推广 热搜： 采购方式滤芯甲带带式称重给煤机气动隔膜泵减速机型号无级变速机链式给煤机履带减速机

黄仁勋CES演讲:物理AI将如何重塑汽车行业?

日期：2026-01-13 01:18:41 来源：网络整理作者：本站编辑评论：0

请点击上方蓝字关注作者

极简标题

2025 年初，DeepSeek 横空出世，让数字 AI 对话走向全民，它激活了全球开源生态，让中小公司和普通人都能触及高阶 AI 工具。短短一年间，AI 从 “聊天助手” 进化为 “智能体”，重构了办公、创作等多个场景。

2026 年 1 月，英伟达 CEO 黄仁勋在 CES(国际消费类电子产品展览会)的 90 分钟演讲，让汽车行业迎来了新的变革信号：“AI 的下一个战场在物理世界”。

什么是物理AI？

要理解黄仁勋的野心，核心是搞懂 “物理 AI”的概念，其本质很简单：物理 AI 就是能理解物理规律、并和物理世界互动的 AI。

黄仁勋特别区分了两个概念：

“物理 AI（动手派），比如：控制汽车避让行人；AI 物理学（理论派），比如：通过流体力学优化汽车风阻。两者结合，就是 AI 从 “理解物理” 到 “运用物理” 的完整闭环，恰好契合汽车从 “能动” 到 “会思考” 的升级需求。”

对 AI 来说，学物理并不容易。人类的物理常识源于生活经验，但 AI 需要从零开始学习 “物体恒存性”、“因果关系”。

比如要让 AI 懂 “刹车距离”，可能需要在虚拟环境中模拟上万次不同场景的刹车动作。而黄仁勋要做的，就是给汽车行业提供一套 “让 AI 快速学会物理” 的解决方案。

黄仁勋如何构建“物理AI”护城河？

英伟达为物理 AI 布局了八年，核心是 “三大计算机” 协同系统 —— 这是物理 AI 落地汽车的关键，也是车企难以复制的优势。

「第一台训练计算机」用海量数据 “教 AI 学物理”。比如输入不同车速、路面的刹车数据，让 AI 理解 “刹车距离”；收集行人过马路的视频，让 AI 学会 “避让逻辑”。但真实数据永远有缺口，极端天气、罕见事故等场景很难靠路测收集，这就需要第二台计算机补位。

「第二台仿真计算机」黄仁勋称之为 “物理 AI 的核心”。现实交互不可复现，AI 必须在虚拟环境中反复试错。英伟达的 Omniverse 平台，是 1:1 还原物理世界的仿真器 —— 在这里，AI 能模拟暴雨天开车、行人突然冲出等场景，且所有物理规律与现实一致：下雨会降低路面摩擦力，撞击会导致车身变形。

「第三台推理计算机」相当于 AI 的 “大脑执行器”。训练好的模型要装在汽车上实时运行，比如自动驾驶 AI 看到 “前方施工”，需瞬间推理出 “减速→打灯→绕行” 的动作。英伟达的 Orin、Thor 芯片，正是为这种高响应速度场景设计，双 Thor 芯片的算力足以支撑 AI 同时处理摄像头、雷达数据并完成动作输出。

这三台计算机构成 “训练 - 仿真 - 推理” 闭环，解决了汽车行业的核心痛点：

以前研发自动驾驶需要跑百万公里路测，耗时数年；现在 90% 的训练可在仿真环境完成，再用真实数据微调，研发周期从 “数年” 压缩到 “数月甚至数天”。

「核心产品」

Cosmos：能让汽车 “看透” 世界的基础模型

如果说三大计算机是 “硬件底座”，Cosmos 世界基础模型就是物理 AI 的 “灵魂”—— 它让汽车不仅能 “看到” 世界，更能 “理解” 世界。

Cosmos 的核心能力来自三个模块：Predict 2.5 能基于单帧图像生成 30 秒连续驾驶场景，比如看到红灯就能预测 “3 秒后绿灯，前车会启动”；Transfer 2.5 能快速切换场景，同一道路可一键生成上午、雨天、雪天等不同环境的训练数据；Reason 则能实现类人化推理，比如识别 “行人挥手是想过马路”“卡车闪灯是想变道”。

对汽车行业来说，Cosmos 的价值在于 “计算换数据”。以前车企很难收集 “暴雨天夜间行驶”“山区结冰路面” 等场景数据，现在用 Cosmos 可 “按需生成”，且合成数据自带标注，无需人工处理，大幅降低数据成本。

黄仁勋透露，Cosmos 下载量已达数百万次，英伟达自己的自动驾驶 AI，就是用它生成场景、完成训练的。

「核心产品」

Alpamayo：“会思考”的自动驾驶 AI

有了三大计算机和 Cosmos，英伟达推出了物理 AI 在汽车领域的集大成者 ——Alpamayo，全球首个具备思考与推理能力的自动驾驶 AI。

Alpamayo 采用 “端到端训练”，从摄像头输入直接输出 “转向、刹车、油门” 动作，中间无拆分模块，避免了传统自动驾驶的 “模块脱节” 问题。更颠覆的是，它会 “思考 + 说话”：输出动作的同时，还会同步给出 “行动理由” 和 “行驶轨迹”。

比如遇到施工，它会明确告知：“动作：减速至 30km/h；理由：前方施工需绕行；轨迹：5 秒后驶入对向车道”。这种 “可解释性”，彻底解决了自动驾驶的信任难题。

黄仁勋播放的实测视频中，搭载 Alpamayo 的奔驰汽车全程 0 接管，顺利完成绕行施工、避让紧急车辆、无保护左转等复杂操作，UI 界面实时显示的 “思考过程” 让驾驶透明化。

更让人放心的是，它配备 “双软件栈冗余系统”：主栈 Alpamayo 负责日常驾驶，备用栈是经过六七年打磨的传统自动驾驶系统，由 “策略与安全评估器” 实时监测切换 —— 常规场景 Alpamayo 主导，极端场景自动切换至备用栈，确保安全。

这款搭载 Alpamayo 的奔驰 CLA 车型已正式投产，还被 NCAP 评为 “世界最安全的汽车”，是首个从芯片到代码全流程安全认证的自动驾驶系统。奔驰 CEO 康林松在 CES 上反复强调 “安全第一”，背后正是对英伟达全栈方案的信任。

「英伟达的开源生态」

让所有车企都能 “抄近道”

黄仁勋的野心不止于打造一款自动驾驶系统，更在于构建开放生态 —— 让所有车企，无论大小，都能用上最先进的物理 AI 技术。

他在演讲中宣布：Alpamayo 家族全部开源，包括 VLA 模型、仿真框架、数据集。

这意味着中小车企无需投入数十亿研发，基于开源模型就能快速搭建自己的自动驾驶系统。更关键的是，英伟达不仅开源模型，还开源训练数据 ——“只有这样，车企才能真正信任这些模型是如何产生的”。

英伟达的开源策略是为打破特斯拉等头部车企的行业垄断：

Alpamayo免费开放后，中小车企不用再花数十亿自研模型，只要基于开源框架微调，就能快速具备L4级智驾能力。这意味着行业门槛大幅降低，市场竞争会从“少数巨头玩家”变成“全民创新”。

“物理AI”如何重构汽车行业格局？

特斯拉的逻辑是 “微利卖硬件，高利润卖软件”，而英伟达是 “开源软件，卖硬件和生态”。

英伟达通过开放模型，让更多车企用其芯片、仿真平台和算力，扩大市场份额。

虽然马斯克认为英伟达 “思维链推理” 跟随特斯拉路线，但英伟达的算力优势和开源生态，已快速聚集了大量合作伙伴。

行业预测，2027 年自动驾驶领域将形成清晰梯队：

第一梯队特斯拉，靠封闭生态和海量数据领先；第二梯队英伟达及其 OEMs（奔驰、比亚迪等），靠开源生态和全栈技术追赶；第三梯队是国内算力不受限制的方案商及小米、小鹏等主机厂；第四梯队是传统车企和算力受限的方案商。

同时，供应链也在重构。为了适配物理AI的需求，激光雷达、芯片、传感器等核心部件迎来爆发：禾赛2026年激光雷达产能将达400万台，较2025年翻倍，而AI服务器的PCB材料也在向高频高速升级，相关产业链迎来价值跃升潮。

背后的商业逻辑很清晰：全球10万亿美元的计算基础设施正在向AI化转型，100万亿美元的全球产业都在把研发预算向AI倾斜，汽车行业作为最大的应用场景之一，必然成为这场变革的核心受益者。

未来，汽车将被如何定义？

黄仁勋在2026 CES的演讲，本质上是一场行业宣言：AI已经从数字世界走进物理世界，而汽车作为最大的移动终端，将成为这场革命的核心载体。

当物理 AI、智能体、开源生态结合，未来汽车的基础属性或许将被彻底颠覆—— 从 “移动出行工具” 变成 “移动的智能机器人”或“智能移动空间”。

对普通人来说，这意味着更安全、便捷的出行体验；对创业者和企业来说：10万亿级的赛道机遇——从物理AI应用、整车智能制造、AI芯片到出行服务，每一个环节都可能诞生新的巨头。

关注作者：持续追踪AI时代下的汽车行业动态，不错过2026年智能驾驶落地的关键节点，物理AI驱动下的行业变革已经启动。

全文声明：

著作权归作者所有，未经许可，不得做任何形式的转载和出版。

用蒙太奇解构商业逻辑，用长镜头书写汽车传奇；

欢迎订阅我的频道；知乎主页搜索Leonti Say

解锁更多关于汽车/电影/商业的优质内容；

我是Leonti，一名：

• 用十年为车企CEO写"商业剧本"的战略设计师；

• 把百款车型体验，持续转化为深度评测报告的表达官；

• 坚持用分镜思维做商业汇报的"行业叛逆者"。

公众号：LeontiSay

知乎：LeontiSay

扫码查看更多内容

打赏

更多>同类资讯

0 条相关评论

推荐图文

推荐资讯

点击排行