什么是人工智能？
标准概念之外，使用者的直观描述可能更具象：它是可执行的一段代码；是可以辅导孩子作业的程序；是可以融入驾驶的辅助系统；是提供知识搜索、项目搭建的助手；是被想象成主宰未来世界的硅基生物……
可以描述的角度、可以提供的功能太多，就像一枚石子投入水中，溅起的每朵水花都在阳光下熠熠发光，每朵水花里都有一个平行的世界。
——这就是人工智能，被人工智能重塑的未来。
未来已来，并且正以分形几何的形式不断演化出更远、更广的世界——希望与绝望、分化与合作、癫狂与冷静、幻想与现实。任何一个存在的事物存在之前，都是可能存在。人类的灵性，就是可能。
站在2026年的起点，人类的灵性仍在像无数的电光石火，在给人工智能创造可能。每一处电光石火照亮的地方，都有一个名字，叫做未来。
CES2026速览
2026年1月6日至9日，一年一度的国际消费电子展（CES）于美国拉斯维加斯举行。作为全球科技创新与消费电子领域的“风向标”，CES素有“科技春晚”之称。本届CES展会可谓是“AI春晚”。从中我们可以窥见2026年及未来一段时间内，AI的发展和变化。
云端到田间的裂变
AMD董事长兼CEO苏姿丰在主题演讲中预测：“到2030年，预计每天将有50亿人使用人工智能。”今年CES重点展示了人工智能从理论、模型、数据到真正应用的转变。
请个机器人来跳舞
围绕AI的讨论不再局限于模型规模、算力或技术路径，而是更聚焦于“AI能做什么”以及“如何在具体场景中应用”。企业展示的重点也从参数堆砌转向AI如何融入设备、系统与真实场景。
以机器人为例，本届展出的机器人明确针对实际场景设计：在服务领域，它们扮演讲解员、送餐员、咖啡师等角色，完成舞狮、下棋、调酒、叠衣等任务；在物流仓储场景中，则能自主规划路径、识别物品，执行分拣、搬运与补货工作。
AI正在告别纯技术炫技，进入务实解决实际问题的阶段。
从无形到无界
本届CES上几乎看不到完全不涉及AI的产品线。AI不再以独立功能形式出现，而是深度嵌入设备底层，成为默认配置，这一趋势在可穿戴设备、智能汽车、家居等领域尤为突出。
这种变化推动产业链进入“无边界融合”新阶段：展会上，芯片巨头、终端厂商、软件企业及传统制造业之间的跨界合作空前紧密，英伟达与梅赛德斯-奔驰、索尼与本田等合作被人津津乐道。苏姿丰在演讲中表示，“AI无处不在，面向所有人。”
人工智能未来四象限
物理AI：AI迈向“物理应用”深水区
黄仁勋在开幕演讲中十余次提及“物理AI”。他指出，与生成式AI不同，物理AI能理解重力、摩擦力等现实世界的物理规则，并驱动机器人、车辆或设备执行实际动作，而非仅提供建议或答案。
黄仁勋判断：“物理AI的‘ChatGPT时刻’即将到来。”这意味着AI将从理解语言迈向理解物理世界，进入全新发展阶段。
典型应用：自动驾驶汽车、机器人、无人机、智能工厂等。
例如，梅赛德斯-奔驰CLA车型将搭载英伟达自动驾驶AI模型Alpamayo——黄仁勋称之为“世界上首款能思考、能推理的自动驾驶汽车AI”，该车计划于2026年第一季度在美国上市。
端侧AI：云边协同，开启混合智能新范式
端侧AI成为本届展会竞争焦点，越来越多产品选择在设备本地而非云端运行AI模型，这一趋势在个人电脑、车载系统及可穿戴设备中尤为明显。端侧AI的崛起，回应了市场对实时性、能效和隐私保护的迫切需求。高通公司中国区董事长孟朴指出，AI的未来并非“云或端”的单项选择，云端模型能力与终端即时响应需协同进化。
典型应用：AI芯片、可穿戴设备、AIPC等。
例如雷鸟创新X3ProAI眼镜无需连接手机即可独立通话并进行AI对话；阿里夸克首款自研AI眼镜在无网络环境下仍能快速响应。此外，多款展品展示了离线状态下完成复杂推理与交互的能力，涵盖多语言翻译、本地图像生成乃至机械臂实时控制等场景。
具身智能：产业化进程驶入快车道
本届CES首设“具身智能”主题场馆，宇树科技、智元机器人、星动纪元、银河通用等企业集体参展，展品进行了更复杂、精细化的演示，且强调“长期稳定运行”。具身智能的参展规模、展品迭代速度与订单签约量均创历史新高，人形机器人成为绝对焦点。
典型应用：人形机器人、工业机器人、四足机器人等。
例如宇树机器人H2可实现空翻、飞踢等高难度动作；智元机器人OmniHand灵巧手系列已实现接近人手的精细操作，可完成流水线物料搬运、高精度装配等任务。
值得注意的是，就在CES期间，Omdia发布报告显示，2025年全球人形机器人出货量预计约1.3万台。其中，智元机器人以超5000台的出货量位列第一，宇树科技出货量约4200台位列第二，优必选出货量约1000台位列第三，乐聚机器人、EngineAI分列第四、五，出货量分别为500台、400台。中国机器人企业已跻身全球领先行列。
空间智能：下一代人机交互的核心界面
空间智能被WorldLabs联合创始人兼CEO李飞飞定义为“AI下一个十年”的关键赛道，它是一个与物理AI高度相似的概念，但更垂直和细分，主要聚焦于让机器具备对三维空间的感知、理解和推理能力，例如让机器人识别物体位置、形状、空间布局，解决空间感知和理解问题。
典型应用：自动驾驶（环境感知与导航）、机器人导航、AR/VR（空间交互与场景构建）、工业检测等。
本届CES上，李飞飞带来商用“世界模型”Marble，用户只需给到几张照片或一段文本，即可生成一个可自由漫游、可编辑的3D世界，引发大量关注。
过去和未来
中国人工智能投融资图谱
——一半是海水，一半是火焰
中国AI融资大热的背后，我们发现了一些微妙的变化。排名前10场景的融资企业数量占总数的73%，场景集中度较高。这意味着，资本的共识已经形成，资金主要流向了这十个被验证或被看好的方向。
哪个场景融资能力最强？
从资金集中度来看，排名前3场景（具身智能、自动驾驶、通用）的融资总金额占比，超过总融资金额的一半，达61.76%。融资金额上呈现高度集中的趋势，共识非常明确。
人工智能应用死亡名单（部分）
资本用真金白银勾勒出清晰的产业图谱，也培育了AI应用生态的野蛮生长。在日渐繁荣的背后，行业也经历了系统性的“断舍离”。根据行业统计（AIGraveyard、IDC报告），2025年全球全年约392个AI工具停止运营（平均每天1+个）。
淘汰并不意味着行业退潮，而是回归商业本质的必然过程。
当前AI快速发展到了新阶段，其已从功能噱头转向了深度场景的整合，那些缺乏真实需求解决能力、合理盈利模型和合规根基的产品必然会被淘汰出局。
Manus“卖身”是是非非
2025年12月30日，Meta以20亿美元收购AI智能体企业Manus的消息，成为从年末到年初的科技圈爆点。这笔位列Meta史上第三大的并购交易将这家诞生于中国、迁徙至新加坡的初创公司推向舆论中心。
从一夜爆红到闪电离场，从资本宠儿到巨头附庸，Manus的轨迹充满戏剧性，其“卖身”行为也引发了激烈争论。
2022年AI浪潮兴起，肖弘创办蝴蝶效应科技，推出浏览器AI插件Monica，聚合GPT-4、Claude等头部模型能力，实现PDF阅读、网页翻译等功能，成为早期实现盈利的AI产品，甚至拒绝了字节跳动3000万美元的收购邀约。
2024年，在Cursor等智能体产品出现后，肖弘嗅到新风口，集结核心团队打造Manus，名字源自MIT校训“MensEtManus”（心与手），定位为“全球首款通用型AI智能体”，专注于让大模型具备自主执行复杂任务的能力。
Manus的成功逻辑，并不是底层技术突破，而是源自精准的产品定位与高效的工程化封装。它不自研大模型，而是通过调用Anthropic的Claude、阿里通义千问等第三方API，构建复杂工作流，让AI能独立完成市场调研、编程、数据分析等实操任务，填补了大模型“能说不能做”的空白。
2025年3月上线后，凭借“AI能干活”的差异化优势，官网4小时访问量破千万，邀请码在二手平台被炒至9万元天价，月活用户峰值达2000万，仅用9个月就刷新全球SaaS领域增长纪录。
那个书架上摆放《活着》的小镇少年，自此走到了聚光灯下，资本的追捧随之而来。
从2023年初1400万美元种子轮，到2025年4月B轮融资后估值逼近5亿美元，投资方包括真格基金、红杉中国、腾讯等中美顶级资本。
真格基金不仅注资，还为其牵线招揽首席科学家季逸超、产品战略负责人张涛，搭建起核心团队班底。此时的Manus，已成为中国AI应用层的明星项目，被不少人视为“DeepSeek之后的又一国产之光”。
2025年末，Meta与Manus的谈判以惊人速度推进，仅用十余天就达成协议，交易金额达20亿美元。收购后，Manus保持独立运作，总部仍设新加坡，创始人肖弘出任Meta副总裁，直接向扎克伯格汇报，核心团队并入Meta新加坡研究中心。
对于Meta而言，这笔收购是AI竞赛中的补短板之举。其开源大模型Llama系列虽受开发者认可，但在落地“能做事”的消费级产品上落后于OpenAI、谷歌，而Manus的智能体技术的工程化能力，恰好补齐了这一缺口。
更有意思的是，Meta此举被解读为现代版“千金买马骨”。然而，交易很快引发监管关注。
2026年1月8日，中国相关部门宣布对该并购案展开合规性调查，核心聚焦两点：一是Manus核心算法诞生于中国国内，是否属于限制出口技术类别；二是其通过新加坡迁址转移技术，是否存在规避监管的“迂回输出”行为。依照《中国禁止或限制出口技术目录》，人工智能交互界面、核心算法等已被列入限制出口清单，未经申报的技术外流涉嫌违法。
正方观点
它的工程能力和交互设计带来了好的体验，“卖身”是价值认可。
Manus并非在底层技术上有重大突破，但是用工程能力去挤压出了模型可完成的最复杂的任务。再者，Manus展现了三个关键优势。首先是通过深度的后训练，带来“魔法感”；其次，借助Monica在模型聚合领域的专业积累，构建了一个远超单一模型调用的多模型协同网络；最后，它将现有技术进行完美整合，展现出色的系统集成能力，这种能力往往比开发全新的底层技术更具挑战性。
