AI 走进物理世界：人形机器人、具身基础模型与真实环境操作能力的进展追踪。
今年 CES 来了超过 14.8 万人、4100 多家参展商，中国公司占了将近四分之一，在 AI 硬件和机器人区域尤其扎堆。作者临时决定去现场，结果发现中国厂商已经不只是“便宜量大”的路子——家用清洁机器人在美国市场把 Dyson 和 Shark 的份额抢得很凶，庭院设备也大多来自深圳，外观做得让人看不出是中国品牌。人形机器人展台围满了人，宇树甚至搭了...
推荐理由：这篇是 CES 现场观察，核心判断是：中国科技公司的乐观来自制造和供应链的迭代速度，不是单点技术突破。文章用 14.8 万参会者、4100 多家参展商、中国展商近四分之一这些数字撑住了场面感，也把联想 Qira、Nvidia Vera Rubin、AMD Helios 这些产品拉出来，说明竞争焦点正转向云端和混合 AI。我会先打个折：正文没给出货量、营收或订单数据，所以判断还停在趋势信号层面，但作为行业风向标，这篇值得一看。
何小鹏在 2026 年 1 月 8 日的新车发布会上说，未来最好的 AI 公司都会选择自己定制芯片，这决定了 AI 产品的性能上限。小鹏当天发布的四款新车全部用上了自研的图灵 AI 芯片，其中 Ultra SE 和 Ultra 版本还搭载了第二代 VLA 模型（视觉-语言-动作模型，让车能像人一样理解路况并做出驾驶决策），号称能实现初阶 L4 级辅助驾...
推荐理由：这篇不是空喊口号，而是用4款车、三档芯片配置和欧洲路测把路线图摊开了。我会先打个折：这还只是规划披露，不是已量产交付的事实，所以放在featured里偏保守的那一端。真正值得盯的是“自研芯片+自研模型+自建部署”这条链条，它把性能天花板从供应商手里拿回来了，对行业比单一产品发布更有长期影响。
NVIDIA 在 CES 2026 上宣布，由六颗芯片组成的 Rubin AI 平台已经进入全面量产。最直接的好处是生成 token 的成本能压到上一代平台的十分之一左右。Rubin 的 GPU 在 NVFP4 精度下推理算力达到 50 petaflops，并且通过一个叫 KV-cache 的存储层把性能又提升了 5 倍。另外，他们还发布了一套叫 Al...
推荐理由：HKR-H 成立，因为 Rubin 进入量产状态本身就是信号，不是路线图更新。HKR-K 靠 50 PFLOPS、5 倍吞吐和约 1/10 成本这几组数字撑起来，比口号实在。HKR-R 成立，因为推理经济学和 NVIDIA 的节奏仍然牵动整个行业，不过公司博客的包装感让它到不了 90 分。
NVIDIA 在 CES 上展示了两台桌面设备 DGX Spark 和 DGX Station，能在本地跑 1000 亿到 1 万亿参数的开源模型。DGX Station 有 775GB 的统一内存，可以把模型压缩到 NVFP4 格式，压缩率最高 70%，跑 llama.cpp 时推理速度平均提升 35%。现场还演示了每秒处理 25 万个 token ...
推荐理由：HKR 三项都站得住：桌面跑大模型的 hook 够强，性能数字和演示数据把事实撑住了，而且整件事指向本地开发闭环能不能替代部分云端迭代这个真问题。不过说到底这是英伟达的产品发布，性能证据都来自厂商自己的演示，我会先打个折，所以重要性停在 75 分。
新款奔驰 CLA 会成为美国市场第一辆用上 NVIDIA DRIVE AV 的量产车，今年底交付。这套系统是双架构设计：核心驾驶决策靠一个端到端 AI 模型，同时外面包了一层基于 Halos 的传统安全校验模块，用来兜底。功能上支持点到点辅助驾驶、城市道路导航、主动避撞和自动泊车，后续还能 OTA 升级。不过，博客里没提这套系统要加多少钱、用了哪些传感...
推荐理由：我会先打个折：正文没披露传感器配置、具体价格和 ODD，所以没法判断这套系统到底多能打。但亮点在于量产时间给了，双栈设计把端到端驾驶和传统安全冗余绑在一起，不是纯 demo。对从业者来说，这是看端到端方案能不能过车规安全关的一个真实样本，所以放在 featured 低位。
NVIDIA 在 2026 年 1 月 5 日放出了一批新的开源模型和数据集。语言模型方面，有 Nemotron 系列的新成员，专门做语音、外挂资料库（RAG）和安全对齐；还有一个叫 Alpamayo 1 的模型，正文没具体说它擅长什么。物理 AI 这边，Cosmos 系列更新了 Reason 2、Transfer 2.5 和 Predict 2.5 ...
推荐理由：NVIDIA 这次不是发一篇通稿，而是把 Nemotron、Cosmos、GR00T、Clara 几条线的模型、数据集和工具一起开源了。我会先打个折：所有信息都来自厂商自己，没有第三方验证，实际可用性还得看后续社区反馈。但光看披露的数字——10 万亿 token 文本、50 万条机器人轨迹、100TB 车载数据、45.5 万个蛋白结构——规模确实够大，而且覆盖了代理、物理 AI、自动驾驶和生命科学几个热门方向。具体到模型，Nemotron Speech 做语音、Cosmos Reason 2 做推理、GR00T N1.6 做人形机器人、Alpama...
华为云AI算法创新Lab前主任朱森华2025年10月离职，创办了具身大脑公司“具脑磐石”，两个月内拿到数千万元种子轮融资，投资方包括乐聚机器人等。朱森华是脑神经科学博士后出身，团队想做的是用脑认知启发的方式改造现有的具身智能VLA模型——相当于给机器人视觉-语言-动作模型加一套算法“外挂”，模仿人脑的抽象概念学习和选择性注意力机制，目标是减少对海量数据...
推荐理由：这条值得放进精选。前华为云具身负责人出来单干，拿了数千万种子轮，故事本身就有信息量。公司说用脑认知的思路改VLA，原型数据挺好看：部署效率+40%，数据需求-90%。我会先打个折，因为全是公司自报，没有公开基准测试、客户数或规模化部署数据。正文没披露具体技术细节和验证规模，这点先别太激动。但它的商业路径说得清楚——先做外挂、先打亚太商服和工业场景，海外客户甚至接受只替代50%-70%人力，这个务实程度在具身智能创业里不多见。