行业动态：AI应用竞争进入春节新阶段 - 国内互联网巨头同时重押春节档，通过大规模现金红包活动抢占C端AI流量入口，标志着AI应用竞争进入新阶段 [1] - 腾讯旗下AI应用元宝于2月1日上线总规模约10亿元的春节现金红包活动，这是腾讯在AI领域迄今为止规模最大的C端补贴动作，同日其App升至苹果商店免费App第一名 [1] - 百度APP文心助手春节红包活动在2月1日已有近5000万人次使用AI功能抢红包，其中拍照搜万物、AIGC视频创作等功能最受用户青睐 [1] - 互联网巨头借助AI红包等活动，有望加速AI应用商业化进程，后续国内用户规模增长及商业化或加速 [1][2] 春节成为AI爆发关键节点的原因 - 春节是全民参与的重要节日，具备天然的流量优势，能实现AI应用的广泛触达 [1] - 假期期间用户有更多时间体验AI功能，利于培养使用习惯，解决AI应用“认知度高、使用率低”及留存率低的痛点 [1] - 国内大模型厂商借助全年最盛大节日系列活动所带来的强社交裂变效应，加码争夺C端AI入口 [2] 产业链影响与商业化前景 - 用户规模增长及商业化加速，有望打开围绕大模型广告、电商、娱乐等变现方式的产业链上下游成长空间 [2] - AI上游（算力、存储）高景气的持续验证仍是本轮AI浪潮的“前浪”，市场仍然关切AI产业链的下游，即终端应用的落地与跑通 [2] - 海外Agent产品Clawdbot大火，其所代表的边缘AI或是让AI应用“飞入寻常百姓家”的胜负手 [2] 近期产业重要节点与事件 - 字节跳动宣布旗下豆包将深度参与春晚相关互动玩法 [2] - 阿里拟于春节推出新一代AI模型 [2] - DeepSeek也有望发布新一代模型 [2] 相关上市公司动态 - 天融信：公司已与腾讯混元大模型开展合作，另外与腾讯在威胁情报、大模型安全、云安全、隐私计算、智慧城市等多方向展开合作 [3] - 映翰通：公司表示边缘计算机出厂预装发行版Linux操作系统，部署流程进一步简化；在千元级预算范围内，即可构建一套更适合长期值守、贴近现场运行的边缘侧部署形态，可让Clawdbot7×24小时稳定值守 [3]

文章核心观点 - 2026年全球市场处于“AI阶跃”与“地缘重构”的双重影响下，半导体与AI基础设施领域将迎来显著增长与变革，其中中国半导体市场规模预计猛增31.26%至5465亿美元，存储芯片市场预测被大幅上调62.8%，同时边缘AI、制造版图重构及能源结构变化成为核心投资逻辑 [1] 算力与AI发展趋势 - 全球算力需求呈指数级增长，大语言模型在2026年上半年实现能力飞跃，LLM开发商通过“智能工厂”模式掌控经济效益 [1] - 中国正式开启“边缘AI时代”，具备边缘推理能力的数字终端（如手机、汽车）快速增长，成为半导体扩张主动力，本土AI芯片供应商在外部压力下将占据更大国产替代份额 [1] - 随着混合专家模型架构在终端应用落地，具备边缘算力能力的国产芯片公司迎来爆发期 [2] 存储芯片市场动态 - 全球AI大基建推动数据中心对高性能存储消耗量呈指数级增长，存储芯片进入“超级周期” [1] - Omdia将2026年存储市场预测大幅上调62.8%，由于中国90%高端存储依赖三星和SK海力士，自给率低导致议价能力弱，存储芯片平均售价将维持高位 [1] - 存储芯片紧缺性超预期，HBM和高端DRAM依然是盈利核心，全球性短缺预计延续至2027-2028年，并可能限制终端设备出货量 [1][2] 全球制造与供应链格局 - 美国预计通过强硬政策确保关键矿产和能源供应，AI自动化技术削弱低成本劳动力优势，促使高端制造回流 [1] - 中国尽管面临外部监管，仍将利用成熟工艺和垂直行业落地能力扩大在全球科技制造中的市场份额 [1] - 2026年中国通过算力与AI生态深度协同，在AI基础设施领域实现多元化突破 [1] 经济结构与资产影响 - 能源成本成为AI扩张红线，AI巨头将倾向于通过“离网”策略直接控制基础设施，而非依赖电网 [1] - 2026年下半年AI驱动的降本效应开始显现，部分商品价格迅速下降，但全球资本支出增加可能带来利率上行压力 [1] - 随着AI推动生产力过剩，稀缺的能源资源、关键矿产以及具有人类创造力护城河的资产将获得更高溢价 [3] 行业风险与市场关注点 - 存储单价暴涨可能迫使下游手机、PC等OEM厂商下调出货预期，需警惕终端品牌方的利润挤压风险 [2]

文章核心观点 - AI应用模型在中国各垂直行业广泛落地，标志着边缘AI时代到来，具备边缘推理能力的数字终端将快速增长，成为中国半导体产业扩张的重要驱动力[3] - 根据Omdia《半导体应用领域市场预测工具(AMFT)- 中国地区(4Q25)》报告，中国半导体市场增长预测被显著上调，2026年预计增长31.26%，市场规模将达到5465亿美元[3] - AI发展推动存储芯片供需失衡，价格高涨且短缺可能延续至2027-2028年，同时因英伟达对华禁售，中国本土AI芯片供应商市场份额将在2026年扩大[5][9] 中国半导体市场增长预测 - Omdia在2025年第四季度更新了市场预测，将2025年中国半导体市场增长预测从16.17%上调至21.63%，将2026年增长预测从13.63%大幅上调至31.26%[3] - 预计到2026年，中国半导体市场规模将达到5465亿美元[3] 存储市场趋势与驱动因素 - 2025年第四季度的预测对存储市场规模进行了显著上调，与第二季度版本相比，对2026年存储市场的预测增长了62.8%，对2027年的预测增长了53%，对2028年的预测增长了36%，对2029年的预测增长了25.8%[5] - 全球AI大基建推动数据中心大规模部署，导致高性能存储芯片(HBM)需求暴涨，中美双方AI对内存的消耗量呈指数级增长[5] - 存储芯片供应受限而需求增加，导致供需失衡，内存价格经历巨大波动，且这种紧缺状况预计会延续到2027-2028年[5] - 中国高端存储芯片(HBM、高端DRAM、NAND)自给率较低，约90%的供应依赖三星和SK海力士，美光仍面临政治限制，导致市场议价能力偏弱，存储芯片单价居高不下[5] 主要应用领域市场变化 - “计算与数据存储”类别在2025年第四季度的预测中，2026年和2027年的市场规模数据均较前一版本上调20%以上[8] - “计算与数据存储”类别增长的主要驱动因素是数据中心推动下高端存储芯片用量与单价上升，以及5nm及以上先进工艺节点中AI相关逻辑芯片的采用[8] - “无线通信”类别收入增长显著，但主要原因是供需失衡导致电子设备中使用的存储芯片(LPDDR、3D NAND)平均销售价格(ASP)显著上涨，而非无线终端出货量提升[8] - 由于存储ASP持续上涨及供应商签订非长期协议，多家OEM厂商已下调2026年出货量预期[8] AI带来的半导体应用机遇 - 因英伟达AI芯片对华禁售，2026年中国本土AI芯片供应商的市场份额将进一步扩大[9] - 2026年，边缘AI将为中国的推理AI芯片带来显著增长机会，终端设备中AI的渗透率预计将持续提升[9] - 为满足低时延网络连接需求，无线设备连接变得日益重要，采用混合专家模型(MoE)架构是加速开发具备端到端AI处理能力设备的关键[9] - 算力与AI生态深度协同展现了中国在AI基础设施领域的多元化突破，2026年中国智算能力将发挥愈发重要的作用[9]

中国半导体市场增长预测显著上调 - 根据Omdia《半导体应用领域市场预测工具(AMFT)-中国地区(4Q25)》报告，2026年中国半导体市场规模预计将增长31.26%，达到5465亿美元 [1] - 相较于2025年第二季度的预测报告，2025年第四季度的更新将2025年市场增长率预测从16.17%上调至21.63%，将2026年增长率预测从13.63%大幅上调至31.26% [1] 边缘AI与垂直应用成为重要驱动力 - AI应用模型正在中国各垂直行业广泛落地，标志着边缘AI时代的到来，众多大语言模型正在各行业积极部署垂直应用模型 [1] - 具备边缘推理能力的数字终端将快速增长，成为中国半导体产业扩张的重要驱动力，尤其是在成熟工艺技术领域 [1] - 2026年，边缘AI将为中国的推理AI芯片带来显著增长机会，终端设备中AI的渗透率预计将持续提升 [7] 存储市场预测大幅上调且面临长期供需失衡 - 在2025年第四季度的预测中，存储市场规模被显著上调，与第二季度版本相比，对2026年存储市场的预测增长了62.8%，对2027年的预测增长了53%，对2028年的预测增长了36%，对2029年的预测增长了25.8% [3] - 全球AI大基建导致对内存的消耗量呈指数级增长，数据中心大规模部署带来高性能存储芯片需求暴涨，供应受限而需求增加导致供需失衡 [3] - 根据Omdia预测，存储紧缺的状况会延续到2027-2028年，内存价格经历巨大波动 [3] - 中国高端存储芯片自给率较低，约90%的供应依赖三星和SK海力士，市场议价能力偏弱，存储芯片单价居高不下 [3] 计算与无线通信类别市场规模受存储影响显著增长 - “计算与数据存储”类别在2025年第四季度的预测中呈现出更为明显的增长趋势，2026年和2027年的数据均较前一版本上调20%以上 [6] - 该类别增长的主要驱动因素是数据中心推动下高端存储芯片用量与单价上升，以及5nm及以上先进工艺节点中AI相关逻辑芯片的采用 [6] - “无线通信”类别是另一个增长显著的应用领域，但其收入增长主要源于存储芯片ASP显著上涨，而非无线终端市场需求出货量的提升 [6] - 存储ASP持续上涨及供应商签订非长期协议的做法，促使多家OEM下调2026年出货量预期 [6] 中国本土AI芯片与智算生态发展 - 因英伟达AI芯片对华禁售，2026年中国本土AI芯片供应商的市场份额将进一步扩大 [7] - 为满足低时延网络连接的需求，无线设备连接变得日益重要，采用混合专家模型架构是加速开发具备端到端AI处理能力设备的关键 [7] - 算力与AI生态深度协同展现了中国在AI基础设施领域的多元化突破，2026年中国智算能力将发挥愈发重要的作用 [7]

市场整体表现 - 截至1月26日收盘，上证指数报收4132.61点，下跌0.09%，深证成指收于14316.64点，下跌0.85%，创业板指下跌0.91%，科创50指数下跌1.35% [1][4] - 不含未开板新股，今日可交易A股中，上涨个股有1604只，占比29.36%，下跌个股有3771只 [1][4] - 收盘封死涨停的个股有77只，跌停股有42只，另有53股封板未遂，整体封板率为59.23% [1][4] 涨停个股行业分布 - 封死涨停的个股中，上榜个股数量居前的行业为有色金属、医药生物、机械设备，分别有21股、11股、9股 [1][4] - 德邦证券指出，贵金属与有色金属表现强势，国内市场呈现“贵金属、有色、能化强势，白银领涨”的格局 [2][5] 涨停个股特征分析 - 在封死涨停的个股中，ST京蓝、ST京机等7股为ST股 [1][4] - 从连续涨停天数看，白银有色已连收5个涨停板，连续涨停板数量最多 [1][4] - 以封单金额计算，湖南黄金、明阳智能、天奇股份等涨停板封单资金居前，分别有44.43亿元、8.71亿元、7.32亿元 [1][4] - 从封单力度（封单量占流通A股比例）来看，中农联合、湖南黄金、天奇股份等力度较大，分别为14.40%、11.25%、7.92% [2][5] 重点涨停个股及原因 - **湖南黄金**：涨停封单额44.43亿元，为首板，涨停原因为重组复牌、黄金预增及湖南国资背景，今日复牌收获“一”字板涨停，消息面上现货黄金历史首次突破5000美元大关，伦敦金现盘中最高冲至5111.17美元/盎司，涨幅超2% [1][3][4][6] - **明阳智能**：涨停封单额8.71亿元，为3连板，涨停原因为收购芯片、太空光伏及风电龙头 [3][6] - **天奇股份**：涨停封单额7.32亿元，为首板，涨停原因为人形机器人及锂电循环 [3][6] - **白银有色**：涨停封单额1.78亿元，为5连板，涨停原因为黄金、白银及锂电材料 [3][6] - **其他代表性个股**：网宿科技（边缘AI、算力租赁）、拓日新能（自持电站、钙钛矿）、中农联合（供销社、中俄贸易）、豫光金铅（黄金、白银）、中国黄金（金价新高）、湖南白银（银价上涨）、章源钨业（钨价上调）、海王生物（流感、创新药）等均因各自概念涨停 [3][6]

文章核心观点 - 台积电正通过将先进封装技术从InFO升级至WMCM并进行激进产能扩张 以锁定苹果下一代2纳米芯片订单并巩固技术领先地位[1] - 苹果iPhone 18系列及全线产品将导入2纳米制程 驱动对高性能芯片及先进封装的庞大需求 成为台积电扩产的核心动力[1][4] 技术升级与优势 - 苹果A20系列芯片将采用2纳米制程 封装技术将从InFO转向更高阶的WMCM架构[1][2] - WMCM架构的核心优势在于能在RDL上平行整合不同功能芯片 包括应用处理器、存储器及高速I/O Die[2] - 与InFO相比 WMCM提高了互连密度和封装良率 显著优化了热管理能力 使芯片封装更薄并能容纳更多存储器以应对边缘AI算力需求[2] 产能扩张计划 - 为满足苹果需求 台积电正提升WMCM产能 预计到2026年底月产能将达到6万片 并有望在2027年翻倍突破12万片[1][3] - 产能扩张采取双轨制：一方面升级现有InFO设备 另一方面在嘉义AP7厂打造全新WMCM产线[3] - 台积电计划于1月22日首次向媒体开放其嘉义AP7工厂 该厂正处于机台移入阶段 是公司第六座先进封装测试厂[1] 供应链与产线调整 - 随着封装技术向WMCM转型 后段晶圆级测试与成品测试将由台积电与策略伙伴分工完成[1] - 公司正在重新配置成熟制程产能以支援先进封装 Fab 18 P9厂可能转型为先进封装厂 Fab 14未来可能扩充40纳米及65纳米产能 专门生产中介层和硅桥等关键组件[3] - 针对2纳米芯片的CP和FT测试自去年起已积极展开 晶圆代工大厂已向台厂采购数百台最终测试与系统级测试分选机台[3] 市场需求驱动 - 苹果计划将2纳米技术广泛应用于其产品线 包括iPhone 18 Pro、iPhone 18 Pro Max、首款折叠机iPhone Fold、未来的MacBook M系列芯片及头戴装置R2芯片[4] - 苹果与谷歌结盟进军AI领域的战略 叠加跨产品线的技术导入 将持续推高对高性能芯片及先进封装的需求[4] - 从云端到边缘端的AI算力竞赛 确立了以台积电为首的半导体生态系的增长逻辑[4]

公司IPO与市场定位 - 深圳存储芯片企业芯天下于2026年1月9日正式向港交所递交上市申请，联席保荐人为广发证券和中信证券 [1] - 公司冲刺IPO旨在开启资本化大门，并意图在全球代码型闪存芯片产业链中争夺席位 [1] - 公司成立于2014年4月，专注于代码型闪存芯片赛道，该芯片用于系统启动和运行管理，对稳定性和可靠性要求极高，广泛应用于手机、汽车电子、物联网及工业医疗设备 [3] - 公司采用Fabless（无晶圆厂）轻资产模式，产品线覆盖1Mbit至8Gbit的代码型闪存，并布局了模拟芯片和MCU，形成“存储+”的多元化产品路线 [3] 行业地位与技术实力 - 根据灼识咨询数据，以2024年收入计，芯天下在全球无工厂的代码型闪存厂商中排名第六，在SLC NAND Flash领域排名第四，在NOR Flash领域排名第五 [3] - 公司是国内少数能提供全系列代码型闪存产品的厂商之一，能够同时满足客户对NOR Flash和SLC NAND Flash的需求 [3] - 公司拥有170项专利支撑的研发体系，并获得“深圳市制造业单项冠军企业”和“时代匠人”等权威认证 [3] 财务表现与行业周期 - 公司业绩受全球存储行业周期影响显著，全球闪存芯片市场规模从2020年的585亿美元下降至2023年的409亿美元 [4] - 2024年公司营收同比暴跌33.3%，并连续两年亏损，累计亏损超过5100万元 [4] - 2024年全球存储市场触底反弹，规模回升至684亿美元，同比大幅增长67.0% [4] - 2025年前9个月，公司实现扭亏为盈，营收达3.80亿元，同比增长约10%，毛利率提升至18.8%，净利润超过841.8万元 [4] 细分赛道增长动力 - 代码型闪存在全球闪存市场的占比从2020年的6.1%增长至2024年的7.2%，预计到2030年将达到9.3% [5] - 边缘AI的快速发展是推动该细分赛道增长的核心动力 [5] 面临的挑战与风险 - 2025年前9个月营收同比增长约10%，增长节奏相对平缓，部分原因是行业竞争加剧及同行价格策略影响了产品定价空间 [6] - 研发投入存在波动，从2023年的8520万元调整至2025年前9个月的3330万元，占营收比例从12.9%波动至8.8% [6] - 作为Fabless企业，公司依赖外部供应商进行晶圆制造和封测，2023年至2025年前9个月，向五大供应商的采购额占比从75.4%上升至83.2%，依赖度加深 [6] - 晶圆相关成本占总销售成本的80%左右，持续居高不下 [6] - AI发展推动存储芯片需求，野村预测2026年NAND价格将上涨65%，花旗预测上涨74%，原材料及代工成本上升可能挤压公司利润空间 [6] - 行业竞争激烈，在NOR Flash和SLC NAND Flash领域面临海外巨头及国内龙头（如兆易创新）的竞争，2024年兆易创新在全球NOR Flash市场排名第二、国内第一，在SLC NAND Flash领域全球排名第六、国内第一 [7] 发展前景与总结 - 公司赴港IPO恰逢全球存储行业复苏及国产替代深化的时机 [7] - 公司在代码型闪存细分领域的技术积累和行业地位是其冲击资本市场的核心资本，行业回暖及边缘AI带来的需求增长为其提供了广阔市场空间 [7] - 公司需应对增长平缓、研发投入波动、供应链集中等挑战，未来能否借助资本市场巩固技术优势、扩大市场份额，仍有待市场检验 [7]

英特尔Intel 18A工艺与第三代酷睿Ultra处理器发布 - 在CES 2026期间，英特尔发布了首款采用Intel 18A（对标业界2纳米级先进工艺）工艺制程的第三代酷睿Ultra处理器 [2] - Intel 18A是英特尔采用EUV光刻设备并量产的关键节点，其能效提升15%，芯片密度提升30%，NPU面积缩小40%但性能大幅增强 [7] - 该处理器以40%的功耗实现了超越前代产品的性能，并获得了OEM合作伙伴（如联想、戴尔、华硕）的搭载，标志着Intel 18A工艺正在真正落地 [2][7] AI PC的市场定位与发展阶段 - AI PC（能独立处理AI任务的个人电脑）正在成为更重要的计算设备，其处理器集成了CPU、GPU、NPU，能在本地处理更多AI任务 [3] - 截至2026年1月，全球搭载英特尔处理器的AI PC出货量已超过1亿台，其与边缘设备的算力总和约等于40个数据中心 [4] - 英特尔认为AI PC的发展关键在于优化应用，用户会因为AI PC能更好地完成任务而选择它，行业正处于推动AI规模化部署的阶段 [9] AI PC的生态合作与应用案例 - 英特尔已与200多家ISV（独立软件开发商）合作伙伴基于AI PC开发了500多项AI应用功能，覆盖通信、安全、生成式AI和图片编辑等领域 [4][10] - 与字节跳动的合作取得进展，其剪映App可以在PC利用本地AI算力完成AI粗剪，在提升用户体验的同时降低了云成本 [4] - 与Perplexity.ai等公司正在合作探索云、边、端的协同架构，并与阿里巴巴合作，在其通义千问大模型发布时提供了Day0支持 [10][12][23] AI PC与云计算的分工协同 - 一种新兴的合作模式是：超大参数模型的推理任务仍依赖云端，但AI PC已经能支持700亿参数的小模型在本地进行满足需求的计算 [17] - 合作旨在利用本地算力资源，为用户提供更高的可控性、更低的成本以及更好的隐私与安全性，目前更多是静态分配工作负载 [16][18] - 合作被认为是长期架构，随着端侧和边缘侧AI设备规模扩大，云端AI服务提供商开始关注并探索与本地算力的融合 [20] AI PC带来的行业变革与交互演进 - AI工具正在改变工作方式，例如软件工程师基本不再需要亲自编写基础代码，可以更专注于架构和工程开发 [11][16] - AI多帧生成技术等能力正成为游戏开发的新方向，旨在提升游戏流畅度和体验，而非简单的“杀手级应用” [9] - 未来PC的交互模式将多样化，键盘仍将存在，但语音和手势等无键盘交互也会普及，用户正越来越习惯于与PC对话的新模式 [14] 英特尔业务战略与市场展望 - 客户端计算事业部（向PC厂商销售芯片的部门）是英特尔的现金流业务，2024年在英特尔营收占比57% [5] - 公司正通过“Super Builder”等开发者生态计划，帮助ISV更快地在AI PC与边缘设备上部署AI应用 [21] - 中国市场被视为AI发展的重要推动力量，英特尔高度重视与中国企业的合作，并将加强与中国OEM、ODM厂商在边缘计算领域的合作作为2026年目标之一 [23]

公司战略与产品定位 - 边缘AI芯片与解决方案厂商Kneron（耐能）在2026年美国CES展会上集中展示了其覆盖消费电子、智能家居、智能交通、工业物联网及企业级计算的全栈边缘AI产品矩阵 [1][4] - 公司的核心战略是系统性推动AI从云端向边缘侧迁移 [1][4] - 公司技术核心在于本地计算、超低时延、低功耗与高可靠性，通过“数据不出本地、智能运行在边缘、集中统一管理”的架构，旨在提供更安全、更私密的AI体验 [1][4] - 随着生成式AI加速进入企业应用阶段，公司推出了覆盖从试点部署到企业级规模化落地完整路径的全栈边缘AI系统 [1][4] 全栈边缘AI系统架构 - 该全栈边缘AI系统基于Kneron自研的NPU架构 [1][4] - 系统整合了AI芯片、安全操作系统、推理引擎与统一管理平台，构成了端到端的边缘智能基础设施 [1][4] 产品线详解：Kneo 330 - Kneo 330产品面向中小企业、零售门店、诊所、轻工业产线与智慧楼宇 [1][5] - 该设备支持小型企业自动化报表、社区医疗AI辅助诊断、产线视觉质检、人脸识别与行为分析等应用场景 [1][5] - 产品支持即插即用，其功耗显著低于GPU方案 [1][5] - 所有视频与图像数据均在本地处理，强调隐私保护 [1][5] 产品线详解：Kneo 350 - Kneo 350产品定位中大型企业、工厂与区域级边缘数据中心 [2][5] - 该产品算力为Kneo 330的4倍，支持多用户并发 [2][5] - 产品内置AI Agent开发框架与对话系统，面向工业检测、医疗影像与敏感数据处理等高复杂度应用 [2][5] 产品线详解：Kneo Rack - Kneo Rack是公司与硅谷合作伙伴Quantea联合推出的产品，面向大型机构与跨场景部署需求，旨在构建企业级“私有AI云” [2][5] - 相比传统GPU服务器，该方案无需液冷系统，可在标准办公环境运行 [2][5] - 该方案能大幅降低能耗、制冷与数据中心建设成本（TCO），并支持托管式部署 [2][5] 管理层观点 - 公司创始人兼CEO刘峻诚（Albert Liu）表示，在AI时代，隐私、安全与实时响应不再是可选项，真正的智能应该运行在边缘 [2][5] - 公司希望通过自研、低功耗、高效率的AI芯片与全栈方案，让每一台设备都具备思考能力 [2][5]

行业现状与核心观点 - 当前人工智能行业深陷“GPU竞赛”热潮，“人均GPU数量”成为衡量技术实力的热门指标，行业与国家层面都在追逐算力堆砌 [1] - 行业需要超越对云端AI的关注，将目光投向物理世界，探寻物理AI的下一个“AlphaGo时刻” [1][5] - 物理AI与依赖云端数据的大型语言模型存在本质区别，其真正的“分水岭时刻”尚未到来 [1][6] 物理AI面临的独特挑战 - **挑战一：极度缺乏覆盖所有极端场景的训练数据** 现实世界中的“边缘案例”（如罕见天气、突发障碍物、极端机械故障）难以被穷尽采集，这与可从数十年互联网数据中学习的大型语言模型形成鲜明对比 [2][13] - **挑战二：要求毫秒级的实时低延迟响应** 在高速行驶或紧急救援等场景中，决策延迟意味着失败甚至灾难 [2][13] - **挑战三：众多前沿场景中“云端”是缺席的** 在月球探索、矿难救援、火灾现场等场景，稳定高速的网络连接是奢望，部署在设备本地的“边缘AI”是唯一可行的智能 [2][15] 挑战的实证与理论依据 - **延迟优于精度** “LLM Colosseum”开源项目实验表明，在《街头霸王》游戏中，虽然小型模型单次决策精度较低，但其高频的决策速度能使其战胜响应缓慢的大型模型，印证了“完美是优秀的敌人”这一观点 [2][14][15] - **行为智能先于语言智能** 人类婴儿在学会用母语描述世界之前，就已经会通过行动探索世界，这暗示行为智能是更基础的形式 [12] - **实践中的失败案例** 2024年印第安纳赛车场比赛因暴雨导致GPS信号丢失，系统切换定位源时的不一致性致使控制算法选择错误行驶曲率，凸显了物理AI是理论与实践深度结合的复杂性 [9][10] 通过自动驾驶赛车进行的实践探索 - **赛事成就** 在2025年CES自动驾驶挑战赛决赛中，参赛的十支队伍已实现140英里/小时（约225公里/小时）的全自主行驶基准速度，伯克利车队更以163英里/小时（约262公里/小时）的速度完成超车并赢得头对头超车项目冠军 [4][18][21] - **动态交互与安全平衡** 比赛中，两车在弯道因漂移打破2-5米安全距离后双双自动紧急制动，体现了AI在动态高速物理交互中需平衡安全规则与竞争目标 [4][21] - **扩展至复杂环境测试** 将赛道延伸至中国张家界天门山，该山路全长10.77公里、有99道弯、海拔落差超1000米，并包含复杂天气，为自动驾驶提供了综合测试场，吸引了清华大学、浙江大学等九所中国高校参与 [4][25][26] - **赛事影响力** 2025年的天门山比赛吸引了超过50万人现场观看，线上观看量超过10亿次，相关社交媒体讨论超过800万条，成为迅速走红的顶级赛事 [28] 未来发展方向与计划 - **增设人形机器人挑战赛** 2026年将在原有赛事基础上增设天门山人形机器人挑战赛，邀请研发机构测试机器人在非结构化地形（如攀登999级台阶）中的移动与决策能力，以创造新的“AlphaGo时刻” [4][29] - **技术发展路径** 物理AI的进展不仅依赖于算法与硬件的迭代，也有赖于跨学科协作与在真实场景中持续积累的经验，极端环境下的技术实践与人才培养将为行业带来新启发 [4] - **行业应用前景** 对于许多前沿应用（如太空探索、灾害救援），边缘AI是唯一能依赖的人工智能，本地解决方案必须作为安全备份 [17]