今年CES最醒目的關鍵詞，非“物理 AI”（Physical AI）莫屬。
它不再是那個只會聊天、畫畫的虛擬大腦，而是正在進化出“手腳”——正如黃仁勛所說，AI正從數字世界邁向物理世界，它不僅能理解數據，更要感知環境、操作設備，在真實場景中完成任務。
英偉達在大會上給出的技術路線圖相當清晰：以Rubin平臺為算力基礎，結合Alpamayo模型體系，正在把“視覺—語言—動作”整合為一個可持續運行的閉環系統。由此，機器人不再只是沿著預設軌跡執行指令的“自動設備”，而是能夠在真實環境中持續感知、即時推理并動態決策的具身智能體。更重要的是，這一轉變并非停留在技術演示層面，而是為制造業打開了一條經濟可行的落地路徑——企業可以將AI能力直接嵌入生產流程，在關鍵節點實現實時質量控制、柔性調度與能源優化。
CES現場的畫風，也因此發生了變化。過去幾年，機器人更多是在展臺上跳舞、翻跟頭，用“表演”證明存在感；而今年，大家開始比拼誰更能完成真實任務。從LG的CLOiD到SwitchBot的Onero H1，展臺演示的核心已轉變為在混亂、不規則的現實環境中，完成“正確抓取、放置與執行”的真實任務。動作或許仍顯生澀，但信號已十分明確：AI正從“會走路的展品”，加速進化為“可融入生產體系的潛在生產力”。
這并非簡單的技術炫技，而是自動化進入“深水區”的顯著標志。從制造業視角看，其深層意義在于：那些曾因工序瑣碎、變化頻繁、高度依賴人眼與經驗而長期被視為“自動化死角”的柔性環節，正在被重新撬開。更務實可行的路徑，往往不是一步到位的全面替代，而是從重復抓取、異形分揀、局部裝配等最辛苦、最不穩定、最難標準化的環節切入，讓AI先在關鍵崗位上站穩腳跟。
當最難的那一塊被拼上，制造業從自動化走向智造，才真正具備可持續演進的基礎。
在CES 2026上，Matter協議被海外媒體反復提及。這個最初面向智能家居的互聯標準，之所以成為焦點，并不只是因為“更方便”，而是因為它直指一個長期被忽視的問題：如何讓不同品牌、不同年代、不同能力的設備，真正說同一種語言。
這套邏輯，放到工業領域并不陌生，甚至可以說正中痛點。工業4.0被討論了十多年，真正卡住智能化進程的，往往不是算法不夠先進，而是系統之間始終存在一堵“看不見的墻”。
在很多中國工廠里，這種割裂尤為典型：PLC來自不同廠商，機器人、機床、產線設備各自成體系，單點設備并不落后，但數據卻被切割成碎片。系統之間一旦無法打通，再聰明的AI，也只能在局部環節做優化，難以形成整體價值。
從制造業實踐來看，連接的深度，決定了智能的上限。如果底層數據無法順暢流動，AI 再強，也只能“各自為戰”，無法真正參與到跨工序、跨系統的決策中。
正因如此，鼎捷更關注的，并不是單點應用的炫技，而是更基礎、也更關鍵的能力建設——底層連接能力。基于鼎捷雅典娜數智原生底座，我們所做的，是讓不同品牌、不同年代的工業設備，能夠在統一的數據體系中被感知、被調用、被協同。這并不是對Matter的簡單復刻，而是一種面向復雜制造現場的“工業級互聯能力”。
只有當數據真正流動起來，那些看似遙遠的AI應用，才有可能在車間里穩定運行，并持續放大價值。
AI 的想象力，最終取決于連接是否真實存在。這，才是互聯標準背后，最值得制造業企業關注的真相。
今年CES上，一個變化格外明顯：AI還在，但“炫技”少了。取而代之的，是一個更現實、也更殘酷的評判標準——能不能真用。
在消費級場景中，這種變化體現為更細分的硬件形態、更明確的使用邊界；而放到B端，答案其實更直接：AI的價值不在于替代人，而是讓人從重復勞動事務中解放，成為每個崗位的“超級助手”，并為人創造全新的生產力。也正因為如此，工業AI正在從“看起來很強”，走向“用起來很值”。
在研發端，AI不再只是“畫圖工具”，而是能一起干活的“設計搭子”。在很多企業里，研發往往是最早被AI圍觀、卻最晚真正受益的部門。原因并不復雜：能畫，不代表能改；能生成，也不代表理解工程約束。
在鼎捷的PLM+AI場景中，AI的角色不再是簡單的“畫圖機器”，而是直接參與設計決策。工程師可根據訂單要求輸入內容，AI直接生成改型設計圖紙，設計周期壓縮95%。相比CES上偏展示性的AI應用，這類能力真正影響的，是設計效率、試錯成本，以及整體項目周期。
在經營端，老板不需要更多報表，而是一個“能回答問題的助手”。CES上出現了不少“個人數據庫”設備，主打幫個人記住一切；但在企業里，真正的難題從來不是數據太少，而是——數據太多，卻沒人能立刻給答案。
AI Agent基于企業級數據底座，能夠快速完成影響分析和情景推演。它不是在預測未來，而是在幫管理者把已經發生、正在發生的事情，看得更清楚。
當AI從“展示能力”轉向“承擔角色”，工業AI才真正告別了空中樓閣。對制造業來說，重要的從來不是AI看起來有多聰明，而是它是否真的能在關鍵崗位上，把事做好。
站在2026年的門口，面對CES展示的技術洪流，中國制造業企業更需要的，并不是更多概念，而是一條清醒、可執行的行動路線圖。
啟動“定點突破”，避免“全面開花”
物理AI的落地，并不適合一上來就追求全產線覆蓋。更現實的路徑，是優先鎖定那些重復性高、工序碎、物料形態不穩定的環節——例如二次分揀、非標裝配、柔性搬運等。通過具身智能完成小范圍驗證，讓AI先在關鍵崗位站穩腳跟；當最難的那一塊被驗證成功，智能化的復制，才真正具備規?；A。
許多企業的AI焦慮，并不來自技術落后，而是底層系統的“時代斷層”。你無法把2026年的高性能AI Agent，接入1990年代的Excel報表或封閉的ERP體系中。對決策者而言，更重要的不是追逐最新模型，而是優先完成軟基建升級——打通部門與系統之間的屏障，構建穩定、可擴展的“企業數字神經系統”。只有底座打通，AI才能真正參與決策，而不是停留在演示層。
未來企業的競爭力，并不取決于有多少人，而取決于AI在組織中的應用密度。數智化的本質，也不是用系統約束人，而是讓人從重復勞動中解放出來。當錄單、統計、校對等高消耗工作被AI Agent接管，員工的角色應逐步轉向“訓練者”和“決策者”，讓人的判斷力，成為AI放大效能的核心。
擁抱“安全型硬件”與網絡素養
隨著AI與IoT設備的大規模進入車間，網絡安全不再是錦上添花，而是智能制造的基本前提。調研顯示，已有超過一半的制造企業，將OT（運營技術）資產保護列為重點投入方向。對決策者而言，設備選型階段就應明確要求：安全啟動、固件簽名、身份校驗等能力必須內建，而非事后補救。
在AI時代，最稀缺的資源，不是算法，而是人的腦洞。
對于國內制造業企業來說，CES 2026傳遞出的最強烈信號是：技術普及的紅利期正在收窄，場景落地的競賽已經開始。
我們不必焦慮于是否擁有最先進的類人機器人，而應關注如何利用現有的AI能力，去解決那些最瑣碎、最損耗效率的環節。AI的價值，不在于它能像人一樣翻跟頭，而在于它能讓人不再像機器一樣干活。
產品行業
售前:
4006-600-577
