物理AI是今年最大的热点之一，随着今年黄仁勋说出“物理AI的ChatGPT时刻已经到来”，这个领域更火热了。

行业普遍预测，未来十年AI有望推动全球GDP增长4%，而物理AI将进一步加速这一进程。在物理AI中，人形机器人无疑是最大的增长点，巴克莱研究预计，到2035年全球人形机器人市场规模将达到400亿美元。

实现物理AI，芯片无疑发挥巨大的作用，今年开始，越来越多的开始加码物理AI。今天，EEWorld就来盘点一下，芯片厂商的最新动态。

英伟达曾向EEWorld表示，物理AI和机器人技术将成为最大的消费领域，未来所有可移动的物体都将实现完全自主，并由物理AI驱动。AI发展经理四个阶段：感知AI阶段使机器能够观察、识别和检测；生成式AI阶段赋予创造力；智能体人工智能（Agentic AI）带来了推理、思考和行动能力；现在我们正进入物理AI时代，智能开始融入现实世界。这些模型理解物理定律，并能直接根据对物理世界的感知生成行动。

什么是物理AI？物理AI是指面向动态、不可预测且对安全性高度敏感的现实环境而设计的智能系统。这类系统可实现道路行驶、物料搬运、基础设施检测、部件装配以及车队协同调度等功能，所有操作均直接作用于物理世界。

物理AI的应用场景包括自动驾驶车辆、高端机器人、无人机及智能工业系统，其中在最近最火的莫过于人形机器人。

从本质上看，物理AI将智能深度融入机器，模糊了算法模型、软件栈与硬件架构之间的边界。人工智能模型处理连续的传感器数据流，生成决策意图，并驱动控制系统实时执行；执行结果再回流至系统，形成闭环的感知—行动链路。

不同于生成式AI，物理AI在真实环境中运行，决策直接变成动作。一旦出错，可能影响安全与业务连续性，所以设计、验证、部署的要求完全不同。

当前，物理AI正处于与智能手机发展初期相似的关键转折点，只有当算力、连接、生态形成合力，才能形成平台，进而推动成产业发展。

然而，物理AI要实现规模化普及，仍需要一套底层计算底座，能够支持并协同云端训练、边缘推理与设备端实时执行等多类工作负载，同时保持跨硬件代际的软件兼容性。

所以，当下，为了推动物理AI突破上述瓶颈，芯片厂商正在做出努力，并在最近不断宣布自己的进展。

去年11月，Arm为适配客户的AI部署模式，对组织架构进行了战略调整，围绕三大业务部门重新布局：边缘AI、物理AI与云AI。其中，边缘AI覆盖智能手机与物联网业务，物理AI包含汽车与机器人领域，云AI则面向数据中心及网络设备市场。

如今，Arm将物理AI明确列为Arm的核心发展方向，并决定对这一领域进行重点深耕。原因之一在于，它有望成为计算发展史上规模最大的计算市场。同时，大量客户希望与Arm在这一领域展开合作，因此Arm专门组建团队，专注服务与支持这些客户。

摩根士丹利预测，从现在到2050年，仅机器人领域的半导体市场规模就将实现800倍增长。目前汽车和机器人（物理AI）领域的版税收入仅占Arm全部版税收入的7%，但未来增速显著，也使得Arm需要在这一领域持续发展。

Arm认为，物理AI最核心的指标是时延，即从感知信号输入到动作执行完成的总耗时。安全性与能效同样是物理AI不可或缺的关键属性。为构建适配全新物理AI的计算平台，Arm提出了四大计算层级。

第一层是感知决策层，要求极低时延的实时运算，确保从传感器到执行器的快速响应；第二层是交互层，负责车机或人机交互，实时性要求相对较低；第三层是驱动执行层，通过大量微控制器精准控制机器人和自动驾驶车辆的执行机构，设计复杂度极高；第四层是云端，支持模型训练、OTA升级以及设备集群调度。此外，整个系统还需满足功能安全与信息安全要求，构成当前最复杂的计算架构之一。

当前，很多项目都在使用Arm的芯片，例如，香港地铁的巡检机器狗检测准确率超99%，云深处四足机器人功耗仅为传统系统的三分之一，Beken芯片可在200毫秒内完成本地人脸识别，UCR的人形机器人以低成本低功耗适应恶劣工况。2026年CES上，物理AI呈现爆发式增长，NVIDIA、高通等厂商纷纷推出基于Arm架构的机器人方案。

智浦半导体执行副总裁兼安全连接边缘业务总经理Charles Dachs向EEWorld表示，“我认为，最接近真正物理AI的应用场景就是机器人与具身智能。它们需要像智慧生物一样感知环境并与之互动，这对其内部系统提出了极高要求。”

Charles Dachs表示，以人形机器人为例，其复杂性是系统性的：从手部的精细操作，需要专门的芯片驱动无数手指关节和传感器，到全身的信号协同，将所有节点的数据实时、低延迟地传递至机器人的“大脑”。这个“大脑”本身也需要一个低延迟、高能效的解决方案，来处理多模态的AI感知与动作规划。

这正是恩智浦可以发挥价值的地方。恩智浦拥有非常全面的处理器产品组合，叠加AI能力，能够满足智能边缘侧的全方位AI需求。我们深知协调机器人的“大脑”和“身体”是一个巨大的工程挑战，因此正在与主要的合作伙伴共同应对。

今年GTC2026，恩智浦（NXP）秀出了其与英伟达的最新合作，推出创新机器人解决方案，提供可靠、安全的实时数据处理与传输以及先进网络连接能力，支持传感器融合、机器视觉和精密电机控制。

恩智浦主要展示了两个参考设计，加速物理AI与人形机器人的开发。第一个是HSB就绪机器视觉参考设计，该设计基于i.MX 95，为机器视觉和传感器融合实现低延迟、高带宽的传感器数据传输。第二个是HSB就绪分布式电机控制参考设计，该设计基于i.MX RT1180，通过EtherCAT或时间敏感网络（TSN）实现确定性、同步的人形机器人运动。

ADI提供从核心技术到系统解决方案的全套产品。包括：1. 高速连接“神经系统”：ADI提供高速GMSL、高速的以太网、USB、PCIE-LVDS、针对关节数据传输的60GHz无线连接方案等方案满足多元化连接需求；2. 通过传感器融合实现类人灵巧操作：跟踪运动和方向的IMU、陀螺仪；3. 先进的抓握和触觉感知：包括手与手指的Trinamic、MAX78000、MEMS；4. 安全且受监控的操作：在物理与网络层面提供给MEMS振动、安全认证、功率监测器；5. 环境感知检测：在视觉检测上提供3D ToF景深成像、毫米波雷达解决方案；6. 高效电源与电池管理：BMS、热插拔、电源分配；7. 肢体的实时控制：Trinamic、多圈MAG；稳健的外部连接：ISO-USB、SWID、Mesh无线网络。

在迈向物理AI时代时，模拟将会诞生全新的机遇。ADI中国区销售副总裁赵传禹（Thomas）向EEWorld表示，以当下火爆的智能眼镜为例，智能眼镜至今的核心痛点并非数字技术层面的问题，而是模拟技术的瓶颈：一是设备重量过高，佩戴体验不佳；二是续航能力不足，需要频繁充电，而这些问题的症结，均落在模拟技术环节。“相比于以往的边缘AI，智能体将更加理解物理世界，而这需要精准的感知现实世界，需要模拟与信号链作为基础，才能使智能体更了解真实的世界。”Thomas说道。“若缺乏高精度模拟器件，数据源易出现偏差，再强的 AI 算力，也无法输出具备可靠性和参考价值的结果。”

针对模拟AI计算，ADI Emergent AI事业部副总裁Massimiliano Versace表示，当前数字架构正面临能耗、延迟与内存瓶颈却无明确解决方案，这一困境在必须实现实时响应与高能效的边缘应用环境中尤为严峻。模拟AI计算利用传感与计算基底的物理特性进行运算，直接将能量转化为AI推理结果。这种AI计算范式与传统数字处理器截然不同：数字处理器将传感与计算分离，而模拟AI将这两个层级整合为统一框架，让智能从传感器端便开始涌现。

Thomas则认为，模拟计算并非AI领域的全新概念，其技术路径早有探索。与数字计算基于“0 和 1”的离散式计算不同，模拟计算可实现连续计算，为算力提升带来更大空间，但模拟电路计算易受温度、电磁干扰等环境因素影响，需要产业界共同解决这一难题。

根据AMD的分享，机器人领域，依托物理AI技术的普及而加速走向产业化，推动感知、导航与决策能力在物理世界中实现闭环。这催生了对可扩展计算平台、AI加速芯片及嵌入式系统架构的强劲需求。

在机器人技术领域，物理AI涉及视觉、运动控制和大语言模型风格的推理的交汇，因此需要x86平台的协调、集成AI和隔离能力。因此，AMD继续扩展P100系列，推出8~12核的高端型号产品。

CPU采用Zen5内核，CPU可扩展至12核心和24线程，其中P185提供了高达39%的多线程性能提升；RDNA 3.5 GPU支持视觉、图形和AI加速，P100提供了显著更多的GPU计算单元，用于更复杂的显示渲染和AI任务；XDNA 2 NPU提供常开、低功耗的推理能力，相比GPU功耗更低、延迟更低，提供总计50 TOPS的算力，使得整个系统最高可达80 TOPS。

从具体规格来看，P100提供支持工业级温度、标准温度和扩展温度的不同选项，系统性能随不同选项扩展，所有选项均具有通用的I/O和封装，构成了一个真正可扩展的产品系列。

所有器件都针对15至54W的功耗范围进行了调优，使OEM能够根据图形、安全控制和各类应用的需求进行扩展。

英伟达在物理AI领域一直比较推崇“三台计算机”的概念：DGX用于训练人工智能模型；Omniverse和Cosmos用于模拟、测试和验证模型；而AGX则用于将模型部署到现实世界。目前，物理AI浪潮才刚刚开始，这些计算机为英伟达的物理AI业务带来了近万亿美元的机遇。

物理AI体现为三种类型的机器人：工厂机器人、普通机器人和自动驾驶车辆。英伟达此前开发了两类模型，Cosmos WFM（用于世界生成和理解的基础模型）和GR00T（用于通用机器人技术）。

英伟达认为，当前大多机器人都比较“专用”，擅长单一任务但无法适应其他情况，未来属于“通用”机器人，它们结合了广博的知识和深厚的专业知识，既多功能又可靠。英伟达的开放机器人平台Isaac提供了构建这些“通用”机器人所需的开源框架、模型和库。

今年CES上，英伟达宣布GR00T 1.6全面上市，这是专为人形机器人打造的最新开源推理基础模型；构建机器人很难，而在笔记本电脑、实验室机器和云端之间连接和协调工作则更难，为此，英伟达开发了NVIDIA OSMO，一个简化开发的开源指挥中心；此外，在CES上最新推出了Jetson T4000，这是基于Blackwell架构的Thor家族新成员，提供1200 TFlops的AI计算能力和64GB内存，功耗仅为40~70W。

值得一提的是，英伟达一直都想干掉摄像头解串行，改成以太网，即以太网传感器流传输技术NVIDIA Holoscan Sensor Bridge（HSB）。该技术可实现传感器数据实时低延迟传输、简化集成并降低开发门槛，专为物理AI与机器人领域设计，目前已与多家芯片厂商达成合作，其中MCU合作伙伴有恩智浦（NXP）和意法半导体（ST），FPGA合作伙伴有Altera、Lattice和Microchip，此外豪威（OMNIVISION）、亚德诺半导体（ADI）、德州仪器（TI）、英飞凌（Infineon）等厂商也纷纷加入合作阵营，共同解决机器人传感器集成中的各类瓶颈，推进物理AI与人形机器人的发展。

在CES 2026上，英特尔展台上除了PC产品之外，还破天荒的展示了一款人形机器人——RoBee，在其上搭载的第三代酷睿Ultra for Edge，也是英特尔首次推出专门针对边缘应用的酷睿平台，将应用场景拓展至个人电脑之外，可适配边缘侧的嵌入式与工业级应用场景，包括机器人、自动化、医疗健康及智慧城市领域。

英特尔中国区研究院院长宋继强向EEWorld表示，具身智能想要真正实现生产力级别部署，目前遇到的挑战很多，包括准确性、可靠性、安全性、可扩展性等，同时还要考虑成本结构、完成能力等等。

他还特别强调道，一旦引入AI，系统安全与以前不同：以前主要是传统信息安全问题，现在还要考虑AI系统安全；同时，物理AI在环境里服务人或工厂，它与人交互、与环境交互，还存在物理安全问题。有时并不是决策本身的问题，而是环境问题导致物理安全风险。同时，安全也是成本，要根据场景规划合理的安全等级，进行相应的权衡。

英特尔凭借多年在机器人控制器领域的技术积累，构建了坚实的运动控制算法和计算能力优势。如今结合兼具高性能与成本效益的GPU及NPU方案，可以通过软硬件协同优化能力，提供具身智能中关键的 AI+ 控制综合解决方案，解决当下具身智能的痛点。

宋继强表示，智能体天然需要异构框架，原因在于其内部功能组件及需求存在差异，他将机器人系统拆解为系统2、系统1与系统0：其中系统2作为慢系统侧重理解，关联语言逻辑抽象层，可输出更高层级、更高准确度的语义结果，主要运行VLM模型完成视觉输入理解，并依据语言要求生成行动规划；系统1属于任务映射层，负责将VLM模型划分的任务映射至关节电机等执行器，输出频率约200Hz；系统0为执行层，通过1000Hz以上的高频电机控制实现流畅响应。

这一链路各阶段执行任务不同，对处理器的需求也各异，系统2的大模型需处理高通量视觉输入，更适配GPU，系统1专用性、实时性与低功耗要求更高，适合采用NPU，系统0 则对强实时性、快速响应及高精度浮点运算有要求，适配CPU，也正因如此，借助单一异构SoC实现了大小脑有机结合，既优化了产品统一开发流程、便于软件业务开发，又降低了成本并缩减了产品尺寸。

软件生态层面，英特尔提供了面向机器人场景的软件SDK，为开发者提供集开发、测试、优化于一体的综合环境，同时配套软件框架、库、工具、最优配置（BKC）、教程和示例代码，且每个季度都会持续升级。

Altera也在今年开始发力物理AI。其认为，物理AI系统需要在实时环境中完成“感知—处理—执行”的完整闭环，并满足包括确定性时延、功耗效率、功能安全、网络安全，以及超长产品生命周期等在内的一系列严苛要求。随着相关技术在机器人、工业自动化、智慧基础设施及自主设备等领域加速落地，Altera 可灵活配置的FPGA平台可提供可扩展的加速能力，覆盖从多传感器数据接入、AI推理到实时控制的全流程。

Agilex系列器件集成了AI优化模块（AI Tensor Block）、基于ARM的处理器、对 LPDDR5/DDR5内存的高性能支持，以及高速I/O接口，可有效加速传感器融合、AI推理与实时控制。同时，这种高度集成的架构可带来更高效的数据处理与更灵活的可扩展算力，专为下一代机器人与工业系统而设计。

英特尔控股的智能驾驶技术企业Mobileye正在扩展物理AI业务，其在今年1月，以合计9 亿美元的现金与股票收购总部同样位于以色列的人形机器人企业 Mentee。

Mentee人形机器人具备强大的开箱即用功能，包括先进的场景理解与自然指令执行能力的深度融合，无需远程操控的端到端自主任务处理，可靠的位置移动和导航，以及对刚性物体的安全操控能力。目前，其团队正加速推进“小样本泛化”技术研发，以确保机器人通过少量的人类示范，即可快速学习并执行新技能与新任务。这一能力将推动人形机器人在多类现实场景中快速部署，既可成为人力增效工具，也能作为协作伙伴与人类并肩作业。