加速物理AI应用落地，英特尔能提供哪些技术？

随着人工智能逐渐融入实体世界，物理AI（将AI与物理系统结合的技术）正成为重塑人机协作、驱动产业智能化的下一波浪潮。这是一个充满机遇也充满挑战的领域，其规模化应用需要克服场景碎片化、实时性要求高、系统可靠性等诸多难题。

从十余年前英特尔中国研究院的“机器人交互创新研究中心”，到后来的感知计算产品线，再到基于边缘计算的工业机器人解决方案，英特尔在物理AI领域的技术积累颇丰。近日，英特尔中国研究院院长宋继强分享了英特尔在物理AI领域的最新洞察，以及英特尔的软硬件产品组合如何为相关客户带来独特的价值。

物理AI需要部署在工业、医疗、零售等差异化的场景，各个场景对传感器精度和行动实时性的要求不同，所需设备的性能、功耗和尺寸也不同，因此很难用同一种硬件解决所有问题，在底层硬件架构上，异构计算成为必然的选择。

针对异构计算需求，第三代英特尔酷睿Ultra处理器能够发挥独特的价值。作为XPU架构处理器，它内部集成了CPU、GPU和NPU模块，可供灵活调配，支持物理AI上多样性的工作负载：如果应用需要特别高的能效比，由NPU提供支持；实时性要求高、需要浮点运算能力的任务，如传感器数据的同步和处理，可以由CPU来完成，至于对实时性要求格外高的任务，可以分配一个专门的CPU核去执行，确保不会被其它任务打断；GPU则可以用来运行计算机视觉大模型。

基于英特尔在工业机器人运动控制领域的经验，英特尔的硬件平台能够很好地满足对高精度、高频率、高实时性的要求，保障工业级别的可靠性。同时，英特尔擅长系统调优，在物理AI的现实部署中，能够让底层的硬件平台和上层的软件妥善协同运行。如果物理AI要完成实际的生产生活任务，一定需要和整个系统里的其它部分进行通信，因此需要确保在其它传统的业务软件运行时，物理AI的控制、动作类任务也能实时、可靠地运行，二者间不会发生冲突。

第三代酷睿Ultra处理器也针对物理AI做了大量有针对性的优化。在硬件层面上，它在宽温和耐用性上都达到了工业级别的要求，在板级设计上，也专门添加了一些工业场景需要的接口。此外，在软件层面，它也支持各种主流的物理AI模型，如CNN（卷积神经网络）、DNN（深度神经网络）、VLA（视觉—语言—动作模型），以及EtherCAT工业通信协议。

以搬运物体的任务为例，如果只是从此处移到彼处，需要的算力基本就在视觉处理和VLA模型两部分，具体取决于不同厂商使用的VLA模型和优化的程度。优化比较好的开源VLA模型完全可以只在第三代酷睿Ultra处理器上运行，具体来说，它的计算内核数量可以按需配置，最多支持16个CPU核和12个GPU核，加上NPU可提供最高达180 TOPS的AI算力。

闭源的、客户自定义的模型，算力消耗难以预估，但英特尔有其它的方法可以满足对应的需求。既可以在酷睿Ultra处理器之外添加一个AI加速器，也可以通过超低延迟的无线通讯，将酷睿Ultra处理器与边缘计算盒子相连接，这种方案特别适合多个机器人在同一场景工作的情况，因而有着广阔的应用前景。

英特尔在物理AI领域进展频频：2025年4月，英特尔发布具身智能大小脑融合方案，为具身智能的规模化、场景化应用落地夯实基础；2025年10月，英特尔推出英特尔机器人AI套件，提供了一套面向行业的精选功能组合，帮助企业加速推进和评估面向机器人的物理AI工作负载；2025年12月，英特尔联合产学合作伙伴提出了一套具身智能机器人安全子系统设计框架，旨在为机器人系统提供全方位、多层次的安全保障。

基于英特尔中国研究院在具身智能、计算机视觉等前沿领域的研究进展，结合第三代酷睿Ultra处理器平台，以及与合作伙伴携手构建的具身智能机器人系统，英特尔正致力于加速推进可信赖的物理AI的产业落地。