从认知AI迈向物理AI - 下一波AI浪潮将进入"物理AI"时代，AI从数字世界走向物理世界，具备感知、推理、决策、执行的完整能力链条 [2] - 物理AI强调与现实场景的交互能力，要求多模态感知、Agent系统和实时响应能力，人形机器人和自动驾驶属于此范畴 [2] - 大模型训练逻辑从依赖大数据预训练转向"后训练"和微调，强化学习成为AI行为与人类意图对齐的关键过程 [3] - 物理AI将重构上游产业链价值，传感器厂商（如Sony、ADI）和精密减速器制造商（如Harmonic Drive、Nabtesco）从边缘走向核心 [3] 行业生态与竞争格局 - 云计算架构面临调整，IaaS层标准化为基础设施，SaaS层轻量化，差异化回归业务逻辑和产品体验 [4] - 大模型发展逼近Scaling Law临界点，评估标准从参数规模转向综合表现（超长文本处理、多步推理、物理交互） [4] - 未来AI核心应用场景可能围绕制造业展开，原生搭载物理AI的设备（如AI手机、AI电脑）将重塑人机交互方式 [5] - 开源从技术路线之争演变为商业战略，开源模型因灵活性和透明度成为场景级落地的关键基础 [6][7] 企业战略布局 - 英伟达从芯片制造商转型为AI基础设施建设者，投资云计算公司CoreWeave（市值730亿美元）体现其AI Infra战略 [11] - 英伟达布局边缘计算平台，瞄准自动驾驶、机器人等对延迟敏感的物理AI场景 [12] - 阿里云推行"IaaS+PaaS一体化"模式，从资源卖家转向产品提供者，向生态型平台进化 [13] - 硬件、算力、模型、数据边界模糊，企业争夺"算力+平台"支点以重构下游规则 [14][15] 技术与社会影响 - 开源生态推动模型安全性和权责划分，开发者共建过程倒逼实践规范 [9] - 英伟达推出NVLink Fusion技术开放生态系统，鼓励硬件厂商互操作 [9] - 生命工程领域潜力巨大，英伟达推出蛋白质结构AI生成模型La-Proteina瞄准医药行业 [10] - AI与人类关系从"工具"转向"共生"，手机原生AI助手用户规模增长但交互方式尚未定型 [10]