輝達（美：NVDA）聯合創辦人兼CEO黃仁勳在美國拉斯維加斯消費電子展（ CES） 展會上宣告，人工智能（AI）正式邁入全新階段──「物理 AI（Physical AI）」時代。AI從理解語言，進化到理解物理世界，是真真正正的走入工廠和城市。本文嘗試以最淺白的文字，來解釋「物理 AI」為何物。
過去十多年，AI
的主戰場在數位世界，負責理解文字、圖片與語音，如今黃仁勳直言，AI
已走到「第二個拐點」，接下來AI
將開始「理解並改變現實世界」的「物理AI」時代。
黃仁勳所提出的「物理AI」，簡單來說就是能看、能想、能動手的AI，它讓人工智能從「螢幕裡的對話框」走出來，進入真實世界，成為會自主行動的機器人或智能系統。
如果以上解釋仍然太抽象，可試把「物理AI」想成是擁有了身體和感官的AI大腦。傳統的ChatGPT很會聊天、生成圖片，但它只存在於數碼世界（或虛擬世界）。
「物理AI」則被裝進機械人、電動車裡，透過感測器「看到」環境，用AI大腦「理解」狀況，再指揮機械手臂或輪胎「動手做事」。
為甚麼說「物理AI」是下一個大浪潮？
黃仁勳稱「物理AI」是AI的「第二個拐點」，而據悉「第一個拐點」是指「ChatGPT時刻」，即AI技術路綫清晰後，有更多參與者加入、更多用例出現，同時工藝進步顯著，效率加快提高，亦即2024至2025年的一系列大語言模型（LLM）。「第二個拐點」便是「物理AI」的普及。
「物理AI」的重要性在於：
產業升級核心：全球有上千萬座工廠與倉庫，物理AI能徹底改變其依賴人力的邏輯，成為關鍵動能。
AI的終極演進：從「軟體代理人」進化為「具身智慧體」，能實際執行任務。
「ChatGPT時刻」已到：黃仁勳指出，機械人產業已迎來如同當年ChatGPT般的爆發時刻，將走向普及。
如何打造「物理AI」 ？
在真實世界訓練機械人成本高且危險，因此物理AI的訓練依賴一套「虛實融合」的方法：
1.建立「數字孿生」訓練場：根據輝達網頁介紹，在電腦中（如NVIDIA
Omniverse平台）建立與真實世界物理規則完全一致的高擬真虛擬環境。
2.在模擬中「瘋狂試錯」：讓AI在虛擬環境中，透過強化學習進行數百萬次的試錯訓練，安全快速地學習技能。
3.生成海量「合成資料」：至於自動駕駛，可利用模擬產生多樣化的訓練資料（如不同天氣、光綫的駕駛場景），解決真實資料難以取得的問題。
4.部署到現實世界：將在虛擬世界中訓練成熟的AI模型，部署到實體的機器人或自駕車上運行。
物理AI正在改變哪些領域？
總括而言，人類的未來將少不了物理形式存在人工智能機械人。科幻電影世界裡的人與機械人共同生活在一起的畫面，將在不久將來實現。
馬斯克：請做好3年內失業準備！（職場人士必讀） 黃仁勳宣告「物理
AI」時代已到 未來世界會如何？
AI革命｜記憶體為何成為關鍵戰場？
AI未來藍圖
Microsoft揭示2026年值得關注的七大趨勢
AI年代 省油的燈
CPO概念大熱
數據中心有幾大 唔係睇面積？
買H200 換三兩年窗口空間
科技重構金融機構營運：從「數字原生」邁向「AI原生」 電動車電池新挑戰者 三星「白銀電池」
數據中心AI不AI 成本有大分別
亞馬遜新芯片硬撼Nvidia
Google？ AI眼鏡｜科網巨頭早已插旗穿戴設備 阿里「夸克」能引領潮流？
馬斯克豪言自製芯片 願景每年迭代戳破AI泡沫？
AI芯片競賽｜日本政府豪掟1500億元 誓推2納米芯片本地產
Google強勢發布Gemini
3 Sam Altman感寒意？
2026年美國電子消費展（CES）上，輝達（美：NVDA）聯合創辦人及CEO黃仁勳花上一個多小時描繪AI未來，指出「物理AI」（Physical
AI）時代經已降臨，然而當中記憶體和儲存卻放在了前所未有的戰略位置上。記憶體（Memory）為何成為A關鍵戰場？
黃仁勳表示，「我們所處理的上下文記憶、符元記憶以及KV快取（Cache）的數量，已高到傳統儲存系統難以跟上的地步。」
- 所謂「KV快取」，其實是一種在芯片神經網路（Transformer） 架構中用來加速推論（Inference）的記憶體快取技術。 它幫助模型「記住」先前的計算結果，避免重複運算。 每當模型產出一個詞，它會把這個詞的關鍵資訊（Key
和Value）記下來。 下一次要產生新詞時，它只需要參考這些筆記，而不必從頭重新整理所有上下文。
AI記憶體需求儼如黑洞
黃仁勳焦慮的是當前AI基礎設施面臨的記憶體瓶頸。AI運算過程需要大量記憶體，芯片運算速度再快，如無足夠記憶體支持，也發揮不出來。因此，各AI企業除了搜羅芯片以提高運算速度外，還需要足夠的記憶體來為AI「輸血」
黃仁勳指出，AI模型市場規模每年以10倍的速度成長，AI運算能力及資料數據吞吐量呈現指數型增長。
這種爆炸性需求直接體現在市場上，如記憶體大廠美光（Micron）2026年高頻寬記憶體（High
Bandwidth Memory，
HBM） 產能已提前全數售罄。
價格方面，以
64GB RDIMM（帶寄存器的雙列直插記憶體模組） 價格為例，市價由
2025 年第三季的 255 美元、到第四季
450 美元，至 2026 年 3 月將漲至 700 美元（約港幣
$5,450），這大半年間升幅175%。
記憶體如DRAM、NAND、SSD、HDD、HBM及HBF是甚麼？詳見：儲存芯片加價潮
DRAM和NAND等有何差異？
記憶體短缺導致AI研發成本上升，更令黃仁勳擔心的是，賣方市場徹底主導了記憶體行業，三大原廠（SK
海力士、三星、美光科技 ）配額制成為新常態。
傳統的「記憶體金字塔」分為頂端、中層和底層，而AI讓整個金字塔都變得更為吃緊。
頂端的HBM因頻寬與延遲優勢成為AI時代的戰略物資；中層的DRAM由於AI應用的長期佔用而變得稀缺；底層的儲存則因為要承接龐大的狀態與數據，也成為不可或缺的基座。
而由於AI對話越來越長、上下文越來越複雜，傳統的儲存架構已無法滿足需求。
從算力附屬到平台資產
輝達在CES
2026上發布的Vera
Rubin平台揭示了AI儲存架構的根本性變革。據悉，用Rubin可以節省9成運算時間。這不僅是一次產品升級，更是對記憶體角色認知的重新定義。
黃仁勳表示，AI基礎建設已經全面改變儲存市場架構。 過去記憶體一直被視為「算力附屬品」，如今則轉變為「平台資產」。
這種轉變的核心在於，KV
快取從臨時存儲的「暫存資料」升級為一種「可被共享、可被調度、可被保護」的系統級記憶體資產。
傳統AI推理路徑中，DDR記憶體只是HBM不夠用時的備胎。在新的架構下，隨著KV
快取被移到橫向擴充儲存（Scale-Out）儲存記憶體中，DDR重新回到「控制、排程、資料結構管理」的核心角色。
據悉，記憶體在高端AI
個人電腦（PC）的物料清單成本佔比已高達25%以上。記憶體成本的壓力已傳導至終端。戴爾、惠普、聯想等品牌廠商紛紛發出加價信號，部分機型漲幅高達30%。智能手機廠商如小米也警告記憶體成本飆升，可能導致產品價格上漲。
放眼未來，SanDisk
CEO David Goeckeler 預測，2026年數據中心NAND快閃記憶體需求將首次超越移動領域。SK海力士則透露，其2026年NAND產能已經全部售罄。
當記憶體不再只是硬體零件，而成為AI系統的工作記憶時，整個半導體行業的競爭規則已被永久改寫。
No comments:
Post a Comment