昨天在美国拉斯维加斯举办的CES展览上，英伟达的黄仁勋发表了长达90分钟演讲。

　　以英伟达为代表，美国资本正在大力推动AI往现实世界的生产中渗透，这种渗透不再是单点式的孤立行动，如今已然变成了成体系的战略布局——美国正试图用AI来复兴其制造业。

　　而一旦这样的尝试成功，结果对我们来说将会是非常严峻的：美国将会重新获得制造业优势，我们的工程师、高级技工优势则会被稀释——美国制造业会复兴，而我们则将面临订单减少和岗位收缩。

　　黄仁勋昨天在CES的演讲，浓缩成一句话就是：如何降低物理AI的开发成本。而物理AI，是AI工厂的前置条件。

　　物理人工智能使相机、机器人和自动驾驶汽车等自主系统能够感知、理解、推理，并在物理世界中执行或协调复杂的Kaiyun动作。

　　众所周知，国外的GPT、Gemini、Claude也好，国内的豆包、千问、deepseek也好，都是生成式的AI，都是去理解人类的自然语言，然后根据我们的语言描述做出相应的反应，生成各种文本、图像和视频。

　　生成式AI当然很棒，但问题是：生成式AI是不怎么理解现实世界的，我们在之前的文章里说过很多次了，生成式AI的本质就是“猜字谜”——它不知道为什么要这样表达，它只知道这样表达人类更容易接受。

　　早起AI大模型的各种胡说八道和“六个指头”之类的幻觉，都是这种问题的具体表现。

　　现在，技术进步了，幻觉大大减少了，但这不代表AI理解现实世界了，而是它的演技越来越精湛了，越来越知道怎么讨好人了。

　　一旦接受了这样的设定，我们就能get到“物理AI”的价值了——物理AI是真的要去理解现实世界的，它不仅要理解现实世界，甚至还要在现实世界里执行、协调复杂的动作，还要去改变现实世界。

　　用常识想想就知道，理解真实世界的各种物理效果肯定比理解一句话要更困难，所以训练物理AI的成本肯定要远高于训练生成式AI。

　　但从实际来说，训练物理AI的成本之所以如此之高，是因为物理AI和生成式AI的思考深度不同。

　　以前的生成式AI，做的都是一次性的回答，你输入提示词，我给你一个回复，仅此而已。但随着Deepseek等具备深度思考能力的AI出现后，AI开始掌握了反思、对比、多步骤推理的深度思考能力。

　　所以，如果想发展物理AI，那就必须要有更多的算力储备来支撑推理。为了获得足够大的算力储备，那算力就要降价。

　　很简单，提高设备效率嘛，同样的成本下能完成更多推理就算赢——这就是黄仁勋昨天演讲的重头戏Vera Rubin平台的意义所在。

　　这次英伟达的Vera Rubin平台在前代Blackwell的基础上做了巨大改动，一片顶过去十片，推理性能大幅度提升，最强可降低至只有blackwell推理成本的十分之一，使得AI企业对GPU数量的需求大幅度下降。

　　而且，除了硬件层面Vera Rubin的创新外，这次英伟达还有软件层面的创新——Cosmos模型

　　根据官网的介绍，Cosmos模型是一系列预训练多模态模型，可以开箱即用，支持后续物理AI模型的开发。

　　举个例子来说吧，如果你想教会你的机器人搬东西。在没有Cosmos的时候，你需要先搞一台机器人，搞一堆真实的货物，然后通过编程的方式让它去搬运。这个过程往往伴随着大量的试错，很可能你的程序没有设定好，机器人上去就把东西给捏碎了也说不准。

　　但在Cosmos的加持下，你不需要那么真实地进行训练，一切都是虚拟的，你的机器人可以在里面反复试错，捏碎一千次一万次都没事，直到它表现稳定了，你再把它导入到真实机器身上，它就可以直接上手干活儿了。

　　综上所述，我们可以看到：昨天黄仁勋的演讲，核心主旨就是宣布英伟达已经开始在探索物理AI的道路上前进了，而且拿出了一整套从硬件到软件的工具来推动这个进程。

　　所以，如果“物理AI”真的成熟，尤其是当它开始被应用到了工业领域，那它将会带来巨大的颠覆效果——中国海量的工程师和技术工人优势将会被严重稀释——美国人借助“物理AI”驱动的机器人复兴其制造业，而我们将会失去大量订单和制造业岗位。

　　在老局看来，这种冲击已经迫在眉睫，很快就要到来了，因为英伟达已经拿出了实际的产品。

　　昨天的演讲中，英伟达明确了将会在2026年第一季度内拿出与奔驰合作的智能驾驶汽车，这款新车将会搭载英伟达的Alpamayo自动驾驶模型。

　　在此之前，英伟达就是个卖GPU的，是各种自动驾驶厂商的供货商。在此之后，英伟达成了个卖AI系统的，开始成为了自动驾驶厂商的竞争对手。

　　但现实就是这么残酷，英伟达是真的开始做自己的自动驾驶模型了，而现在市场上的各路自动驾驶厂商，将会面临来自过去的合作伙伴、现在的竞争对手的巨大冲击。

　　中国的新能源汽车工业，刚刚发展起来才几年呀？好不容易培育出了这么多优秀的企业，好不容易才在智能驾驶上取得了一定的突破。但现在，随着英伟达的试水，情况就完全变化了。

　　我们的企业投入了那么多钱在智能驾驶的研发上，但现在英伟达来了，你如何要保证自己能一直比英伟达更好？

　　这种趋势如果真的这么走下去，国内的新能源车企，很可能会走到电脑厂商的生态位。而英伟达，则可能成为智能驾驶领域的“微软”。

　　要知道，这还只是智能驾驶行业哦。英伟达的行动，如今早就已经渗透到其他行业了。

　　2025年10月，软银集团试图收购ABB的机器人业务，想通过整合AI和机器人技术引领制造业的创新，英伟达也展开了和富士通、安川电机的合作，想在制造业领域搞点事情。

　　软银的孙正义当时就说了：“下一个前沿是‘物理人工智能’(例如机器人和自动驾驶)。”他随后强调：“通过将(超越人类智慧的)超级人工智能与机器人技术相结合，我们将取得突破性进展，开启人类的全新未来。”

　　因为他们需要工厂生产第一线的数据，来加速物理AI落地的速度。生成式AI只需要理解语言就好了，它靠着互联网上的文字和图片就能训练出来。但物理AI所需要的数据，必须要从生产活动的第一线获得。

　　甚至，如果我们不管控好数据安全，搞不好国内采用ABB、安川机器人的厂商，自己家的生产数据都有可能被拿过去训练美国的AI。

　　英伟达的“物理AI”讲了一个非常美妙的故事，在AI的驱动下，机器人将会成为制造业的主宰，它们不知疲倦、不会犯错、不要工资，它们可以爆发出天文数字级别的工业产能，而生产成本则可能微乎其微。

　　我们想破局也不难，只要能够拿出类似的“物理AI”，在效率和易用性上比英伟达更好就可以了。

　　说Kaiyun复杂，则是因为这背后涉及的可不单纯是大模型厂商、GPU厂商的具体业务，而是需要整个中国泛AI行业都要有所共识，甚至需要有人把大家组织起来，尽快拿出一个相对应的竞品。

　　在老局看来，对于我们来说，加强AI基础设施投资显然会成为往后几年的一个必选项——当前美国占据了全球七成以上的算力，中国仅占15%左右，美国占据了全球八成以上的数据中心，中国只有二成。

　　在未来物理AI的时代，这样的算力分布情况，显然不匹配咱们制造业大国的身份，也不利于我们制造业的AI转型。

　　中国必然会在AI基础设施领域进行巨大投入，只有这样才能保证我们的制造业体系加速AI的转型。

　　英伟达的Cosmos确实有很强的模拟能力，这个不否认。但高度仿真的前提条件，永远是你必须真正掌握了现实中的数据。

　　美国人在高超音速导弹上为什么落后中国？不是因为美国没有尖端工业仿真软件，而是因为美国人没有高超音速风洞——现实世界里，5马赫和10马赫的速度下气流会有什么不同，这只有做实验才能测出来，仿真软件再先进也没辙，必须老老实实在三次元实现。

　　而工业体系，其实也是一样的。机器人能顺利进厂子打工的前提，永远是你得真有一个这样的厂子让机器人亲自在里面干几天时间。

　　实地调查农村地区取暖难，“省着用，冬天也需2400元”，如何解决这一问题？

　　“斩杀线”就是漏洞百出的谎言——看看这些数据，你还相信“斩杀线”是真的吗？