Related articles
文 | 听筒 Tech，作者 | 杨 林，编辑 | 饶 言
AI 接下来会如何发展？未来十年，人与机器将如何重新分工？英伟达 CEO 黄仁勋给出了最新答案。
在拉斯维加斯的 2026 年 CES 展会上，黄仁勋用一场 90 分钟的演讲，为全球科技界指出了一个新方向。
在这位 「黄衣教主」 看来，人工智能已经正式迈入全新阶段——从理解语言进化到理解物理世界，他将这个转变称为 「物理 AI」 的 「ChatGPT 时刻」。
黄仁勋自信地预测，2026 年，将有望看到能力达到 「人类级别」 的机器人。
诸多业内分析认为，这意味着，人工智能将从处理文本和图像的虚拟领域，迈向一个能理解重力、摩擦、材质，并与物理世界进行实时、合理交互的全新纪元。
在 AI 从业人士马哥看来，「物理 AI」 的概念，并不难以解读。实际上，从国内诸多相关企业的动作来看，「物理 AI」 已经初见端倪，「当然，面临的挑战依然不小。」
「可以预见的是，2026 年，必定是 『物理 AI』 爆发的一年。」 马哥笃定地指出，在这个赛道的每一位玩家，要做的，便是尽可能地更快地抢占高地，「虽然这并不容易，但动作慢了，便要挨打，这是毋庸置疑的。」
-01-「物理 AI」 迎来 「ChatGPT 时刻」
2025 年 7 月，黄仁勋曾与之江实验室主任、阿里云创始人王坚对话时首次明确提出，「人工智能的下个浪潮是 『物理 AI』」。
半年后，在 CES 2026 展会上，这一概念已演变为具体的产品路线图。黄仁勋用长达 90 分钟的演讲，宣告人工智能正式进入新阶段。
「『物理 AI』 的 『ChatGPT 时刻』，即将到来。」 在最新的演讲中，黄仁勋明确地抛出这一核心观点。在会上，他宣告，人工智能正从理解语言进化到理解物理世界。
黄仁勋这样解读 「物理 AI」，「即能够理解自然定律的 AI」。他指出，物理 AI 涉及 AI 与世界交互。在物理 AI 的语境下，大众有与物理世界交互的 AI，也有理解物理定律的物理 AI。
黄仁勋认为，「物理 AI」 的问题在于，如何将计算机内通过屏幕和扬声器与你交互的智能体，变成能与世界交互的智能体？这意味着它能理解世界运作的常识：物体恒存性 （我移开视线再回来，物体还在那里）、因果关系 （我推它，它会倒下）。
在 「物理 AI」 这个概念里，单一模型已经不够用，要建立一整套能调用多个模型、会拆解问题、会用工具的工作智能体。
因此，黄仁勋的核心并非展示某个单一芯片的算力突破，而是描绘了一幅名为 「AI 工业化」 的完整蓝图。
黄仁勋强调，「计算行业的每一层，都要被重写一次。」 这指向一个根本性转变：AI 的真正跃迁不再依赖单点模型突破，而依赖可复制、可部署、可验收、可规模化的完整工业能力。
黄仁勋的逻辑很明确，要让机器人理解物理世界，需要的不只是算法和算力。它并非简单的 「能动的机器人」，而是能理解重力、摩擦、惯性、材质和因果关系，并据此做出合理决策与行动的智能系统。
因此，这次英伟达发布的不再是单纯的芯片升级，而是一整套面向 「物理 AI」 的开放模型、框架和基础设施，并展示了全球合作伙伴为各行业打造的多款机器人。
这些模型可以帮助机器人实现基于物理原理的合成数据生成、策略评估，使机器能够像人类一样看见、理解物理世界并采取行动。
「不仅是机器人能动，更是能理解重力、摩擦、惯性和因果关系的智能系统，能够在虚拟世界中先进行数十亿次训练。」 黄仁勋认为，这是人工智能从虚拟数字世界走向实体物理世界的关键一步。
黄仁勋指出，通过数字孪生与模拟训练，机器人的学习可以在虚拟世界完成，进而快速部署到现实场景。
在黄仁勋看来，人形机器人不再只是实验室展示品，而是具备实际商业潜力的产品。
「机器人开发的 ChatGPT 时刻已然到来。『物理 AI』 领域取得了突破性进展，这类模型具备理解现实世界、推理和行动规划的能力，持续催生全新的应用场景。」
黄仁勋曾感叹，「过去 12 年左右，AI 发展极为迅猛，基本上每 3-5 年就会出现一次重大突破。」
或许，黄仁勋所认为的，3-5 年出现一次的重大突破，来得更快了。
-02-如何影响产业？
「你可以理解，过去你看过的科幻片，将离你越来越近。」 对黄仁勋的最新演讲，马哥试图以更形象的方式这样解读。
「如果说，过去机器人只是展示品，离普通大众的生活还很远。那么在黄仁勋的这次演讲，思路已经很清晰。」 马哥笑言，「你在科幻片里看到的诸多景象，都将有可能很快走进现实。」
「当然，黄仁勋也明确了，工业化，是 『物理 AI』 从实验室和演示视频走向大规模商业化的第一步。」 马哥指出，黄仁勋的意思已经很明显，机器人，将成为 AI 工业化的第一批量产成品。
实际上，在此次的 CES 展会上，波士顿动力公司也发布了量产版的双足人形机器人 Atlas，其规格参数达到全新高度，可实现高精度操作。
业内分析指出，此次展示的 Atlas 向外界证明了，人形机器人已经开始为真实世界而设计。
马哥便明确指出，从展示的 Atlas 性能上来看，「你看到的，不再是像人一样走路，或者表演的机器人，而是有可能实现 『高效、实用、针对场景的功能化』 的机器人。」
在马哥看来，这将是机器人接下来重点发展的方向，更是在这个赛道上的企业需要攻克的 「高地」。
不过，马哥还认为，尽管接下来的 AI 发展路径已经清晰，但 「物理 AI」 的全面落地之路依然布满荆棘，「尤其是对于那些志在参与这场革命的企业而言，必须清醒地认识到横亘在前的核心挑战。」
马哥指出，「物理 AI」 的核心是数据。很明显，目前诸多企业所采用的传统 「大数据」 范式已无法满足需求，「如诸多专家学者所言，『物理 AI』 需要的是满足 『物理真实性、语义可理解性、场景泛化性』 三大标准的 『好数据』。」
例如，要教会机器人 「开门」，数据不仅要包含门的图像，还需精准刻画合页的转动轨迹、把手的力学特性，并让 AI 理解 「打开」 这一指令的语义。
马哥直言，就目前的情况来看，不管是国内，还是国外，仅从这一方面而言，便仍存在较大的差距，「构建这样的高质量数据集，工程浩大且成本高昂。」
在马哥看来，另一个挑战在于，模拟到现实的鸿沟，「目前诸多机器人，更多的是 『模拟』，与 『实际操作』，相距甚远。」
「在真正的商业应用中，在仿真环境中训练出的完美动作，可能因现实世界中种种因素影响，完全失效。」 马哥指出，尤其是一些特殊场景，目前的技术显然难以解决，「必须理解的是，不是通过遥控器让机器人开门，而是机器人自己学会开门。」
第三重挑战，则在于技术整合与生态壁垒。
「你可以看到，目前很多企业是各自为阵，这实际上很大程度上制约了技术的发展，也可能对整个产业的推进产生影响。」 马哥直言，或许，在当前环境下，「协同发展，是最好、也是最快的途径，虽然这不太现实。」
「在这种情况下，企业若想在竞争中保持主动，必须在某些关键环节形成不可替代的差异化能力。」 马哥指出。
更有业内人士认为，从发展路径来看，国内的企业通常更擅长从本地生活、物流、制造等具体的应用场景出发，解决实际问题，在过程中迭代技术，锤炼模型。
「于企业而言，无论是哪条路径，一旦走通，护城河将同样深厚，就看企业怎样权衡和选择。」 马哥坦言，「物理世界的 AI 革命没有统一的终点，但很显然，比赛已经开始。」
（声明：本文仅作为信息交流，不构成任何投资参考建议。）
