2026年国际消费电子展（CES）将主题定为"定义AI的物理边界"，吸引了全球科技行业的广泛关注。本届展会的一个显著特点是，讨论焦点从纯粹的算法和模型，转向了人工智能在物理世界中的具体应用与落地挑战。英伟达首席执行官黄仁勋在展会期间发表了主题演讲，系统阐述了其对"物理AI"发展趋势的看法，并介绍了公司相应的技术布局。他的观点，连同展会中其他厂商的展示，共同指向一个核心议题：面向未来复杂AI任务的新型算力基础设施 与AI算力租赁服务模式，正在成为支撑产业创新的关键。
01 展会整体风向：务实与融合成为主旋律
与往年相比，CES 2026呈现出更强的务实与融合特征，一个覆盖"感知-决策-执行"链条的物理智能生态初步显现。
-
展示重点转移 ：超过四千家参展商的展示内容显示，行业焦点已从单一的设备智能，转向了端、边、云协同的体系化能力。无论是机器人、智能汽车还是AI PC，其展示的功能都更加强调与云端AI算力的实时协同与互补。
-
商业逻辑深化 ：展会揭示出一个逐渐清晰的商业共识：终端设备的智能水平，在很大程度上取决于其能否高效、经济地调用后方AI算力 资源。这一趋势正推动企业对弹性、专业的算力租赁 服务产生更深入的需求，以应对非均匀的算力消耗。
02 英伟达的"物理AI"阐述：强调理解与交互
黄仁勋在演讲中重点诠释了"物理AI"的概念，认为下一阶段AI发展的关键在于让智能系统能够理解、推理并与物理世界进行安全、有效的交互。
-
技术内涵 ：他指出，实现这一目标需要AI不仅能处理数据，还需建立对物理规律和因果关系的认知模型。这对底层AI算力提出了新的要求，即需要高效支持大规模仿真训练、实时环境感知与多模态决策。
-
公司策略方向 ：相应地，英伟达宣布其技术路线将更加侧重于为自动驾驶、机器人等需要与物理环境深度交互的领域提供全栈解决方案。这预示着相关领域的研发与部署，将对专业化、大规模且成本可控的AI算力产生持续需求。
03 硬件与生态布局：效能提升与门槛降低
为应对上述需求，英伟达在CES期间公布了其在硬件平台与开发者生态方面的最新进展。
-
Vera Rubin平台亮相 ：新发布的Vera Rubin计算平台采用了集成化的设计思路，旨在提升运行复杂AI任务（尤其是涉及物理仿真的任务）的整体能效。其目标是通过架构优化，在特定工作负载下降低单位计算任务的能耗与成本。
-
推动开发生态 ：通过开源部分基础模型并开放仿真工具，英伟达试图降低物理AI应用的开发门槛。一个更庞大的开发者社区，意味着更丰富、更分散的创新场景，这将进一步催生对灵活、易获取的云端AI算力租赁服务的需求，使开发者无需预先投入重型硬件资产。
04 行业多元竞争：差异化方案满足不同需求
CES 2026也是观察全球半导体行业竞争格局的窗口。主要厂商展示了差异化的AI算力产品策略，反映出市场需求的多元化。
-
AMD的全面布局：AMD同时发布了面向数据中心的云端加速芯片和面向终端设备的边缘AI处理器，强调了其覆盖不同场景的产品组合能力。
-
英特尔聚焦边缘侧 ：英特尔则着重展示其在AI PC处理器上的进展，致力于提升终端本地的推理效率。这种"云端训练、边缘推理"的协同模式，实际上加强而非削弱了企业对混合算力 架构的依赖，使得能够灵活调配资源的算力租赁与调度服务变得更为重要。
市场分析认为，多样化的技术路线为下游企业提供了更多选择，但也增加了自建算力设施的技术复杂性与投资风险。因此，采用可动态调整的第三方算力租赁服务，正成为越来越多企业平衡性能需求、创新速度与成本控制的一种务实策略。
05 终端应用提速：算力消耗场景具体化
本届展会上，各类AI终端设备展示了更强的实用性和更明确的应用场景，使得AI算力的消耗从抽象概念转化为具体可测的商业支出。
-
AI PC进入普及阶段 ：主流PC厂商普遍将专用AI引擎作为新产品的标准配置，用于支持本地化的智能助理等功能。这些功能往往需要与云端大模型协作，产生持续的、低延迟的算力调用。
-
机器人走向特定场景 ：应用于物流、陪伴、清洁等特定场景的机器人产品显著增多。每一类机器人的算法迭代、技能训练以及在虚拟环境中的海量测试，都构成了对云端AI算力 的稳定消耗。对于机器人公司而言，算力租赁支出正成为其核心运营成本之一。
06 基础设施演进趋势：效率与可持续性并重
综合展会信息，未来AI算力基础设施的发展呈现出两个值得关注的趋势。
-
趋势一：混合与弹性成为算力供给的普遍形态 。企业将依据任务特性，动态组合使用自有算力与租赁算力。对于研发测试、应对业务峰值等弹性需求，通过公共云算力租赁 平台获取资源已成为高效且经济的选择。未来，一个能够实现跨平台、跨地域算力资源高效调度与交易的市场机制可能逐步成熟。
-
趋势二：算力效能的评价维度趋于综合 。随着AI应用规模扩大，单纯追求芯片峰值算力已不足以应对全局挑战。业界关注点正转向提升从芯片到系统、再到软件栈的全栈效能 ，以及降低算力 的总体拥有成本。其中，能源效率 （每瓦特性能）成为关键指标，推动液冷、可再生能源利用等绿色技术在新一代算力中心中得到更广泛的应用。
总结与展望
CES 2026所呈现的技术路径表明，人工智能正在深入物理世界，解决更为复杂的实际问题。这一转变对支撑其发展的算力基础设施提出了更高要求：它需要更高效、更灵活、也更经济。
在这一背景下，AI算力 作为一种核心生产资源，其供给模式正在从集中自建向"混合弹性"演进。专业的算力租赁 服务，通过提供可规模化和按需取用的资源，有望降低创新门槛，帮助更多企业应对技术快速迭代中的不确定性与成本压力。未来行业的竞争，或将部分体现为对优质、高效AI算力资源的整合与运营能力。