黃仁勛定調，“物理AI”吹響號角

比賽已經開始。

聽筒Tech（ID:tingtongtech）原創

文|楊 林

編|饒 言

AI接下來會如何發展？未來十年，人與機器將如何重新分工？英偉達CEO黃仁勛給出了最新答案。

在拉斯維加斯的2026年CES展會上，黃仁勛用一場90分鐘的演講，為全球科技界指出了一個新方向。

在這位“黃衣教主”看來，人工智能已經正式邁入全新階段——從理解語言進化到理解物理世界，他將這個轉變稱為“物理AI”的 “ChatGPT時刻”。

黃仁勛自信地預測，2026年，將有望看到能力達到“人類級別”的機器人。

諸多業內分析認為，這意味著，人工智能將從處理文本和圖像的虛擬領域，邁向一個能理解重力、摩擦、材質，并與物理世界進行實時、合理交互的全新紀元。

在AI從業人士馬哥看來，“物理AI”的概念，并不難以解讀。實際上，從國內諸多相關企業的動作來看，“物理AI”已經初見端倪，“當然，面臨的挑戰依然不小。”

“可以預見的是，2026年，必定是‘物理AI’爆發的一年。”馬哥篤定地指出，在這個賽道的每一位玩家，要做的，便是盡可能地更快地搶占高地，“雖然這并不容易，但動作慢了，便要挨打，這是毋庸置疑的。”

“物理AI”迎來“ChatGPT時刻”

2025年7月，黃仁勛曾與之江實驗室主任、阿里云創始人王堅對話時首次明確提出，“人工智能的下個浪潮是‘物理AI’”。

半年后，在CES 2026展會上，這一概念已演變為具體的產品路線圖。黃仁勛用長達90分鐘的演講，宣告人工智能正式進入新階段。

“‘物理AI’的‘ChatGPT時刻’，即將到來。”在最新的演講中，黃仁勛明確地拋出這一核心觀點。在會上，他宣告，人工智能正從理解語言進化到理解物理世界。

黃仁勛這樣解讀“物理AI”，“即能夠理解自然定律的AI”。他指出，物理AI涉及AI與世界交互。在物理AI的語境下，大眾有與物理世界交互的AI，也有理解物理定律的物理AI。

黃仁勛認為，“物理AI”的問題在于，如何將計算機內通過屏幕和揚聲器與你交互的智能體，變成能與世界交互的智能體？這意味著它能理解世界運作的常識：物體恒存性（我移開視線再回來，物體還在那里）、因果關系（我推它，它會倒下）。

在“物理AI”這個概念里，單一模型已經不夠用，要建立一整套能調用多個模型、會拆解問題、會用工具的工作智能體。

因此，黃仁勛的核心并非展示某個單一芯片的算力突破，而是描繪了一幅名為 “AI工業化” 的完整藍圖。

黃仁勛強調，“計算行業的每一層，都要被重寫一次。”這指向一個根本性轉變：AI的真正躍遷不再依賴單點模型突破，而依賴可復制、可部署、可驗收、可規模化的完整工業能力。

黃仁勛的邏輯很明確，要讓機器人理解物理世界，需要的不只是算法和算力。它并非簡單的“能動的機器人”，而是能理解重力、摩擦、慣性、材質和因果關系，并據此做出合理決策與行動的智能系統。

因此，這次英偉達發布的不再是單純的芯片升級，而是一整套面向 “物理AI” 的開放模型、框架和基礎設施，并展示了全球合作伙伴為各行業打造的多款機器人。

這些模型可以幫助機器人實現基于物理原理的合成數據生成、策略評估，使機器能夠像人類一樣看見、理解物理世界并采取行動。

“不僅是機器人能動，更是能理解重力、摩擦、慣性和因果關系的智能系統，能夠在虛擬世界中先進行數十億次訓練。”黃仁勛認為，這是人工智能從虛擬數字世界走向實體物理世界的關鍵一步。

黃仁勛指出，通過數字孿生與模擬訓練，機器人的學習可以在虛擬世界完成，進而快速部署到現實場景。

在黃仁勛看來，人形機器人不再只是實驗室展示品，而是具備實際商業潛力的產品。

“機器人開發的ChatGPT時刻已然到來。‘物理AI’領域取得了突破性進展，這類模型具備理解現實世界、推理和行動規劃的能力，持續催生全新的應用場景。”

黃仁勛曾感嘆，“過去12年左右，AI發展極為迅猛，基本上每3-5年就會出現一次重大突破。”

或許，黃仁勛所認為的，3-5年出現一次的重大突破，來得更快了。

-02-
如何影響產業？

“你可以理解，過去你看過的科幻片，將離你越來越近。”對黃仁勛的最新演講，馬哥試圖以更形象的方式這樣解讀。

“如果說，過去機器人只是展示品，離普通大眾的生活還很遠。那么在黃仁勛的這次演講，思路已經很清晰。”馬哥笑言，“你在科幻片里看到的諸多景象，都將有可能很快走進現實。”

“當然，黃仁勛也明確了，工業化，是‘物理AI’從實驗室和演示視頻走向大規模商業化的第一步。”馬哥指出，黃仁勛的意思已經很明顯，機器人，將成為AI工業化的第一批量產成品。

實際上，在此次的CES展會上，波士頓動力公司也發布了量產版的雙足人形機器人Atlas，其規格參數達到全新高度，可實現高精度操作。

業內分析指出，此次展示的Atlas向外界證明了，人形機器人已經開始為真實世界而設計。

馬哥便明確指出，從展示的Atlas性能上來看，“你看到的，不再是像人一樣走路，或者表演的機器人，而是有可能實現‘高效、實用、針對場景的功能化’的機器人。”

在馬哥看來，這將是機器人接下來重點發展的方向，更是在這個賽道上的企業需要攻克的“高地”。

不過，馬哥還認為，盡管接下來的AI發展路徑已經清晰，但“物理AI”的全面落地之路依然布滿荊棘，“尤其是對于那些志在參與這場革命的企業而言，必須清醒地認識到橫亙在前的核心挑戰。”

馬哥指出，“物理AI”的核心是數據。很明顯，目前諸多企業所采用的傳統“大數據”范式已無法滿足需求，“如諸多專家學者所言，‘物理AI’需要的是滿足‘物理真實性、語義可理解性、場景泛化性’三大標準的‘好數據’。”

例如，要教會機器人“開門”，數據不僅要包含門的圖像，還需精準刻畫合頁的轉動軌跡、把手的力學特性，并讓AI理解“打開”這一指令的語義。

馬哥直言，就目前的情況來看，不管是國內，還是國外，僅從這一方面而言，便仍存在較大的差距，“構建這樣的高質量數據集，工程浩大且成本高昂。”

在馬哥看來，另一個挑戰在于，模擬到現實的鴻溝，“目前諸多機器人，更多的是‘模擬’，與‘實際操作’，相距甚遠。”

“在真正的商業應用中，在仿真環境中訓練出的完美動作，可能因現實世界中種種因素影響，完全失效。”馬哥指出，尤其是一些特殊場景，目前的技術顯然難以解決，“必須理解的是，不是通過遙控器讓機器人開門，而是機器人自己學會開門。”

第三重挑戰，則在于技術整合與生態壁壘。

“你可以看到，目前很多企業是各自為陣，這實際上很大程度上制約了技術的發展，也可能對整個產業的推進產生影響。”馬哥直言，或許，在當前環境下，“協同發展，是最好、也是最快的途徑，雖然這不太現實。”

“在這種情況下，企業若想在競爭中保持主動，必須在某些關鍵環節形成不可替代的差異化能力。”馬哥指出。

更有業內人士認為，從發展路徑來看，國內的企業通常更擅長從本地生活、物流、制造等具體的應用場景出發，解決實際問題，在過程中迭代技術，錘煉模型。

“于企業而言，無論是哪條路徑，一旦走通，護城河將同樣深厚，就看企業怎樣權衡和選擇。”馬哥坦言，“物理世界的AI革命沒有統一的終點，但很顯然，比賽已經開始。”

（頭圖來自《西部世界》劇照。）

（聲明：本文僅作為信息交流，不構成任何投資參考建議。）