在剛剛結束的 CES 舞台上，當黃仁勳穿著那件標誌性的皮衣，揮舞著手中最新的晶片和 Cosmos 平台時，台下的掌聲越響，我反而越覺得他在進行一場豪賭式的撤退。
大家都說輝達（NVIDIA）是 AI 時代的唯一真神，掌握著通往未來的入場券。但我要拋出一個反常識的結論：黃仁勳正在親手終結那個由他統治的算力霸權時代。
他這次在 CES 上大談特談的物理 AI（Physical AI），表面上是在為輝達開闢新戰場，實際上卻是在向全世界承認：靠堆算力和暴力美學模型（大語言模型）的時代已經觸碰到天花板了。
接下來的戰爭，不再是誰的顯示卡多，而是誰能搞定現實物理世界。
文科生 AI 的末路
過去兩年，我們被 ChatGPT 給騙了。以為 AI 既然能寫出比人類還好的論文，能通過考試，那讓它掃個地、開個車、搬個磚，豈不是順手的事？
結果呢？最頂尖的語言模型連拿穩一個容易變形的塑料杯都做不到。
這就是著名的“莫拉維克悖論”：對人類來說很難的邏輯推理，AI 覺得很簡單；但對人類來說是本能的物理感知（走路、躲避障礙），AI 卻覺得難如登天。
老黃這次在演講裡反覆強調一個概念：物理 AI。
他其實是在說：AI 不能再只當個嘴炮了。它得懂重力，懂摩擦力，懂什麼叫“杯子碎了水會灑”。為了讓 AI 進入現實，輝達推出了 Cosmos——一個號稱能模擬整個世界的底層作業系統。
但這背後隱藏著一個巨大的邏輯漏洞：如果 AI 的未來在物理世界，那麼輝達多年來構築的“軟體+硬體”護城河，其實正在變淺。 因為物理世界不是程式碼寫的，它是不講邏輯的，它是混沌的。震撼的部分，莫過於輝達展示的合成資料能力。
現在的 AI 訓練遇到了一個巨大的瓶頸：網際網路上的高品質文字資料快被薅禿了。 如果想讓 AI 進化到物理層面，你需要海量的視訊資料、感測器資料。
老黃的解決方案很有“暴力美學”的色彩：既然現實資料不夠，那我就用算力“製造”資料。
他通過 Omniverse 建立一個完美的數字孿生世界，在這個世界裡，機器人可以一秒鐘死掉一萬次，從而學會如何翻越障礙。這種算力換經驗的邏輯，本質上是輝達作為算力賣家的推銷：你只要買我的晶片，我就能給你變出無限的教學素材。
但是，請大家深思一個問題：模擬器裡訓練出來的賽車手，真的敢直接上 F1 賽道嗎？
物理世界最可怕的地方在於它的長尾分佈。一個塑料袋在風中飄動的軌跡，陽光直射感測器產生的瞬間盲區，這些細微到塵埃裡的變數，模擬器真的能完全復現嗎？
輝達正在試圖用數學的精確去模擬物理的混亂。這是一種偉大的嘗試，但也可能是一次徒勞。
從算力到資料的權力交接
我們把視角拉高，從技術延伸到認知。
在 PC 時代，核心是 Windows + Intel（Wintel 聯盟）；在移動網際網路時代，核心是 iOS/Android + 高通。在 AI 的上半場，核心無疑是 CUDA + GPU。
但到了物理 AI 的下半場，權力的遊戲規則變了。老黃提出的“三台電腦”架構（訓練、推理、模擬），其實是在試圖把物理世界標準化。他想讓全世界的開發者都用輝達的協議去描述物理世界。
然而，真正的物理 AI 是誰？是特斯拉，是擁有數十萬台機械臂的工廠，是走街串巷的物流機器人。
在這裡，我得提一下特斯拉。很多人拿特斯拉的 FSD 和輝達這次發佈的 Alpamo（自動駕駛基礎模型） 做對比。輝達做的是通用底座，相當於自動駕駛界的Android；而特斯拉做的是閉環，相當於蘋果。
為什麼我說老黃在撤退？ 因為當他選擇開源或者說通用化物理 AI 的技術堆疊時，他其實是放棄了對最核心資產，真實世界資料的壟斷。他只能退而求其次，去賣那個用來加工資料的晶片。
這是一個很有洞察力的轉型：當發現自己無法掌握最上游的資源（真實體驗）時，就迅速把自己變成所有資源方都繞不開的工具方。
我們離通用機器人還有多遠？你可能覺得，這些都是大廠之間的博弈，離我們很遠。
其實不然。演講中提到的 Project GR00T 和機器人通用模型，預示著一個巨大的社會轉型：勞動力將徹底商品化。
以前，一個熟練的焊工、一個細心的護士，他們的技能是長在腦子裡的，無法複製。但物理 AI 的核心邏輯是：技能即程式碼。
一旦輝達的 Cosmos 真的能把抓取、行走、平衡這些物理規律“預訓練”好，那麼硬體成本將是機器人普及的唯一障礙。
想像一下，未來的機器人不再需要你一行行寫程式碼告訴它怎麼洗碗，它只需要在輝達的 Cosmos 模擬器裡“看”了幾萬次洗碗的合成視訊，就能直接上手。
這意味著什麼？這意味著經驗貶值了，而算力分配權升值了。 這也就是為什麼黃仁勳在演講中顯得那麼緊迫。
他知道，如果輝達不能搶先定義物理 AI 的標準，那麼未來人類社會的生產力中樞，就會被那些擁有真實場景的公司（比如波士頓動力、特斯拉、甚至是美的或格力這樣的製造巨頭）給截流。
很多媒體在報導這次發佈會時，都在羅列參數：晶片快了多少，模型大了多少。
但我更想讓你看到背後的認知變化。
從預測下一個詞到預測下一幀： 這是思維方式的根本轉變。以前 AI 是邏輯推理，現在 AI 是直覺模擬；從人教機器到機器教機器： 通過合成資料，AI 的進化速度將完全脫離人類的採集效率。這很酷，但也讓人不安；輝達的身份焦慮： 老黃不再滿足於做一個開礦的，他想做那個定義礦石成色的人。寫到這裡，你可能已經感受到了，黃仁勳在 CES 上的表演，其實是一場極其高明的防禦戰。
他通過展示 Cosmos 和物理 AI 的宏偉藍圖，試圖告訴全世界：別看特斯拉有資料，別看有些公司有工廠，只要你們想進入物理 AI 時代，你們就得用我的模擬器，跑我的協議，買我的顯示卡。
他正在用算力的霸權，去換取在物理世界的話語權。
但這其中依然有一個巨大的未知數：真實物理世界的“靈光一現”，真的能被合成出來嗎？
就像你可以在《賽博朋克 2077》裡模擬一萬次夜之城的雨夜，但你永遠無法在遊戲裡聞到下雨時泥土的清香。而那種清香，往往才是破解物理世界終極謎題的關鍵。
黃仁勳推倒了自己的顯示卡帝國，是為了建立一個更龐大的“世界模型帝國”。至於這個帝國能不能成，不取決於他手裡有多少塊 H200，而取決於這個世界，是否真的願意被“模擬”。 (靈感無限AI)