На CES‑2026 NVIDIA показала амбициозный «стек» — от новой архитектуры чипов до моделей для автономных машин и инструментов для роботов, а вокруг этого разгораются важные практические тренды: ускорение на ПК и на периферии, открытые модели и вопросы безопасности в медицинском ИИ. В подборке — ключевые анонсы NVIDIA, ответ индустрии и пара заметных исследований, которые стоит взять на заметку инженерам и продуктовым командам.
NVIDIA представила новую архитектуру чипов Rubin — партнёрам и дата‑центрам это обещает существенный скачок производительности для крупных моделей и кластерных систем: подробности об архитектуре собрало TechCrunch, а технический взгляд на платформу Rubin с описанием шести новых чипов и единого AI‑суперкомпьютера можно найти в заметке NVIDIA «Inside the NVIDIA Rubin Platform».
NVIDIA усиливает позиции и на уровне систем: новый DGX SuperPOD на базе Rubin предназначен для задач обучения в масштабе, а улучшения в DGX Spark и в настольном DGX Station делают возможным запуск больших открытых и «фронтирных» моделей прямо с рабочего места — см. материал о DGX SuperPOD и обзор DGX Spark и DGX Station, плюс недавние оптимизации ПО и моделей для DGX Spark здесь.
Автономные машины получили собственный блок новостей: NVIDIA анонсировала семейство открытых моделей Alpamayo, которые дают автомобилям возможность «думать как человек», а производители интегрируют софт — пример коммерческой встраиваемой реализации: DRIVE AV уже дебютировал в новом Mercedes‑Benz CLA; дополнительные сведения об экосистеме Hyperion и о самой Alpamayo смотрите в заметках NVIDIA «Building autonomous vehicles that reason with NVIDIA Alpamayo» и анонсе DRIVE AV в Mercedes, а журналистский ракурс на Alpamayo дал TechCrunch.
Сеть сенсоров и безопасность данных становятся приоритетом: NVIDIA интегрировала ускоренную защиту и меры для сетевого контроля на уровне SmartNIC (BlueField) в промышленный дизайн Enterprise AI Factory — это шаг к аппаратно‑поддерживаемой безопасности и разграничению потоков данных при работе с чувствительными моделями (BlueField для Enterprise AI Factory).
На периферии и в робототехнике компания сделала несколько практичных ходов: новый модуль Jetson T4000 и JetPack 7.1 обещают ускорение вывода моделей на устройствах «на краю», а среда для симуляций IsaacLab‑Arena упрощает тестирование обобщённых политик для роботов в виртуальной арене — сочетание аппаратного ускорения и симуляций задаёт основу для «Android» в области универсальных роботов, о чём размышляет и TechCrunch (см. источники NVIDIA: Jetson T4000, IsaacLab‑Arena).
Для создателей приложений на ПК важна хорошая новость: открытые инструменты и обновления ускоряют LLM и диффузионные модели на графике RTX, а апгрейды LTX‑2 и ComfyUI позволяют генерировать 4K‑видео с помощью RTX прямо на рабочей станции — практическое руководство и пояснения в статьях NVIDIA и для разработчиков: обновления для RTX‑ПК и RTХ‑ускорение 4K‑видео.
В то время как индустрия гонится за производительностью, научные работы напоминают о рисках: исследователи MIT изучают проблему «запоминания» чувствительных данных в медицинских моделях — важно для клиник и разработчиков, чтобы понять, как модели могут непреднамеренно воспроизводить пациентские данные (исследование MIT о риске запоминания). Одновременно MIT публикует перспективную работу о создании ИИ‑сгенерированных сенсоров для раннего обнаружения рака — пример того, как generative AI может стать инструментом для разработки новых биосенсоров (датчики для ранней диагностики).
Пара заметок по конкурентам и по практике: AMD анонсировала новые процессоры для ПК с поддержкой ИИ — это расширяет выбор аппаратной базы для разработчиков и геймеров (AMD по итогам CES). Плюс небольшая реплика о практических экспериментах: обзор того, как ChatGPT, Claude и DeepSeek справляются с задачей собрать «Тетрис», показывает, насколько разные модели пригодны для конкретных инженерных задач и прототипирования (практический эксперимент с Tetris).
