黃仁勛的“物理AI”，對中國制造不是好消息

前天在美國拉斯維加斯舉辦的CES展覽上，英偉達的黃仁勛發表了長達90分鐘演講。

依舊“掀桌子”

依舊“王炸”

依舊“不裝了”

拋開這些花花綠綠的溢美之詞，看完之后，第一反應其實是一種危機感。

這種危機感具體來說就是：

以英偉達為代表，美國資本正在大力推動AI往現實世界的生產中滲透，這種滲透不再是單點式的孤立行動，如今已然變成了成體系的戰略布局——美國正試圖用AI來復興其制造業。

而一旦這樣的嘗試成功，結果對我們來說將會是非常嚴峻的：美國將會重新獲得制造業優勢，我們的工程師、高級技工優勢則會被稀釋——美國制造業會復興，而我們則將面臨訂單減少和崗位收縮。

黃仁勛到底要干啥？

黃仁勛昨天在CES的演講，濃縮成一句話就是：如何降低物理AI的開發成本。而物理AI，是AI工廠的前置條件。

先來說說所謂的“物理AI（Physical AI）”。

關于“物理AI”，英偉達的官網上是這樣介紹的：

Physical AI lets autonomous systems like cameras, robots, and self-driving cars perceive, understand, reason, and perform or orchestrate complex actions in the physical world.

物理人工智能使相機、機器人和自動駕駛汽車等自主系統能夠感知、理解、推理，并在物理世界中執行或協調復雜的動作。

眾所周知，國外的GPT、Gemini、Claude也好，國內的豆包、千問、deepseek也好，都是生成式的AI，都是去理解人類的自然語言，然后根據我們的語言描述做出相應的反應，生成各種文本、圖像和視頻。

生成式AI當然很棒，但問題是：生成式AI是不怎么理解現實世界的，我們在之前的文章里說過很多次了，生成式AI的本質就是“猜字謎”——它不知道為什么要這樣表達，它只知道這樣表達人類更容易接受。

早起AI大模型的各種胡說八道和“六個指頭”之類的幻覺，都是這種問題的具體表現。

現在，技術進步了，幻覺大大減少了，但這不代表AI理解現實世界了，而是它的演技越來越精湛了，越來越知道怎么討好人了。

一旦接受了這樣的設定，我們就能get到“物理AI”的價值了——物理AI是真的要去理解現實世界的，它不僅要理解現實世界，甚至還要在現實世界里執行、協調復雜的動作，還要去改變現實世界。

理解了物理AI后，我們就能理解Vera Rubin平臺的意義了。

用常識想想就知道，理解真實世界的各種物理效果肯定比理解一句話要更困難，所以訓練物理AI的成本肯定要遠高于訓練生成式AI。

但從實際來說，訓練物理AI的成本之所以如此之高，是因為物理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，你輸入提示詞，我給你一個回復，僅此而已。但隨著Deepseek等具備深度思考能力的AI出現后，AI開始掌握了反思、對比、多步驟推理的深度思考能力。

而這種能力，其實是物理AI所必須的。

所以，如果想發展物理AI，那就必須要有更多的算力儲備來支撐推理。為了獲得足夠大的算力儲備，那算力就要降價。

那怎么辦呢？

很簡單，提高設備效率嘛，同樣的成本下能完成更多推理就算贏——這就是黃仁勛昨天演講的重頭戲Vera Rubin平臺的意義所在。

這次英偉達的Vera Rubin平臺在前代Blackwell的基礎上做了巨大改動，一片頂過去十片，推理性能大幅度提升，最強可降低至只有blackwell推理成本的十分之一，使得AI企業對GPU數量的需求大幅度下降。

而且，除了硬件層面Vera Rubin的創新外，這次英偉達還有軟件層面的創新——Cosmos模型

根據官網的介紹，Cosmos模型是一系列預訓練多模態模型，可以開箱即用，支持后續物理AI模型的開發。

舉個例子來說吧，如果你想教會你的機器人搬東西。在沒有Cosmos的時候，你需要先搞一臺機器人，搞一堆真實的貨物，然后通過編程的方式讓它去搬運。這個過程往往伴隨著大量的試錯，很可能你的程序沒有設定好，機器人上去就把東西給捏碎了也說不準。

但在Cosmos的加持下，你不需要那么真實地進行訓練，一切都是虛擬的，你的機器人可以在里面反復試錯，捏碎一千次一萬次都沒事，直到它表現穩定了，你再把它導入到真實機器身上，它就可以直接上手干活兒了。

綜上所述，我們可以看到：昨天黃仁勛的演講，核心主旨就是宣布英偉達已經開始在探索物理AI的道路上前進了，而且拿出了一整套從硬件到軟件的工具來推動這個進程。

所以，如果“物理AI”真的成熟，尤其是當它開始被應用到了工業領域，那它將會帶來巨大的顛覆效果——中國海量的工程師和技術工人優勢將會被嚴重稀釋——美國人借助“物理AI”驅動的機器人復興其制造業，而我們將會失去大量訂單和制造業崗位。

沖擊，即將到來

在老局看來，這種沖擊已經迫在眉睫，很快就要到來了，因為英偉達已經拿出了實際的產品。

昨天的演講中，英偉達明確了將會在2026年第一季度內拿出與奔馳合作的智能駕駛汽車，這款新車將會搭載英偉達的Alpamayo自動駕駛模型。

在此之前，英偉達就是個賣GPU的，是各種自動駕駛廠商的供貨商。在此之后，英偉達成了個賣AI系統的，開始成為了自動駕駛廠商的競爭對手。

這是個啥概念呢？

你能想象臺積電哪天突然宣布自己要研發手機處理器么？

你能想象自己的供應商哪天突然開始搶你的生意么？

但現實就是這么殘酷，英偉達是真的開始做自己的自動駕駛模型了，而現在市場上的各路自動駕駛廠商，將會面臨來自過去的合作伙伴、現在的競爭對手的巨大沖擊。

中國的新能源汽車工業，剛剛發展起來才幾年呀？好不容易培育出了這么多優秀的企業，好不容易才在智能駕駛上取得了一定的突破。但現在，隨著英偉達的試水，情況就完全變化了。

我們的企業投入了那么多錢在智能駕駛的研發上，但現在英偉達來了，你如何要保證自己能一直比英偉達更好？

這種趨勢如果真的這么走下去，國內的新能源車企，很可能會走到電腦廠商的生態位。而英偉達，則可能成為智能駕駛領域的“微軟”。

要知道，這還只是智能駕駛行業哦。英偉達的行動，如今早就已經滲透到其他行業了。

2025年10月，軟銀集團試圖收購ABB的機器人業務，想通過整合AI和機器人技術引領制造業的創新，英偉達也展開了和富士通、安川電機的合作，想在制造業領域搞點事情。

軟銀的孫正義當時就說了：“下一個前沿是‘物理人工智能’(例如機器人和自動駕駛)。”他隨后強調：“通過將(超越人類智慧的)超級人工智能與機器人技術相結合，我們將取得突破性進展，開啟人類的全新未來。”

他們為什么要和ABB、安川這樣的機器人企業合作？

因為他們需要工廠生產第一線的數據，來加速物理AI落地的速度。生成式AI只需要理解語言就好了，它靠著互聯網上的文字和圖片就能訓練出來。但物理AI所需要的數據，必須要從生產活動的第一線獲得。

甚至，如果我們不管控好數據安全，搞不好國內采用ABB、安川機器人的廠商，自己家的生產數據都有可能被拿過去訓練美國的AI。

這玩意兒真的不能細想，越想越毛骨悚然。

結尾：我們要怎么辦？

面對如此技術趨勢，我們要做的事情說簡單也簡單，說復雜也復雜。

說簡單，是因為破局的方式一目了然：

英偉達的“物理AI”講了一個非常美妙的故事，在AI的驅動下，機器人將會成為制造業的主宰，它們不知疲倦、不會犯錯、不要工資，它們可以爆發出天文數字級別的工業產能，而生產成本則可能微乎其微。

我們想破局也不難，只要能夠拿出類似的“物理AI”，在效率和易用性上比英偉達更好就可以了。

國產替代嘛，Deepseek不就是一個典型例子么？

說復雜，則是因為這背后涉及的可不單純是大模型廠商、GPU廠商的具體業務，而是需要整個中國泛AI行業都要有所共識，甚至需要有人把大家組織起來，盡快拿出一個相對應的競品。

這不單純是工程技術問題，更是行業協調、產業政策的問題。

在老局看來，對于我們來說，加強AI基礎設施投資顯然會成為往后幾年的一個必選項——當前美國占據了全球七成以上的算力，中國僅占15%左右，美國占據了全球八成以上的數據中心，中國只有二成。

在未來物理AI的時代，這樣的算力分布情況，顯然不匹配咱們制造業大國的身份，也不利于我們制造業的AI轉型。

中國必然會在AI基礎設施領域進行巨大投入，只有這樣才能保證我們的制造業體系加速AI的轉型。

實際上，我們也不必太過于緊張。

美國雖然在算力端有優勢，但我們這邊在落地經驗上也是天下無敵。

英偉達的Cosmos確實有很強的模擬能力，這個不否認。但高度仿真的前提條件，永遠是你必須真正掌握了現實中的數據。

美國人在高超音速導彈上為什么落后中國？不是因為美國沒有尖端工業仿真軟件，而是因為美國人沒有高超音速風洞——現實世界里，5馬赫和10馬赫的速度下氣流會有什么不同，這只有做實驗才能測出來，仿真軟件再先進也沒轍，必須老老實實在三次元實現。

而工業體系，其實也是一樣的。機器人能順利進廠子打工的前提，永遠是你得真有一個這樣的廠子讓機器人親自在里面干幾天時間。

這樣的工廠我們有很多很多，但太平洋對岸，真的不多。

- End -