核心观点 - 英伟达CEO黄仁勋在CES 2026上提出，人工智能正进入“物理AI”新阶段，其标志是从理解语言进化到理解物理世界，并预测2026年将出现“人类级别”的机器人 [1][2] - 人工智能的发展将从依赖单一模型突破，转向依赖可复制、可部署、可规模化的完整“AI工业化”能力 [5] - “物理AI”的成熟将推动机器人从实验室展示品转变为具备实际商业潜力的产品，并催生全新的应用场景 [8][9] 行业发展阶段与定义 - 人工智能正式迈入全新阶段，从处理文本和图像的虚拟领域，迈向能理解重力、摩擦、材质等物理定律并与世界实时交互的“物理AI”纪元 [2][3] - 黄仁勋将这一转变称为“物理AI”的“ChatGPT时刻”，意味着该领域取得了突破性进展 [2][3] - “物理AI”涉及AI与世界交互，其核心问题是让智能体理解物体恒存性、因果关系等世界运作的常识 [3] 技术路径与基础设施 - 实现“物理AI”需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，而非单一模型 [4] - 英伟达发布了一整套面向“物理AI”的开放模型、框架和基础设施，而非单纯的芯片升级 [5] - 关键路径是通过数字孪生与模拟训练，让机器人在虚拟世界完成数十亿次训练后，再快速部署到现实场景 [7][8] - 计算行业的每一层都需要被重写，以实现可复制、可部署、可验收、可规模化的完整工业能力 [5] 产业影响与商业化 - “物理AI”的工业化是其从实验室走向大规模商业化的第一步，机器人将成为AI工业化的第一批量产成品 [9] - 在CES 2026上，波士顿动力公司发布了量产版双足人形机器人Atlas，其规格参数达到全新高度，可实现高精度操作，证明人形机器人已开始为真实世界设计 [9] - 机器人发展的重点方向将从“像人一样走路或表演”，转向实现“高效、实用、针对场景的功能化” [11] - 人工智能过去每3-5年出现一次重大突破，而“物理AI”的突破可能来得更快 [8] 面临的核心挑战 - **数据挑战**：“物理AI”需要满足“物理真实性、语义可理解性、场景泛化性”三大标准的“好数据”，传统“大数据”范式已无法满足，构建高质量数据集工程浩大且成本高昂 [12] - **模拟到现实的鸿沟**：在仿真环境中训练出的完美动作，可能因现实世界中的各种因素影响而完全失效，让机器人自主学会操作而非遥控是关键难点 [12] - **技术整合与生态壁垒**：目前很多企业各自为阵，制约了技术发展和产业推进，协同发展是理想但现实的途径 [13] - 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 [13] 企业战略与竞争格局 - 国内企业通常更擅长从本地生活、物流、制造等具体应用场景出发，解决实际问题，在过程中迭代技术和锤炼模型 [13] - 在“物理AI”赛道，企业需要尽快抢占高地，动作慢了便会落后 [2] - 无论选择何种发展路径，一旦走通，企业将建立起深厚的护城河 [13]