从CES 2026，看城市「AI大考」破局之道！

（来源：AI生成）

作者 | 1/6图片工作室

上周，CES 2026（国际消费类电子产品展览会）在拉斯维加斯落下帷幕。作为全球科技产业的风向标，这里往往预示着未来三到五年的技术走向。

过去几年的CES，是「生成式AI」的主场，今年的CES则释放出了「大转折」的信号——AI正在加速从「云端世界」，走入「物理世界」。

▼

CES每年1月在拉斯维加斯会展中心举行。

2026年，有4112家参展企业，中国企业有915家

（来源：网络开放平台）

英伟达CEO黄仁勋，在演讲中抛出了核心判断：「物理AI的‘ChatGPT时刻’，即将到来。」

为了印证这一观点，英伟达在本次CES上破天荒地没有发布新款游戏显卡，而是将全部火力集中在推动AI进入自动驾驶、机器人、AI超算等物理场景上。

如果说英伟达是在描绘「物理AI」的蓝图，那么中国企业已经把这幅蓝图搬到了现实中。

数据显示，本届CES与机器人相关的展商有598家，中国企业有149家；而在最热门的「人形机器人」领域，38家参展商中，中国占21席（其余参展商为：美国8家、韩国5家、其他国家各1家）。

▼

黄仁勋CES2026演讲核心观点

多年来，硅谷主导了AI的叙事：这是一场关于算力的竞赛，成功的标准是参数量、上下文窗口以及大语言模型（LLM）的架构。

然而，CES 2026告诉我们，AI的叙事逻辑已改变——「应用能力」是决定AI未来成功与否的新标准，且优势天平开始向中国倾斜。

大家或许会有疑问：为什么AI必须从「云端」走向「现实」？这难道不是资本在自救？

01

AI上半场：算力狂欢与泡沫

AI的前景毋庸置疑，但越来越多机构开始担心：我们是否又来到了一个「互联网泡沫」破裂的前夜？

1. 「卖铲人」与「淘金者」的收入差距

高盛、摩根大通、花旗这些金融巨头表示，AI股票价格已涨到「25年前互联网泡沫破裂以来，从未见过的水平」。

更吊诡的是——AI「淘金者」入不敷出，「卖铲人」却盆满钵满。

麻省理工学院的研究报告显示：300多个公开的AI应用项目（淘金者），绝大多数还没获得商业回报。

像OpenAI已投入数百亿美元训练大模型，却在2025年出现预计超过135亿美元的亏损，OpenAI甚至一度考虑开放AI的成人功能来回血。

▼

OpenAI亏损统计示意

（来源：基于目前公开信息整理）

而作为「卖铲人」的英伟达，通过提供GPU这一必需品，股价一度突破5万亿美元，哪怕是在具身智能这一新兴赛道，机器人依然普遍采用英伟达的Jetson系列芯片。

▼

英伟达市值变化

（来源：网络开放平台）

那么，AI到底有没有泡沫？

2. 吴恩达的三层观察

「谷歌大脑之父」吴恩达给出了一个分析框架。他认为，判断AI是否存在泡沫，不能一概而论，必须将AI产业分解为三道工序来分别查看：预训练、推理和应用。

预训练层（可能存在泡沫）：这是目前资本最拥挤的地方。无数公司在重复造轮子，训练大同小异的基础模型。对此，我们要持谨慎乐观的态度。

推理层（基建缺口）：当模型训练好之后，用户每一次使用AI，都需要消耗算力，这就是「推理」。目前，支持大规模并发推理的基础设施依然不足，需要大量投资。

应用层（被低估的蓝海）：这是吴恩达最看好的部分。目前AI在实际应用层面的投资严重不足，而它的潜力远超大多数人的认知。

▼

AI物理应用层包括自动驾驶、智能制造、

机器人、质量检测、医疗健康等等领域

吴恩达提出了一个极其重要的洞见：建立在AI基础设施和技术之上的应用，其产生的价值必须高于基础设施本身，否则这个行业就是无法持续的。

换句话说，如果我们花10000块钱买GPU，却只能产生500元的经济效益，那么这个游戏迟早玩完。

▼

谷歌通过Gemini+自研TPU（极低成本）+海量用户

打破了AI投入产出比的僵局，

从而赢得了巴菲特对「确定性利润」的认可

02

中国的破局：从拼算力到「织算网」

正是察觉到了AI上半场的泡沫风险和下半场的应用机遇，中国选择了一条与美国截然不同的发展路径。

美国的模式是「单点突破」，也就是资本高度集中，企业疯狂堆砌单点算力，试图训练出无所不能的超级AI。

而中国在算力被「卡脖子」的情境下，探索出不拼单点，拼整合能力的发展路径，也就是将各个算力节点连接到一起，形成整体的算力网络。

▼

「十五五」规划提出，适度超前建设新型基础设施，

推进信息通信网络、全国一体化算力网建设

（来源：网络开放平台）

1. 像用水电一样用算力

工信部指出，到2027年基本建成全域覆盖、高效畅通的城域毫秒级算力网络，城市将实现「算力如水电般便利」。

1月4日，国家超算互联网平台宣布其注册用户突破100万大关，平台已接入全国14个省市超30家国家级超算与智算中心，整合15万张加速卡、200万核心的异构算力资源池。

这意味着，随着算力网的加速建设，算力成本将不再是企业、个人发展「AI+」的制约。

其中，「东数西算」对算力成本的大幅降低，功不可没。我国将那些用于AI模型预训练、高能耗的智算中心，放在了能源成本更低、气候更凉爽的西部省份。这不仅降低了投入风险，也符合国家能源战略。

▼

贵安的腾讯七星数据中心

（来源：图虫创意）

2. 城市AI竞争的新逻辑：从「训练」到「战场」

在这种趋势下，如果东部城市还准备继续大规模投入，建设用于「模型预训练」的智算中心，其实并不明智（除非有大规模敏感数据行业的专用模型训练需求）。因为很难拼得过西部的成本优势，很容易陷入算力闲置的状态。

东部城市需要做的是——增加AI推理，特别是边缘计算的能力。

▼

根据GrandView研究，

全球边缘人工智能市场预计将从2025年的249.1亿美元

增长到2033年的1186.9亿美元

（来源：网络开放平台）

什么是边缘计算？我们打个比方：

智算中心（预训练）好比「新兵训练营」。士兵（AI模型）需要花费大量时间，两耳不闻窗外事，进行高强度的封闭式训练，以掌握各种技能。

实时推理好比「前线战场」。身处战场的士兵，不是需要操练，而是需要根据战场上瞬息万变的态势，在毫秒之间做出反应（即边缘计算能力），稍有迟疑就会导致「严重后果」。

而城市内的自动驾驶、金融实时风控、工业机器人等等，就是「身处战场」的士兵。它们的AI推理，必须在延迟低于50ms的时间内，做出响应。而边缘计算能力，就是保障它们做出及时响应的关键。

▼

边缘计算，是医疗机器人的必备基建

3. 垂直数据的护城河

但是，光建用于推理的智算中心就够了吗？不够。因为这本质上还是基建，哪座城市都能建，这构不成「护城河」。

真正的护城河，来自于智算中心与本地产业特有数据、应用场景的深度结合。

例如，北京亦庄没有止步于算力基建，而是打造了「模数世界」人工智能创新街区。联动了机器人产业园和数据采集中心，将沉淀在生产线上的智能制造数据汇聚起来，形成自己的优势。

▼

亦庄的自动驾驶

再比如宝武钢铁。钢铁生产长期以来被视为典型的「黑箱」工艺，炉内几千度的高温，到底发生了什么，往往只能靠老师傅的经验去判断。宝武钢铁将老师傅三十多年的经验数据化，教给华为盘古大模型。

结果AI不仅将炉内核心指标的预测准确率提升到了90%，更实现了对高炉内部状态的高精度感知。仅这一项改进，单座高炉创造了年均超千万元的效益。

这里请注意，这种基于垂直行业的数据训练，是OpenAI或谷歌这种通用大模型公司，永远无法「算」出来的。

而这正是中国城市AI竞争的优势——不是比拼谁的智算中心多，而是比拼谁能将算力，最有效地嵌入到自身的科研、制造、物流等真实的「物理应用场景」中。

03

AI下半场：刺破泡沫，走进现实

在AI的物理应用场景中，具身智能，特别是人形机器人，无疑是最具有代表性的。

1. 人形机器人的「泡沫」

虽然前景广阔，但人形机器人目前也面临着「泡沫化」质疑——

目前，人形机器人产业还处于早期阶段，绝大多数企业年产量都不足千台，远谈不上规模化；平均BOM（物料清单）成本高达40万人民币，这离马斯克设想的2万美元目标相差甚远。

▼

目前，人形机器人中教研、科研、展示的种类居多，

真正能干活的是少数

（图为本田已停止研发的阿西莫）

（来源：网络开放平台）

即使，一台人形机器人能替代2名工人，每年大约能节省14万元的人力成本，但目前机器人的设备折旧+维护费用平均达18万元/年，这会导致企业越用越亏。

而且，成熟的专用自动化设备（如六轴机械臂、AGV小车）在效率、精度和成本上仍然吊打人形机器人。

摩根士丹利更是直言不讳地指出，当前人形机器人的工作效率仅为人类的20%-30%，难以达到商业化部署的阈值。

硅谷初创公司K-Scale Labs的倒闭成为了警示。这家公司在烧光融资后，因资金链断裂和量产困难，被迫退款关停。对于人形机器人来说，只靠讲故事融资，不谈现实应用的窗口期关闭了。

▼

明星企业1XTechnologies的产品今年将进入家庭，

虽只能进行简单任务，

复杂任务需要员工通过VR头显远程操控完成，

但对投资人来说应用前景是有价值的

（来源：1x官网）

2. 破局的关键：汽车工业的「商业闭环」

面对僵局，如何破局？是让机器人唱歌跳舞，杀入娱乐圈吗？

不，最有可能实现突破的是——汽车行业。

先来看一份名单：特斯拉（Optimus机器人）、比亚迪（与优必选、智元机器人合作）、现代（波士顿动力Atlas）、小鹏（Iron机器人）、小米（CyberOne机器人）丰田（T-HR3机器人）、宝马（投资Figure AI）、奔驰（投资Apptronik）。

这些不仅是汽车行业领军企业，也是人形机器人的领先企业，它们正在成为人形机器人赛道中最「激进」的推动者。这绝对不仅是为了炒高市值，而是基于深刻的产业同源逻辑。

▼

CES上，波士顿动力宣布

Atlas正式从科研原型进入量产阶段，

首批将运往现代汽车

（来源：BostonDynamics）

第一，技术同源。

智能汽车本质上就是「轮式机器人」。特斯拉FSD所使用的端到端神经网络、环境感知技术，与人形机器人技术有80%的重叠。小鹏汽车在训练车辆识别路边的行人时，它们实际上也在训练机器人如何识别工厂里的工友，算法是可以复用的。

第二，供应链同源。

如果你拆开一台电动车和一台人形机器人，会发现两者的相似性：它们都需要高密度的电池、热管理系统、高扭矩电机、激光雷达、摄像头、AI芯片等。

车企每年采购数百万个电机，这种规模效应，能让他们能以极低的价格获取机器人所需的部件。这是任何单纯做机器人的创业公司，都无法比拟的成本优势。

▼

自动驾驶车辆上的激光雷达

（来源：网络开放平台）

第三，场景闭环。

机器人创业公司，最头疼的是找不到场景测试，因为没有工厂愿意暂停流水线来给你训练。但车企不同，他们拥有自己的工厂。

如优必选的Walker机器人已经进入蔚来和比亚迪的生产线，执行安全带检测、车门锁检测等任务。这形成了一个绝佳的数据闭环：机器人工作→出现错误→数据回传→模型优化→机器人升级。

没有任何其他行业，能提供如此高频、标准化且有高价值的「物理AI」训练环境。

▼

机器人需要大量物理环境的训练

（来源：网络开放平台）

即便未来，机器人要大规模进入家庭做服务，车企也有优势。因为，研究用户从驾驶到生活的方方面面是他们的标准动作，更何况自动驾驶未来的竞争对手是「客厅」。

这也意味着，对于那些身处汽车产业链上的城市而言，应该开始行动，主动加入AI竞争的下半场，而不是只在观望。

04

城市战略抉择：从「淘金」到「造铲」

好，既然AI的发展方向明确了，各个城市该如何在AI浪潮中找到自己的位置？答案不在于盲目跟风，而在于发挥「因地制宜」的优势。

1. 一线城市的领航

对于北京、深圳这样的科技策源地，拥有顶尖的资源，要力争成为领航者，但要因地制宜制定适合自己的策略。

北京：由脑入体，定义标准。

这是一条自上而下的路径。借助清华、北航等顶尖高校资源和智源研究院等机构，北京正致力于做一件最难的事——定义机器人的标准和操作系统。

例如「天工」平台，旨在制定行业标准并构建开源生态。它的目标是将机器人的「大脑」（大模型）与「小脑」（运动控制）解耦，让开发者能像开发小程序一样，开发机器人应用。

▼

北京亦庄机器人大世界博物馆

此外，北京还在推进「世界模型」的研发，例如极佳视界的GigaWorld，让机器人在虚拟世界中模拟物理规律进行预训练，在进入真实世界前就积累足够的经验。

深圳：由体筑脑，极速迭代。

深圳利用其无与伦比的硬件供应链，倒逼AI进化。在深圳南山，一个创业团队早上设计出PCB电路板，中午就能打样，下午就能在华强北买到电机，晚上就能组装出原型机。

这种以「周」甚至「天」为单位的迭代周期，是硅谷（往往需要数月）无法想象的。

优必选、大疆等企业通过规模化生产，将海量设备产生的交互数据反向「投喂」给AI，通过汇集物理世界的可能性，让机器人在实战中快速变聪明。

▼

深圳的AI已经延伸至低空经济领域

2. 制造业城市的突围：

抢占高价值环节

多数城市，并不具备北上广深的优势，那么机会在哪里？

机会在于高价值核心部件的突围。

以人形机器人核心硬件为例，运动执行系统（控制机器人位置、动作、角度）占据了机器人总硬件成本的50%以上。

如果再细分，线性执行器（将电机旋转运动转化为直线运动）、行星滚柱丝杠（核心机械传动部件）等又是运动执行系统的核心。对于一些城市来说，这就是机会。

▼

人形机器人核心硬件及特斯拉人形机器人成本构成示意

宁波：关节部件的隐形冠军。

宁波，借助汽车零部件产业基础，把做汽车零件的精密制造能力，完美平移到了机器人核心部件上。

如拓普集团，借助在汽车底盘系统和精密零件制造方面的经验，研发出机器人所需的旋转执行器和直线执行器。现已成为特斯拉Optimus的核心供应商，独家供应其腿部和腰部的线性执行器总成。

▼

宇树科技智能应急机器人产业园「落地」宁波海曙区

（来源：图虫创意）

常州：攻克「工业皇冠上的明珠」。

线性执行器核心机械传动部件，是行星滚柱丝杠。它的制造难度极高，磨削精度要求微米级，此前长期被瑞士和瑞典企业垄断。

常州通过引导原本在液压、精密机械领域具有深厚积淀的企业进行技术平移，切入机器人核心供应链。像常州恒立液压，也进入了特斯拉Optimus的产业链，被列为丝杠环节的核心标的。

▼

常州力争今年实现年产机器人整机10万台，

产业总规模突破500亿元

（来源：图虫创意）

佛山（顺德）：系统集成者。

佛山则选择了系统集成路线。依托美的集团及其收购的库卡（KUKA），顺德正在建设「机器人造机器人」的基地。

美的-库卡智能制造科技园不仅生产机器人，更重要的是输出产线集成方案。他们卖的不是单一的机器人，而是「无人化工厂」的交钥匙工程。

▼

佛山全市工业机器人年产量占全省14.3%；

顺德机器人制造产业集群

成功入选国家级中小企业特色产业集群

（来源：图虫创意）

传统企业：「换道超车」。

更令人惊叹的，是那些看似不相关的传统企业。例如，三花智控本来是做空调阀门的，但他们意识到机器人，本质上是一台发热巨大的硬件设备。

于是，他们将空调热管理技术平移，有效解决了机器人关节的散热问题，使机器人能持续工作8小时以上，并研发出了高精度的伺服电机。三花智控已在墨西哥建厂，直接配套特斯拉的北美生产线。

再比如南山智尚，本来是一家做精纺羊毛西装的纺织企业。当他们研发出超高分子量聚乙烯纤维后，发现可以作为机器人的「肌腱」和「皮肤」，成为小鹏机器人、智元机器人、银河通用等多家头部企业关键材料供应商。

05

人的回归：AI浪潮下的「紫领」崛起

技术讲完了，最后我们必须回到「人」的话题。

AI的高速发展，引发了西方社会AI替代人的普遍焦虑，甚至有人担心会发生21世纪的「卢德运动」。然而，在中国AI落地过程中，我们看到了一个截然不同的未来：「紫领」阶层的崛起。

什么是「紫领」？简单说，就是兼具「蓝领」动手操作能力和「白领」管理创新能力的复合型人才。

罗振宇2026「时间的朋友」跨年演讲提到了一个真实案例：安徽芜湖海螺水泥的一位老师傅，他将自己的经验教给AI，于是AI接手了他的活儿，甚至干得比他稳。

但老师傅并未失业，而是转去调试AI算法了，参与推动全公司的AI转型，成为人工智能事业部部长助理。

在佛山、常州的工厂里，一名熟练的机器人调试与维护工程师，其薪资往往高于传统流水线工人两倍。预计到2035年，中国对「紫领」人才的需求将超过3100万，这是一个巨大的就业蓄水池。

也就是说，至于那些「脱实向虚」的发达国家，是否出现AI大规模替代人的情景我们不得而知；但身为制造业大国的中国，AI并没有主动淘汰人，但会淘汰那些不愿意拥抱AI的人。

▼

1月7日，工信部等八部门印发

《「人工智能+制造」专项行动实施意见》

旨在加快推进人工智能技术在制造业的融合应用，

这意味着城市「智造」要在2027年实现深度应用

总结来说，我们AI发展也走过追随美国的路线，但后来被技术封锁，才摸索出如今的发展路径。

对于城市而言，AI真正的机遇不在于复制硅谷模式的能力，而在于是否充分发挥「世界工厂」的深厚底蕴，将物理世界的复杂性转化为数据优势，推动AI应用的加速。

虽然，这样的AI发展路径，并不炫酷，甚至看起来非常细碎，但积小胜才能成大胜！