CES 2026 观察：物理 AI 元年，与一场没有输家的算力军备赛

2026 年的开年，几乎没有给任何人留缓冲的时间。一月初的拉斯维加斯依然酷热而嘈杂，一年一度的国际消费电子展 CES 如期拉开帷幕，而今年它的底色和往年很不一样——不管你走到哪个展台，绕来绕去最后都会回到同一个词上：物理人工智能。三天展期跑下来，我最大的感受是，过去三年我们盯着屏幕里那些”会聊天”的模型，而这个行业已经悄悄把目光移向了屏幕之外的物理世界。

这篇文章想记录的，就是 2026 年第一个月我看到的几条主线：物理 AI 从概念走向展台，AI 芯片的军备竞赛进入新回合，以及开源模型在年初交出的一份意想不到的答卷。作为一个从移动互联网时代一路写到今天的老从业者，我越来越觉得，我们正站在又一个叙事转换的门槛上。

一、CES 2026：物理 AI 从 PPT 走到了展台

如果要用一个词概括今年的 CES，那一定是”Physical AI”。三年前大家还在比谁的大模型参数更大、谁的对话更像人；今年展台上最拥挤的位置，留给的是那些能在真实世界里动手的机器。从工业臂到轮式底盘，再到各式人形与半人形平台，厂商们不再满足于让 AI 回答问题，而是要让它拿起工具、理解环境、在车间和家庭里完成具体的动作。有海外媒体干脆把这个月称作机器人与物理 AI 的”ChatGPT 时刻”。

这种转向并不突然。过去很长一段时间，大模型的能力被关在对话框里，它能生成文字、图片和代码，却碰不到真实世界。而当推理模型越来越强，把这套大脑装进会动的身体里，就成了顺理成章的下一步。展会上一个让我印象很深的细节，是一家深圳做激光雕刻的公司现场发布了全球首个面向制造场景的 AI 创作智能体——它不是笼统地”聊天”，而是真的理解加工材料、工艺参数和机器动作。这种”制造语境感知”，正是物理 AI 和纯对话模型最本质的区别。

当然，冷静下来看，这股热情里依然有泡沫。展台演示往往是精心编排的高光片段，离稳定的量产交付还有距离；能耗、成本、安全边界，每一项都是硬骨头。但方向的信号已经足够清晰：当巨头们开始把研发重心从”数字屏幕”挪向”现实世界”，整个产业链的资源配置也会随之改变。对从业者来说，现在要做的不是泼冷水，而是想清楚自己能在哪一环卡位。

和这种”走出去”并行的，是另一个容易被忽略的趋势：智能正在往手机和设备本身回流。今年展会上，越来越多的终端厂商把”端侧大模型”当成卖点——不依赖云端，在本地完成摘要、翻译、整理和离线助手。背后的逻辑也不复杂：当模型小到能塞进一块芯片，隐私、时延和成本就同时有了着落。对普通用户来说，这意味着那个喊了好几年的”个人 AI 助理”，第一次有了真正可用的样子：它记得你的习惯、能离线帮你处理琐事，而不是每句话都要把数据传到千里之外。

二、AI 芯片的新一轮军备赛

和物理 AI 同时升温的，是底层算力的争夺。今年一月，几乎每隔几天就有一颗新芯片的消息。展会上，英伟达推出了包含六款芯片的系统级算力平台”薇拉·鲁宾”，把它对下一代数据中心的蓝图直接摆上台面；AMD 展示了采用更先进制程的新一代 AI 芯片，英特尔则更新了酷睿 Ultra 平台。几家老对手在同一个展期里密集亮剑，本身就说明算力这门生意的白热化程度。

更值得国内同行关注的，是自研阵营的动作。一月底，微软发布了新一代自研 AI 芯片 Maia 200，明确指向更深层推理和多步骤智能体任务；几乎同一时间，阿里巴巴旗下的平头哥发布了自研 AI 芯片”真武810E”，用自研并行架构配合自研软件栈，走的是软硬结合的路子。再加上月初智源研究院发布的、面向多种 AI 芯片的统一系统软件栈，整个产业在一月就摆出了”去碎片化、把算力做厚”的姿态。

我对这一轮芯片热的看法是：它已经不再是单纯的性能竞赛。当智能体需要连续调用模型、在长链路里反复推理，单次推理的成本和时延就变得至关重要。谁能把单位算力的成本压得更低、把软硬件配合得更顺，谁就能支撑起真正规模化的智能体应用。芯片之争的下半场，比的不是峰值数字，而是单位智能的经济账。

三、DeepSeek 一周年，与科研的”GPT 时刻”

一月二十日前后，开源圈安静地过了一个周年日。整整一年前，DeepSeek 发布的那枚推理模型曾在硅谷掀起轩然大波，用极低的成本做出了令人侧目的表现。一年之后，它把当初那份二十多页的技术报告扩写成了一份近九十页的完整文档，把训练管线的关键细节几乎和盘托出。这种”把家底摊开给全世界看”的做法，在闭源为主的时代里格外珍贵。

同一周的上海，一场聚焦”规模化智能体科学”的研讨会上，学者们抛出了一个判断：人工智能驱动的基础研究，正在迎来属于自己的”GPT 时刻”。当大模型不再只是陪人聊天，而是开始提出假设、设计实验、阅读文献、迭代参数，科研这条最吃脑力的战线也开始被重构。月底雄安发布的面向结构化数据的行业大模型，则把这种趋势落到了制造、能源、交通这些更实的场景里。

把这几件事放在一起看很有意思：一边是昂贵的算力军备，一边是开放的模型与廉价的推理。这两条看似相反的路线，其实在共同把 AI 的门槛往下拉。当顶尖能力不再被少数巨头完全锁死，中小团队也能站在开源的肩膀上做应用、做科研、做硬件——这或许才是这个开年最值得高兴的事。

四、开局的启示：从”会聊天”到”会办事”

回望这一个月，我给自己身边做技术的朋友总结了三句话。第一，别再只盯着对话式产品，要认真看看那些能接入真实工具、能在物理世界闭环的智能体——它们才是今年真正的增量。第二，算力的成本结构正在被重写，做产品时要把推理成本当成核心变量来算，而不是事后再补。第三，开源生态的价值前所未有地高，能用开源解决的问题，就别急着为封闭接口付溢价。

当然，开年的热闹也掩盖不了隐忧。就在一月，美国国会两党高票通过了一份针对云端远程访问的安全法案，折射出先进算力与模型在全球流动时日益紧绷的边界；国内也在反复强调治理与发展并重。技术跑得越快，规则与安全的绳子就收得越紧，这是每一个从业者都必须正面回应的问题，而不是装作看不见。

结语。2026 年的第一个月，没有出现那种一夜改变世界的大新闻，却把未来一整年的主线铺得清清楚楚：智能体从屏幕走向身体，算力从堆料走向算账，开源从补充走向基座。作为写了十几年博客的人，我最享受的就是这种时刻——格局还没定型，方向刚刚露头，普通人还有机会选一个自己的位置。这个开头，我给高分。