鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

4100家科技企业集结赌城 ,CES 2026揭开AI新战场

编程导航
编程导航
2026-01-05 23:50
阅读 180
编程导航
2026-01-05 23:50
阅读 180

作者 | 小小

出品 | 网易科技

美国时间1月6日,CES2026将在美国拉斯维加斯隆重开幕。在1月4日、5日,各企业率先发布了各自的旗舰产品。

今年的CES将全面恢复并超越疫情前的规模,成为真正意义上全球消费科技的“奥林匹亚”。预计参展商将超过4100家,参观者超15万人,来自150多个国家。

美国时间5日下午1点(北京时间6日凌晨5点),英伟达CEO黄仁勋的演讲预计将锁定“物理AI”。根据英伟达的预测,这一技术未来有望改造全球1000万家工厂。

围绕这一“物理AI”风口,中韩美三国的博弈格局已在CES展前预告中浮现:

美国与算力: 英伟达和AMD预计将发布最新的机器人芯片与AI工作站,意在掌控“物理AI”的大脑;

韩国与场景: 现代汽车预告将首秀波士顿动力的全电动Atlas机器人,LG和三星则计划展示能做家务的家庭机器人,试图定义应用场景;

中国与制造: 数据显示,本届CES中国参展商达915家,稳居全球第二。在人形机器人核心展区,中国厂商占据了38席中的21席。

一、“硅基劳动力”觉醒:中韩人形机器人肉搏战

今年CES最吸睛的画面,莫过于波士顿动力的下一代全电动Atlas人形机器人在现代汽车展台的全球首秀。

这位拥有360度全旋转关节的“机械巨星”,将由现代汽车集团会长郑义宣亲自登台介绍,其背后是整个现代集团向“软件定义工厂”(SDF)转型的野心。现代认为,成熟的SDF将是由数据和软件驱动的生产力核心,而Atlas已经在其佐治亚州的工厂进行试点,旨在直接挑战特斯拉Optimus和Figure AI的统治地位。

此外,该公司还将在展会上展示其四足机器人狗Spot和移动平台MobED。

然而,隔壁的中国军团显然不打算让Atlas独享镁光灯。中国的宇树科技,直接将这场科技竞赛拉入了“消费电子时代”。

他们在2025年12月31日于北京开设了全球首家人形机器人线下零售店,让顾客能像买电视一样以约8.5万人民币的价格带走一台G1人形机器人,甚至还提供京东物流配送。

在CES现场,宇树将展示曾赢得世界首个机器人格斗赛的G1,以及入门级R2和下一代H2型号。这种极致的成本控制让摩根士丹利曾发出警告:如果没有中国参与,建立同类供应链的成本将高出近三倍。

除了宇树,中国厂商正以规模优势发起全线冲击。今年38家人形机器人参展商中,中国占了21家。中国公司将在CES 2026的4119家参展商中占据915家,使中国成为仅次于美国、领先于韩国的第二大参展国。

智元的产量已突破5,000台,其展示的清洁机器人甚至能在全黑环境下自主导航;优必选则计划在2027年将产量扩大到万台规模。相比之下,特斯拉的Optimus据信目前仅生产了几百台。此外,加速进化(Booster Robotics)将通过RoboCup风格的小型游戏展示自然的运动控制,Widemout Dynamics则将带来能在极端环境下识别火灾的智能消防机器人。

参与规模直观展现了中国在先进制造与人工智能新兴前沿领域的快速崛起。分析人士指出,中国参展商的强势阵容,体现了国家层面协同推动、抢占人形机器人市场制高点的战略布局。

外国网友也惊呼:在机器人赛道,中国已不可小觑!

摩根士丹利去年12月的报告显示,过去五年中国在人形机器人领域的专利申请量达7,705项,显著高于美国的1,561项。这一优势已从技术积累延伸至产业实践,多家中国企业正加速推进规模化量产进程。

韩国巨头则试图从“温情”与“全能管家”角度突围。

LG电子将首次亮相家用机器人CLOiD,它拥有两只各具七个自由度的铰接臂和灵巧的五指手,其动作细腻到可以从冰箱取牛奶、用烤箱加热牛角包,甚至折叠刚洗好的毛巾。三星则将展示一款带有13.4英寸OLED“脸部”的AI机器人,通过模拟大学场景展示其与人类的沟通能力。

一位业内人士表示:“迄今为止,AI聊天机器人一直是全球AI产业的焦点,但以机器人、自动驾驶等行业为代表的物理AI将在未来几年成为下一个关键增长领域。”

二、算力与视觉的博弈:芯片巨头与家电的新“皮肤”

在机器人疯狂吸睛的同时,底层算力的博弈也将在拉斯维加斯进入白热化。

英伟达CEO黄仁勋在主题演讲中将重点介绍“物理AI”与机器人技术,并发布最新的游戏AI GPU和Spark本地AI工作站。英伟达预测,具身AI最终将改变全球1,000万家工厂和20万个仓库的运作方式。

作为回应,AMD CEO苏姿丰紧随其后将发布专为超快游戏设计的Ryzen 7 9850X3D CPU。

英特尔也不甘示弱,高级副总裁吉姆·约翰逊(Jim Johnson)将展示代号为Panther Lake的Core Ultra Series 3芯片 。这是首批采用英特尔备受期待的18A制程技术的产品,也是其扭转局面的关键 。

高通则由CEO克里斯蒂亚诺·安蒙(Cristiano Amon)领衔,继续推广骁龙X系列处理器,并可能发布针对物理AI系统的专项驱动计划 。

算力的进步将直接倒灌进家电领域。

三星、LG和海信今年将全线押注RGB显示技术,通过大量微型红、绿、蓝灯直接成像,彻底消除传统背光的色彩偏差,实现极致的色彩准确度和亮度。

电视正变得更像艺术品:三星将展示98英寸版本的The Frame电视,而LG的RGB电视系列将从75英寸起步,其艺术显示屏在“关闭”时看起来就是一幅活的画布。这种“艺术模式”与“表演模式”的分裂,正是家电AI化、环境化的缩影。

此外,手机市场也将迎来“怪咖”爆发。三星Galaxy Z Tri-Fold三折叠手机有望完成其西方首秀,这款拥有两个铰接链的设备展开后可变身为10英寸平板。摩托罗拉也暗示将推出带有木纹饰面的书本式折叠手机,试图在同质化的市场中寻找审美突破。

三、穿戴设备“大瘦身”:从生存工具到隐形监测

可穿戴领域在今年将迎来一次美学与功能的双重回归。

一方面,产品正走向能力边缘。Garmin Fenix 8 Pro MicroLED版将卫星消息和SOS功能集成在手腕上,成为一款伪装成智能手表的生存工具。Timekettle W4翻译耳机则利用骨传导语音捕捉与AI结合,力求在嘈杂的展馆现场实现真正的实时对话。

另一方面,科技正试图从用户身上“消失”。智能眼镜领域,随着Meta、谷歌和三星的密集落子,内置显示屏的眼镜将不再是科技幻想,而是逐步解决隐私痛点,成为日常伴侣 。

更有甚者,如VITAL Belt腰带,通过毫米波感测透过衣物监测生命体征,预示了预防性健康管理正朝着无负担、不可见的方向飞速迭代。

此外,像Dnsys Z1这样的消费级膝关节外骨骼,也将让科幻中的“动力腿”变成普通人可以体验的辅助工具。

甚至连宠物生活也将被AI重塑。Petkit将推出的Yumshare湿粮喂食器,通过摄像头监控和AI保鲜逻辑,确保宠物在主人不在家时也能吃到新鲜食物,证明AI正在渗透到生活的每一个微小缝隙。

四、软件定义出行:驾驶舱变成“计算环境”

现在的CES,本质上就是一个附带电子产品的移动出行展。

汽车不再仅仅是移动工具,而是被重新定义为可移动的软件平台。宝马将展示带有Panoramic iDrive的iX3,其横跨整个挡风玻璃的界面将增强驾驶视觉直接推入核心体验。

梅赛德斯-奔驰则将展示电动GLC,高度关注车内数字座舱的豪华体验。

飞行汽车的热度依然不减,小鹏的“陆地航母”车辆及可对接飞行模块创意,再次捕捉了展会那种大胆、甚至带点“荒谬”的原型机情绪。

而在这种想象力的落地背后,是像Mobilint MLX A1这样的边缘AI计算盒,它们将作为“离线大脑”,让车辆和机器人不再受制于云端延迟,在本地即可完成复杂的感知与决策。

结尾:当“物理AI”接管生活

从拉斯维加斯展馆内不知疲倦的机械手,到墙壁上随声而动的智能画布,CES 2026将向世界宣告了一个不可逆转的事实:AI已不再甘于蜷缩在屏幕背后,它正在通过“物理化”,接管我们真实世界的触觉与交互。

在这场划时代的博弈中,分工已然清晰:美国掌握着“大脑”(顶层算力与算法),中国正在极速构建“躯体”(极致制造与供应链),而韩国则致力于定义“场景”(家电生态与生活应用)。

走出展馆,或许我们该问的不再是“机器人何时到来”,而是当我们推开家门的那一刻,是否做好了准备,去迎接这些硅基新室友的共存?

原文链接: 4100家科技企业集结赌城 ,CES 2026揭开AI新战场
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
朱雀AI检测助手朱雀AI检测助手
🔥 热门文章
1
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
480
2
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
430
3
我的第一个出海产品!7 天 2 万
370
4
又一个国产版 Codex 神器,也来卷办公了!
370
5
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
340
6
DeepSeek 重磅开源的超级 Agent,到底是个啥?
330
7
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
280
8
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
280
9
人工智能前沿部署工程师(FDE) · 概 览 与 方 法 论
270
10
QuireKit 编辑器的 AI-Native 是如何设计的?谈谈我对真正 AI-Native 的理解
250
11
告别“金鱼记忆”:我开发了一款能当“第二大脑”的浏览器 AI 助手
250
12
ARTS 1101: 最长回文串与子序列匹配、一次 URL 请求的来回之旅与如何验证 AI 的交付
230