在2026年CES展会上，全球科技界对云端算力的追逐再度升温，“人均GPU数量”一度被视为衡量技术实力的热门指标；然而，加州大学伯克利分校的Allen Yang博士提出了不同判断：物理AI的关键瓶颈不在算力是否充足，而在于如何面对现实世界的复杂性与不确定性。
物理AI的发展路径与云端大模型的成功逻辑并不相同；算力投入当然重要，但对真实世界复杂性的理解与应对同样决定成败。伯克利团队通过赛车与山路的实战验证传递出明确信号：下一阶段的突破未必来自堆叠更多计算资源，而更取决于让智能系统在资源受限、环境多变的真实场景中，依然能够及时、可靠地做出有效决策。从云端走向边缘、从实验走向实战的转向，可能正是物理AI迈向“分水岭时刻”的关键一步。