黃仁勳的物理AI ChatGPT時刻，正被這家中國公司的“流式多模態”接棒

根據智東西的報導，黃仁勳在2026年CES展會上宣告物理AI的ChatGPT時刻正式到來，這標誌著人工智慧從感知、生成到代理階段，最終邁向理解物理世界的新紀元。他強調，AI若要走出螢幕，必須能夠理解質量、摩擦、慣性等物理定律，並建立一整套智能系統來驅動機器人、無人機等終端。然而，這一願景的核心挑戰在於：物理世界需要的非被動問答，而是主動執行與持續感知的能力。這正是中國公司Om AI聯匯推出的「流式多模態」模型系列試圖接棒的關鍵技術路徑。 Om AI聯匯的VLX系列模型，以通用視覺智能為基礎，定義了三項核心能力：持續感知、空間精準定位與直接行動輸出。這與傳統模型「採集-上傳-離線處理」的模式截然不同。VLX採用流式視頻輸入架構，讓模型能像人一樣不間斷觀察環境，無需人工干預即可自主運行。這種設計不僅實現了毫秒級實時感知，更首次在端側打通從感知到決策的完整閉環，為物理AI的規模化落地提供了現實可行的技術基礎。 VLX系列包含三個子模型：VLX-Flow負責持續感知，提供不間斷的時序記憶；VLX-Seek透過區域指代機制，輸出毫米級精準空間錨點；VLX-Go則直接生成導航航點，驅動設備執行行動。三者在同一鏈路中協作，讓模型從「看懂」畫面進階到「找對」目標，再到「動起來」完成任務。在基準測試中，Seek-3B以極小的參數規模，在目標檢測與複雜語義理解上超越Gemini與GPT-5等大模型，證明專為場景設計的模型遠比壓縮通用模型更有效。 技術架構上，VLX從設計起點便針對端側算力約束進行優化。Flow使用Linear Attention機制避免顯存溢出，Seek以區域指代取代座標生成降低計算量，Go則透過短時航點預測快速響應環境變化。這種不同於行業「先大後縮」的路徑，讓模型無需依賴雲端強算力，僅需國產芯片即可流暢運行，延遲從雲端的5秒降至端側的0.1秒，實現了50倍的性能差距，直接決定了系統能否在真實場景中「可用」。 這套流式多模態路線已在多個領域大規模落地。在具身智能領域，VLX已支援雲深處、宇樹等機器人平台，大幅縮短跨平台適應週期；無人機巡檢則從依賴飛手人工操作轉為自主視覺導航與避障，響應時間從小時級縮短至秒級。此外，可穿戴設備服務近10萬視障用戶，安防攝像頭無需更換硬體即可升級為24小時AI哨兵，AI PC也因適配蘋果、聯想等品牌而具備實時視覺理解能力。 Om AI聯匯的技術路線，驗證了一條不同於數字AI的架構邏輯：當模型必須跑在端側、必須實時響應、必須自主決策時，「大」反而成為包袱。VLX以小型參數實現旗艦級精度，並透過針對國產芯片的優化，避免對海外高端硬體的依賴。這不僅降低部署成本，更讓物理AI從Demo展示邁向量產交付，為產業鏈協同創新提供更低的研發門檻與更大的想像空間。 總結來說，黃仁勳揭示了物理AI的願景，而Om AI聯匯以VLX系列給出了具體答案：用流式架構為物理世界重新設計AI。從2016年深耕生成式對話，到2022年拿下國內首張多模態大模型測評證書，該團隊持續積累底層技術，最終推出適配真實場景、可穩定運行的成熟系統。當行業仍聚焦於雲端模型競賽時，VLX已展現出在端側運行、百萬級設備驗證後的實用價值，為物理AI的普及樹立了可參考的範本。