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。"