文 | 新眸，作者 | 簡瑜
今年，鏈博會現(xiàn)場，阿里云創(chuàng)始人王堅與英偉達創(chuàng)始人兼 CEO 黃仁勛進行了一場持續(xù)近半小時的對話。
議題從 AI 的下一階段形態(tài)、模型開源路徑、生物工程邊界拓展，延伸至 AI 與人類關(guān)系的底層邏輯。兩位掌舵者雖未直接談及產(chǎn)品或商業(yè)對抗，卻不約而同地指向了 AI 技術(shù)未來的幾個關(guān)鍵議題。
站在這場對話的交匯點，外界可以窺見一個信號：當(dāng)生成式 AI 的熱潮逐步冷卻，行業(yè)的討論正從參數(shù)、數(shù)據(jù)和算力，轉(zhuǎn)向與現(xiàn)實世界的接觸面——一個更具 " 物理屬性 " 的 AI 階段，正在顯現(xiàn)。
從本次對話出發(fā)，本文將嘗試拆解以下幾個問題：
l 當(dāng) AI 邁入 " 物理智能 " 時代，硬件廠商、云廠商乃至大模型公司各自的機會與挑戰(zhàn)將如何重構(gòu)？
l 圍繞開源、生物工程、人與 AI 的關(guān)系等關(guān)鍵命題，這場對談背后透露出怎樣的長期判斷？
l 從英偉達與阿里云的表態(tài)中，可以讀出他們下一階段戰(zhàn)略布局的哪些信號？
從認知 AI 邁向物理 AI：下一場 AI 變革的想象邊界在哪？
在這次對話中，黃仁勛拋出了一項頗具前瞻性的判斷：繼認知智能和生成式 AI 之后，下一波浪潮將邁入 " 物理 AI" 時代。
所謂物理 AI，指的是 AI 從數(shù)字世界走向物理世界，具備感知、推理、決策、再到執(zhí)行動作的完整能力鏈條。從這個維度來看，人形機器人、自動駕駛等熱門方向，皆可歸于物理 AI 的范疇。
和以 " 指令 - 推理 " 為核心的生成式 AI 不同，物理 AI 更強調(diào)與現(xiàn)實場景的交互能力。這意味著 AI 系統(tǒng)必須能在不確定的物理環(huán)境中，自主理解外界信息并做出連續(xù)反應(yīng)，其對多模態(tài)感知、Agent 系統(tǒng)以及實時響應(yīng)能力的要求，將遠高于當(dāng)下。
從訓(xùn)練范式上看，這也標(biāo)志著大模型訓(xùn)練邏輯的轉(zhuǎn)變。
過去模型依賴大數(shù)據(jù)進行預(yù)訓(xùn)練，而進入物理 AI 階段后，" 后訓(xùn)練 " 和微調(diào)將變得至關(guān)重要。以強化學(xué)習(xí)為代表的機制，不再只是一個 " 優(yōu)化補丁 "，而是確保 AI 行為與人類意圖對齊的關(guān)鍵過程。而這背后，對算力的消耗也將進入下一個數(shù)量級。
眾所周知，英偉達之所以能夠在認知智能到生成式 AI 的躍遷期占據(jù)上風(fēng)，離不開其早期在通用 GPU 計算和 CUDA 生態(tài)上的持續(xù)投入。但如果說 CUDA 為 AI 帶來了 " 思考 " 的肌肉，物理 AI 則意味著 AI 開始 " 動起來 "，這將進一步牽動整個上游產(chǎn)業(yè)鏈的價值重構(gòu)。
例如，具備多模態(tài)輸入能力的傳感器廠商（如 Sony、ADI）與為機器人提供行動部件的精密減速器制造商（如 Harmonic Drive、Nabtesco），將從 " 邊緣配角 " 走向系統(tǒng)核心。
AI 的 " 六感 " 與 " 四肢 "，都將從這些硬件基礎(chǔ)中生長出來。
除此之外，云計算的架構(gòu)也將面臨新一輪的調(diào)整。算力需求的指數(shù)級增長，將推動 IaaS 層逐漸標(biāo)準(zhǔn)化為 " 水電煤 " 式的底層基礎(chǔ)設(shè)施，而原本復(fù)雜的 SaaS 層則會被成為更輕量的接口形態(tài)。真正的差異化，或許將回到業(yè)務(wù)邏輯和產(chǎn)品體驗本身。
與此同時，大模型的發(fā)展也正在逼近 "Scaling Law" 的臨界點。過去行業(yè)普遍遵循的堆參數(shù)、提能力范式正在逐步失效。
換句話說，模型能力的評估標(biāo)準(zhǔn)將從單一的參數(shù)規(guī)模，轉(zhuǎn)向?qū)C合表現(xiàn)的全方位考察：是否具備處理超長文本的能力？能否在復(fù)雜語境中進行多步推理？是否可以適配不同場景并實現(xiàn)物理層面的交互？這些，才是下一階段競爭的核心變量。
這背后帶來的影響遠不止技術(shù)層面。對大模型企業(yè)而言，組織結(jié)構(gòu)或?qū)⒈恢匦露x。傳統(tǒng)以工程效率為導(dǎo)向的分工方式，難以支撐跨模態(tài)、跨場景的快速迭代。未來的團隊，可能要從流水線式的寫代碼，走向產(chǎn)品導(dǎo)向的系統(tǒng)協(xié)作。
一個很容易被大家忽略的事實是，未來 AI 的核心應(yīng)用場景，可能會圍繞制造業(yè)展開。
不只是 AI 控制生產(chǎn)線，更是 AI 直接嵌入到產(chǎn)品形態(tài)中?？梢灶A(yù)見的是，從 AI 手機、AI 電腦到 AI 眼鏡，未來將出現(xiàn)一批原生搭載物理 AI 的設(shè)備品類，它們可能重塑人們與智能設(shè)備的交互方式。
三個關(guān)鍵命題：" 開源 "、" 生物工程 "、"AI 與人 "
在這次對話中，黃仁勛與王堅不約而同提到了 " 開源 " 在 AI 發(fā)展中的重要性。
" 源 " 指源代碼和實現(xiàn)細節(jié)，過去，開源與閉源更多是技術(shù)路線之爭；但當(dāng)我們回到 " 物理 AI" 的語境下，它已逐漸演變?yōu)橐环N商業(yè)戰(zhàn)略和生態(tài)選擇。
隨著 AI 系統(tǒng)需要適應(yīng)更多元的現(xiàn)實場景，對定制化能力和可控邊界的要求不斷提升。開源模型因其更高的靈活性與透明度，正在成為 AI 走向 " 場景級 " 落地的關(guān)鍵基礎(chǔ)。尤其是在產(chǎn)品需求快速變化的環(huán)境中，能夠自主調(diào)校模型行為的企業(yè)，無疑會更有適應(yīng)力。
與此同時，當(dāng) AI 大模型的應(yīng)用邊界不斷擴展，相關(guān)的權(quán)責(zé)劃分也愈加重要。
而在開源的場景中，開發(fā)者廣泛參與、使用、測試的過程，本身也是對模型安全性、內(nèi)容生成邊界等問題的一次次實踐倒逼，這種持續(xù)的共建和監(jiān)督，有助于逐步厘清 AI 模型在實際應(yīng)用中的權(quán)責(zé)歸屬。
英偉達對 " 開源 " 的推動，并非只體現(xiàn)在口頭上。早在兩個月前，其推出的 NVLink Fusion 技術(shù)，就首次向第三方 CPU 和加速器開放了 NVLink 生態(tài)系統(tǒng)，通過發(fā)布 IP 與硬件接口，鼓勵外部硬件廠商與自家芯片實現(xiàn)互操作。
不過，問題也隨之而來：當(dāng)大模型紛紛走向開源，競爭的焦點將會是什么？
答案可能正是生態(tài)閉環(huán)的構(gòu)建能力。正如眾多蘋果用戶之所以選擇蘋果，是因為其強大的軟硬件生態(tài)體系一樣，未來的大模型廠商也必須在開源基礎(chǔ)上構(gòu)建一個涵蓋模型、數(shù)據(jù)、應(yīng)用和硬件的完整生態(tài)系統(tǒng)。
但這也意味著，體量更小、資源更少的 AI 初創(chuàng)公司，在面對巨頭級平臺時，可能會加速失去獨立生存空間。
除了技術(shù)與生態(tài)，另一個在此次對話中被反復(fù)提及的關(guān)鍵詞，是 " 生命工程 "。
今年早些時候，英偉達聯(lián)合加拿大 Mila 研究所推出了 La-Proteina ——一個面向蛋白質(zhì)結(jié)構(gòu)的 AI 生成模型。這一動作背后的信號很明確：醫(yī)藥行業(yè)盡管門檻極高、節(jié)奏極慢，但一旦突破，其市場空間和社會價值是極為可觀的。
對 " 人 " 本身的討論，則貫穿于整個對話的末尾。黃仁勛描繪了一種未來的關(guān)系：AI 將像伴侶一樣，從你出生陪伴到你老去。這種想象聽起來浪漫，但并非遙不可及。我們與 AI 的關(guān)系，正在悄然從 " 工具 " 轉(zhuǎn)向 " 共生 "。
事實上，在移動端，AI 已悄然嵌入我們每天的行為中。
根據(jù) QuestMobile 2025 年 AI 應(yīng)用報告，以小藝、小布、小 V 為代表的手機原生 AI 助手，在用戶規(guī)模上已占據(jù)相當(dāng)份額。盡管這些手機廠商的 AI 助手在人均使用頻次上仍不高，但這反而說明了一件事—— AI 與手機的結(jié)合方式，還遠未定型。
正如黃仁勛所言，AI 會成為你的 " 數(shù)字伙伴 "。而這個伙伴的形態(tài)、位置、能力邊界，正是下一階段所有 AI 企業(yè)和開發(fā)者真正需要回答的問題。
英偉達與阿里云的未來十年：布局與突破在哪兒？
英偉達也正在用行動落地它的 AI Infra 戰(zhàn)略。一個典型的案例，就是它重倉投資的云計算公司 CoreWeave，其核心業(yè)務(wù)是為 AI 應(yīng)用提供高性能 GPU 云服務(wù)。自 3 月 IPO 以來，CoreWeave 的市值已經(jīng)翻了近兩倍，如今已逼近 730 億美元，其成長速度幾乎和英偉達本身的熱度同步。
但英偉達的布局并不止于 " 云 "。正如我們前文提到的 " 物理 AI" 概念，在算力層面也衍生出了新的技術(shù)范式——邊緣計算平臺。
邊緣計算中的 " 邊緣 "，相對于 " 云 " 而言，意味著將計算資源部署在更接近數(shù)據(jù)源的位置——在終端、在設(shè)備本地，而不是遠在云端。
雖然聽起來像是一種 " 非主流 " 方案，但它所瞄準(zhǔn)的，是物理 AI 時代最核心的一批場景：自動駕駛、機器人、無人機、工業(yè)終端。這些領(lǐng)域?qū)ρ舆t、實時性有著極高要求，顯然，傳統(tǒng)云架構(gòu)無法勝任。
相比之下，阿里云所面臨的局勢就復(fù)雜得多。
當(dāng)上游硬件廠商不斷向下游 " 伸手 "，既做基礎(chǔ)設(shè)施又賣云服務(wù)，對于以 IaaS 起家的阿里云來說，顯然是個壓力不小的信號。于是我們看到，阿里云的戰(zhàn)略也在 " 向下游走 "。
一個典型的內(nèi)部戰(zhàn)略方向是 "IaaS + PaaS 一體化 " 模式。相較于傳統(tǒng) IaaS 只提供裸資源的方式，阿里云更希望客戶使用它的 " 中間層能力 " ——數(shù)據(jù)庫、大數(shù)據(jù)平臺、Serverless、容器化、DevOps 工具等，換句話說，是把云從資源賣家變成產(chǎn)品提供者，從而向生態(tài)型平臺進化。
這就呼應(yīng)了我們在前文中對 " 開源 " 的討論：不論是英偉達，還是阿里云，它們都在試圖擺脫單一賣方角色，向系統(tǒng)級、平臺級生態(tài)靠攏。
開源只是手段，本質(zhì)是搶奪下游場景的控制權(quán)。
在 AI 時代，硬件、算力、模型、數(shù)據(jù)、場景之間的邊界正在變得模糊，誰能更早占住 " 算力 + 平臺 " 的支點，誰就擁有重構(gòu)下游規(guī)則的資格。這場戰(zhàn)役，也許早已在這場爐邊對話之外，悄然打響。
今年以來，英偉達一直在反復(fù)強調(diào)一個關(guān)鍵定位：這家公司正在從芯片制造商，轉(zhuǎn)型為 AI 基礎(chǔ)設(shè)施建設(shè)者。
