黄仁勋：物理AI已经到来下一个十年全产业链梳理

  黄仁勋说物理AI已经到来，这句话背后藏着下一个十年的全产业链机会2026年1月5日那天晚上，拉斯维加斯CES的舞台上，黄仁勋站了整整一个半小时。

  他没怎么聊芯片参数，反而抛出了一个让全场屏息的判断——＂物理人工智能的＇ChatGPT时刻＇已经到来。＂

  什么叫物理AI？其实不用想得太复杂。过去三年你用过的AI，不管是聊天的还是画图的，本质上都住在屏幕里。它们能帮你写稿子、做PPT，但你让它帮你倒杯水，它连杯子在哪都不知道。

  物理AI要解决的就是这样的一个问题：让AI理解＂东西放在这里转过头再看它还在＂这种常识，理解＂推一下杯子杯子会倒＂这种因果关系。说白了，就是让机器从＂只会动嘴＂变成＂能动手＂。黄仁勋把AI的演进做了一个很简洁的四段论：感知AI、生成AI、代理AI、物理AI。

  前三个阶段基本发生在数字世界里，第四个阶段则是AI走出屏幕、走进三维空间的关键一步。

  这个分法之所以有必要注意一下，是因为它暗含了一个产业判断：前三个阶段吃到最大红利的是软件公司和云服务商，而物理AI阶段，赢家将变成那些能把硬件和软件＂缝＂在一起的制造型企业。从产业节奏看，这个判断在2026年上半年慢慢的开始兑现。

  进入5月，人形机器人板块迎来一轮明显反弹，多只个股股价创出历史上最新的记录。从特斯拉弗里蒙特工厂下线的Optimus Gen-3，到东京羽田机场投入到正常的使用中的宇树科技G1机器人，人形机器人正加速从实验室走向工厂与生活场景。

  资本市场的嗅觉往往比普通人更灵敏，当一个行业的股票开始集体异动，往往意味着底层的产业逻辑已发生了质变。要理解物理AI为什么在2026年突然＂提速＂，得看清英伟达这半年到底做了什么。

  在CES上，黄仁勋端出了两道＂硬菜＂：一个是基于超2000万小时真实数据训练的物理AI模型Cosmos，另一个是面向无人驾驶的开源推理模型Alpamayo。前者相当于给机器人编了一本＂物理教科书＂，后者则是让无人车拥有了＂会思考的大脑＂。

  到了3月的GTC大会上，英伟达又加码推出了新一代计算平台Vera Rubin和面向AI智能体的操作系统NemoClaw。黄仁勋在GTC上判断：AI已从训练时代全方面进入推理加智能体加物理AI的工业化时代。

  但光有英伟达的平台和芯片远远不足。物理AI和之前的语言大模型有一个根本性的区别：语言大模型训练需要的是海量文本数据，这一些数据在网络上俯拾皆是；而物理AI的训练需要的是真实世界的三维物理数据——重力怎么作用、物体碰撞会怎样、摩擦力有多大。

  这些数据在现实世界里收集起来既昂贵又危险，你不可能为训练一个搬运机器人，就让它把家里的花瓶摔碎一万次。

  英伟达在2026 GTC大会上宣布的＂物理AI数据工厂Blueprint＂就为了解决这个问题，它能将有限的真实数据转化为大规模多样化数据集，尤其擅长生成现实世界中采集成本极高的＂长尾场景＂。

  这种用虚拟世界喂养真实世界的思路，本质上是用算力换数据。这也解释了为什么黄仁勋要把算力平台和物理AI绑在一起讲——只有少数的算力，你连训练数据都造不出来。

  再来看中国这边的进展，说实话，这半年发生的事情密度之大，已经超出了很多人的预期。最具标志性的事件发生在3月28日：智元机器人第10000台通用具身机器人远征A3正式下线。在过去一年半中，智元的本体生产能力呈现指数级发展，从5000台到10000台，仅用了三个多月。

  一家成立不到三年的公司，做到了万台级量产，这在全球人形机器人产业里是头一回。智元的高管王闯在接受21经济网采访时说了一句很实在的线年是部署态元年。＂

  这四个词的递进关系很清楚——从＂做出来＂到＂造出来＂再到＂卖出去＂，最后到＂用起来＂。对于物理AI这样一个重资产、长链条的行业来说，＂用起来＂才是真正考验含金量的环节。

  机器人在展会上跳个舞不难，难的是到工厂里连续干8个小时不出故障。特斯拉那边的节奏虽然比预期慢了一些，但方向同样明确。

  4月23日，特斯拉在2026年第一季度财务报表电话会上透露：Optimus Gen3预计将于今年年中正式亮相，最早于7月下旬至8月在弗里蒙特工厂启动生产。马斯克甚至为此停产了Model S和Model X两款旗舰车型来腾出产线。

  这种＂断臂求生＂式的战略抉择，本身就说明了特斯拉对物理AI赛道的坚定押注。不过需要冷静看到的是，2025年特斯拉原定5000台的Optimus生产目标并未实现，全年实际产量只有数百台，且远未达到规模化进厂作业的标准。

  马斯克自己也坦承，Optimus涉及10000多个独特零部件，其中没有一点一个经历过大规模量产，整体进度会被＂最慢的那个零件＂拖住。这种务实的表态反而增加了可信度——物理AI不是画PPT，它牵扯到的工程复杂度远超纯软件产品。

  打个比方：如果说传统AI只需要一颗＂大脑＂（芯片和算法），那物理AI还需要＂眼睛＂（传感器和视觉系统）、＂四肢＂（电机、减速器和执行器）、＂神经系统＂（控制器和通信模组），以及一个让它反复练功的＂武功秘籍＂（仿真平台和训练数据）。

  每一个环节都有独立的技术壁垒和产业链逻辑，减速器被业内称为机器人关节的＂心脏＂，占整机成本大约三分之一。特斯拉Optimus Gen3的减速器方案已经基本明确：谐波减速器用于上肢和躯干关节，行星减速器用于下肢高负载场景，摆线与RV减速器正在测试阶段。

  国内谐波减速器龙头绿的谐波的全球市占率已达到约25%，同时进入了特斯拉和优必选等多家头部企业的供应链。这个环节的竞争格局相对清晰，国产替代的确定性较高。

  再说＂手＂，马斯克多次强调：＂灵巧手是Optimus最复杂的子系统，工程量近乎整机的一半。＂

  Gen3搭载了22自由度仿生灵巧手，指尖精度0.08毫米，并首次将触觉感知从指尖扩展至全掌。这里面涉及到空心杯电机、微型丝杠、腱绳传动等一系列精密零部件，每一个都是＂卡脖子＂级别的技术难题。

  国内鸣志电器、柯力传感等企业已切入特斯拉供应链，但要实现大规模量产供应，供应链的成熟度还有待验证。

  物理AI对算力的需求和语言大模型不一样——它需要同时处理三维空间信息、物理仿真数据和实时控制指令，对算力的＂质＂和＂量＂都提出了更加高的要求。黄仁勋在GTC上判断：到2027年全球计算市场规模将突破1万亿美元。

  在这样的需求驱动下，AI芯片的国产替代就不单单是一个商业机会，更是一个关乎产业安全的战略命题。从更宏观的视角看，2026年是中国＂十五五＂规划的开局之年。

  人形机器人被列为与量子科技、脑机接口并列的战略赛道。工信部牵头组建人形机器人与具身智能标准化专业机构，从顶层设计层面规范行业发展秩序。

  政策端的信号已经很清晰：国家层面对这条赛道的重视程度，等同于十年前的新能源汽车。而中国在供应链整合、制造业规模化和应用场景丰富性上的优势，恰恰是物理AI产业落地最需要的土壤。

  TrendForce集邦咨询的研究报告预估，2026年全年中国人形机器人市场产量年增将高达94%。华源证券觉得，2026年人形机器人产业正迎来＂1到10＂的关键跨越。

  这种判断在5月的长期资金市场上已经有所体现，但相比证券交易市场的热度，真正要关注的是一级市场和产业端的动态——谁的机器人真正在工厂里跑了起来，谁的零部件通过了量产审厂，这些才是判断行业真实进展的硬指标。当然，对这个行业也不能盲目乐观。

  特斯拉的Optimus量产时间已经多次跳票，这说明从实验室原型到工业级量产之间，存在着巨大的＂工程鸿沟＂。国内150多家人形机器人企业里，真正的完成万台级量产的目前只有智元一家，大部分还停留在＂demo很惊艳、交付很困难＂的阶段。

  行业的洗牌期可能来得比大多数人预想的更快，王闯判断，机器人的＂ChatGPT时刻＂可能在2026年或2027年就会发生。

  放在物理AI全产业链的框架下看，从平台层到仿真层、从算力到零部件、从传感器到系统集成，每一环都对应着真实的产业机会。

  谁能最先把AI从＂会说话＂变成＂会干活＂，谁就握住了这条万亿赛道的入场券。返回搜狐，查看更加多