英伟达CEO黄仁勋在CES上为“物理AI”绘制了宏伟蓝图，试图引领AI从数字走向现实世界。然而，在这份激动人心的愿景背后，也隐藏着关于成本、真实世界复杂性及技术生态的深层思考与挑战。
智能速览
黄仁勋宣布AI的下一个十年属于“物理AI”。
自动驾驶和机器人被视为物理AI的核心落地场景。
推理成本降低可能因杰文斯悖论导致总支出反增。
理解人类行为比掌握物理定律是更大的挑战。
英伟达的“开放”生态策略可能加深用户的平台锁定。
精华内容
物理AI的宏大叙事激动人心，但通往未来的道路并非一片坦途。透过技术愿景的光环，需要审视其背后的现实挑战与深层逻辑。
物理AI蓝图
黄仁勋提出，计算和开发范式正经历根本性变革，AI的下一个十年将是“物理AI”的十年。其战略核心是让AI从理解数字信息进化到理解并操控物理世界。关键技术支柱包括Cosmos世界模型，用于模拟物理环境，以及“三台计算机”理论，为AI在现实世界的行动提供理论框架，旨在构建能够与物理世界交互的新一代智能体。
落地场景与引擎
自动驾驶和机器人被定位为物理AI最核心的落地场景，其商业化进程正在加速。为支撑这一庞大的计算需求，英伟达推出了Rubin平台。通过从芯片到软件的全栈式优化，该平台旨在为物理AI的发展提供强大且经济高效的算力引擎，成为实现这一愿景的技术基石。
杰文斯悖论陷阱
一个关键的隐忧在于杰文斯悖论。宣称推理成本正在下降，但这往往会刺激用户训练和部署规模更大、能耗更高的模型。结果是，企业的总算力支出不仅不会减少，反而可能持续攀升。这种模式下，英伟达通过销售更多算力获利，而非真正帮助用户节省成本。
真实世界的壁垒
让AI理解重力、摩擦力等物理定律固然重要，但这远非真实世界的全貌。人类社会行为的不可预测性、复杂的社会心理和模糊的规则，才是AI融入物理世界的真正壁垒。目前技术生成的仅是“物理合理”的场景，与充满变数的“社会真实”场景仍有巨大差距。
生态的开放与锁
英伟达所构建的生态，捆绑了NVLink、Spectrum-X、CUDA和Omniverse等一系列技术。这种深度整合虽然提供了便利，但也形成了强大的技术壁垒。一旦用户进入该生态，迁移成本将极高。这种所谓的“开放”，其本质更像是将更多开发者纳入其技术帝国，实现更深层次的生态锁定。
英伟达描绘的物理AI未来，无疑是技术演进的重要方向，充满想象空间。然而，商业逻辑、现实世界复杂性与技术理想之间的张力依然存在。这条通往通用人工智能的道路，最终会催生一个开放创新的乐园，还是一个由巨头掌控的封闭体系？
