抱 Agent 开发模式： 学习如何构建多模型协作系统，关注 Nvidia Blueprints 这类框架。
• 关注合成数据（Synthetic Data）： 无论你是做 LLM 还是物理 AI，高质量数据将不再来源于爬虫，而是来源于模型生成（Cosmos/Omniverse）。
• 准备本地化部署： 随着 Project DIGITS 这类硬件的普及，以及 DeepSeek R1、Nemotron 等开源模型的强大，边缘端/本地端的 AI 应用将迎来爆发。

"It's utterly trivial now." （现在这一切都变得微不足道了。）

老黄用这句话形容以前看似登天、现在触手可及的 AI 能力。作为开发者，我们正处在一个工具最丰盛、门槛最低的黄金时代。

你对 $3000 的 Project DIGITS 心动了吗？欢迎在评论区讨论！👇