当地时间 2026 年 3 月 10 日，英伟达创始人黄仁勋发表了署名长文，提到了 AI（人工智能）的 " 五层蛋糕 " 框架。文章回顾了过去一年，黄仁勋总结称，AI 跨越了一个重要门槛——模型性能显著提升，可以大规模投入使用；推理能力增强，幻觉现象减少，落地应用能力大幅提升；基于 AI 构建的应用首次开创真实的经济价值。

梳理过去三个月黄仁勋在不同场合的表述，这种 " 真实价值 " 的创造，首先源于智能体的落地应用。今年 2 月英伟达四季度财报会上，黄仁勋说：" 智能体 AI 已迎来发展拐点，其实用性在全球企业中得到广泛验证，由此带来的算力需求呈爆发式增长。"

2 月以来，OpenClaw（开源 AI 智能体）在全世界多个行业的快速落地，印证了这一拐点的判断。智能体的普及与成熟，让 AI 与人的交互告别了单一的对话窗口，开始通过计算机和网络，在虚拟世界中处理人们真实的任务。

但在智能体浪潮之外，一股潜力巨大、影响尚未完全释放的技术浪潮，已经开始进入全球人工智能巨头的任务列表——面向真实世界的世界模型或物理模型。这一模型被认为能够理解真实世界的空间逻辑和物理逻辑，让人工智能真正融入现实的生活、生产场景。

从今年 1 月 CES 演讲到上述财报会，黄仁勋多次强调了这一路线的潜力。今年 2 月，英伟达还与法国工业软件巨头达索系统宣布达成长期战略合作伙伴关系，共同为各行业关键业务场景搭建共享工业的 AI 架构。达索系统旗下的 SOLIDWORKS、CATIA，均为工业领域主流的设计软件。

在四季度财报会上，黄仁勋说：" 我们正迎来智能体 AI 的发展浪潮，而接下来的下一个浪潮，就是实体 AI ——将 AI 和智能体系统应用于制造业、机器人等物理领域，这一领域将为我们带来巨大的发展机遇。"

AI 走向真实世界

一个能理解真实世界的 AI，需要具备什么能力？

黄仁勋在 2026 年 CES 大会主题演讲中给出了答案。现实世界有一些基本特性，比如具有恒常性，" 东西放在这里，我转过头再看，它还在那里 "；具备因果关系，" 我推它，它会倒下 "。

但一个 AI 要理解真实世界，还需要掌握摩擦力、重力、惯性等物理规律，知道重型卡车需要更长的刹车距离。这些对人类而言是常识，对 AI 却完全陌生。

过去的 AI 革命，本质上是在 " 符号空间 " 里的突破。从 BERT 到 ChatGPT，大模型学会了理解语言的语法、语义、语境，甚至能完成复杂的推理任务，但对真实世界的物理规律——重力、摩擦、惯性、因果——几乎一无所知。一个能写出优美散文的大模型，并不清楚一块石头从山坡滚落会发生什么。" 物理 AI" 正是为填补这一鸿沟而生。黄仁勋将其定义为 " 能够理解自然法则的 AI"，核心是让 AI 不再只处理语言符号，而是真正理解并与物理世界交互。

他认为，这将是 AI 发展的下一个阶段，也将对世界产生巨大的影响和改变。从产业维度看，理解真实世界的 AI 将通过自动驾驶与机器人，重塑庞大的汽车、交通与制造业。今年前三个月，英伟达已推出多款围绕物理世界的架构与产品。

不止英伟达，2026 年前三个月，在 Agent（智能体）热潮席卷全球的同时，硅谷围绕世界 AI 的布局动作频频。

GoogleDeepMind 的 Genie3 在 1 月底正式向公众开放，用户可以输入文字，让 Genie3 实时生成可交互的三维环境。Waymo 随即在 2 月将其改造为自动驾驶专用仿真工具，用于生成车队在现实道路上几乎难以遭遇的极端场景，如龙卷风、洪水路面或突然出现在路口的大象。

更具标志意义的，是图灵奖得主 YannLeCun 的出走。他在 2025 年底离开 Meta，创立 AMILabs，并在 3 月 10 日宣布完成 10.3 亿美元种子融资，投前估值达 35 亿美元，成为欧洲有史以来最大的种子轮融资，英伟达与三星也在投资方之列。

LeCun 的判断是：大语言模型是条死路，因为它无法真正理解物理世界如何运作。他的新公司押注的是 JEPA 架构——一种不预测每一个像素细节，而是学习理解世界结构的 AI 框架，目标应用方向包括医疗、机器人和工业自动化。

与此同时，"AI 教母 " 李飞飞的 WorldLabs 在 2 月完成新一轮 10 亿美元融资，估值逼近 50 亿美元，其首款产品 Marble 已上线，专注于生成物理规律正确的三维世界。AMILabs 的 CEO 在融资后预言：六个月内，每家公司都会自称 " 世界模型公司 " 来融资。这个预言本身，已经说明了这条赛道的温度。

让 AI 更好地理解真实世界，这一点，在 2026 年已经相当清晰。

制造业的 AI" 拐点时刻 "

当地时间 2026 年 2 月 3 日，在结束亚洲行程后，黄仁勋赶往了美国休斯敦，出现在达索系统 3DEXPERIENCEWorld 大会上。

在那里，他与达索系统 CEOPas－calDaloz 共同宣布了一项被称为 "25 年来规模最大 " 的战略合作——将英伟达的加速计算与 AI 能力，与达索系统的虚拟孪生平台深度融合。达索系统已创立四十余年，旗下的 3DEXPERI－ENCE 平台服务超过 4500 万用户和 40 万家客户。这家法国公司是全球制造业最深处的软件供应商之一——从飞机发动机到消费品外壳，背后几乎都有它的影子。

这一合作指向了一个重要的领域：工业。过去，尽管大语言模型在部分领域发挥了重要作用，但由于可靠性和对真实世界理解的缺乏，在工业领域的应用仍旧十分有限。双方合作的核心目标，被定义为构建 " 工业世界模型 " ——经过科学验证、扎根于物理学的 AI 系统，可作为生物学、材料科学、工程和制造领域的关键任务平台。达索系统同时通过旗下云品牌 OUTSCALE，在全球三大洲基于英伟达最新 AI 基础设施部署 "AI 工厂 "，旨在为 3DEXPERIENCE 平台上的 AI 模型提供增强功能，同时确保客户数据隐私与主权。

达索系统专业客户事业部全球高级副总裁 GianPaoloBassi 在接受经济观察报等媒体采访时表示，很多大模型公司不可能创建新的原子结构，也做不了新的合金、新型的飞机或航天设备，因为他们的关注主要是语言模型，不具备这些专业知识去开发一个药品、开发一个新的设备。达索系统的核心优势，恰恰在于这些 " 硬知识 " 已经被沉淀在软件里。Bassi 说：" 我们的知识是在软件里面，有一些工业相关的专业知识，在这一领域达索系统具备得天独厚的优势。"

这意味着人工智能必须从专业知识出发、重新建构体系。以规范要求严苛的医疗设备行业为例，传统的验证周期漫长、成本高昂，但通过 AI 的协助，工程师可以模拟很多不同的情况，更有效、更快速地完成产品，同时有更高的质量。

更大的野心在于：通过 AI 的协助，过去需要反复制作物理原型才能完成的测试，如今可以在数字世界中以极低成本完成大量平行迭代，这意味着产品从原材料到组装的整个供应链流程和其中的生产流程，都可以在虚拟世界中重建。

达索系统专业客户事业部全球高级副总裁 GianPaoloBassi 在接受经济观察报等媒体采访时表示：" 达索系统多年来构建了高度真实的虚拟孪生模型，而与英伟达的合作，使这些模型能够在大规模、高精度和接近实时的条件下运行，并被 AI 直接使用，从而让虚拟孪生从工程工具升级为可持续运行的系统级能力 "。

虚拟孪生（VirtualTwin）作为概念并不新鲜，它描述的是用数字模型精确映射物理系统，让工程师可以在虚拟世界中测试、迭代，再将结论用于真实世界。达索系统在这一方向上已经耕耘多年，技术体系相当成熟。但长期以来，这项技术的大规模落地面临一个根本瓶颈：算力。足够真实、足够复杂的物理仿真，需要远超以往的计算能力。如今，这个瓶颈正在被打破。

黄仁勋说，过去，工业化企业三分之一的时间在设计和数字化上，更多的时间花在构建物理形态上。未来可以将 100% 的时间花在数字化上。从生产一双网球鞋到生产一辆汽车，无论是设计、描绘、模拟还是操作，" 都由软件定义 "。

等到这种精准的虚拟重建完成后，人工智能与机器人的结合几乎能够重塑制造业的流程和效率。

工厂不是一个整体，而是一个由数百万物体组成的集合体。人工智能可以帮助在数字世界中模拟这个集合体的所有部分，并更加合理地安排生产线，组织其中的机器人在工厂内运作。

在大型的制造业企业中，这种场景早已出现：最大程度的虚拟孪生和广泛布局的机器人。但实现这一切的价格是昂贵的，这也使得机器人只能在任务高度重复且任务量巨大的产业中生存，比如汽车产业，一台机器人被专门编程用来做一件事。

在黄仁勋看来，这也是 AI 进入工业的价值所在，通过 AI 技术对仿真建模效率的提升和机器人智能水平的提升，占据全球供应链绝大部分的中小企业也能够使用这些前沿的技术，而这毫无疑问将会重塑整个工业的效率。

黄仁勋说：" 知识是一个非常庞大的产业，然而真正庞大的产业是信息和现实世界结合的产业，价值 90 万亿美元。"

在技术信仰者们看来，物理 AI 的到来，其意义或许不亚于当年互联网将信息流通的成本压至接近零。如果说那场革命重塑了信息的生产与分配，这场革命重塑的，则是物理世界本身的设计与运转方式。

达索系统首席执行官 PascalDaloz 表示：" 我们正迈入一个新时代，AI 不再局限于预测或生成内容，而是开始真正理解物理世界。当 AI 扎根于科学、物理学及经过验证的工业知识时，它将成为人类智慧的倍增器。"

在 Daloz 看来，当 AI 进入物理世界时，它所带来的成就，不在于对设计师和工程师的取代，而是 " 成功不在于自动化，工程师不想自动化过去的成果，他们想创造未来 "。