兜兜轉轉，機構又開始推AI基建公司。1月20日，高盛發佈研究報告稱，中國PCB（印製電路板）及CCL（覆銅板）行業在AI基礎設施爆發的推動下，正呈現“高速化、規模化”雙重趨勢，頭部企業憑藉規格升級、出貨量增長與產能擴張，持續收穫增長紅利。這是高盛報告首次覆蓋勝宏科技、滬電股份、生益科技三家企業，均給予“買入”投資評級，目標價最高上漲空間達96%。Part.01 行業核心趨勢：AI成最大增長引擎PCB與CCL作為電子裝置的核心基礎部件，正深度受益於AI伺服器的快速放量。高盛識別出兩大核心趨勢：高速化升級：AI伺服器單機架算力飆升，800G/1.6T交換機等高速連接普及，推動PCB向高層數（30層以上）、高規格（HDI 6+N+6及以上）升級，CCL則向M9級高端材料迭代，單位價值量顯著提升；規模化擴張：AI伺服器產能持續釋放，PCB逐步替代銅線連接（裝配更便捷），疊加客戶從GPU AI伺服器向ASIC AI伺服器延伸，行業整體市場規模（TAM）快速擴大。資料顯示，2025年前三季度，中國PCB/CCL企業營收平均同比增長58%，遠超2022年的2%。高盛預測，2026-2027年全球AI伺服器PCB市場規模同比增速將達113%、117%，CCL市場增速更是高達12%、222%，成為AI產業鏈中增長最迅猛的賽道之一。Part.02 重點企業：三家龍頭各有核心優勢勝宏科技：AI伺服器PCB龍頭，目標價550元作為全球PCB領軍企業，勝宏科技的多層PCB（MLPCB）與高密度互連板（HDI）已切入NVIDIA、Google、AMD等全球頭部GPU AI伺服器供應鏈，目前正拓展ASIC AI伺服器客戶。2025年前三季度營收同比增長83%，預計2026-2028年營收復合增速達54%。高盛給予其12個月目標價550元，較當前股價上漲95.6%。核心邏輯在於：AI伺服器PCB規格升級驅動單位價值量提升，疊加單機架PCB用量增加，公司2028年營業利潤率（OPM）有望從2025年前三季度的27%升至33%，淨利潤復合增速達57%。滬電股份：高速網路PCB標竿，目標價127元滬電股份聚焦AI資料中心高速網路領域，產品覆蓋800G/1.6T交換機PCB、機架級AI伺服器交換板及中板/背板等，客戶涵蓋全球主流GPU與ASIC AI伺服器廠商。2025年前三季度營收同比增長50%，2026-2028年營收復合增速預計達43%。報告給出目標價127元，上漲空間64.9%。公司核心競爭力在於多層PCB技術領先，可生產超100層產品，是全球22層以上PCB及800G交換機板的最大供應商之一，2028年營業利潤率有望升至26%，淨利潤平均同比增速48%。生益科技：M9級CCL領航者，目標價111元作為全球主要CCL供應商，生益科技正加速向M9級高端材料迭代——M9級CCL可降低訊號損耗、最佳化散熱，ASP較M8級提升2-3倍，且全球量產供應商僅4-5家，競爭格局優異。公司東莞新工廠與泰國工廠即將投產，2026-2028年AI伺服器CCL產能將達400萬、900萬、1500萬張。高盛目標價111元，對應上漲空間60.9%。預計2026-2028年公司營收復合增速39%，淨利潤平均同比增速50%，2028年營業利潤率從2025年前三季度的15%升至20%，AI CCL業務佔比將從2025年的3%提升至2030年的51%。Part.03 市場前景與風險提示市場規模展望預計2027年全球AI伺服器PCB市場規模將達270億美元，CCL市場規模達190億美元。其中，高端產品成為增長主力：30層以上MLPCB、6+N+6及以上HDI佔比持續提升，M9及以上等級CCL佔比將達45%。潛在風險AI伺服器放量進度不及預期；市場競爭加劇或導致價格戰；新產能擴張速度慢於行業需求；原材料（銅箔、玻纖）價格上漲壓縮利潤空間。高盛強調，AI基礎設施的規格迭代與客戶拓展，將讓技術領先、產能充足的PCB/CCL龍頭持續受益。勝宏科技、滬電股份、生益科技憑藉深厚的技術積累、全球化客戶資源與堅定的研發/產能投入，有望在行業高速增長中搶佔更大份額，當前估值仍具吸引力，具備顯著的上漲空間。 (智通財經APP)

TrendForce集邦諮詢指出，AI創新使得儲存器成為AI基礎設施的關鍵元件。TrendForce預計，儲存器市場規模將從2026年的5516億美元飆升至2027年的8427億美元，同比增長53%，其中DRAM需求增速遠超NAND快閃記憶體。rendForce集邦諮詢認為儲存器市場正在經歷由人工智慧創新引發的根本性轉變。1月22日，TrendForce集邦諮詢最新研究表明，隨著資料訪問量持續增長，AI系統對高頻寬、大容量、低延遲DRAM的依賴顯著加深，而NAND快閃記憶體在快速資料傳輸中的作用也日益凸顯，使儲存器成為AI基礎設施的關鍵元件。受產能受限及配額需求上升推動，儲存器價格持續攀升，行業收入屢創新高。DRAM歷史上單季度價格漲幅峰值約為35%，但去年第四季度因DDR5需求強勁，DRAM價格跳漲53%至58%。TrendForce預計今年第一季度漲幅將超過60%，部分品類價格接近翻倍，看漲勢頭預計將持續至未來三個季度。此外TrendForce預計，儲存器市場規模將從2026年的5516億美元飆升至2027年的8427億美元，同比增長53%。DRAM需求增速遠超NAND快閃記憶體2025年初，DRAM市場受地緣政治緊張和宏觀經濟不確定性影響，終端市場情緒低迷，消費應用復甦尤其受阻。但隨著市場在下半年趨於明朗，北美雲服務提供商大幅提高資本支出，AI伺服器的快速部署和儲存器採購的大幅增加引發新一輪價格上漲。在資料訪問需求激增的推動下，DRAM需求增速遠超其他品類。TrendForce預測2025年DRAM市場收入將達到1657億美元，同比增長73%，顯著超過同期NAND快閃記憶體的697億美元收入。這一差距促使供應商在生產策略中更加側重擴大DRAM產能。TrendForce預計2026年DRAM市場收入將達到4043億美元，同比激增144%。NAND快閃記憶體價格受AI Agent驅動上行NAND快閃記憶體市場的強勁增長動力不可小覷。輝達在2026年國際消費電子展上表示，AI正從根本上重塑整個計算堆疊。隨著生成式AI向具備長期推理能力的智能體系統發展，AI智能體需要頻繁訪問大規模向量資料庫以支援檢索增強生成。這些任務涉及大型資料集和高度隨機的訪問模式，大幅提升了對高IOPS企業級固態硬碟的需求。這一變化預計將進一步推高NAND快閃記憶體價格。TrendForce預測第一季度價格將環比上漲55%至60%，並在全年保持上行趨勢。2026年NAND快閃記憶體市場收入預計將同比跳增112%，達到1473億美元。供應緊張持續至2027年在整個儲存器市場，供應緊張狀況沒有緩解跡象，定價權牢牢掌握在供應商手中。TrendForce強調，AI熱潮正在硬體堆疊、系統架構和軟體層面全面推進，使儲存器成為AI計算中不可替代的關鍵元件。在AI伺服器、高性能計算和企業儲存的持續需求支撐下，DRAM和NAND Flash的合約價格預計將持續上漲至2027年。因此，儲存器行業的收入增長預計將持續擴大至2027年，鞏固其作為AI時代核心受益者的地位。 (invest wallstreet)

當地時間1月21日，輝達CEO黃仁勳在達沃斯論壇上談到過去一年AI模型的三大突破。“去年AI模型層發生了三件大事。第一，模型剛開始出現時還有很多幻覺，但在去年，這些模型可以應用在研究領域了，能在沒有受過相關領域訓練的情況下進行推理、計畫並回答問題，出現了Agentic（代理式AI）。”黃仁勳表示，第二個重大突破來自開源模型，首個開源推理模型DeepSeek的推出對大多數行業和公司而言都是一個重大事件，自那時起，開源推理模型生態開始繁榮，很多公司、研究機構、教育從業者都能利用開源模型做一些事情。黃仁勳表示，第三個取得巨大進展的領域是物理AI，物理AI不僅能理解語言，還能理解物理世界，例如理解生物蛋白質、化學、物理。在物理領域，AI能理解流體動力學、粒子物理、量子物理。“去年是不可思議的一年，因為AI模型取得如此大的進步。在應用層面，AI已經可以在金融服務、醫療保健、製造業等場景使用，由此產生經濟利益。風險投資的資金去向是一個重要指標。2025年是風險投資的投資規模最大的年份之一，大部分資金流向了AI原生公司，其中一些是醫療保健公司、機器人公司、製造業公司、金融服務公司。”黃仁勳表示。與此同時，黃仁勳談到，人類歷史上最大規模的AI基礎設施建設已在進行，業內現已投入了幾千億美元，還有價值數兆美元的基礎設施需要建設。黃仁勳稱，這種規模的AI基礎設施建設是合理的，因為AI需要處理很多上下文資訊以便產生足夠的智能，來驅動上層的應用程式。這種AI基礎設施建設熱潮也帶動相關產業建設。黃仁勳表示，晶片領域，台積電剛宣佈建設20座新的晶片工廠，此外，與輝達合作的富士康、緯創、廣達將建設30座新的電腦工廠，美光等記憶體廠商也在進行相應投資。“可以看到，現在AI產業在晶片層面的增長令人難以置信。”他表示。黃仁勳也談到AI給人類工作帶來的改變。他表示，AI基礎設施建設過程中將創造大量就業機會，例如需要水管工、電工、建築工人、網路技術人員。針對人們對AI取代人類工作的擔憂，黃仁勳則舉了一個例子：10年前，人們認為放射學相關職業將被淘汰，原因是AI計算視覺可以替代這部分工作，但10年過去，AI已滲透到放射學的各個方面，放射科的醫生反而增加了，因為醫生可以利用AI更高效工作，醫院能接待的病人數量也增加了。黃仁勳表示，類似的過程也發生在護士群體中，當AI提高了工作效率，美國護士人數短缺導致的問題得到瞭解決。黃仁勳還呼籲，人們應該積極使用AI。“每個國家都應該參與到AI基礎設施的建設中。AI的易用性可能會縮小各個地方的技術鴻溝。現在AI不再那麼難訓練，將開源模型結合各地的專有知識就能建立有用的模型。”黃仁勳稱，使用AI非常容易，現在沒有電腦學位的人也能成為程式設計師，開發中國家的人們、學生群體也應該學習使用AI、指導AI、評估AI。黃仁勳還談到AI泡沫爭議。他表示，評估AI泡沫是否存在可以看GPU的使用情況。實際情況是，輝達有數以百萬計的GPU在支撐雲端運算，現在要租用一塊輝達GPU並非易事。在需求帶動下，GPU租賃價格正在上漲，價格上漲的不僅是最新版本的GPU。計算需求增加的原因是AI公司的數量正在增加，且一些公司有很多經費投入AI。 (第一財經)

TPU 就是 Google 專門為“人工智慧算題”定製的一種超級計算晶片，它不是什麼都能幹，但在算 AI 這件事上，又快、又省電、又便宜。先打個比方：廚師和廚房 🍳想像你要開一家餐廳：CPU：像一個全能廚師，什麼菜都會做，但一次只能做幾道，速度不快GPU：像一廚房的廚師一起做菜，特別適合做“重複、規則的菜”TPU：不是廚師，而是一條只做“漢堡”的自動化生產線你要做各種菜 → CPU / GPU 很靈活你要每天做上百萬個一模一樣的漢堡 → 自動化產線（TPU）效率最高人工智慧的計算，本質上就是“反覆做同一類數學運算”，所以 Google 乾脆做了一條“只幹這一件事”的生產線，這就是 TPU。TPU 到底在“算”什麼？人工智慧（比如 ChatGPT、翻譯、語音識別）本質上是在做三件事：把大量資料變成數字對這些數字做海量、重複的數學運算得到一個結果（比如一句話、一個答案）TPU 的設計目標只有一個：把第 2 步算得又快、又便宜、又不費電為什麼 Google 要自己做 TPU？因為用傳統晶片算 AI，有三個大問題：問題 1：太耗電 ⚡訓練一個大模型，要用掉小城市等級的電量問題 2：太貴 💰用通用晶片，很多功能 AI 根本用不上，卻要為它們買單問題 3：規模太大 📈一個模型要用幾千、幾萬塊晶片一起算，“晶片之間怎麼交流”反而成了瓶頸TPU 就是為這三個問題量身定做的：砍掉沒用的功能專門最佳化 AI 常用的計算從一開始就考慮“成千上萬塊一起工作”TPU 和顯示卡（GPU）有什麼不同？一句話區別：GPU 是“能幹很多事的高手”，TPU 是“只幹一件事的世界冠軍”。遊戲、科研、小公司 → GPUGoogle 這種每天跑海量 AI 的公司 → TPUTPU 在那裡用到了？你每天其實已經在“用” TPU 了：Google 搜尋結果排序語音助手翻譯圖片識別大模型（比如 Gemini）只是這些計算發生在 Google 的資料中心裡，你看不到而已。為什麼普通人也該關心 TPU？因為它影響的是：1. AI 的價格算得越便宜，AI 服務就越便宜2. AI 的速度回答更快、延遲更低3. AI 的普及能支撐更大、更聰明的模型可以這麼理解：TPU 是讓 AI 從“奢侈品”變成“日用品”的基礎設施之一。最後一個形象總結GPU：萬能工具箱TPU：工業級流水線AI 的未來：當需求足夠大，流水線一定比萬能工具便宜所以，TPU 並不是要“取代所有晶片”，而是 在 AI 這件事上，用最笨、但最高效的方式做到極致。 (Techcoffee)

11 月，在輝達最新財報超出預期後，首席執行長黃仁勳向投資者吹噓了該公司在人工智慧領域的地位，並談到該領域最熱門的初創公司 OpenAI 時說：“OpenAI 目前所做的一切都是在輝達的平台上運行的。”雖然輝達在人工智慧晶片領域保持著主導地位，並且現在是世界上最有價值的公司，但競爭正在出現，OpenAI 正在盡一切努力實現多元化，同時推行其歷史上最激進的擴張計畫。周三，OpenAI宣佈與晶片製造商Cerebras達成一項價值100億美元的交易。Cerebras雖然是晶片領域的新興企業，但正積極尋求上市。這是OpenAI與眾多處理器製造商達成的一系列交易中的最新一筆，這些處理器對於建構大型語言模型和運行日益複雜的工作負載至關重要。去年，OpenAI向包括輝達、AMD以及博通在內的多家公司承諾了超過1.4兆美元的基礎設施建設交易。最終獲得了5000 億美元的私募市場估值。為了滿足市場對其人工智慧技術的預期需求，OpenAI 已向市場發出訊號：它需要儘可能多的處理能力。以下是 OpenAI 截至 1 月份簽署的主要晶片交易，以及未來值得關注的潛在合作夥伴。輝達早在 ChatGPT 發佈和生成式人工智慧熱潮開始之前，OpenAI 就已經開始建構大型語言模型，並一直依賴於輝達的圖形處理單元。2025年，雙方關係更進一步。繼2024年底對OpenAI進行投資後，輝達於9月宣佈將投入1000億美元支援OpenAI建構和部署至少10吉瓦的輝達系統。吉瓦是功率單位，根據CNBC對美國能源資訊署資料的分析，10吉瓦大約相當於800萬美國家庭的年用電量。黃仁勳在9月份曾表示，10吉瓦相當於400萬到500萬個GPU。“這是一個龐大的項目，”黃當時告訴CNBC。OpenAI 和輝達表示，該項目的第一階段預計將於今年下半年在輝達的 Vera Rubin 平台上上線。然而，在輝達 11 月的季度財報電話會議上，該公司表示“無法保證”與 OpenAI 的合作協議能夠從宣佈階段發展到正式合同階段。輝達的首筆 100 億美元投資將在第一個千兆瓦項目完成後投入使用，投資將按當時的估值進行，正如 CNBC此前報導的那樣。AMD10 月，OpenAI宣佈計畫在未來幾年和多代硬體上部署 6 吉瓦的 AMD GPU。作為交易的一部分，AMD向OpenAI授予了一份認股權證，可獲得至多1.6億股AMD普通股，約佔該公司10%的股份。該認股權證的歸屬設有與部署量和AMD股價掛鉤的里程碑。兩家公司表示，他們計畫在 2026 年下半年推出首批 1 千兆瓦晶片，並補充說，這筆交易價值數十億美元，但沒有透露具體金額。AMD 首席執行長 Lisa Su 在宣佈這一消息時告訴 CNBC：“我們需要這樣的合作夥伴關係，才能真正將整個生態系統凝聚在一起，確保我們能夠真正獲得最好的技術。”奧特曼在六月份就為這筆交易埋下了伏筆。當時，他與蘇姿丰一同出席了在加州聖何塞 舉行的AMD新品發佈會。他表示，OpenAI計畫使用AMD最新的晶片。博通當月晚些時候，OpenAI 和博通公司公開宣佈了一項醞釀了一年多的合作計畫。博通將其定製人工智慧晶片稱為XPU，迄今為止僅依靠少數客戶。但其潛在交易的儲備在華爾街引發了極大的熱情，使得博通的市值超過1.6兆美元。OpenAI表示，它正在設計自己的AI晶片和系統，這些晶片和系統將由博通公司開發和分銷。兩家公司已同意部署10吉瓦的定製AI加速器。在 10 月份發佈的新聞稿中，兩家公司表示，博通的目標是在今年下半年開始部署 AI 加速器和網路系統的機架，目標是在 2029 年底前完成該項目。但博通首席執行長 Hock Tan在 12 月份的公司季度收益電話會議上告訴投資者，他預計 2026 年與 OpenAI 的合作不會帶來太多收入。“我們明白這是一項將持續到2029年的多年計畫，”譚說道。“我稱之為一項協議，是我們前進方向的共識。”OpenAI 和博通公司均未披露交易的財務條款。Cerebras SystemsOpenAI 周三宣佈了一項協議，將部署 750 兆瓦的 Cerebras AI 晶片，這些晶片將在 2028 年前分批上線。據新聞稿稱，Cerebras公司生產的大型晶圓級晶片的響應速度比基於GPU的系統快15倍。該公司規模遠小於輝達、AMD和博通。OpenAI 與 Cerebras 達成的交易價值超過 100 億美元，對於正在考慮上市的晶片製造商 Cerebras 來說，這可能是一大利多。Cerebras 首席執行長 Andrew Feldman 在一份聲明中表示：“我們很高興與 OpenAI 合作，將世界領先的 AI 模型帶到世界上速度最快的 AI 處理器上。”Cerebras 急需重量級客戶。該公司在 10 月份宣佈完成超過 10 億美元的融資後幾天，便 撤回了首次公開募股 (IPO) 計畫。該公司一年前曾提交過 IPO 申請，但其招股說明書顯示，該公司嚴重依賴 其在阿聯的單一客戶—— 微軟支援的 G42，而 G42 本身也是 Cerebras 的投資者。潛在合作夥伴那麼亞馬遜，Google的處境又如何呢？還有英特爾，它們都有自己的人工智慧晶片產品？11月，OpenAI與亞馬遜網路服務公司簽署了一項價值380億美元的雲服務協議。OpenAI 將通過現有的 AWS 資料中心運行工作負載，但作為協議的一部分，這家雲服務提供商也計畫為這家初創公司建構額外的基礎設施。據 CNBC 此前報導，亞馬遜也在洽談可能向 OpenAI 投資超過100 億美元。據一位知情人士透露，OpenAI可能會決定在這些投資洽談中使用亞馬遜的AI晶片，但目前尚未有任何官方決定。這位知情人士要求匿名，因為洽談內容屬於保密資訊。AWS 於 2018 年發佈了 Inferentia 晶片，並於 2025 年底發佈了最新一代 Trainium 晶片。Google Cloud和博通去年悄然達成一項協議，為OpenAI提供計算能力。但OpenAI在6月份表示，它沒有計畫使用Google自主研發的張量處理單元（Tensor Processing Units）晶片，博通也參與了該晶片的生產。在傳統晶片製造商中，英特爾一直是人工智慧領域最落後的公司，這也解釋了為什麼該公司最近獲得了來自美國政府和輝達的巨額投資。路透社2024年援引知情人士的話報導稱，英特爾本有機會在幾年前就投資OpenAI，並有可能為這家當時羽翼未豐的初創公司生產硬體，從而使其擺脫對輝達的依賴。據路透社報導，英特爾最終決定放棄這筆交易。10月份，英特爾發佈了一款代號為“新月島”（Crescent Island）的新型資料中心GPU，並表示該GPU“旨在滿足日益增長的AI推理工作負載需求，並將提供高記憶體容量和高能效性能”。該公司稱，預計將於2026年下半年向客戶提供樣品。下周英特爾將拉開科技公司財報季的序幕，華爾街將聽到該公司最新人工智慧進展的最新消息。 (半導體行業觀察)

引言：CES 2026 引爆行業革命，機器人開發的“ChatGPT時刻”正式到來太平洋時間2026年1月5日，拉斯維加斯國際消費電子展（CES）現場，NVIDIA創始人兼首席執行長黃仁勳的一句“機器人開發的ChatGPT時刻已然到來”，為全球機器人產業定下了新的發展基調。當天，NVIDIA正式宣佈推出用於物理AI的全新開放模型、框架和AI基礎設施，同時展示了Boston Dynamics、Caterpillar、Franka Robotics等全球領先企業基於其技術打造的多款新型機器人與自主機器，涵蓋移動機械臂、人形機器人、工業作業裝置等多個品類。這一系列發佈並非孤立的技術更新，而是NVIDIA對機器人產業發展瓶頸的精準突破，更是對未來“專家級通用”機器人開發範式的全面重構。長期以來，機器人產業始終面臨三大核心痛點：一是缺乏理解物理世界的通用智能，傳統機器人依賴預設程序，難以應對動態環境變化；二是開發流程分散複雜，模擬與現實存在巨大鴻溝，技術迭代效率低下；三是軟硬體協同不足，AI算力與能效難以匹配機器人輕量化、高即時性的應用需求。NVIDIA此次推出的全端技術體系——從Cosmos與GR00T開放模型，到Isaac Lab-Arena模擬框架與OSMO計算框架，再到Blackwell架構驅動的Jetson T4000硬體模組，形成了覆蓋“模型-框架-硬體-生態”的完整解決方案，旨在打通機器人開發的全生命周期，加速新一代AI驅動機器人的規模化落地。本文將從技術核心解析、產業鏈重構影響、應用場景突破、產業趨勢展望四大維度，深度拆解NVIDIA物理AI技術體系的核心價值與行業變革意義。一、技術核心解析：物理AI如何重構機器人的“認知與行動”能力黃仁勳所言的“機器人開發的ChatGPT時刻”，核心在於物理AI技術的突破性進展。不同於傳統AI聚焦數字世界的資訊處理，物理AI的核心目標是讓機器理解物理世界的運行規律，具備感知、推理、規劃與行動的閉環能力，實現從“執行指令”到“理解並決策”的跨越。NVIDIA此次發佈的技術體系，正是圍繞這一核心目標建構的全端解決方案，其技術核心可拆解為“感知-推理-行動-訓練”四大核心模組。1.1 核心模型 Cosmos與GR00T建構物理AI的“認知大腦”要實現機器人對物理世界的理解，首先需要建構能夠建模物理規律、融合多模態資訊的基礎模型。NVIDIA此次推出的Cosmos系列與GR00T N1.6模型，分別解決了“物理世界認知”與“人形機器人全身控制”兩大核心問題，共同構成了物理AI的“認知大腦”。1.1.1 Cosmos系列模型：賦予機器人“物理直覺”傳統機器人的最大短板在於缺乏“物理直覺”——無法預判環境變化對自身動作的影響，也難以理解物體的物理屬性（如重力、摩擦力、材質特性等）。這導致機器人在執行簡單任務時，一旦遇到未預設的場景（如地面油污、物體重量變化），就容易出現失穩或任務失敗的情況。Cosmos系列模型的核心價值，正是通過生成式AI技術，讓機器人內化物理世界的基本規律，具備即時預測、跨場景遷移與多步推理的能力。Cosmos系列包含三大核心模型，形成了“感知-預測-推理”的認知閉環：NVIDIA Cosmos Transfer 2.5：作為轉換模型，其核心功能是打通模擬與現實的“域鴻溝”。傳統機器人訓練依賴大量真實場景資料，成本高昂且周期漫長，而模擬資料又因與現實環境差異過大，導致訓練出的模型難以直接遷移。Cosmos Transfer 2.5支援空間條件控制的風格遷移，可將Isaac Sim中的合成資料轉換為帶有真實世界噪聲、光照幹擾、鏡頭畸變的等效資料，同時保持物理參數不變；反之，也能將真實世界的稀疏資料增強為多樣化的模擬場景，大幅提升模型從模擬到現實的零樣本遷移成功率。相較於前代模型，其體積更小、運行更快，生成質量顯著提升，域間遷移的誤差累積大幅減少。NVIDIA Cosmos Predict 2.5：聚焦物理世界的即時預測，解決機器人的“快思考”問題。該模型融合Text 2 World、Image 2 World、Video 2 World等生成能力，可根據文字、圖像或視訊輸入，生成連貫的環境演化序列。與傳統電腦視覺模型逐幀處理像素不同，Cosmos Predict 2.5直接對物理狀態的演化軌跡進行推演，能夠在毫秒級內預測環境變化對機器人動作的影響。例如在“機械臂倒水”任務中，傳統方法需要複雜的流體動力學方程求解，難以滿足即時性要求；而Cosmos Predict 2.5通過學習海量物理視訊資料，可即時預測下一時刻的流體分佈與不確定性，為控製器提供“是否會濺出”的預判依據，支撐機器人的動態微調。NVIDIA Cosmos Reason 2：作為開放推理視覺語言模型（VLM），負責機器人的“慢思考”——跨時間尺度的理解、推理與決策。該模型引入了大語言模型中成熟的思維鏈（CoT）機制，並將其擴展到視覺-動作領域，能夠直接從圖像中理解語義與空間關係，完成多步任務分解與因果推理。在“清理廚房檯面”這類複雜任務中，傳統規劃器依賴預定義的PDDL（規劃域定義語言），難以應對場景變化；而Cosmos Reason 2可自主分解任務（如“先移開水杯→再擦拭油污→最後整理餐具”），並通過反事實推理預判不同動作的後果，主動規避高風險操作（如避免碰撞易碎物品）。這種將感知、推理與決策緊密耦合的能力，有效解決了傳統模組化架構中資訊層層傳遞的損耗問題。三者的協同邏輯清晰：Cosmos Predict 2.5提供即時物理狀態預測，支撐毫秒級的動態反饋；Cosmos Reason 2負責長周期的任務規劃與風險預判；Cosmos Transfer 2.5則打通模擬與現實的資料通道，為前兩者的訓練提供高品質資料支撐，形成“預測-推理-資料迭代”的認知閉環。1.1.2 GR00T N1.6：解鎖人形機器人的“全身控制”能力如果說Cosmos系列模型解決了機器人“認知世界”的問題，那麼Isaac GR00T N1.6則聚焦於“如何行動”，特別是為人形機器人提供開放式的推理視覺語言行動（VLA）模型，實現全身動作的精準控制與上下文理解。人形機器人的控制難度遠超傳統機械臂，其擁有數十個自由度，需要兼顧平衡、協調、精準操作等多重目標，傳統控制方法難以實現複雜動作的靈活適配。GROOT N1.6的核心突破在於兩大技術創新：一是採用MoE（混合專家）架構，實現“通專融合”的控制能力。該架構包含多個獨立的“專家”子網路，在處理不同任務時啟動對應的專家模組——例如理解自然語言指令時啟動“通用語言專家”，執行精密銲接時啟動“運動控制專家”，既保證了通用任務的適應性，又提升了專項任務的精準度。二是深度整合Cosmos Reason 2模型，強化上下文理解與推理能力。通過融合視覺語言推理與動作控制，GR00T N1.6可直接將人類自然語言指令轉換為全身協調的動作序列，例如將“把桌子上的檔案遞給我”拆解為“移動至桌前→識別檔案位置→調整姿態→抓取檔案→精準遞出”的連貫動作，無需人工編寫複雜的運動控製程序。目前，Franka Robotics、NEURA Robotics、Humanoid等企業已開始利用GR00T賦能的工作流，進行機器人新行為的模擬、訓練與驗證。Salesforce則通過整合Agentforce、Cosmos Reason與NVIDIA Blueprint，對機器人採集的視訊片段進行分析，將事件解決時間縮短了50%，充分驗證了該模型在提升任務效率方面的核心價值。1.2 支撐框架 Isaac Lab-Arena與OSMO打通開發全流程物理AI模型的落地，離不開高效的開發與訓練框架支撐。長期以來，機器人開發麵臨兩大流程痛點：一是模擬評估體系分散，基準測試依賴人工操作，難以實現規模化驗證；二是端到端工作流複雜，需要跨工作站、雲端等異構計算資源，協同難度大，開發周期漫長。NVIDIA此次發佈的Isaac Lab-Arena開源模擬框架與OSMO雲原生計算框架，正是針對這兩大痛點的精準解決方案，旨在實現“模擬-訓練-評估-部署”的全流程閉環。1.2.1 Isaac Lab-Arena：標準化模擬評估的“協作平台”模擬訓練是機器人開發的核心環節，其質量直接決定了機器人在真實環境中的性能。但當前行業缺乏統一的模擬評估標準，不同開發者採用不同的測試體系，導致技術成果難以對比，且模擬場景與真實環境的差異過大，大幅降低了訓練效率。Isaac Lab-Arena的核心目標是建構一個開放原始碼的協作系統，實現大規模機器人策略評估與基準測試的標準化。該框架的核心優勢體現在三個方面：一是模組化設計，其評估層與任務層通過與光輪智能的深度合作完成建構，支援靈活配置不同任務場景與評估指標；二是多基準相容，可直接對接Libero、Robocasa等業界領先的基準測試體系，實現測試流程的標準化，確保機器人技能在部署至物理硬體前具備穩健性與可靠性；三是開源協作，現已在GitHub上公開發佈，開發者可基於該框架共享測試場景、驗證演算法效果，加速技術迭代。1.2.2 OSMO：跨環境協同的“開髮指揮中心”機器人開發涉及合成資料生成、模型訓練、軟體在環測試等多個環節，需要跨越工作站、邊緣裝置、混合雲等多種計算環境，傳統開發模式下，各環節相互獨立，資源調度複雜，嚴重影響開發效率。OSMO作為雲原生編排框架，將機器人開發整合至單一易用的命令中心，實現了全流程的高效協同。OSMO的核心功能包括：一是跨環境工作流定義，開發者可通過統一介面，定義覆蓋多計算環境的工作流，實現合成資料生成、模型訓練、測試驗證的自動化執行；二是資源智能調度，根據不同環節的算力需求，自動分配工作站、雲端等資源，提升資源利用率；三是快速整合適配，現已開放使用，並被Hexagon Robotics等企業採用，同時整合至Microsoft Azure Robotics Accelerator工具鏈中，大幅降低了開發者的接入門檻。1.3 硬體基石 Blackwell架構驅動的邊緣AI算力革命物理AI模型的即時運行，需要強大的邊緣AI算力支撐。機器人尤其是人形機器人、移動作業裝置等，對硬體的輕量化、低功耗、高即時性提出了嚴苛要求。傳統邊緣計算模組難以平衡算力與能效，無法滿足複雜物理AI模型的運行需求。NVIDIA此次發佈的Jetson T4000模組與IGX Thor工業邊緣平台，基於Blackwell架構打造，實現了算力與能效的跨越式提升，為物理AI的邊緣落地提供了核心硬體支撐。1.3.1 Jetson T4000：機器人的“高效小腦”Jetson T4000是Blackwell架構下放至邊緣端的首款機器人專用計算模組，現已正式發售，千片起訂量下單價為1999美元，為Jetson Orin客戶提供了高性價比的升級路徑。相較於上一代Jetson AGX Orin，該模組在核心性能上實現了全方位突破：Jetson T4000的核心突破在於NVFP4 4位浮點精度推理技術。對於物理AI應用而言，感知環節的精度可適當降低，但決策與控制的即時性至關重要。該技術允許機器人在邊緣端直接運行複雜的VLA模型，無需依賴不穩定的雲端網路，既保證了即時響應，又提升了運行安全性。在70瓦的可配置功率範圍內，其可提供1200 FP4 TFLOPS的算力，足以支撐Cosmos與GR00T模型的即時運行，是能耗受限型自主系統的理想選擇。1.3.2 IGX Thor：工業邊緣的“安全算力核心”除了面向通用機器人的Jetson T4000，NVIDIA還宣佈IGX Thor將於2026年1月晚些時候上市，聚焦工業邊緣場景，提供高性能AI計算與功能安全保障。該平台將機器人技術擴展到工業生產、建築採礦等複雜邊緣環境，具備企業級軟體支援能力，可滿足工業級應用對穩定性、安全性的嚴苛要求。目前，AAEON、Advantech、ADLINK等眾多合作夥伴已推出搭載Thor的系統，覆蓋邊緣AI、機器人和嵌入式應用等多個領域。1.4 生態協同 NVIDIA與Hugging Face打通開源開發鏈路技術的規模化落地離不開生態的支撐。當前，機器人已成為Hugging Face平台上增長最快的領域，而NVIDIA的開放模型與資料集在該平台的下載量持續領先。為進一步加速開源物理AI的開發，NVIDIA與Hugging Face達成深度合作，將開放原始碼的Isaac與GR00T技術整合到領先的LeRobot開源機器人框架中，建構了“軟硬體一體化”的開源開發生態。此次合作的核心價值在於打通了兩大開發者社區：NVIDIA的200萬機器人開發者與Hugging Face的1300萬全球AI開發者，實現了技術、工具與資源的雙向流動。具體來看，GR00T N系列模型與Isaac Lab-Arena已正式上線LeRobot庫，開發者可直接基於該框架進行模型微調和策略評估；同時，Hugging Face開放原始碼的Reachy 2人形機器人與NVIDIA Jetson Thor機器人電腦實現完全互操作，可運行包括GR00T N1.6在內的任何VLA模型；Reachy Mini桌面機器人則與NVIDIA DGX Spark實現相容，支援開發者基於NVIDIA大語言模型及本地運行的語音、電腦視覺開放模型打造自訂體驗。這種開源生態的協同，大幅降低了機器人開發的門檻，讓中小企業與個人開發者能夠快速接入頂尖的物理AI技術，加速了創新應用的孵化。正如Hugging Face首席技術官所言：“與NVIDIA的合作將徹底改變開源機器人開發的格局，讓更多開發者能夠聚焦應用創新，而非基礎技術建構。”二、產業鏈重構：從“碎片化”到“生態化”的全鏈路變革機器人產業鏈傳統上呈現“上游高壁壘、中游低利潤、下游分散化”的碎片化格局。上游核心零部件（控製器、伺服系統、減速器）佔據工業機器人總成本的60%以上，利潤分配比例超過40%，但技術門檻高，長期被海外企業壟斷；中游整機製造依賴上游零部件，同質化競爭激烈，毛利率普遍偏低；下游應用場景分散，不同行業的需求差異大，難以形成規模化效應。NVIDIA此次發佈的全端技術體系，將通過“技術賦能-生態整合-成本最佳化”三大路徑，重構機器人產業鏈的價值分配與協作模式。2.1 上游核心零部件 AI驅動的技術升級與國產化機遇上游核心零部件是機器人產業的“卡脖子”環節，也是利潤最集中的領域。NVIDIA的物理AI技術體系，將對上游零部件產業產生兩大關鍵影響：一是推動零部件的“智能化升級”，二是為國產零部件企業提供彎道超車的機遇。在智能化升級方面，傳統零部件以“高精度執行”為核心目標，而物理AI時代的零部件需要具備“感知-反饋-協同”的智能能力。例如，伺服電機需要即時採集運動資料，並與AI模型協同調整參數，以適應動態環境下的動作需求；減速器則需要具備更高的動態響應速度，配合機器人的即時微調動作。NVIDIA的GR00T模型與Jetson硬體平台，為零部件的智能化升級提供了標準介面與算力支撐，推動上游零部件從“被動執行”向“主動協同”轉變。在國產化機遇方面，長期以來，國內零部件企業受制於核心技術不足，難以與海外巨頭競爭。而NVIDIA的開放模型與框架，降低了零部件企業的智能化研發門檻。例如，國內控製器企業可基於NVIDIA的CUDA架構與GR00T模型，快速開發具備物理AI能力的智能控製器，無需從零建構演算法體系。伺服系統企業可借助Jetson平台的算力，實現運動資料的即時分析與參數最佳化。同時，隨著國內機器人產業政策的支援（如廣西出台的機器人產業發展政策，對核心零部件企業給予最高300萬元的年度獎勵），國產零部件企業將在技術升級與市場拓展中獲得更多助力。此外，NVIDIA Jetson T4000的量產與普及，將帶動上游晶片供應鏈的發展。該模組採用的Blackwell架構晶片，其國產化替代（如封裝測試、配套元器件）將為國內半導體企業提供新的市場機遇，進一步完善機器人產業鏈的國產化生態。2.2 中游整機製造 從“組裝整合”到“應用創新”的價值躍升中游整機製造是傳統機器人產業鏈的“薄弱環節”，長期依賴上游零部件進口，以組裝整合為主，缺乏核心技術，毛利率普遍低於20%。NVIDIA的全端技術體系，將徹底改變中游整機企業的發展模式，推動其從“組裝商”向“應用解決方案提供商”轉型。首先，降低研發成本與周期。傳統整機企業需要投入巨額資金建構AI演算法、模擬平台與硬體適配體系，研發周期長達1-2年。而基於NVIDIA的Cosmos模型、Isaac Lab-Arena模擬框架與Jetson硬體，整機企業可直接復用成熟的技術模組，聚焦行業應用場景的定製化開發，研發周期可縮短至3-6個月，研發成本降低50%以上。例如，智元機器人基於NVIDIA技術推出的面向工業和消費行業的人形機器人，以及配套的Genie Sim 3.0模擬平台，正是借助NVIDIA的技術賦能，快速實現了產品落地與迭代。其次，提升產品競爭力。借助NVIDIA的物理AI技術，中游整機企業的產品將具備“通用智能”能力，能夠適配更多場景，擺脫同質化競爭。例如，NEURA Robotics推出的第3代人形機器人（由保時捷設計），基於GR00T模型與Jetson Thor平台，具備精細化控制能力，可同時適配工業裝配、服務接待等多個場景；Richtech Robotics的移動人形機器人Dex，借助NVIDIA的導航與操作技術，能夠在複雜工業環境中實現精細操作與自主導航，大幅提升了產品的市場競爭力。最後，推動商業模式創新。隨著產品競爭力的提升，中游整機企業將從“賣裝置”向“提供服務”轉型，例如通過機器人租賃、按效果收費等模式，提升客戶粘性與長期盈利能力。例如，智元機器人推出的國內首個機器人租賃平台“擎天租”，正是基於其技術領先的機器人產品，開啟了新的商業模式探索。2.3 下游應用場景 從“單一化”到“規模化”的全面滲透下游應用場景的分散化是制約機器人產業規模化發展的關鍵因素。傳統機器人主要應用於汽車製造、電子加工等少數標準化場景，而醫療、建築、消費等領域的應用相對有限。NVIDIA的物理AI技術體系，通過提升機器人的環境適應性與任務通用性，將推動下游應用場景從“單一化”向“規模化”全面滲透，尤其是在工業、醫療、建築採礦、消費四大領域實現突破性進展。在工業領域，機器人將從“固定工位操作”向“全流程協同作業”升級。例如，富臨精工工廠引入的近百台遠征A2-W機器人（基於NVIDIA技術），已實現與AMR的協同作業，自主完成周轉箱的搬運、轉移與精準放置，覆蓋三條不同裝配線，涉及20余種物料，承載重量提升至14千克，且未發生一起物料傾倒事故。隨著NVIDIA技術的普及，更多製造企業將實現“機器人+智能製造”的升級，推動工業機器人的規模化應用。在醫療領域，物理AI技術將推動手術機器人與輔助診療裝置的精準化升級。LEM Surgical借助NVIDIA Isaac for Healthcare和Cosmos Transfer模型，訓練Dynamis手術機器人（搭載Jetson AGX Thor與Holoscan），大幅提升了手術操作的精準度；XRLabs則利用Thor平台與Isaac for Healthcare，為手術內窺鏡提供即時AI分析支援，幫助外科醫生精準判斷手術部位，降低手術風險。這些應用將推動醫療機器人從“高端試點”向“常規應用”普及。在建築採礦領域，Caterpillar與NVIDIA的深化合作將推動自主作業裝置的規模化落地。建築與採礦行業屬於典型的“危險、骯髒、枯燥”場景，對機器人的需求迫切，但環境複雜，傳統裝置難以適配。Caterpillar將借助NVIDIA的物理AI技術，開發具備自主導航、精準作業能力的重型裝置，提升作業效率與安全性。在2026年1月7日的CES主題演講中，Caterpillar CEO Joe Creed與NVIDIA高管將披露更多合作細節，預計將推出多款基於Blackwell架構的自主作業裝置。在消費領域，人形機器人將從“高端玩具”向“家庭助手”轉型。LG Electronics發佈的全新家用機器人，基於NVIDIA技術，可執行各種室內家務，具備動態環境適應能力，能夠應對家庭中的複雜場景（如躲避障礙物、處理不同材質的物品）；宇樹科技推出的小型人形機器人Unitree R1，起售價僅2.99萬元，借助NVIDIA的輕量化AI技術，實現了低成本與高智能的平衡，大幅拉近了與人消費市場的距離。2.4 價值分配重構 生態主導者引領的利潤再平衡隨著NVIDIA全端技術體系的普及，機器人產業鏈的價值分配將發生重大變化：從“上游零部件企業主導”向“生態主導者+應用創新者”共同主導的格局轉變。NVIDIA作為生態主導者，將通過“模型授權+硬體銷售+生態服務”獲取穩定的利潤回報；而中游整機企業與下游應用解決方案提供商，將通過場景創新與服務增值，提升利潤佔比；上游零部件企業則需要通過智能化升級，維持其利潤優勢。這種價值分配的重構，將推動產業鏈從“零和博弈”向“共贏發展”轉變。NVIDIA通過開放模型與框架，幫助上游零部件企業實現智能化升級，提升其產品附加值；中游整機企業借助NVIDIA技術推出高競爭力產品，帶動上游零部件的需求；下游應用場景的規模化落地，又將反哺中游整機與上游零部件企業的發展，形成良性循環。據行業預測，隨著這種生態化格局的形成，2027年將成為中國機器人產業的“大規模商業化元年”，整個產業鏈的規模將突破兆級。三、應用場景突破：物理AI技術的落地案例與價值驗證技術的價值最終需要通過應用場景來驗證。NVIDIA此次發佈的物理AI技術體系，已在工業、醫療、消費、建築採礦等多個領域實現落地，通過一系列標竿案例，充分驗證了其在提升效率、降低成本、保障安全等方面的核心價值。本節將重點解析四個典型應用場景的落地案例，深入探討物理AI技術的實際應用效果。3.1 工業製造 富臨精工的“人形機器人+智能製造”升級富臨精工是國內領先的汽車零部件製造商，其生產車間涵蓋多條裝配線，物料搬運、上料等環節傳統上依賴人工操作，存在效率低、誤差率高、勞動強度大等問題。為實現智能製造升級，富臨精工與智元機器人達成合作，引入近百台基於NVIDIA Jetson Thor與GR00T模型的遠征A2-W人形機器人，建構了“智能中樞平台+人形機器人+AMR”的協同作業體系。該體系的核心優勢在於三個方面：一是全流程自動化，智能中樞平台即時監控線邊物料剩餘量，當觸及預設水位線時，自動觸發配送任務，人形機器人與AMR協同作業，自主完成周轉箱的搬運、轉移與精準放置，無需人工干預；二是動態適應性強，借助NVIDIA Cosmos Reason 2模型的推理能力，人形機器人能夠應對車間內的動態環境變化，如躲避移動的工人與裝置、調整物料放置角度等；三是規模化擴展能力，從最初的1個搬運工位擴展至4個，覆蓋三條不同裝配線，涉及物料種類從4種增至20余種，承載重量從5-6千克提升至14千克，且線邊上料場景至今未發生一起物料傾倒事故。據富臨精工相關負責人介紹，引入該體系後，物料搬運效率提升了60%，人工成本降低了40%，同時物料配送的誤差率降至0.1%以下。這一案例充分驗證了NVIDIA物理AI技術在工業製造場景的規模化應用價值，為其他製造企業的智能化升級提供了可複製的方案。3.2 醫療健康 LEM Surgical的精準手術機器人訓練體系手術機器人是醫療領域的高端裝備，其訓練需要大量的臨床資料與模擬場景，但傳統訓練方式存在資料稀缺、風險高、周期長等問題。LEM Surgical作為專注於手術機器人研發的企業，借助NVIDIA Isaac for Healthcare和Cosmos Transfer 2.5模型，建構了高效的手術機器人訓練體系，用於其Dynamis手術機器人的研發與最佳化。Dynamis手術機器人搭載了NVIDIA Jetson AGX Thor與Holoscan平台，具備高精度的手術操作能力。其訓練體系的核心的是Cosmos Transfer 2.5模型的域遷移能力：通過將Isaac Sim中的模擬手術場景，轉換為帶有真實手術環境噪聲、光照條件的等效資料，大幅提升了模擬訓練的真實性；同時，將少量真實手術資料增強為多樣化的模擬場景，解決了臨床資料稀缺的問題。借助這一體系，LEM Surgical的研發團隊能夠快速驗證手術機器人的操作策略，最佳化運動控制參數，大幅縮短了研發周期。此外，XRLabs利用NVIDIA Jetson Thor與Isaac for Healthcare，開發了智能手術內窺鏡系統。該系統通過外接手術內鏡採集即時圖像，借助Cosmos Predict 2.5模型的即時預測能力，分析手術部位的解剖結構與操作風險，為外科醫生提供即時引導，降低了手術難度與併發症風險。目前，該系統已在多家醫院開展試點應用，手術精準度提升了30%，手術時間縮短了20%。3.3 消費服務 LG Electronics的家用智慧型手機器人家用機器人是消費領域的重要增長點，但傳統家用機器人功能單一，難以應對複雜的家庭環境。LG Electronics在CES 2026上發佈的全新家用機器人，基於NVIDIA的Cosmos系列模型與Jetson T4000模組，具備全方位的家務處理能力與動態環境適應能力。該機器人的核心優勢在於其強大的物理AI能力：通過Cosmos Reason 2模型，能夠理解自然語言指令，並分解為具體的家務任務，如“清理客廳檯面”可拆解為“整理物品→擦拭灰塵→分類收納”；借助Cosmos Predict 2.5模型，能夠即時預測動作後果，如避免碰撞易碎物品、調整拖地力度以適應不同地面材質；依託Jetson T4000的高效算力，實現了即時感知與決策，響應速度提升至毫秒級。此外，該機器人還具備自主充電、故障自診斷等智能功能，能夠適應不同戶型的家庭環境。LG Electronics相關負責人表示，這款家用機器人的目標是成為“家庭助手”，而非簡單的“家務工具”，其定價將控制在萬元以內，以實現規模化普及。該產品的推出，標誌著消費級家用機器人正式進入“通用智能”時代。3.4 建築採礦 Caterpillar的自主作業裝置升級建築與採礦行業是典型的高危、高勞動強度行業，對自主作業裝置的需求迫切。Caterpillar作為全球領先的工程機械製造商，正在擴大與NVIDIA的合作，將先進的AI和自主系統引入建築和採礦領域的裝置及作業現場。基於NVIDIA的Blackwell架構與物理AI模型，Caterpillar正在開發多款自主作業裝置，包括自主挖掘機、自主礦用卡車等。這些裝置具備三大核心能力：一是自主導航，借助Cosmos模型的環境感知與推理能力，能夠在複雜的施工現場與礦區環境中精準定位，躲避障礙物；二是精準作業，通過GR00T模型的動作控制能力，實現挖掘、裝載、運輸等作業的精準執行，提升作業效率；三是協同作業，多台裝置可通過OSMO框架實現資料共享與協同調度，形成自主作業車隊。據Caterpillar透露，其自主礦用卡車已在澳大利亞某金礦開展試點應用，借助NVIDIA的技術，作業效率提升了25%，事故率降低了80%，同時減少了人工成本。在2026年1月7日的CES主題演講中，Caterpillar CEO Joe Creed將與NVIDIA高管共同披露更多合作細節，預計將推出面向建築行業的首款自主挖掘機，計畫2027年實現規模化量產。四、產業趨勢展望：物理AI驅動下的機器人產業未來圖景NVIDIA此次發佈的物理AI技術體系，不僅解決了當前機器人產業的核心痛點，更勾勒出未來機器人產業的發展圖景。結合行業發展規律與技術迭代趨勢，未來3-5年，機器人產業將呈現“通用化、輕量化、開源化、規模化”四大核心趨勢，而NVIDIA將在這一處理程序中扮演關鍵的引領角色。4.1 趨勢一 從“專用機器人”到“專家級通用機器人”的跨越傳統機器人多為“專用裝置”，針對特定場景開發，功能單一，難以跨場景應用。而物理AI技術的發展，將推動機器人從“專用”向“通用”跨越，最終實現“專家級通用”的目標——即能夠快速學習多種任務，適配不同行業場景的需求。NVIDIA的Cosmos與GR00T模型，正是這一趨勢的核心驅動力。通過內化物理世界的通用規律，機器人能夠快速適應新場景、學習新任務，無需針對每個場景進行重新程式設計。一款基於GR00T模型的人形機器人，既可以在工廠完成精密裝配，也可以在醫院協助護理，還可以在家庭處理家務，只需通過少量場景資料微調即可實現功能適配。據行業預測，到2028年，專家級通用機器人的市場佔比將超過30%，成為機器人產業的主流產品形態。4.2 趨勢二 硬體輕量化與能效比的持續提升機器人尤其是人形機器人、移動服務機器人，對硬體的輕量化、小型化、低功耗提出了嚴苛要求。隨著Blackwell架構的普及與技術迭代，邊緣AI算力模組將實現“更高算力、更低功耗”的持續突破，推動機器人硬體的輕量化發展。NVIDIA的Jetson系列模組已展現出這一趨勢：從Jetson AGX Orin到Jetson T4000，算力提升4.3倍，而功耗控制在70瓦以內；未來，隨著晶片製程的進步與架構的最佳化，Jetson系列模組的算力有望進一步提升，功耗則持續降低，甚至可能出現50瓦以下、算力突破2000 TFLOPS的產品。這將推動機器人的小型化發展，如宇樹科技的小型人形機器人、松延動力的Bumi小布米等輕量化產品將成為消費市場的主流，進一步擴大機器人的應用範圍。4.3 趨勢三 開源生態成為創新核心驅動力機器人產業的創新需要大量的技術積累與資源投入，單一企業難以完成全鏈條的創新。開源生態將成為未來機器人產業創新的核心驅動力，吸引全球開發者共同參與技術突破與應用創新。NVIDIA與Hugging Face的合作，正是開源生態發展的重要里程碑。隨著LeRobot框架的普及，越來越多的開發者將接入NVIDIA的物理AI技術體系，孵化出更多創新應用。同時，開源生態的發展將推動技術標準的統一，降低行業的協作成本，加速創新成果的轉化。預計到2027年，全球將有超過50%的機器人創新應用基於開源框架開發，開源生態將成為機器人產業競爭的核心戰場。4.4 趨勢四 規模化落地與成本快速下降隨著技術的成熟與生態的完善，機器人的規模化落地將推動成本快速下降，形成“規模效應-成本下降-需求擴大”的良性循環。據資料顯示，2025年國內人形機器人出貨量預計達1.8萬台，2026年有望攀升至6.25萬台；多位行業專家預測，2026年國內人形機器人產量將突破10萬台，2028年有望達到百萬台級。成本下降的主要驅動力包括三個方面：一是核心零部件的國產化替代，如國內企業已實現減速器、伺服系統的批次供貨，成本較海外產品降低30%以上；二是規模化生產帶來的製造費用降低，隨著產量的提升，整機製造的單位成本將大幅下降；三是開源技術的應用，降低了研發成本。預計到2030年，人形機器人的售價將降至5萬元以下，消費級市場將全面爆發。4.5 挑戰與應對 技術、倫理與政策的協同推進儘管機器人產業前景廣闊，但仍面臨技術、倫理與政策三大挑戰。在技術層面，機器人的泛化能力、安全性仍需進一步提升，尤其是在複雜動態環境中的可靠性；在倫理層面，機器人的廣泛應用可能帶來就業結構變化、隱私洩露等問題；在政策層面，相關的法律法規、標準體系尚未完善，如機器人決策失誤的責任界定、資料安全規範等。應對這些挑戰，需要政府、企業與科研機構的協同推進：一是加強核心技術研發，聚焦泛化能力、安全性等關鍵痛點，推動技術標準的統一；二是建立健全倫理規範與法律法規，平衡技術創新與社會影響；三是出台針對性的政策支援，如職業培訓、資料安全保障等，確保機器人產業的健康發展。NVIDIA作為行業引領者，已通過開放模型與框架，推動技術標準的統一；同時，其與全球企業的合作，也在積極探索機器人應用的倫理邊界。五、結語：物理AI開啟機器人產業的“黃金十年”CES 2026上NVIDIA的系列發佈，標誌著機器人產業正式進入物理AI驅動的新時代。從技術核心來看，Cosmos與GR00T模型建構了機器人理解物理世界的“認知大腦”，Isaac Lab-Arena與OSMO框架打通了開發全流程，Jetson T4000硬體模組提供了高效算力支撐，形成了覆蓋“模型-框架-硬體-生態”的全端解決方案；從產業鏈影響來看，其推動上游零部件智能化升級、中游整機企業嚮應用創新轉型、下游場景規模化滲透，重構了產業價值分配模式；從應用前景來看，工業、醫療、消費、建築採礦等多個領域的落地案例，充分驗證了技術的實用價值。黃仁勳所言的“機器人開發的ChatGPT時刻”，不僅是技術的突破，更是產業範式的變革。未來十年，隨著物理AI技術的持續迭代、開源生態的不斷完善、成本的快速下降，機器人將從“工業裝備”全面走向“生活助手”，深度融入製造業、醫療健康、家庭服務等多個領域，成為推動經濟社會轉型的重要力量。對於企業而言，接入NVIDIA的物理AI技術體系，將成為把握產業機遇的關鍵；對於行業而言，建構開放協同的生態，推動技術標準的統一，將加速產業的規模化發展；對於社會而言，擁抱機器人技術帶來的變革，做好就業轉型與倫理規範，將實現技術創新與社會福祉的共贏。我們有理由相信，在物理AI的驅動下，機器人產業將迎來前所未有的“黃金十年”，為人類社會帶來更高效、更安全、更便捷的生活與生產方式。這些新模型均可通過 Hugging Face 獲取，包括：NVIDIA Cosmos™ Transfer 2.5和NVIDIA Cosmos Predict 2.5：開放、完全可定製的世界模型，為物理 AI 實現基於物理原理的合成資料生成與機器人策略評估的模擬支援。NVIDIA CosmosReason 2：開放推理視覺語言模型（VLM），使智慧型手機器能夠像人類一樣看見、理解物理世界並採取行動。NVIDIA Isaac™ GR00T N1.6：專為人形機器人打造的開放式推理視覺語言行動（VLA）模型，可解鎖全身控制能力，並借助 NVIDIA Cosmos Reason 增強推理和上下文理解。 (AI雲原生智能算力架構)

隨著人工智慧改變經濟格局並創造新的贏家，那些不能足夠快地採用這項技術的公司將面臨被淘汰的風險。近日，韋德布什證券（Wedbush Securities）的分析師在一份報告中列出了12隻“AI輸家”股票，認為這些公司在人工智慧浪潮中“被甩在後面”的可能性最高。該名單包含了一系列該公司評級為中性或表現遜於大盤的股票，包括英特爾、惠普、高通、優步、來福車(Lyft)、Pinterest、Trade Desk、Adobe、DocuSign、Workday、Nice和Maplebear(Instacart)。其中，韋德布什分析師近期已放棄了對Pinterest和Nice股票的看漲立場。硬體廠商面臨成本壓力儘管英特爾、惠普和高通從事於硬體製造，但Ives認為它們仍屬“輸家”之列，因為人工智慧基礎設施熱潮正通過被其稱之為“記憶體擠壓”的現象，衝擊這些公司核心業務。隨著需求超過供應導致記憶體成本上漲，這些硬體供應商將難以將成本轉嫁給購買個人電腦的消費者。韋德布什團隊指出，即便英特爾獲得美國政府支援也收效甚微——該公司還未能達成實質性交易，且在AI基礎設施市場正持續失去份額，不斷被AMD蠶食。鑑於英特爾約60%的營收來自PC而非AI伺服器，Ives預計該公司毛利率到2026年底可能萎縮逾5%。遭AI衝擊的軟體股Adobe、Docusign、Workday和Nice等軟體股，則可能因市場擔憂AI將使傳統軟體解決方案過時而遭受重創，艾夫斯認為這些公司難以實現反彈。他指出，這些企業依賴按使用者收費的高成本訂閱模式，而AI則更傾向於按使用量計費的低成本“消費”模式。Ives指出，若排除匯率影響，Adobe數位媒體業務(含Illustrator、Photoshop等服務)的年度經常性收入已出現“小幅放緩”。他補充道，Adobe在生成式人工智慧領域的自主研發中“難以顯著提升變現能力”。Ives還提到，相較同行，Adobe在AI產品Firefly的落地速度存在滯後。這意味著該公司最終將陷入“守住市場份額而非搶佔份額”的境地。他同時預測，隨著更廉價的AI創意工具普及，Adobe核心的專業使用者群體將逐步萎縮。Ives近期已下調了雲聯絡中心即服務(CCaaS)平台供應商Nice的評級，同樣反映出使用者基數萎縮的威脅。Wedbush團隊指出，Google母公司Alphabet、亞馬遜和微軟等超大規模企業正進軍Nice所在的市場領域。廣告、外賣和網約車公司也有麻煩韋德布什團隊表示，大型科技巨頭還正在衝擊Pinterest和Trade Desk等小型廣告企業，以及Instacart、優步和Lyft等食品配送和網約車公司。廣告商越來越優先選擇亞馬遜、Google和Meta的生態系統，因為這些平台能直接從客戶那裡收集資料，這已促使韋德布什分析師Scott McDevitt在報告中對Pinterest的前景持更謹慎的態度。與此同時，Ives在報告中寫道，隨著特斯拉無人計程車Cybercab和Google無人計程車Waymo的崛起，網約車公司正面臨“巨大顛覆”——行業價值正從輕資產平台轉向擁有完整自動駕駛技術堆疊的平台。 (i商周)

2025 年 12 月，比特幣全網算力首次突破 1 ZH/s（ZettaHash）這一象徵性關口，網路安全成本進入新的量級區間。多項行業資料顯示，算力擴張正在顯著抬高單枚比特幣的生產成本，並加速礦業結構的出清過程。根據 CryptoRank 彙總的上市礦企財務資料，目前挖掘 1 枚比特幣的平均現金成本已上升至約 7.46 萬美元。若將礦機折舊、融資成本及股權激勵（SBC）計入在內，行業測算的全成本水平已接近 13.7–13.8 萬美元。成本抬升的直接結果，是回本周期被顯著拉長。以當前算力與難度水平估算，即便在效率較高的礦場環境中，單台礦機的投資回收周期也已延伸至 1200 天以上。隨著融資成本上行，這一周期仍存在進一步拉長的可能。算力競爭加劇正在改變礦業參與者的結構。中小礦工在電價、資本成本與裝置效率方面處於明顯劣勢，退出速度加快；而頭部礦企則通過規模化部署、長期電力合約與財務工程手段維持邊際盈利空間。與此同時，部分上市礦企開始加速向 AI 算力託管、資料中心基礎設施等相關業務延伸，以分散單一挖礦模式下的現金流波動風險。從網路層面看，算力突破 1 ZH/s 意味著比特幣系統的安全性與攻擊成本同步抬升。對潛在攻擊者而言，維持 51% 算力所需的資本與能源投入已進入難以企及的區間；而對網路內部參與者而言，安全性的提升正在以更高的長期資本約束為代價。算力所代表的並非短期價格訊號，而是一種持續性的結構成本。當算力與全成本同步抬升，比特幣的“安全性”與“生產門檻”被重新定價，行業進入以資本效率、能源獲取能力和規模優勢為核心變數的新階段。 (方到)