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

芯片巨头集体站台联想 中国机器人军团出海

编程导航
编程导航
2026-01-09 12:30
阅读 85
编程导航
2026-01-09 12:30
阅读 85

美国有句老话,“发生在拉斯维加斯的事情,就让它留在拉斯维加斯吧。”人们不远万里来到这个沙漠城市,就是为了抛开烦恼吃喝玩乐,花天酒地醉生梦死,玩上两把试试运气,美食美酒看秀购物。

但赌城的另一面,是全球最重要的会展圣地。这里每年都会举办超过2.2万场商业活动,单是拉斯维加斯会展中心(LVCC)就要举办50-80场大型会议。这些会展每年吸引超过600万人来到赌城,贡献全年七分之一的访客,带来超过100亿美元的营收。

其中最重要的展会,莫过于每年年初的国际消费电子展(CES)。这个全球最重要的消费电子展会已经有近60年历史,从1978年开始固定每年年初在拉斯维加斯举办。过去几十年间,这里见证了全球科技行业一波又一波的潮流更替与新王交替。

从2012年开始,我几乎每年都会来到拉斯维加斯。过去十多年的拉斯维加斯之行,提供了足够多的观察样本——科技趋势的迭代、产业格局的变化、中国企业的崛起,都在这个每年一度的展会上留下清晰的印记。

十五年技术潮流更替

回顾2010年代初,CES的主题相当明确:PC产业试图通过超极本(Ultrabook)概念延续生命力,而移动互联网的兴起让智能手机成为焦点。英特尔、三星、LG、索尼占据着最重要的C位。

此后的演变基本遵循着技术成熟度曲线。2013-2016年迎来了消费级无人机热潮,大疆将易飞、带摄像头的四旋翼无人机推向大众市场,航拍和娱乐应用迅速流行,但监管限制、隐私担忧和安全问题很快导致预期回落,进入泡沫破裂期(许多初创公司倒闭,市场趋于理性)。

2014-2018年是智能家居和语音助手热潮,亚马逊和谷歌带动将AI语音交互推向消费市场。VR/AR在2016年前后达到预期峰值,HTC索尼微软先后入场,但很快因为落地场景匮乏而进入泡沫破裂期。过去几年时间,智能汽车与自动驾驶成为了CES的主角之一,全新的会展中心西展厅几乎成为了汽车新技术舞台。

与此同时,具身AI与人形机器人成为了今年CES的绝对焦点。从展商数量到现场人流密度,都能看出这个品类的热度已经从去年的”有趣概念“上升到今年的”严肃商业议题“。

中国企业从量到质崛起

过去15年的CES,也见证了中国参展商的惊人崛起。2010年代初期,当时除了海信、联想等极少数中国国际品牌,绝大多数中国中小企业被集中在 LVCC的南大厅或者是国际展区偏僻角落。那时的中国展台常被媒体戏称为“华强北分会场”,主要展品是手机壳、数据线、充电宝、廉价蓝牙耳机和不知名的平板电脑。

2015年是一个里程碑。中国企业开始大规模入驻LVCC中央大厅和北大厅。几大中国企业开始展示完整的、具有高度集成性的电子产品。大疆定义了消费级无人机赛道;海信与TCL开始与三星、索尼在高端电视领域展开严肃竞争;大量中国初创企业开始在智能家居、可穿戴设备领域展出具有自主设计语言的产品,而非简单的公模贴牌。

2019年则是中国参展商的巅峰期。中国参展商数量达到约30%的峰值。虽然疫情一度中断了这个趋势,但去年开始,组团出海的中国企业再次涌入CES舞台。今年的数据显示,有超过1300家中国公司参展,中国重新成为CES最大的海外势力。

比参展商数量增长更值得关注的是质量的变化。在CES 2026创新奖的247个获奖项目中,中国企业获得100多个奖项,占比超过40%。这些产品的技术创新涉及到光学系统、AI算法、材料科学等更深层次的技术积累。这说明中国参展商已经从“组装整机”进化到了“输出核心技术”。

在消费电子领域,中国企业已经不仅仅是以量取胜,更成为了技术落地与部件产业链的主导力量。这种从“展位边缘”到“主馆核心”、从“配件”到“终端/核心技术”的位移轨迹,正是中国科技产业从“推销产能”到“展示方案”,从 “中国制造” 走向 “中国定义” 的缩影。

CES创新奖评委佩利亚(Chris Pereira)的评价,精准概括了中国参展商的实力地位:”中国参展商不再是’低成本制造’,而是端到端的执行能力、硬件和软件的紧密集成、成熟的工业设计,以及更快的迭代周期。”

联想天幕剧场奢华卡司

今年的CES最令人难忘的时刻,无疑是联想在拉斯维加斯标志性的天幕大球剧场Sphere举办自己的Tech World大会。这不仅是联想首次在CES期间举办Tech World大会,也是科技企业首次在Sphere举办发布会。从商业策略角度看,这是联想行业地位、技术实力和全球品牌的完美结合。

本场发布会的震撼之处,除了Sphere天幕剧场带来的无以伦比的沉浸式体验,还有消费电子行业最豪华的创新领袖阵容。英伟达CEO黄仁勋、AMD CEO苏姿丰、英特尔CEO陈立武、高通CEO安蒙等巨头领军人物先后上台,与联想CEO杨元庆一道发布他们的合作新品。

这四家巨头公司分别代表GPU、CPU和移动芯片的巅峰,横跨了手机、笔记本、工作站、服务器的全产品线,能让他们同时出现在一个发布会上,本身就说明了联想作为全球头部消费电子企业的产业地位。

除了黄仁勋因为参加另一个颁奖活动不得不提前离开之外,其他几位企业家都一直留到了活动结束,与杨元庆一道上台答谢观众,贡献了一张星光熠熠的“全明星照片”。值得一提的是,苏姿丰对细节的专注令人印象深刻。在主题演讲开始前一个半小时,她亲自上台进行了彩排。

联想今年发布会的主角并不仅仅是诸多硬件新品,而是背后的”混合AI”战略:个人AI、企业AI和公共AI的整合。联想不仅发布了横跨PC、手机和平板的Qira个人AI代理平台,发布了面向企业的推理服务器,还宣布了FIFA和F1的AI数据合作案例。

联想海信赞助顶级赛事

在今年CES上,国际足联主席因凡蒂诺(Gianni Infantino)也成为了关注焦点,这是他首次以正式发言嘉宾的身份参加 CES,为即将在美加墨三国召开的世界杯进行预热,介绍“历史上数字化程度最高”的足球。

因凡蒂诺此行还有一个重大目的,是为联想和海信这两大世界杯赞助商站台。在联想于Sphere召开的Tech World 大会上,他在活动最后阶段上台,与联想CEO杨元庆共同宣布:联想正式成为 2026 年和 2027 年 FIFA 男足及女足世界杯的官方技术合作伙伴。

这是联想首次赞助世界杯,也是因凡蒂诺利用 CES 这一全球最大的科技舞台,向外界展示 AI 将如何改变足球赛事的体验。因凡蒂诺提到,这届世界杯将吸引至多 700 万现场观众,并利用联想带来的AI、高性能计算和 5G 联网等技术来提升粉丝体验和比赛效率。

联想作为2026和2027年FIFA世界杯的官方技术合作伙伴,加上与F1的长期合作,在全球体育营销上的投入规模已经达到了与三星、索尼等传统巨头相当的水平。只有业务覆盖全球的巨头企业,才需要如此高规格的赛事合作。

此外,因凡蒂诺还出现在了海信在LVCC中央展厅的展台,在海信高管的陪同下参观了诸多新品,在海信激光电视模拟的高尔夫球练习挥杆,引发了现场众人围观。因凡蒂诺对海信已经相当熟悉,因为这已经是海信连续第四次赞助世界杯。与联想一样,海信也不是单纯的资金与设备赞助,而是世界杯VAR(视频裁判)技术的技术提供方之一。

因凡蒂诺专程来CES给海信和联想站台,这种行程安排说明了中国企业在全球顶级赛事营销中的权重,反映出中国消费电子产业在全球市场的竞争策略已经从产品层面上升到品牌构建和生态系统层面。正如杨元庆所说,因为有了全球化的业务和成果,才需要通过这些顶级赛季来提高自己的品牌与技术形象。

海信在今年CES上,发布全新一代RGB-Mini LED显示技术,引入了行业首创的天蓝-青色第四LED背光。根据Omdia数据,海信在100英寸及以上电视市场已经占据全球第一。这个高端市场位置的取得与海信在显示技术上的持续投入直接相关,也是海信赞助顶级赛事提升品牌定位的成果。

联想、海信等企业通过全球体育营销提升品牌认知度,是索尼、三星等消费电子企业此前成功全球化的标准路径。这种投入规模(数亿美元级别)本身说明了企业对全球市场的重视,以及对品牌溢价的追求。但品牌建设需要长期投入和持续的产品力支撑,短期内很难看到显著的ROI。

具身机器人:量产前夜的技术状态

人形机器人无疑是2026年CES的绝对主角,完成了从“技术秀场”向“实战应用”的华丽转身,在超级算力与AI大模型的支持下,开始逐渐展现自己商业化与生产力的潜力。

英伟达 CEO 黄仁勋在展会上定调,机器人已进入“物理 AI”时代。新一代机器人不再依赖预设程序,而是搭载了类似 Vera Rubin 的超级算力平台和大语言模型(LLM),具备了强大的环境感知、逻辑推理和类人交互能力。

重要的是,人形机器人不再是昂贵的实验室玩物,其成本控制和可靠性已达到商业落地门槛,达到了两万美元的普及门槛。现场观众的反应也值得记录:去年人们还在惊叹于机器人能够站立行走,今年的关注点已经转向“能做什么实际工作”和“什么时候能买到”,这种问题的变化反映了市场预期的成熟。

在工业端,现代汽车旗下波士顿动力展示了Atlas机器人如何进入汽车总装线,负责繁琐、危险或高精度的零部件组装任务。在家用端,LG 发布的 CLOiD 人形家政机器人成为全场焦点,它拥有灵巧的双臂,能听从语音指令从冰箱拿取饮料或整理家务。

在机器人领域,已经明显可以看出中国、美国与韩国的三大军团竞争。韩国的机器人战略强调生态系统整合,打通从核心零部件到整机的产业链,这种垂直整合模式与韩国企业在半导体、显示面板等产业的成功经验一致。“K-Humanoid”联盟由Rainbow Robotics牵头、三星支持,展示的HMND-01 Alpha是2.2米高的轮式工业机器人,载重15公斤。

中国机器人军团出海

在今年 CES 的现场,中国机器人企业正以“产品线丰富、成本优势明显、商业化速度快”的综合优势,吸引越来越多的全球买家与潜在合作伙伴。它们不再以“技术展示者”或“潜在追随者”的姿态出现,而是以接近“军团式作战”的方式,系统性地进入全球机器人产业的核心舞台。

38家机器人参展商中,21家来自中国,这个占比本身就说明中国机器人产业已经进入密集投入期。LVCC北区的中国机器人展台,诸多不同品牌的机器人在现场表演跳舞、打乒乓球、做广播体操、拳击、叠衣服,吸引了大批观众驻足观看。

这些演示的商业价值在于降低公众对机器人的心理距离,为未来的市场教育做铺垫。但也有本土演出策划方会直接询问能否尽快发货,以赶上 2 月美国“春晚”超级碗等高关注度的本土演出或赛事。他们往往会提及曾在社交媒体上看到的特定动作形态,进一步追问稳定性和交付周期。

与过去以原型机和概念演示为主的参展逻辑不同,今年 CES 上,中国厂商展示的相当一部分产品已经进入量产阶段,并明确指向商业落地。这一变化,使 CES 不再只是技术想象力的展示场,而开始显露出真实产业路径分化的轮廓。

多位中国机器人企业在现场给出的判断高度一致:机器人产业正在从“能不能做出来”,转向“能不能长期工作、持续部署”。在机器人本体领域,中国厂商凭借制造业基础和生态部署能力,已形成明显优势。不少来自海外的科研机构代表,对中国机器人企业的关注重点并非单一功能展示,而是围绕二次开发的接口能力、稳定性和交付节奏。

优必选完成第1000台Walker S2的量产是一个具体的里程碑。获得广西边境3700万美元的政府订单,意味着产品已经通过了政府采购的验证流程。这种B2G(Business to Government)的商业模式为早期市场提供了相对稳定的需求。

宇树机器人展示的产品线覆盖从低价四足机器人(Go2,约2000美元)到高端人形机器人(H2),这种产品矩阵策略与消费电子行业的成熟打法一致——用低价产品占领入门市场,用高端产品建立技术形象。

值得注意的是,不少中国厂商强调全栈自研能力,从核心关节、减速机、电机、编码器,到驱动板、运动控制系统和底层算法,力图实现对关键环节的全面掌控。这种选择并非为了短期展示效果,而是为机器人长期运行和持续迭代打基础。

观展CES 15年,看到的是诸多技术不断更替,更看到了中国企业从配角到主角,从边缘位到站C位,从以制造成本取胜到定义行业标准。(郑峻)

原文链接: 芯片巨头集体站台联想 中国机器人军团出海
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