今年CES最醒目的关键词，非“物理 AI”（Physical AI）莫属。

它不再是那个只会聊天、画画的虚拟大脑，而是正在进化出“手脚”——正如黄仁勋所说，AI正从数字世界迈向物理世界，它不仅能理解数据，更要感知环境、操作设备，在真实场景中完成任务。

这并非简单的技术炫技，而是自动化进入“深水区”的显著标志。从制造业视角看，其深层意义在于：那些曾因工序琐碎、变化频繁、高度依赖人眼与经验而长期被视为“自动化死角”的柔性环节，正在被重新撬开。更务实可行的路径，往往不是一步到位的全面替代，而是从重复抓取、异形分拣、局部装配等最辛苦、最不稳定、最难标准化的环节切入，让AI先在关键岗位上站稳脚跟。

当最难的那一块被拼上，制造业从自动化走向智造，才真正具备可持续演进的基础。

消失的“孤岛”

在CES 2026上，Matter协议被海外媒体反复提及。这个最初面向智能家居的互联标准，之所以成为焦点，并不只是因为“更方便”，而是因为它直指一个长期被忽视的问题：如何让不同品牌、不同年代、不同能力的设备，真正说同一种语言。

这套逻辑，放到工业领域并不陌生，甚至可以说正中痛点。工业4.0被讨论了十多年，真正卡住智能化进程的，往往不是算法不够先进，而是系统之间始终存在一堵“看不见的墙”。

在很多中国工厂里，这种割裂尤为典型：PLC来自不同厂商，机器人、机床、产线设备各自成体系，单点设备并不落后，但数据却被切割成碎片。系统之间一旦无法打通，再聪明的AI，也只能在局部环节做优化，难以形成整体价值。

从制造业实践来看，连接的深度，决定了智能的上限。如果底层数据无法顺畅流动，AI 再强，也只能“各自为战”，无法真正参与到跨工序、跨系统的决策中。

正因如此，鼎捷更关注的，并不是单点应用的炫技，而是更基础、也更关键的能力建设——底层连接能力。基于鼎捷雅典娜数智原生底座，我们所做的，是让不同品牌、不同年代的工业设备，能够在统一的数据体系中被感知、被调用、被协同。这并不是对Matter的简单复刻，而是一种面向复杂制造现场的“工业级互联能力”。

只有当数据真正流动起来，那些看似遥远的AI应用，才有可能在车间里稳定运行，并持续放大价值。

AI 的想象力，最终取决于连接是否真实存在。这，才是互联标准背后，最值得制造业企业关注的真相。

从“表演”到“实战”

在消费级场景中，这种变化体现为更细分的硬件形态、更明确的使用边界；而放到B端，答案其实更直接：AI的价值不在于替代人，而是让人从重复劳动事务中解放，成为每个岗位的“超级助手”，并为人创造全新的生产力。也正因为如此，工业AI正在从“看起来很强”，走向“用起来很值”。

在研发端，AI不再只是“画图工具”，而是能一起干活的“设计搭子”。在很多企业里，研发往往是最早被AI围观、却最晚真正受益的部门。原因并不复杂：能画，不代表能改；能生成，也不代表理解工程约束。

在鼎捷的PLM+AI场景中，AI的角色不再是简单的“画图机器”，而是直接参与设计决策。工程师可根据订单要求输入内容，AI直接生成改型设计图纸，设计周期压缩95%。相比CES上偏展示性的AI应用，这类能力真正影响的，是设计效率、试错成本，以及整体项目周期。

在经营端，老板不需要更多报表，而是一个“能回答问题的助手”。CES上出现了不少“个人数据库”设备，主打帮个人记住一切；但在企业里，真正的难题从来不是数据太少，而是——数据太多，却没人能立刻给答案。

AI Agent基于企业级数据底座，能够快速完成影响分析和情景推演。它不是在预测未来，而是在帮管理者把已经发生、正在发生的事情，看得更清楚。

当AI从“展示能力”转向“承担角色”，工业AI才真正告别了空中楼阁。对制造业来说，重要的从来不是AI看起来有多聪明，而是它是否真的能在关键岗位上，把事做好。

站在2026年的门口，面对CES展示的技术洪流，中国制造业企业更需要的，并不是更多概念，而是一条清醒、可执行的行动路线图。

启动“定点突破”，避免“全面开花”

物理AI的落地，并不适合一上来就追求全产线覆盖。更现实的路径，是优先锁定那些重复性高、工序碎、物料形态不稳定的环节——例如二次分拣、非标装配、柔性搬运等。通过具身智能完成小范围验证，让AI先在关键岗位站稳脚跟；当最难的那一块被验证成功，智能化的复制，才真正具备规模化基础。

补齐“数智底座”：软基建优先

许多企业的AI焦虑，并不来自技术落后，而是底层系统的“时代断层”。你无法把2026年的高性能AI Agent，接入1990年代的Excel报表或封闭的ERP体系中。对决策者而言，更重要的不是追逐最新模型，而是优先完成软基建升级——打通部门与系统之间的屏障，构建稳定、可扩展的“企业数字神经系统”。只有底座打通，AI才能真正参与决策，而不是停留在演示层。

从“管控”转向“驱动”

未来企业的竞争力，并不取决于有多少人，而取决于AI在组织中的应用密度。数智化的本质，也不是用系统约束人，而是让人从重复劳动中解放出来。当录单、统计、校对等高消耗工作被AI Agent接管，员工的角色应逐步转向“训练者”和“决策者”，让人的判断力，成为AI放大效能的核心。

拥抱“安全型硬件”与网络素养

随着AI与IoT设备的大规模进入车间，网络安全不再是锦上添花，而是智能制造的基本前提。调研显示，已有超过一半的制造企业，将OT（运营技术）资产保护列为重点投入方向。对决策者而言，设备选型阶段就应明确要求：安全启动、固件签名、身份校验等能力必须内建，而非事后补救。

在AI时代，最稀缺的资源，不是算法，而是人的脑洞。

对于国内制造业企业来说，CES 2026传递出的最强烈信号是：技术普及的红利期正在收窄，场景落地的竞赛已经开始。

我们不必焦虑于是否拥有最先进的类人机器人，而应关注如何利用现有的AI能力，去解决那些最琐碎、最损耗效率的环节。AI的价值，不在于它能像人一样翻跟头，而在于它能让人不再像机器一样干活。

嗯。机器人的“笑料”还在增加。

小编温馨提示：展台上的翻转和特技负责精彩，而真正走进工厂的设备，更重要的是踏实运行、数据互联、长期可靠。

毕竟，演示可以重来，但交付，从来只有一次。

鼎捷数智市场营销中心 出品

・策划｜Liko

・编辑&设计｜Liko、gomi大王