深度 | 物理 AI 的「ChatGPT 时刻」：黄仁勋究竟是如何定义的？

文：308

编辑：周易

对于如今的AI发展来说，「ChatGPT时刻」往往是一个具有里程碑意义的词汇。

这一方面是因为OpenAI在2022年11月底发布ChatGPT的时候，确实是石破天惊；另一方面则是因为，使用这个词汇来给AI发展断代的，都是不折不扣的AI巨人。

比如，在2023年5月16日，特斯拉CEO马斯克在接受美国媒体CNBC采访时就谈到「ChatGPT时刻」。当时，马斯克的原话是：

我认为特斯拉也会迎来一个所谓的「ChatGPT时刻」，就算不是今年，我认为也不会迟于明年。突然之间，300万辆特斯拉汽车可以自己驾驶……

在马斯克的定义中，特斯拉的「ChatGPT时刻」指向的是特斯拉的自动驾驶业务。

在马斯克之外，就在最近，另外一位AI巨擘、英伟达CEO黄仁勋在2026年1月5日的CES上谈到了「ChatGPT时刻」。黄仁勋的原话是：

物理AI的ChatGPT时刻即将到来（The ChatGPT moment for physical AI is nearly here）。

有意思的是，在黄仁勋的逻辑中，物理AI同样与「自动驾驶」密切相关。

英伟达物理 AI 整体布局，揭晓了

在英伟达关于AI发展趋势的阐释中，物理AI并不是一个新词汇。

早在2024年6月初的Computex大会上，黄仁勋就明确表示谈到了物理AI对于人工智能的下一个时代的重要性。

到了2025年3月，黄仁勋又在当年的GTC 大会上表示，AI经历了三代技术范式的转移，从感知AI到生成式AI，再到Agentic AI，接下来将会是物理AI（Physical AI）的时代。

有意思的是，在黄仁勋所展示的PPT中，英伟达关于物理AI的案例标注，主要归结于两个领域：一个是自动驾驶，一个是通用机器人。

实际上，这两个领域，也正是英伟达一直在重点布局的领域——从商业落地的维度来看，自动驾驶无疑是物理AI当前最重要的落地场景。

其中，尤其是自动驾驶领域，英伟达从2015年就推出了第一代车端算力产品DRIVE PX，可以说是世界范围内与特斯拉并肩的最重要的自动驾驶推动者之一。从这个角度来看，英伟达其实也是最早布局「物理AI」的玩家之一。

实际上，在持续强调物理AI概念和重要性的同时，英伟达也在不断面向物理AI进行布局。

进入到2026年，英伟达对于物理AI的布局已经趋于完善。其中一个最为直接的证据是，在本次CES的演讲中，黄仁勋专门介绍了英伟达的全栈物理AI平台（Full-Stack Physical AI Platform）。

具体来看，整个英伟达全栈物理AI平台的主体是「三台计算机」，主要包括：

①以英伟达GB300为代表，用于训练AI模型的计算机；

②用于推理模型的计算机，包括在汽车、机器人、工厂或任何边缘地方运行的机器人计算机；

③为仿真设计的计算机，因为仿真是英伟达所做的一切物理AI工作的基础。

有意思的是，此处提到「三台计算机」框架，正与英伟达汽车业务所采用的框架相类似。

但除了「三台计算机」之外，英伟达还推出了一系列其他适配模型，其中的重中之重，是英伟达Cosmos世界基础模型。

实际上，在2025年CES期间，英伟达首次对外发布了Cosmos世界基础模型。

在官方话语中，Cosmos世界基础模型是一套用于物理感知视频生成的开放式扩散和自回归Transformer模型。这些模型已基于2000万小时的真实世界人类互动、环境、工业、机器人和驾驶数据，训练了9,000万亿个token。

不仅如此，Cosmos使用包括文本、图像、视频和运动在内的输入数据来生成和仿真虚拟世界，以准确模拟场景中物体的空间关系及其物理交互——而Cosmos的最终目的是帮助开发者构建新一代机器人和自动驾驶汽车（AV）。

需要明确的是，英伟达在2025年发布Cosmos世界模型的时候，包括1X、Agility Robotics、小鹏汽车、Uber和Waabi在内的企业就已经在在与Cosmos协作，加速并增强模型开发。

另外，Cosmos在发布之初，也已经根据NVIDIA开放模式许可协议，面向开发者开放。

如果说Cosmos是英伟达物理AI的世界基础模型，那么面向物理AI的两大应用场景——自动驾驶和通用机器人，英伟达也推出了两个相应的开源模型，分别是面向通用机器人的GR00T模型和面向自动驾驶的Alpamayo。

其中，Alpamayo可以说是英伟达面向自动驾驶这一物理AI细分场景而进行的最新布局。

Alpamayo 的价值，不止于开源

2025年12月初，在美国加州圣地亚哥举行的AI顶级会议NeurIPS上，英伟达发布了一篇标题为《Alpamayo-R1: Bridging Reasoning and Action Prediction for Generalizable Autonomous Driving in the Long Tail》的论文。

伴随着这篇论文的发布，英伟达在自动驾驶领域的最新成果Alpamayo-R1也正式揭晓。

在英伟达的官方描述中，Alpamayo-R1是全世界第一个面向自动驾驶研究的开源VLA推理模型。它的创新之处在于，将思维链AI推理与路径规划技术深度融合——英伟达表示，该技术对于提升辅助驾驶系统在复杂路况下的安全性以及实现L4级自动驾驶至关重要。

其中，作为英伟达推进其汽车业务发展的一个重要战略，Alpamayo-R1也完全开源。这意味着，研究人员可以根据自身的非商业用途需求对模型进行定制，包括用于基准测试与开发实验性辅助驾驶应用。

那么，英伟达为什么要推出Alpamayo-R1？

对此，一位自动驾驶从业者告诉时间线Timelines，英伟达之所以要推出Alpamayo-R1，一方面是要从其自身推进自动驾驶方案演进和落地的角度深入研究VLA，这也说明了英伟达对于VLA方案的认可。

另一方面，作为自动驾驶领域的底层基础设施提供方，英伟达也需要面向全行业进行赋能，降低合作伙伴的开发门槛，尤其是在L4领域。

毕竟，从自动驾驶发展的角度来看，整个行业已经开始从L2面向L4进行演变。

比如，特斯拉在2024年10月发布了其Robotaxi车型Cyebercab，并且在2025年开启了Robotaxi业务的试运营；而放眼中国市场，小鹏、理想、地平线等玩家都在2025年以各种方式对外宣布了面向L4迈进的动态。

而英伟达也并不例外。

实际上，就在2025年10月底举行于美国华盛顿的GTC大会上，英伟达宣布与Uber合作共同扩展全球L4级的自动驾驶移动出行网络——这一合作基于英伟达Hyperion 10辅助驾驶开发平台和专门为L4级自动驾驶打造的一系列软件。

很显然，站在如今的视角来看，英伟达Alpamayo-R1也是这一系列软件的一个重要组成部分。

有意思的是，就在2026年CES期间，黄仁勋在演讲中又再次对Alpamayo进行了强调，宣布该模型旨在实现L4级别的自动驾驶能力。

实际上，一个很容易被忽略的信息是，伴随着Alpamayo的这次亮相，英伟达也完成了其在自动驾驶领域的完全技术栈布局。

不仅如此，在本次演讲中，黄仁勋还宣布了基于该技术栈的一个最新案例。

具体来说，黄仁勋宣布，首款搭载Alpamayo系统、基于NVIDIA DRIVE全栈辅助驾驶平台构建的乘用车（即奔驰CLA车型）即将亮相——该车型目前采用双Orin处理器，下一代是双Thor处理器。

黄仁勋表示，基于该车型，英伟达的首款自动驾驶汽车将于第一季度在美国上路，然后欧洲是第二季度，而亚洲将会在第三、第四季度。

不仅如此，该方案的强大之处在于，它将不断用Alpamayo的后续版本进行更新。

值得一提的是，在这一套即将上路的自动驾驶系统中，英伟达采用了两套技术栈。

其中一套是以端到端方式训练的Alpamayo技术栈，另外一套则是一套完全可追溯的、更加强调安全性的自动驾驶技术栈，也就是一个防护栏系统——通过一个内置的「策略与安全评估器」，车辆可以在两个技术栈中进行切换。

对此，黄仁勋强调，「所有安全系统都应该具备多样性和冗余性」。

重新理解英伟达的汽车业务帝国

如果站在2026年的角度去重新审视，英伟达确实已经面向汽车行业进行了大面积的布局——那么，这背后的核心逻辑是什么？

其实，这与黄仁勋本人的一个执念密切相关。

一位曾经参与了英伟达自动驾驶业务早期研发工作的前英伟达工程师告诉时间线Timelines，在2012年AI迎来爆发之后，黄仁勋一开始并没有没有看上自动驾驶市场，因为他觉得这块市场的利润率不高，毕竟服务器领域的利润率高达60%到70%。

但是，黄仁勋对于AI的端侧部署是一直有执念的。也正是这个执念，让黄仁勋在当年寻找到了英伟达在自动驾驶、机器人等领域的业务场景，而自动驾驶也成为英伟达在端侧业务布局的重中之重——发展到今天，也已经布局了超过十年时间。

其结果是，尽管这些业务并没有直接给英伟达贡献出类似于云服务市场那样高企的财务回报，但英伟达在黄仁勋的带领下一直在坚持做自动驾驶，并且一直坚持到今天。

确实，如果从财务角度的去观察，在英伟达的财报中，来自于汽车业务的占比依旧非常小。

根据英伟达发布的截至2025年10月26日的最新一季度财报，在英伟达当季度的570亿美元营收中，来自汽车和机器人业务板块的营收为5.92亿元，同比增长幅度为32%，但相比于营收大盘来说，确实是微不足道。

不过，关于这个问题，英伟达有自己的思考。

此前在2023年慕尼黑车展期间，已经退休的前英伟达汽车业务副总裁Danny Shapiro在与笔者独家访谈时表示：

对我们来说，竞争本身不仅仅是关乎芯片，也包括软件。这些还只是车内。而数据中心同样也是人工智能的重要组成部分。我不知道，在英伟达之外，是否还有其他公司在车辆人工智能和数据中心人工智能方面进行合作。而从数据处理的角度，收集、训练、测试、验证和部署，这个过程将不断持续下去，也是我们的优势。

Danny Shapiro还强调，从财报来看，英伟达这个业务板块的营收确实很小；但其实，如果计算英伟达从汽车产业获得的营收，包括它从汽车主机厂的数据中心业务中获得的营收，还是非常大的。

基于这个回答，英伟达在汽车业务进行大手笔布局的财务逻辑，其实已经非常明显了——车端很重要，但它只是作为整个业务系统的一部分存在。

而如今，站在整个英伟达「物理AI」业务布局的角度来看，其实汽车和自动驾驶相关业务的重要性更加重要。

毕竟，黄仁勋在2025年年终接受The Hill & Valley Forum频道专访时就明确表示，自动驾驶汽车本身就是一种机器人，而今天每一家制造汽车的公司，未来都将非常擅长制造机器人，它们只需要在软件部分，也就是AI部分有所建树，就能够打造机器人。

从这个角度来看，我们也完全可以理解，英伟达在推进自动驾驶的同时，也在持续推进机器人业务不断发展。

比如，早在2024年3月的GTC期间，英伟达就发布了人形机器人通用基础模型Project GR00T，瞄准了人形机器人和具身智能；不仅如此，英伟达还发布了基于NVIDIA Thor的新型人形机器人计算机Jetson Thor。

从某种程度上来说，英伟达的这一业务布局，这与特斯拉将FSD芯片用于旗下的Optimus机器人业务，有异曲同工之妙。

可以理解为，作为AI和自动驾驶领域的两大关键玩家，英伟达和特斯拉都已经非常清晰地意识到自动驾驶业务面向机器人领域进行延伸的独特价值。

而如今，在英伟达的定义中，这些业务被统合为一个共同的名字：「物理AI」。

当然，无法否认的是，在黄仁勋所定义的AI的下一波浪潮「物理AI」的道路上，自动驾驶本身只会是一个起点，而前景更加广阔的各类机器人，实际上才刚刚起步——「物理AI」注定是一条更有前景、但也更加漫长的路，比起自动驾驶本身，它更加需要人类倾注足够的定力和耐心。