芝能智芯出品2026年台北Computex上，恩智浦CEO Rafael Sotomayor用一场演讲，从一个问题开始，系统地回答了：如果我们要把这些智能设备带入生活，对于机器来说，什么才是"精英"？
现在AI能击败世界冠军的围棋程序，却不会叠一件衣服。
这听起来像笑话，这是计算机科学界一个真实的命题：莫拉维克悖论。
对人类来说困难的推理、下棋——对机器来说容易。对人类来说简单的走路、叠衣服——对机器来说极难。他的答案，是一张从生物学出发的物理AI架构蓝图。
Part 1
Sotomayor的开场很巧妙——他用世界杯足球赛做比喻。"顶级球员在极限压力下如何高水平执行？不是身体素质，不是对比赛的认知——而是对技艺的精通程度之深，以至于思考成为多余。"
他举了梅西的例子。梅西的动作之所以看起来毫不费力，是因为他的本能反应接管了一切。"他利用的是触发与反应之间那微乎其微的间隙。这大概是地球上最精妙的智能壮举之一。"
人类日常生活中超过95%的事情，是在没有任何有意识思考、消耗极少能量的情况下完成的。 走路、调整坐姿、拿起杯子——都不需要大脑有意识地指挥。
那么问题来了：如果本能反应主导着人类的日常生活，那机器呢？这就引出了莫拉维克悖论。这个概念是汉斯·莫拉维克在上世纪80年代提出的，在当时非常反直觉：
◎ 对人类来说困难的事：推理、下棋、解数学题，对机器很容易。
◎ 对人类来说简单的事：走路、叠衣服、抓握物体，对机器却极难。
Sotomayor给出了一句精准的总结："本能反应不是语言，不是推理，才是机器人学中最难的部分。"他以自己当天早晨差点被摩托车撞到的亲身经历为例："今天早上救了我的，是脊髓的反射，而不是大脑皮层的推理。"
人类神经系统给出了一个清晰的架构：
◎ 大脑皮层（推理层）：300ms，负责有意识的思考与决策
◎ 小脑（协调层）：负责运动控制与平衡
◎ 脊髓（反射层）：40ms，独立处理感觉输入并直接发出行动指令
大自然的设计哲学非常明确：把本能反应放在离行动最近的地方。越近意味着越快，越快意味着越安全，能耗最低。
这套生物学蓝图，正是恩智浦"神经轴架构（Neural Axis Architecture）"的设计原型。你无法通过让大脑变得越来越大来扩展智能——你要通过把智能放在正确的位置来扩展智能。
现实世界中的智能有三个基本要求：超低延迟的响应、分布式的控制（没有单点故障）、极高的能源效率。把你的AI系统的所有处理都放在一个云端大脑里，以上三条全部违背。
所以恩智浦的方案是：把智能拆成三个层次：
◎ 推理层，对应大脑皮层，负责全局规划和决策。这一层可以复杂、可以慢、可以消耗更多算力，但它的时间窗口是"秒级"的。在汽车里，推理层决定导航路线；在无人机里，推理层规划飞行路径。
◎ 协调层，对应小脑，负责运动控制与平衡管理。这一层比推理层快，核心任务是保持系统的动态稳定。在软件定义汽车里，协调层是一个独立的计算单元，管理车辆动态。
◎ 反射层，对应脊髓，是最底层也是最快的响应层，不等待、不请示、直接行动。在汽车里，反射层是区域控制器，刹车、悬挂这些攸关性命的功能必须在40毫秒内完成闭环。
三个层次，既相互独立又高度协同——这是神经轴架构的核心设计原则。
这套架构跟当今AI产业的主流方向形成了鲜明对比。所有人都在做大模型、做更大的算力集群——但Sotomayor在提醒我们：物理世界需要的是不同的东西。
你把GPT-10装进一台机器人，它也无法在40毫秒内应对一次碰撞。因为智能不在调用链的末端，智能应该在身体里、在关节里、在手和脚里。
也许我们搞反了进化的顺序。在物理AI的世界里，我们需要先搞定脊髓，再谈大脑。
Part 2
Sotomayor用三个产品实例展示了神经轴架构的落地。
◎ 无人机。 恩智浦跟踪一个指标叫"端到端延迟"——从摄像头捕捉画面、处理、传输、控制器响应到无人机做出动作，整个闭环仅需20毫秒。达到这个指标，无人机就感觉灵活而安全；偏离它，就会出现漂移、不稳定甚至坠毁。
◎ 软件定义汽车。 这是恩智浦最成熟的市场。5nm S32N系列中央计算平台应用于协调层，S32K5区域控制器应用于反射层——均是市场领先产品。Sotomayor特别强调了三层间的逻辑与物理分离："在攸关生命的汽车中，你没有犯错的余地。"
◎ 人形机器人。 他描述了一个生动的场景：机器人在仓库里行走，手里拿着贵重易碎的包裹。被托盘碰撞后——需要在40毫秒内完成平衡恢复、握力调整、位置确认并继续行走。"没有云端调用，没有等待模型响应的时间。智能就在身体里，在关节里，在手和脚里——它们必须自主掌控当下。"
机器人能完美执行动作，不代表它理解为什么要这样做。
Sotomayor引入了VLA（视觉-语言-行动）模型，连接感知与理解——机器人看到的物体是什么？接收到什么指令？应该怎么行动？
他打了个比方：教会机器人物理规律，就像《黑客帝国》里直接注入知识。机器人不需要通过一次次摔倒学会重力，你把世界模型直接给它。
恩智浦的eIQ工具套件，就是把云端训练好的VLA模型迁移到边缘硬件上的桥梁。量化、协同调优、本地部署——让复杂的AI模型在受限的边缘环境中跑起来。
演讲的最后一部分，Sotomayor谈的是信任，他引用了两条定律：墨菲定律（凡是可能出错的事就一定会出错）和菲纳格定律（凡是可能出错的一定会在最糟糕的时候出错），"信任不是在一帆风顺时被定义的，信任是在最糟糕的时刻被定义的。"
恩智浦的信任框架有三个维度：
◎ 隔离：防止单点故障
◎ 保护：硬件级安全机制，已开始采用后量子加密
◎ 验证：SafeAssure认证计划
真实世界没有'撤销'按钮。你不能通过软件补丁修复骨折，不能通过系统更新处理碰撞事故。
部署了AI机器人的工厂，生产率较传统自动化再提升40%。2025年诊断和实验室机器人的销售额增长610%。
恩智浦披露了与波士顿动力的合作——软硬件结合，让机器人在工厂车间与人类协同工作。
与GE医疗的合作——把智能系统部署到麻醉领域。
精英不是在实验室里最聪明的机器，而是在真实世界中、在真实条件下，当事情出错时依然可靠执行的机器。关于如何让智能进入物理世界，并在那里安全、可靠、高效地存在。
