芝能智芯出品2026年7月，恩智浦度过了一个里程碑时刻，进入中国40周年。
对于这家由飞利浦半导体和摩托罗拉半导体合并而成的公司来说，这个年份同时承载了技术积累和中国市场深耕两层含义。
恩智浦的独特之处在于它拥有两条技术根脉。
飞利浦在1953年进入半导体行业，1983年推出了首款单芯片收音机，芯片可用于便携式收音机，被列为"改变世界的25个芯片之一"，在模拟射频和安全产品上积累了深厚的基因。
摩托罗拉在1949年成立半导体实验室，1969年阿波罗11号登月时传回第一句话的收发器就是摩托罗拉的，汽车微控制器和处理器也是从摩托罗拉一路发展而来。
2016年两家公司合并，飞利浦的模拟混合信号和射频能力与摩托罗拉的汽车微处理器和功能安全能力组合在一起，形成了一家以系统架构见长的半导体公司。
2025年，恩智浦完成了三项收购：车载SerDes连接方案的Aviva Links、边侧NPU的Kinara、汽车实时安全中间件的TTTech Auto，正如恩智浦执行副总裁兼中国事业部总经理 李晓鹤所言，恩智浦"为下一步全面进入AI时代做好了准备"。
在AI的演进路线上，恩智浦的定位很清晰，做物理AI，不做云端AI，如果说对于云端AI，大家比的是谁更聪明；那么当它进入现实世界的时候，物理AI比的是谁更靠谱。
Part 1
恩智浦讲物理AI很有趣，之前我们也在台北电子展上写过了，人体神经系统的分层结构。
◎ 大脑约9瓦功耗，负责规划、学习和决策，反应速度在300毫秒左右。
◎ 小脑约2瓦，负责运动控制和协同，反应速度10-50毫秒。
◎ 脊髓约0.5瓦，负责条件反射和安全保护，可以绕过大脑直接处理。
整个神经系统总功耗不到12瓦。
这种架构称为"神经轴"概念，恩智浦的产品线正好按这个逻辑分层，大脑级芯片处理视觉感知和雷达感知，小脑级芯片处理高实时性的运动协同，脊髓级芯片处理灵巧手等平衡机制。人形机器人本质上和汽车是同一套架构问题。
"机器人是神经轴架构最为典型的体现，但其形态不局限于此。无论是工业自动化、无人机、AGV，还是汽车与人形机器人，均可视为物理AI实体在解决不同问题时呈现的形态变化。"
2025年完成的三项收购在这个框架下都有了明确的位置。
◎ Aviva Links的车载SerDes连接方案解决了高带宽数据传输的问题。
◎ Kinara的边缘NPU为边侧大模型推理提供了加速硬件。
◎ TTTech Auto的安全中间件让不同域之间的协同变得可预测、可确定。
这三项能力在汽车和机器人上都能用，工业端的机器人和汽车端的需求，在底层是相通的。
恩智浦展示了搭载这些技术的产品演示。
◎ 基于LeRobot和i.MX 95的机械臂完成了从感知到行动的闭环控制。
◎ I3C总线灵巧手方案实现了高带宽、低延迟的精细动作控制。
◎ S32K5实时控制器可以做到毫秒级监控电池状况，做AI实时处理。
AI定义汽车和软件定义汽车的区别是智能底盘通过传感器检测路面情况，AI实时处理调节悬挂，让驾驶保持平稳。
"软件定义汽车是基础，AI定义汽车让汽车具备了学习能力、执行能力和决策能力。"
Part 2
恩智浦入华40年的时间线可以追溯到1986年，飞利浦半导体在上海设立第一个办事处。1992年摩托罗拉在天津设立其在华首家半导体工厂，1998年在苏州成立半导体研发基地。
此后恩智浦持续在华扩容，目前在全国14个城市设有办事处，员工总数超6000人，服务客户和合作伙伴超6000家。2025年正式成立中国事业部。
本地化分多个层次，最深的层次是产品定义权。
"真正的本地化绝非仅在中国开展单一销售或生产，而是要落地本土产品定义与开发能力。"
恩智浦是唯一拥有一支1600人嵌入式系统开发团队的在华外资半导体企业，累计开发超200款产品，设有6个大型研发中心和1座世界级封测工厂。
产品本地化的时间表是具体的。
◎ 首款联合设计开发的下一代端节点MCU预计2028年量产。
◎ 高性能汽车处理器S32G2已于2026年量产。
◎ 网络产品计划2027年量产。
◎ 电池管理系统产品正在设计阶段，预计2028年量产。
恩智浦已与台积电南京、上海芯联集成、中芯国际在模拟和数字产品领域开展合作。本地化生产"绝非简单将原有欧美产品转移至中国生产"，而是围绕中国客户需求进行定制化设计。
在系统层面，恩智浦的NXP CoreRide平台是一个值得关注的案例。
作为面向软件定义汽车的系统级解决方案，CoreRide把处理器及周边硬件的前置软件集成在单ECU上做系统化优化，再进一步把多个ECU引入整车架构，与整车厂联合实现整车级KPI协同优化。这种系统级适配能力是恩智浦区别于多数芯片公司的地方。
生态方面，恩智浦在中国已有超过40家设计合作伙伴和超过30家软件合作伙伴。
恩智浦资深副总裁胡煜华分享了一个合作案例：理想L9 Livis全球首次用UWB方案替代超声波雷达，实现了自动泊车、数字车钥匙、儿童遗留监测、脚踢感应等功能，这一方案基于理想汽车、德赛西威和恩智浦的联合开发。
在工业和物联网领域，恩智浦每年根据客户需求开发一系列参考方案，提供给"长尾"市场的中小客户。
Part 3
恩智浦对汽车和机器人之间关系有一个非常明确的判断。
在未来10-15年的周期中，我们会看到工业、汽车、消费等赛道产生逐渐融合的趋势。15年之后，可能会把它们都看成是某个类型的物理智能体。
从产品层面看，恩智浦在汽车领域积累的核心产品可以直接用于机器人。
◎ S32K5系列MCU，面向软件定义汽车和区域控制架构的高性能汽车MCU，可以做到毫秒级监控电池状况。
胡煜华举的例子是，云端管理电池的方案有延迟，恩智浦的实时控制器可以在本地毫秒级响应。
◎ S32N79与ARA240的组合可以充当智能汽车的"中央大脑"，同样的架构也可以移植到机器人上。
◎ 雷达边缘智能把AI感知和决策下沉到雷达端，对于机器人的环境感知同样适用。
恩智浦在机器人领域的产品布局是全面的，覆盖从"大脑"的处理器到"连接"的全部环节，恩智浦在机器人产业中的地位与在汽车产业中逻辑一致，依靠系统级解决方案而非单一芯片。
◎ 从2025年到2030年，机器人处于小场景闭环阶段，各场景自己训练数据、自己跑通。
◎ 2030到2035年会逐渐进入家庭，届时遇到的两个最大问题是功能安全和系统安全。
大语言模型判断买一个东西，这个模型到底是从哪来的，有没有被人篡改过，它的决策机制和道德水准是什么？这些你都不知道。进入家庭，就有很多问题要去解决。
恩智浦在解决这些问题的思路上有独特的技术储备。
◎ TTTech Auto的安全中间件来自汽车领域的功能安全积累，在机器人的多域协同中同样适用。
◎ Kinara的边缘侧AI加速能力与恩智浦的MCU和MPU结合在一起，可以在边缘侧跑大模型。
工业客户的AI加速采用率从一年前的3%上升到2026年的10%，"边缘侧AI的使用将来基本是一个必选项"。
面向开发者生态，恩智浦通过校企合作和全国大学生智能汽车竞赛累计覆盖超过45万名高校学生，与兰州大学、天津大学、上海交通大学、同济大学等多所高校建立了合作关系。
胡煜华的观点是，随着机器人、物联网领域开发者群体日趋年轻化，培养新一代开发者是系统本地化进程中不可缺少的支撑。
联动全球资源对接中国效率，以中国速度驱动全球创新，恩智浦走的是一条从汽车到机器人、从云端AI到物理AI、从中国生产到中国定义的迁移路径。
这条路的方向已经确定，剩下的问题是节奏，以及当物理AI真正普及的时候，恩智浦的系统级方案能不能在每一个轮子和每两条腿上跑通。
