黄仁勋CES 2026宣告：AI正式接管物理世界！

作者 | Talk君

大家好，我是talk君

在CES 2026的舞台上，英伟达CEO黄仁勋向全球宣告了一个新时代的来临。

这位常年身着皮衣的科技领袖，此次演讲的核心信息明确而震撼：人工智能正从云端的数据中心走出，进入我们的街道、工厂和家庭，开始真正“接管”物理世界。

在这场被业界称为“年度科技风向标”的演讲中，黄仁勋系统勾勒了从底层算力到上层应用的完整AI生态演进图。

与他往年聚焦于单一芯片产品不同，本次演讲展示了一个更为宏大的愿景：AI与物理世界的融合将开启新一轮工业革命。

双重平台迁移：AI正在经历“双重搬家”

黄仁勋演讲开场即抛出一个核心观点：“计算行业的每一层技术堆栈，都正在被重新构建”。这一判断揭示了当前AI革命与传统技术更新的本质区别。

应用层面的重构是第一重迁移。

未来，所有的应用程序都将构建在AI之上。传统的Excel不再需要手动输入公式，而是由AI自动分析数据；客服系统不再依赖预设话术，AI能够自己推理、查资料并解决问题。

这种转变使AI从独立工具变为基础设施，成为所有软件的底层支持。

更深层次的变革在于软件开发范式的革命。黄仁勋精辟地指出：“你不再‘编程’软件，而是‘训练’软件；你不再在CPU上运行它，而是在GPU上运行它。”

这意味着，软件生产的核心从编写确定性代码，变为训练具有理解和生成能力的智能体；而计算的核心也从通用CPU，彻底转向为AI而生的加速计算。

这种双重平台迁移的规模前所未有。全球约十万亿美元的传统计算基础设施必须进行现代化改造以适应新型计算方式。每年数千亿美元的风险投资正在涌入这一变革，推动整个行业进行彻底重构。

物理AI：

人工智能的“寒武纪大爆发”

黄仁勋演讲中最具革命性的部分是关于“物理AI”（Physical AI）的论述。他明确表示，以机器人为代表的“物理AI”将复制大语言模型的爆发路径，这意味着AI正从“屏幕内的军师”转变为“现实世界的工人”。

物理AI的核心是让AI理解现实世界的基本规律：球扔出去会落地（重力），推桌子会感到阻力（摩擦力），杯子不会凭空消失（物体恒存性）。

这些对人类来说是天经地义的常识，对AI却是全新的知识领域。

物理AI能够让摄像头、机器人和自动驾驶汽车等自主系统在物理世界中实现感知、理解、推理，并执行或协调复杂的操作。

这意味着AI不再局限于数字世界，而是扩展到物理世界，开始驱动机器人、自动驾驶和工业自动化。

解决物理AI训练的关键在于“模拟+合成数据”。因为现实世界的数据太稀缺且昂贵，不可能收集所有驾驶场景或工业操作场景。

为此，英伟达构建了完整的三计算机系统：训练AI的计算机、运行推理的机器人计算机，以及用于模拟的Omniverse平台。

其中模拟的Omniverse平台至关重要，它就像一个教AI理解物理世界的“模拟器”，能够生成逼真且符合物理规律的合成数据。

通过这种模拟环境，AI能在虚拟世界中学习应对各种情况，包括那些在现实中罕见却危险的情景。

机器人的“ChatGPT时刻”：

从实验室到规模化应用

黄仁勋特别强调，“机器人产业已迎来属于自己的‘ChatGPT时刻’”。这一判断的背后是多项技术的共同成熟。

随着仿真技术（如Omniverse）和合成数据的成熟，机器人开发将突破现实数据稀缺的瓶颈，从实验室快速走向规模化商业应用。

在演讲中，黄仁勋与机器人一同登台，直观展示了这一趋势的加速到来。

机器人领域的突破源于AI技术的质变。如今，AI已经能生成逼真的“动作视频”——你输入“一个人弯腰捡起地上的盒子，放到桌子上”，AI就能生成流畅、真实的视频。

而指挥机器人做同样的动作，本质上和生成这个视频是一回事：都是让AI处理“动作指令”。

计算机根本不在乎自己生成的是文字、视频，还是机器人的动作指令，本质上都是处理数字。当生成动作的技术成熟了，机器人的核心难题就解决了一大半。

黄仁勋预测，未来两三年，我们会看到机器人领域的重大突破：不再是实验室里的“样品”，而是能真正落地、解决实际问题的产品。

自动驾驶：

物理AI的首个爆发点

黄仁勋将自动驾驶视为物理AI的关键应用场景。他宣布的Alpamayo模型，标志着自动驾驶技术的范式转变。

与传统“黑盒”自动驾驶系统不同，Alpamayo不仅能做出驾驶决策，还能解释其推理过程：“我看到左侧有儿童遮挡物，且感知到移动意图，因此减速并向右避让。”

这种可解释的AI让自动驾驶系统变得更加可信可靠。

更值得关注的是，黄仁勋预测：“未来十年里，我相当肯定世界上很大一部分汽车将是自动驾驶或高度自动驾驶的。”

这一判断基于AI推理能力的突破，以及仿真技术的成熟。

Alpamayo模型采用“端到端训练”，从摄像头拍到画面，到转动方向盘、踩刹车，全由AI一气呵成，还搭配了“传统自动驾驶系统”当备份——如果遇到没把握的场景，就自动切换到更稳妥的传统模式，安全性大幅提升。

算力革命：

Vera Rubin平台的“极端协同”

支撑物理AI崛起的是算力基础设施的革命。黄仁勋介绍了英伟达的Vera Rubin平台，这不再是一块简单的芯片，而是一个完整的计算系统。

面对AI模型规模每年10倍的增长，仅依靠摩尔定律已不够。黄仁勋提出了“极端协同设计”的理念：通过将CPU、GPU、网络等六大核心芯片进行系统级协同设计，实现推理性能5倍于前代、成本降至1/10的飞跃。

Vera Rubin平台的三大核心优势令人印象深刻：训练效率翻4倍，token成本降10倍，上下文内存扩16倍。这意味着AI服务的价格将大幅降低，同时能处理更复杂的任务而不会“遗忘”先前的内容。

特别值得关注的是能效提升——Vera Rubin平台使用45度温水冷却，为数据中心节省约6%的电力消耗。在算力耗能成为全球关注问题的背景下，这一创新具有重大意义。

黄仁勋表示，这个平台不是“超级计算机”，而是“AI工厂”——以前的计算机是“生产数据”，现在的AI工厂是“生产有用的信息”。

工业元宇宙：

工厂即“巨大的机器人”

黄仁勋还与西门子等工业巨头合作，展示了物理AI如何重塑全球制造业。他提出了一个震撼观点：未来的工厂本质上就是一个巨大的机器人。

在英伟达的愿景中，工厂在动工前，会先在Omniverse数字孪生平台中完成全部设计和测试。这不是简单的3D建模，而是包含物理属性的仿真。

所有的产线优化、物流规划甚至工人动线，都先在虚拟世界中利用AI进行数万次迭代。

黄仁勋描述了这一转变的深远影响：“它从以前的‘边造边改’，变成了‘想清楚再动手’。这不仅仅省时省力，也彻底改变了人类造物的方式。”

这种虚拟与现实的融合，正是AI接管物理世界的核心标志。从制造业到建筑业，从物流到能源，物理AI正在成为行业数字化转型的新引擎。

开源战略与创新民主化

在演讲的最后，黄仁勋强调了开源的重要性：“开源模型彻底改变了人工智能……当开源、开放创新被激活时，AI将无处不在。”

这一判断基于开源模型的快速发展。虽然开源模型仍落后前沿模型大约六个月，但每六个月就有新模型出现，而且这些模型越来越聪明。

正因如此，开源模型的下载量呈现爆炸式增长，因为初创公司、大公司、研究员、学生，几乎每个国家都想参与AI革命。

英伟达的开源哲学体现在其“数字形式的智能不应抛下任何人”的愿景中。通过开源全栈工具链，英伟达旨在降低AI开发门槛，让不同规模的企业、开发者都能参与AI革命，防止AI技术红利被少数巨头垄断。

黄仁勋在采访中提到，中国的企业家、工程师是世界顶尖的，很多公司已经上市，发展得很好。这种开放态度与开源战略相结合，有望加速全球物理AI技术的创新与应用。

物理AI的未来：

从执行者到协作者

物理AI的终极价值，在于将人类从重复物理劳动中解放出来。当无人驾驶出租车自动完成城市通勤、机器人承担高危作业、飞行汽车打通低空通道，人类得以专注于创意、研发等更高价值的活动。

黄仁勋预测的未来十年，AI将完成从“数字智力”到“物理智能”的跨越。物理AI系统将不再仅仅是执行人类命令的工具，而是能够感知环境、理解上下文、做出决策并执行任务的协作者。

这种转变将重塑产业格局和就业市场。一方面，物理AI将提高生产效率，解决劳动力短缺问题；另一方面，也将要求劳动力进行技能升级，适应与AI系统协作的新工作模式。

随着AI获得“身体”和“常识”，开始在与人类相同的物理法则下运作，我们需要建立新的安全标准、伦理规范和法律框架，确保人机共居世界的和谐发展。

物理AI的崛起标志着人工智能正从处理数字信息的工具，进化成为能够理解并操作物理世界的智能体。我们正在见证的不仅是一场技术革命，更是人类文明演进的重要转折点。

未来十年，我们将见证人工智能从数字世界融入物理世界的每一个角落。黄仁勋在CES 2026的演讲为这一变革划定了起跑线，而真正的竞赛才刚刚开始。

你对此有什么看法？欢迎评论区留言讨论~

赶紧关注视频号@一刻talks吧！