AI 正从软件世界，走向被理解、被感知、被执行的现实世界。

在 CES 2026 上，穿着鳄鱼皮夹克的黄仁勋发表了新年的首次演讲。除了 6 颗芯片整合成超级计算单元外，他还释放三个足以改变 AI 下一阶段的重要信号：Rubin 超算平台下半年出货，算力直接暴涨五倍；机器人正在成为物理 AI 的主力；英伟达把最大筹码压给了自动驾驶。

这次演讲有个很重要的关键词：物理 AI。

老黄又把两个可爱的瓦力机器人带上台，但这次给机器人的不只是大脑，而是仿真合成数据行为模型一整条训练流水线。" 机器人竞争的核心已从硬件参数比拼，转向训练飞轮的跑通效率。"

机器人领域是黄仁勋眼中物理 AI 的核心战场。

" 过去十年，我们教会了 AI 理解语言、图像和声音；今天，我们站在一个全新的临界点—— AI 正在学习理解物理世界。" 黄仁勋在演讲中加重了语气，" 重力、摩擦、惯性、碰撞 …… 这些不再是人类工程师的专属知识，而将成为 AI 智能体的基本常识。"

在他看来，物理 AI 绝非简单的技术升级，而是一场即将到来的新工业革命，其核心价值在于让 AI 真正 " 扎根 " 现实世界，具备理解物理规律、推理复杂场景并执行精准动作的能力。

黄仁勋直言，" 物理 AI 的 ChatGPT 时刻已经到来——机器开始理解、推理并在真实世界中行动。" 这一判断背后，是英伟达构建的三大技术支柱：

首先是 Newton 物理引擎，能在 0.01 秒内完成复杂力学计算，让机器人在虚拟世界中安全试错数百万次，精准模拟真实世界的力学动态，专为机器人与自动驾驶场景优化。

其次是 Cosmos 基础模型平台，作为一个开放的世界模型平台，它能将摄像头捕捉的画面、麦克风收录的声音，转化为可执行的物理动作。该平台已训练超过 1000 亿参数，支持多模态物理世界理解，并将推理延迟压缩至 1 毫秒。

最后是 GPU+LPU 混合算力架构，通过专用低延迟处理器（LPU）实现推理效率百倍提升、成本降低 90%，为物理 AI 的大规模落地提供坚实算力支撑。

在黄仁勋的表述中，物理 AI 的落地并非单点突破，而是全栈生态的协同推进。

他特别强调，开源是加速物理 AI 普及的关键。会上，英伟达推出了全球首个专为自动驾驶定做的思考与推理模型 Alpamayo，该模型采用基于思维链推理的视觉 - 语言 - 动作（VLA）架构，能让汽车像人类一样逐步思考复杂场景。

当遇到交通信号灯故障时，系统会清晰推理：" 我看到信号灯异常，左侧有车辆驶来，还有行人正在过马路，应减速停车等待安全后再通行 "，这种可解释的推理能力，正是解决自动驾驶 " 长尾问题 " 的核心密钥。黄仁勋宣布将 Alpamayo 模型免费开放，同时开源配套的仿真工具和数据集，构建完整的开放生态系统，供任何汽车开发者或研究团队使用。

对于物理 AI 的落地场景，黄仁勋有着明确的优先级排序：" 自动驾驶汽车将是第一个面向主流市场的大规模物理 AI 系统。" 他披露，2025 款奔驰 CLA 将集成英伟达完整的自动驾驶技术栈，首批搭载该系统的车辆将于 2026 年第一季度在美国上路，第二季度进入欧洲市场，下半年推进至亚洲市场。而在 2027 年，英伟达还计划测试无人驾驶出租车服务，让物理 AI 的价值直观呈现在大众面前。

黄仁勋最后总结，当下的革命性转折在于 " 双重平台迁移 "：一方面，计算核心从传统 CPU 转向以 GPU 为核心的加速计算；另一方面，应用开发基础从预定规则代码转向 AI 基座。这两种转变交织共生，而物理 AI 正是这场转变的核心载体。" 我们的愿景是让每一个物理空间都拥有智能，让 AI 成为理解和改造物理世界的强大工具。"

他的话语落下时，台上的瓦力机器人完成了一组精准的物料搬运动作。这或许是物理 AI 从概念走向现实的生动注脚。黄仁勋真正讲的 AI 不只是工具，而是基础设施。它正在重写软件、硬件、工业自动驾驶，甚至未来的一些工作方式。

这不是英伟达一家公司的故事，而是整个时代的方向。下一次 ChatGPT 级别的 AI 震撼，谁主沉浮？

来源：星河商业观察