黄仁勋在CES 2026演讲中重点阐述了“物理AI”概念，旨在让AI具备人类物理常识以在真实世界自主行动。针对物理世界数据稀缺和常识理解难题，英伟达提出合成数据与三计算机架构方案，推动自动驾驶、机器人及工业制造领域的智能化革命。
智能速览
物理AI旨在赋予AI理解重力、惯性等物理常识的能力
利用合成数据在虚拟世界进行亿次模拟，解决真实数据瓶颈
三计算机架构协同，涵盖训练、推理及模拟全过程
自动驾驶将具备推理能力，并能通过合成数据应对极端路况
机器人与工业制造领域将全面受益于物理AI的虚拟训练技术
精华内容
物理AI不仅是技术的延伸，更是AI从数字世界走向物理世界的桥梁，其核心在于如何理解并遵循物理定律。
物理AI的定义与挑战
物理AI是指让AI掌握人类与生俱来的物理常识，例如物体重量、惯性及运动轨迹，从而在真实世界中自主决策。然而，发展物理AI面临巨大挑战。一方面，物理世界无限复杂，难以收集到覆盖所有极端情况的海量真实数据；另一方面，AI缺乏对物理定律背后逻辑的直观理解，难以像人类一样运用常识。
合成数据构建生命线
为解决数据瓶颈，英伟达提出“用合成创造真实”的思路。通过强大的虚拟仿真平台，构建完全遵循物理定律的数字世界。AI可以在其中进行数以亿次的模拟训练，快速积累应对罕见状况的经验。这种合成数据已成为物理AI发展的生命线，有效弥补了真实数据的不足。
三计算机架构协同
技术实现依赖于“三计算机架构”。训练计算机负责锻造AI的大脑，通过海量数据学习；推理计算机将模型部署到终端设备，进行实时决策；模拟计算机则提供永不间断的虚拟训练场。三者协同工作，确保了AI不仅能“学”到知识，还能在现实环境中稳定、高效地运行。
三大核心应用场景
物理AI将首先在自动驾驶领域落地，具备推理能力的模型能解释驾驶行为并处理极端路况。其次是机器人领域，从人形机器人到工业机械臂，先在虚拟世界学习再迁移至真实世界。最后是工业制造，物理AI将贯穿设计、模拟到生产运营的全生命周期，推动制造业的全面智能化。
黄仁勋认为未来十年将是物理AI规模化落地的关键期。通过合成数据、三级算机架构及开源生态的协同，AI将深度融入物理世界。这场变革将重塑行业格局，物理AI带来的机遇与挑战，值得所有人深思。
