汽车芯片行业格局演变 - 2026年汽车芯片讨论重心发生变化，软件定义汽车进入工程落地阶段，整车电子电气架构从分布式向集中式、域控式演进，车内对计算、实时控制与系统安全的要求被置于同一技术框架下重新评估 [1] - 传统汽车电子时代采用高度分布式ECU架构，一辆高端车型由数十甚至上百个ECU拼接而成，TI、NXP、ST、瑞萨、英飞凌等厂商凭借在功能型芯片领域的深耕成为各细分领域事实标准 [2] - 传统燃油车约需70颗MCU芯片，新能源车需100-200颗，2020年汽车MCU市场规模达60亿美元，占全球MCU市场份额的40% [3] - 汽车智能化浪潮打破原有平衡，算力需求集中化、软件复杂度陡增，座舱和智驾领域率先突破传统ECU边界，高通、英伟达等计算型厂商以更强算力和软件生态切入市场 [3] 新进入者（高通、英伟达）的崛起与影响 - 高通自2014年推出第一代座舱芯片602A，通过能力迁移迅速占领市场，2019年发布的7nm制程骁龙SA8155P几乎统治智能座舱市场，2021年发布的5nm制程SA8295P NPU算力达30TOPS，是8155的近8倍 [4] - 2024年数据显示，中国乘用车座舱芯片市场中，高通装机量份额约67%，市占率稳居第一，几乎所有主流车企都采用了其座舱芯片 [4] - 英伟达自2015年进入车载SoC领域，2020年Xavier芯片算力30 TOPS，2022年Orin算力达254 TOPS，目前商用主流双Orin-X配置算力达508 TOPS，2022年发布的Thor芯片算力达2000 TFLOPS，是Orin的近20倍 [5] - 英伟达预计其汽车业务在2026财年将达到50亿美元，理想、蔚来、小鹏、比亚迪、极氪等头部车企均为其客户 [5] - 2024年10月，高通发布骁龙座舱至尊版和Snapdragon Ride至尊版平台，采用自研Oryon CPU架构，性能相比前代提升3倍，AI性能提升12倍，可在单颗SoC上同时支持座舱和智驾功能 [6] - 英伟达的Thor芯片同样支持多域计算，可在单个SoC上高效整合智能座舱和智能驾驶功能 [6] 传统MCU巨头的战略反击 - 随着软件定义汽车成为行业共识，整车电子电气架构经历根本性重构，盖世汽车研究院预测2025年自动驾驶域控制器出货量将超400万台套，智能座舱域控制器出货量将超500万台套，复合增长率预计在50%以上 [7] - NXP、瑞萨、TI等老牌厂商发起新一轮攻势，不再局限于传统MCU定位，而是通过引入更先进制程、更高系统集成度及面向软件架构的设计思路，试图在集中式、域控乃至中央计算架构中重新夺回控制权 [7] - 反击逻辑在于：高通和英伟达强项在于高算力的感知、决策，而车辆核心控制系统（车身电子、底盘控制、动力管理、能量分配、实时安全等）仍需极高的实时性、可靠性和功能安全等级，这正是传统MCU厂商最具护城河的地方 [8] - 在2026年CES上，传统巨头展示了以系统级能力为核心的新产品，旨在占据SDV架构中不可替代的核心控制位置，通过超高集成度、混合关键性系统支持、硬件隔离与软件定义分区，为整车厂提供更务实、可控、成本更优的智能化路径 [9] 恩智浦（NXP）S32N7处理器 - 恩智浦在CES 2026发布基于5nm工艺的S32N7超级集成处理器系列，专注成为车辆核心功能的系统级协调器，瞄准车身电子、底盘控制、能量管理、网关功能及L2级ADAS等基础车辆子系统 [10] - S32N7包含32种兼容型号，核心技术优势体现在硬件强制隔离与软件定义分区、高性能互连与网络集成、分布式AI推理能力三个层面 [11] - 硬件强制隔离允许多达八个传统上独立的车辆域整合到单个处理器上，同时保持混合关键性系统所需的互不干扰，高性能互连支持安全、受限、高性能的基于PCIe的互连，与外部计算节点交换数据 [11] - 分布式AI推理能力针对分布在车辆上的多个并发AI任务进行优化，集成式NPU可并行运行多个中等规模推理模型，且在所有车辆动力模式下均保持激活状态 [12] - 恩智浦估计S32N7可降低高达20%的成本，包括硬件、集成工作、布线和长期维护成本，博世已率先在其车辆集成平台中部署了S32N7 [12] 瑞萨（Renesas）R-Car Gen 5 X5H处理器 - 瑞萨推出业界首款采用3nm工艺制造的多域汽车SoC R-Car Gen 5 X5H，在CES 2026展示其功能，该芯片将多个车辆功能集中在单一计算节点上，同时支持ADAS、信息娱乐系统和网关功能 [13] - 处理器包含32个Arm Cortex-A720AE内核用于高性能应用计算，6个Cortex-R52锁步内核提供实时控制和功能安全支持，片上集成AI加速器最大可提供400 TOPS算力，并支持通过chiplet扩展性能，GPU性能约4 TFLOPS [13] - R-Car X5H支持多域融合，可同时处理来自8路高分辨率摄像头的输入，并输出至8路8K2K显示器，芯片平台提供统一的开发环境，用于加速整车软件开发 [14] - 3nm制程带来35%功耗降低，对电动汽车续航有贡献，该平台更注重可持续演进的计算底座定位，具有统一的CPU架构、跨代软件兼容、可扩展AI加速以及混合关键性支持 [15] 德州仪器（TI）TDA5处理器 - 德州仪器在CES 2026发布支持L3的跨域融合SoC TDA5系列，采用5nm工艺，最高可提供1200 TOPS的AI算力，每瓦功耗可支持24 TOPS的计算能力，强调业界最佳能效比 [16] - 技术创新包括：集成神经处理单元C7，在保持功耗相近的情况下实现比上一代产品高出12倍的AI计算性能；支持基于UCIe开放标准接口的芯片组设计，允许客户定制化应用 [16] - TDA5 SoC包含多个专用子系统，用于安全、视觉处理、边缘人工智能、显示渲染和网络，对PCIe、以太网等标准外设的支持实现了安全可靠的高速数据传输 [17] - 可扩展AI性能从10 TOPS到1200 TOPS，支持利用大型语言模型、视觉语言模型等提升车辆反应能力，覆盖从L1到L3自动驾驶功能，与Synopsys合作的虚拟开发工具包据称可将软件定义车辆的上市时间缩短至多12个月 [17] 竞争格局与行业价值重构 - MCU巨头在SDV领域的集体发力是对汽车产业价值链的重新定义，在SDV时代正从“配角”转变为掌控车辆核心功能的“主角” [19] - 技术维度进行差异化竞争：恩智浦S32N7专注车身、底盘、动力域；瑞萨R-Car定位于多域融合的中央计算；德州仪器TDA5强调能效比和可扩展性，避免了与GPU厂商的正面竞争，占据了SDV架构中不可替代的关键位置 [19][20] - 生态维度具备长期优势：MCU巨头积累了深厚的功能安全认证经验、与整车厂和Tier 1的紧密合作关系，以及对汽车严苛环境的深刻理解，这些软实力是新进入者难以短期复制的 [20] - 商业维度强调成本控制：通过超高集成度降低总拥有成本，恩智浦、瑞萨、德州仪器分别提出了20%成本降低、35%功耗降低、24 TOPS/W最佳能效比等优势，对利润压力巨大的整车厂具有巨大吸引力 [20] - MCU巨头的反击是在重新定义智能汽车的技术路径，过去业界过度关注自动驾驶和智能座舱功能，而忽视了车辆核心控制系统的智能化升级，新势力所依赖的底层架构恰恰需要这些厂商提供的高性能、高可靠性芯片 [20] - 未来SDV的竞争将是从云端到边缘、从感知到执行的全栈能力竞争，MCU巨头凭借其在实时性、安全性、可靠性方面的积累及向高性能计算的成功转型，正在成为真正的“主角” [21]

文章核心观点 - 汽车行业正经历从分布式电子电气架构向集中式、域控式架构的根本性重构，软件定义汽车进入工程落地阶段，车内对计算、实时控制与系统安全的要求被置于同一技术框架下评估 [1] - 传统汽车芯片巨头如恩智浦、瑞萨、德州仪器正发起战略反击，不再局限于传统MCU定位，而是通过先进制程、高系统集成度和面向软件的设计，试图在软件定义汽车的核心架构中重新夺回控制权，从“配角”转变为“主角” [1][9][21] - 老牌厂商的竞争策略是差异化竞争，避开与英伟达、高通在高算力感知决策领域的正面交锋，转而聚焦于对实时性、可靠性和功能安全要求极高的车辆核心控制系统，并利用其在成本、生态和汽车领域深厚积累的优势 [10][21] 从分布式霸主到智能化冲击 - 在传统汽车电子时代，整车采用高度分布式ECU架构，一辆高端车型可能使用数十甚至上百个ECU，每个由独立的MCU控制特定功能，TI、NXP、ST、瑞萨、英飞凌等厂商凭借实时性、可靠性和低功耗成为各细分领域霸主 [3] - 传统燃油车约需70颗MCU，新能源车需要100-200颗，2020年汽车MCU市场规模达60亿美元，占全球MCU市场的40% [4] - 汽车智能化浪潮打破了传统格局，高通和英伟达等计算型厂商凭借更强算力、成熟软件生态和灵活工具链切入市场，高通在座舱市场占据主导，2024年数据显示其在中国乘用车座舱芯片市场份额约67% [4][5] - 英伟达在智驾领域建立统治力，其芯片算力从2020年Xavier的30 TOPS跃升至2022年Orin的254 TOPS，新一代Thor芯片算力达2000 TFLOPS，公司预计其汽车业务在2026财年将达到50亿美元 [5][6] - 软件定义汽车时代，传统分布式架构的复杂线束、低效通信和碎片化软件开发成为沉重包袱，传统MCU厂商产品虽仍重要但已不足够，且面临高通、英伟达向下渗透的挑战 [6][7] SDV共识下的战略反击 - 随着域控和中央集中式架构落地，行业对计算、实时控制与系统安全进行一体化评估，预测2025年自动驾驶域控制器出货量将超400万台套，智能座舱域控制器出货量将超500万台套，复合增长率预计在50%以上 [9] - 传统MCU厂商发起反击的逻辑在于：车辆核心控制系统如车身电子、底盘控制、动力管理等，依然需要极高的实时性、可靠性和功能安全等级，这正是它们的传统优势所在 [10] - 在2026年CES上，恩智浦、瑞萨、德州仪器分别发布了新一代系统级芯片，标志着战略反击的清晰信号 [10] 老牌芯片巨头的新产品战略 恩智浦S32N7 - 基于5nm工艺，专注成为车辆核心功能的系统级协调器，瞄准车身电子、底盘控制、能量管理、网关及L2级ADAS，定位于高性能计算单元与分布式执行器之间 [11][12] - 核心技术优势包括：硬件强制隔离与软件定义分区，允许多达八个传统独立车辆域整合到单个处理器；高性能互连与网络集成，支持与外部计算节点安全交换数据；分布式AI推理能力，优化用于多个并发的中等规模AI任务 [12][13] - 该处理器旨在简化流程和节约成本，博世已率先在其车辆集成平台中部署，硬件隔离、独立更新等特性使其天然适配OTA迭代和软件定义汽车长期演进需求 [14] 瑞萨R-Car Gen 5 X5H - 业界首款采用3nm工艺的多域汽车SoC，集成32个Arm Cortex-A720AE高性能内核、6个Cortex-R52实时内核，最大提供400 TOPS AI算力，GPU性能约4 TFLOPS [15] - 支持多域融合，可同时处理来自8路高分辨率摄像头输入并输出至8路8K2K显示器，提供统一的开发环境以加速整车软件开发 [16][17] - 其平台化意图明显，统一的CPU架构、跨代软件兼容和可扩展AI使其成为一个可持续演进的计算底座 [17] 德州仪器TDA5 - 采用5nm工艺的跨域融合SoC，最高可提供1200 TOPS的AI算力，但更强调其业界最佳的能效比，达到24 TOPS/W [10][17] - 技术创新包括：集成神经处理单元C7，AI计算性能比上一代产品高出12倍；支持基于UCIe开放标准的芯片组设计，允许定制化应用和计算模块扩展 [17][19] - SoC包含多个专用子系统，AI性能从10 TOPS到1200 TOPS可扩展，支持从L1到L3的自动驾驶功能，并与Synopsys合作提供虚拟开发工具以缩短上市时间 [18][19] 重构竞争格局与价值回归 - 传统MCU厂商从“配角”到“主角”的角色转变，源于软件定义汽车架构集中化趋势，使其产品成为掌控车辆核心功能的关键 [21] - 战略意义体现在三个层面：技术上进行差异化竞争，聚焦高实时性、高安全性的核心控制功能；生态上利用数十年积累的功能安全经验、客户关系和行业理解；商业上通过高集成度实现成本控制，如恩智浦估计S32N7可降低高达20%的成本，瑞萨强调3nm工艺降低35%功耗，德州仪器主打最佳能效比 [21][22] - 这场反击重新定义了智能汽车的技术路径，将竞争焦点从自动驾驶和座舱功能，扩展到车辆核心控制系统的智能化升级，未来软件定义汽车的竞争将是涵盖从云端到边缘、从感知到执行的全栈能力竞争 [22]

高通与三星的2纳米晶圆代工合作 - 高通执行长艾蒙证实，公司正与三星半导体洽谈2纳米晶圆代工，并已完成前期设计工作，目标是尽快进入商业化 [1] - 这是高通五年来首次重新与三星在先进制程上合作，此举将打破台积电过去五年独家获得高通最先进制程芯片订单的局面 [1] - 三星为吸引高通投片，开出晶圆代工价格比台积电便宜至少30%的条件 [1] 高通的晶圆代工策略转变 - 高通未来在最先进制程上，可能重回“双晶圆代工厂策略”，由台积电和三星共同分食旗舰芯片订单 [2] - 此策略旨在降低生产成本，并达到巩固三星手机客户及分散供应链风险的好处 [2] - 高通多年前的“骁龙8 Gen 1”芯片曾由三星独家以4纳米量产，但因功耗和散热问题，后续产品转由台积电代工并独占至今 [1] 高通新一代旗舰芯片规划 - 高通今年将推出的最新旗舰手机芯片“骁龙8 Elite Gen 6”传出有Pro版及标准版两种规格 [2] - 预计今年第3季晶圆代工厂开始出货，第4季芯片登场 [2] - 芯片CPU架构将使用自行开发的Oryon，最高阶版本有望支援LPDDR6，领先全球行动平台跨入LPDDR6世代 [2] - 高通的2纳米旗舰手机芯片将为非苹品牌厂打造今年最强AI手机 [2] - 三星争取高通后续的“骁龙8 Elite Gen 5”更新版订单，预计今年开始陆续进入量产 [1]

股价表现与技术形态 - 公司股价在1月6日周二大幅上涨约3.5%，重新逼近183美元区域 [2] - 183美元是重要的技术阻力位，曾在12月构成坚实顶部，并在10月和11月成为多头的胶着区域 [2] - 自4月以来，公司股价形成了一系列明确的更高低点，支撑一条上升趋势线，目前正强劲地测试183美元附近的阻力线，形成一个正在收紧的楔形形态，表明技术压力正在积聚 [3] - 当前的上涨结构不同于过去，股价以相当可控的方式震荡走高近九个月，为可持续突破提供了强劲平台 [4] - 若股价在后续交易中能明确突破183美元区域，下一个技术目标位将在190美元区间，之后将重新关注10月接近205美元的峰值高点 [4] 业务发展与催化剂 - 积极的技术面正得到一系列有前景的业务进展的强化 [5] - 近期股价走强主要源于拉斯维加斯国际消费电子展（CES）上发布的更新，公司分享了多项举措进展，突显了其推动业务多元化的努力 [5] - 公司即将在2月初发布财报，且新产品势头正在形成，下一次突破尝试可能比上一次更具分量 [6]

文章核心观点 - 摩根大通分析师在CES 2026期间与高通管理层进行了展台巡览 公司展示了其广泛且日益具有竞争力的PC产品组合 并强调了强劲的发展势头 分析师维持对高通股票的“增持”评级 [1] PC产品组合与市场进展 - 高通与联想、华硕和惠普等品牌合作伙伴共同展示了多款基于X2 Elite SIP芯片组的PC新品发布 [2] - 管理层表示 当前产品线相比竞争对手具有显著的性能领先优势 并且随着产品推广 高通的产品已覆盖超过95%的PC价格区间 [2] - 公司在展台上进行了性能基准测试 将其Snapdragon X2 Elite和X Elite芯片与主要竞争对手（包括大型现有PC供应商）的产品进行了对比 [3] - 测试显示 Snapdragon芯片在典型运行条件下性能优于竞争对手 且在低功耗和未插电使用场景下 性能优势进一步扩大 [3] AI性能与技术创新 - 高通强调了其神经处理单元在分担各类应用（包括音频和视觉用例）工作负载方面的作用 [4] - NPU通过将任务从中央处理器转移出来 实现了更快的应用性能 同时支持更好的整体用户体验 [4] - 公司讨论了其专注于推理的数据中心战略 并认为英伟达收购Groq验证了推理和训练市场具有不同的需求 [6] - 公司计划通过持续的NPU开发来应对推理工作负载 [6] 企业解决方案与长期机遇 - 高通展示了在企业应用方面的进展 包括开发一套使企业客户能够进行远程设备管理的车队管理解决方案 [5] - 公司计划通过嵌入式调制解调器来支持该解决方案 利用其在连接领域的领导地位 [5] - 管理层表示 搭载此解决方案的设备预计将在今年下半年推出 这将为公司创造增量内容机会 [6] - 高通指出 围绕物理AI机遇的客户参与度显著增加 管理层表示 广泛的物理AI用例（涵盖低端和高端机器人应用）活动均已增加 [7] 市场表现 - 在报道发布时 高通股价上涨1.43% 至182.77美元 [7]

公司与行业动态 - 大众汽车计划与美国芯片设计公司高通达成一项长期供应协议 [1] - 协议旨在为大众汽车的新软件平台提供信息娱乐技术 [1]

物理AI成为下一代人工智能浪潮 - 物理AI指人工智能从虚拟世界走向现实世界 使机器能够感知、思考并在现实世界中行动[1] - 高通公司总裁兼CEO Cristiano Amon赞同英伟达CEO黄仁勋的预测 认为物理AI将成为人工智能的下一个主要浪潮[2] - 物理AI基于实时传感器数据 通过所见、所感和所为进行训练 使机器人和自动驾驶汽车等能够处理复杂任务、适应环境变化并做出瞬间决策[3] 物理AI在汽车与机器人领域的应用 - 物理AI正在汽车领域落地 辅助驾驶和自动驾驶是典型的物理AI问题 依赖传感器和摄像头观察环境并指导车辆[4] - 德勤2026年科技趋势报告指出 由物理AI驱动的机器人正走出实验室和工厂 应用于电网检查、手术辅助、城市导航和仓库协作等领域[6] - 行业、监管机构和潜在采用者正在努力消除阻碍大规模部署的障碍 AI机器人有望从利基应用走向主流[6] 高通公司的战略布局与技术优势 - 高通已转型为主要汽车技术供应商 定位为行业向“软件定义汽车”转型的关键参与者[4] - 公司进军汽车领域源于对车内计算需求增长的认识 特别是辅助驾驶处理器 其专注于创建能处理重大计算负载的高能效半导体设计[4] - 凭借消费电子经验 高通能将摄像头、传感器和连接功能集成到单一芯片上 这种设计非常适合现代汽车[4] - 高通认为使其在汽车领域成功的相同因素将使其在机器人领域取得成功 并在CES上发布了一套完整的机器人技术[5] 其他行业动态与公司人事变动 - Marqeta公司任命Patti Kangwankij为新任CFO 她此前在房地产科技公司Roofstock担任CFO 并在Stripe和摩根大通拥有丰富的金融与战略经验[7] - Healthcare Realty Trust Incorporated任命Daniel Gabbay为EVP兼CFO 他拥有近20年投资银行从业经验 曾在RBC资本市场和巴克莱的房地产投资银行部门担任董事总经理[8][9] - ADP报告显示 12月私营部门就业人数增加41,000人 扭转了11月的跌势 但略低于预期 留职者年薪增长4.4%[10] - OpenAI推出ChatGPT Health 用户可安全连接苹果健康等医疗记录和健康应用以个性化对话 公司表示不会使用个人医疗数据训练模型[12] - 华纳兄弟探索公司董事会一致认为派拉蒙的最新提案在多方面仍劣于其与Netflix的合并协议 并再次建议股东拒绝派拉蒙的修订提案 继续建议批准与Netflix的交易[13]

公司产品发布与合作 - 长虹与高通在2026年国际消费电子展上联合推出新款产品AI TV Q10Light [1] - 双方合作聚焦端侧AI技术的场景化落地，旨在摆脱智能电视对云端服务的依赖 [1] - 该产品搭载端侧AI字幕翻译大模型，可实现影视内容音频对话到指定语种的实时转译与字幕同步显示 [1] - 翻译功能覆盖外语演讲、国际体育赛事解说、跨境游戏竞技直播及海外影视追剧等多元场景 [1] - 该功能无需依赖网络连接，对本地存储媒体、HDMI外接设备或手机投屏内容均能实现无缝适配 [1] - 产品还搭载视频识物模型，可实时识别内容中的人物、商品等核心元素 [2] - 视频识物技术支持识图购物的即时转化、百科知识查询及画面局部画质智能优化等延伸服务 [2] 技术特点与优势 - 通过端侧AI实现极速响应、离线可用、隐私无忧的智慧体验 [1] - 利用本地数据处理保障用户隐私安全，解决了网络环境限制下的使用痛点 [1] - 展现了公司在硬件算力与AI算法融合上的技术突破 [1] - 视频识物功能的核心优势在于端侧算力的深度挖掘，无需云端传输即可完成识别运算 [2] - 结合网络内容库构建起“识别-查询-交互”的场景闭环 [2] 战略意义与行业影响 - 该产品重新定义了家庭智慧终端的核心价值 [1] - 为电视行业从“显示工具”向“全场景服务载体”的转型提供了全新范本 [1] - 端侧AI技术的成熟应用正在重塑智能电视行业竞争格局 [2] - 长虹与高通的跨界合作将硬件制造优势与AI技术实力深度结合 [2] - 有望推动家庭智慧生态进入“本地智能+场景闭环”的新阶段 [2] - 为消费者带来更主动、更便捷、更安全的智慧生活体验 [2]

行业趋势：AI算力需求与基础设施演进 - 芯片巨头共同指出AI时代面临数百倍的算力增长需求，以及从云到端全面的AI应用拓展空间 [1] - 英伟达CEO黄仁勋指出AI计算量正以每年10倍的速度暴增，并推出包含Vera CPU、Rubin GPU等六大核心组件的新一代架构Rubin全栈方案 [2] - AMD CEO苏姿丰指出AI大模型训练所需的浮点运算算力每年增长4倍，推理Tokens消耗数量在过去两年增长了100倍，算力正进入尧字节级（Yotta Scale）时代 [2] 芯片巨头战略与产品发布 - 英伟达发布NVIDIA Alpamayo系列开源AI模型、仿真工具及数据集，旨在推动安全可靠的推理型辅助驾驶汽车开发，并认为物理AI的“ChatGPT时刻”已到来 [2] - AMD为应对Yotta规模基础设施需求，从计算芯片、开放式机架架构、整体解决方案等多个层面推出产品 [2] - 高通推出下一代机器人完整技术栈架构，集成硬件、软件和复合AI，并发布面向工业级自主移动机器人和全尺寸人形机器人的高性能处理器——高通跃龙 IQ10系列 [6] 端侧与边缘AI发展前景 - 高通CEO安蒙强调下一代个人AI设备将依托端侧AI、情境感知和用户数据，实现对环境与意图的实时理解，融合物理与数字世界 [3] - 安蒙预测智能可穿戴设备作为新移动终端品类，未来几年内市场规模有望达到1亿台 [3] - 安蒙认为混合AI与边缘AI的未来意义重大，掌握边缘数据并将其转化为用户服务的能力将成为AI竞赛的赢家 [3] - 骁龙芯片具备在小型可穿戴设备上运行数十亿参数模型的能力 [3] 物理AI与机器人商业化进展 - CES 2026上，“物理AI”的成熟度被众多厂商强调，中国厂商展示的机器人能力相比去年明显更加丰富和流利 [4] - 人形机器人正逐步走出概念阶段迈向商业化落地，在运动控制、平衡能力和操作精度方面取得实质性进展，并已实现数千台产品的量产与商业场景部署 [6] - 机器人应用场景落地路径清晰，尤其是在制造业、零售业及仓储物流三大领域潜力巨大 [6] - 行业观点认为物理AI的发展速度可能被低估，过去十多年积累的技术创新正在加速跨领域融合，为更多场景应用创造条件 [7] 中国厂商的全球角色进阶 - 中国厂商在CES上扮演越来越重要的角色，其展出的AI硬件和机器人引发高度关注，现场展台“水泄不通” [1] - 中国企业凭借供应链与研发能力的长期沉淀，已升级为全球科技创新的关键力量 [1] - 中国供应链在电机、驱动器、传感器等底层核心部件上有很强的降本能力，推动产品迭代速度达到约半年到一年一代，远超欧洲公司的2-3年迭代周期 [8] - 中国机器人公司的量产周期大约1年左右，而欧洲可能需要3-5年 [8] - 中国产业链的高效率使公司能以“月”为单位快速迭代产品，实现技术突破和成本优化 [9] - 当前中国机器人出海是带着更好的技术和方案走出去，体现了从“中国制造”到“中国创造”的转变 [9] 具体公司动态与产品展示 - 宇树科技在现场展示的G1机器人动作灵活流利，观赛人员围了里三层外三层 [1] - 众擎机器人首次展出全尺寸通用人形机器人T800，其明星产品PM01展示了多个高难度动作 [4] - 傲鲨智能（外骨骼机器人代表）在CES的展台面积成倍扩大，现场体验排队时间长达1-2小时，海外市场（如美国、欧洲、南美）询问购买意愿强烈且消费决策周期更短 [5] - 傲鲨智能公司80%的研发人员在中国推进研发生产，在海外则协同本土团队进行本地化服务 [8] - 基于Arm计算平台运行的NVIDIA Jetson Thor等平台，展示了仿真系统向可部署解决方案的演进 [6]

文章核心观点 - 全球芯片巨头在CES 2026上共同指向AI时代数百倍的算力增长需求以及从云到端的全面AI应用拓展空间 [2] - 中国厂商凭借供应链与研发能力的长期沉淀，已成为全球科技创新的关键力量，在CES上展示的AI原生硬件备受关注 [2] - AI正以前所未有的深度与广度重塑世界，从算力底座到物理AI再到全球生态协同演进，推动技术从概念转化为价值 [10] 芯片巨头对算力趋势与布局的阐述 - 英伟达CEO黄仁勋指出物理AI的“ChatGPT时刻”已到来，机器开始具备理解真实世界、推理并行动的能力，并发布Alpamayo系列开源AI模型及工具推动自动驾驶开发 [3] - 面对AI计算量每年10倍的暴增，英伟达推出包含Vera CPU、Rubin GPU等六大核心组件的新一代全栈架构Rubin [4] - AMD CEO苏姿丰指出算力正进入尧字节级浮点运算时代，AI大模型训练算力每年增长4倍，推理Tokens消耗量过去两年增长100倍 [4] - 高通CEO安蒙强调混合AI与边缘AI的未来，认为掌握边缘数据并将其转化为个性化服务的能力将成为AI竞赛的赢家 [5] 端侧AI与新型硬件设备的发展 - 高通CEO安蒙指出下一代个人AI设备将依托端侧AI、情境感知和用户数据，实现对环境与意图的实时理解，融合物理与数字世界 [5] - 安蒙预测智能可穿戴设备作为全新移动终端品类，未来几年内市场规模有望达到1亿台 [5] - 骁龙芯片具备在小型可穿戴设备上运行数十亿参数模型的能力 [5] 物理AI与机器人技术的商业化进展 - 中国厂商展示的机器人能力显著丰富，例如宇树科技G1机器人动作流利，众擎机器人T800展示了高难度动作 [6] - 机器人本体能力日益成熟并开始走向量产，越来越多二次开发解决方案提供商进入行业帮助能力落地 [6] - 机器人市场正从实验室产品逐渐走入生活，目前多在文娱场景，预计2026年底有望进入家庭执行陪伴、教学等简单任务 [6] - 外骨骼机器人市场因全球人口老龄化、人力成本增加而激发更大价值，海外市场消费决策周期更短 [7] - Arm分析指出人形机器人正迈向商业化落地，如Agility Robotics、智元AGIBOT等公司已在运动控制、平衡能力和操作精度方面取得进展，实现数千台产品的量产与部署，在制造业、零售业及仓储物流领域落地潜力清晰 [7] - 高通推出了集成硬件、软件和复合AI的下一代机器人完整技术栈架构，并发布面向工业级自主移动机器人和全尺寸人形机器人的高性能处理器跃龙™ IQ10系列 [8] - 高通高管认为机器人正在将物理AI推向“下一个拐点”，其发展速度可能被低估，过去十多年积累的技术创新正加速跨领域融合 [8][9] 中国厂商的全球角色与竞争优势 - 中国厂商在CES上扮演越来越重要的角色，展台人气高涨，例如宇树科技机器人拳击赛观赛人员围了里三层外三层 [2] - 凭借供应链与研发能力的长期沉淀，中国已升级为全球科技创新的关键力量 [2] - 中国供应链在电机、驱动器、传感器等底层核心部件有很强的降本能力，推动机器人产业迭代速度达半年到一年一代，而欧洲公司产品迭代周期多为2-3年 [9] - 中国机器人量产周期约1年，欧洲量产可能需要3-5年 [9] - 中国市场产业链效率远高于其他国家，供应链的高效使公司能以“月”为单位快速迭代产品，实现技术突破和成本优化 [10] - 当前中国机器人出海是带着更好的技术与方案走出去，是“中国创造”而不仅是“中国制造” [10]