一、垂直整合闭环与开放标准联盟的对决
物理AI与具身智能（Embodied Intelligence）的崛起，标志着半导体需求正从单纯的“通用计算”向“感知-推理-控制闭环”演进。不同于传统数据中心，具身智能体要求芯片在处理海量多模态数据的同时，必须提供极高确定性的物理反馈。
在这种范式转移中，NVIDIA（英伟达）与AMD（超威半导体）的战略哲学呈现出根本性分化：
NVIDIA 的“资本-垂直一体化”护城河：NVIDIA不仅通过构建从DGX（训练）、Omniverse（仿真）到Jetson（执行）的闭环生态来锁定开发者，更实施了“资本即护城河”（Capital-as-a-Moat）战略。仅2026财年，NVIDIA便向具身智能初创企业注资达175亿美元，通过股权深度绑定供应链。其核心逻辑是将物理AI视为“主权AI”的基础设施，致力于构建不可替代的“AI工厂”。
AMD 的“开放自适应”同盟：AMD通过主导UALink与Ultra Ethernet Consortium（UEC）开放标准，联合博通（Broadcom）、微软（Microsoft）等巨头对抗NVIDIA的封闭系统。其战略重心在于通过x86架构的通用性与FPGA的灵活性，降低工业客户的“供应商锁定”风险，并提供更具长生命周期（15年供应承诺）的工业级可靠性。
这两种哲学直接决定了开发者的初始选型逻辑：初创企业偏好NVIDIA的“一站式”效率以缩短产品上市周期；而追求主权安全、确定性控制及供应链自主的传统工业巨头，则将AMD的开放平台视为战略避风港。
二、核心硬件架构：边缘侧“大脑”与“脊髓”的计算分化
在生物进化中，当我们试图抓取一个弹跳的球时，身体动用了双重逻辑：
“大脑”（高层决策/感知）： 负责处理多模态感知（视觉、触觉、雷达）。它利用大模型进行语义理解与任务规划。这属于“非确定性”计算，追求算力吞吐量（TFLOPS）。
“脊髓”（底层控制/反馈）： 负责电机伺服与传感器同步。当球触碰指尖，脊髓必须在微秒级完成指令闭环，无需经过大脑思考。这属于“硬实时”计算，追求确定性与极低抖动（Jitter）。
仅仅算得快是不够的。如果底层控制存在延迟，即便大脑算出了完美的避障路径，机器人在物理世界中仍会因“小脑萎缩”导致的指令抖动而摔倒。
具身智能的核心硬件挑战在于平衡“感知的广度”与“控制的精度”。
2.1 架构深度对比：感知霸权 vs. 确定性执行
NVIDIA Jetson AGX Thor (Blackwell 架构)：该芯片集成了14核 Arm Neoverse-V3AE 企业级CPU，核心亮点在于其变精度Transformer引擎（MVFP4）。在FP4稀疏精度下，其AI算力高达2,070 TFLOPS。尽管感知算力惊人，但受限于Arm架构在极高频串行时序逻辑处理上的限制，在面对极高频轨迹重规划时，其控制回路丢帧率平均达 1.6次/秒。
AMD Ryzen AI Embedded X100 系列： 采取“脑、髓、体”一体化路线。集成了 Zen 5 CPU（多线程吞吐比竞品高1.5倍）、RDNA 3.5 GPU与 XDNA 2 NPU（50 TOPS）。其独特优势在于通过 FPGA 织物（可编程逻辑） 处理传感器物理对齐。基于x86核心的单线程高吞吐，其控制回路丢帧率仅为 0.45次/秒，且保留了82%的空闲带宽用于用户逻辑，支持 125μs 的硬实时控制循环。
下表深入对比了 NVIDIA 与 AMD 从大规模数据中心 AI 加速器到边缘机器人计算平台的核心硬件规格参数。
2.2 核心性能参数量化对比
NVIDIA凭借MVFP4引擎在多模态视觉感知（大脑）端具备绝对霸权，是人形机器人处理复杂环境的首选；而AMD在确定性伺服控制（脊髓）上的物理优势，使其在高精密工业装配与防爆、抗冲击等极端工况场景（如Foundation Robotics）中不可替代。
三、软件栈与工具链：CUDA 护城河与 ROCm 的 AI 编程革命
软件生态通过“开发者惯性”构建了最高的迁移成本。
3.1 NVIDIA：端到端的“三台计算机”重力场
NVIDIA 通过 Omniverse（物理仿真）、Isaac Sim（机器人训练）和 Project GR00T（基础模型）构建了闭环重力场。
技术路径： 侧重 “域随机化”（Domain Randomization），利用 ovphysx 库和 Cosmos世界模型 在仿真中生成海量带偏差的训练数据，以收窄 Sim-to-Real 的鸿沟。
生态锁死： 750万 CUDA 开发者的红利使得所有最新的具身大模型均优先适配 NVIDIA 架构。
3.2 AMD：AI Agent 赋能的去中心化路径
AMD 正在利用 AI 改变游戏规则，以弥补软件生态的短板：
· AMD-Anthropic 战略同盟： AMD 对 Anthropic 进行50亿美元投资，最核心的“黑天鹅”举措是：Anthropic 利用 Claude 模型重构 ROCm 的编译器链路。通过 AI 自动优化算子与指令分配，AMD 试图以指数级速度消除 CUDA 的领先优势。
· ROCm 7.x & AMD Skills： 提供了 70%-80% 的自动代码转换率（HIPIFY）。AMD Skills 允许 Claude/Cursor 等编程 Agent 原生理解 AMD 硬件架构，大幅降低了 CTO 的研发人力成本。
3.3“Sim-to-Real”迁移路径对比
软件生态的成熟度决定了计算平台的“重力场”强度。
Sim-to-Real 技术路径对比
算法路径 (NVIDIA)：通过大规模并行仿真生成的海量合成数据，训练模型对物理偏差的鲁棒性。
硬件路径 (AMD)：强调“硬件级物理对齐”，通过极致的确定性控制，确保机器人在现实中的动作节拍与仿真模型在数学层面完全一致。
四、合作伙伴与行业护城河：帝国体系与生态同盟
根据最新的市场分析，计算芯片厂商正通过绑定行业巨头建立深层护城河。
NVIDIA (产业灯塔阵营)：在具身智能边缘“大脑”侧占据约 50% 的份额。合作伙伴包括 Figure AI、Agility Robotics 及波士顿动力。其在自动驾驶领域拥有 80% 的 OEM 份额，并通过 NVLink 专有互联（1.8 TB/s）将云端仿真与终端部署紧密锁定。
AMD (工业自适应阵营)：在边缘“脊髓/关节控制”领域占据约 25-30% 的份额。其在工业自动化（SICK、ADI）、国防及极端工况机器人（Foundation Robotics）领域具有绝对优势。AMD 联合 Broadcom、Meta 等推动 UALink 开放标准，试图打破 NVIDIA 的内存墙垄断。
4.1 价值链分布
· NVIDIA (前沿标杆)：深度绑定人形机器人顶流（Figure AI, Agility, Boston Dynamics）与智驾巨头（奔驰, 比亚迪）。通过 NVLink/NVSwitch 专有协议构建“芯片即系统”的垄断，适合追求极致性能的研究型实验室。
· AMD (工业硬核)： 渗透至工业“脊髓”环节。合作伙伴包括感知巨头（SICK, ADI）和国防先驱 Foundation Robotics。后者的 Phantom 系列机器人利用 AMD 方案实现了“IP67防水、抗100G冲击”的物理性能，证明了 AMD 在极端工况下的鲁棒性。
4.2 标准战争：UALink vs. NVLink
NVIDIA 的护城河正在面临 Ultra Ethernet Consortium (UEC) 的挑战。AMD 联合博通、微软、Intel 推动 UALink over Ethernet，旨在消除 InfiniBand 的延迟优势，实现多厂商兼容的自由组网。
五、中国市场格局与自主化对峙
出口管制正迫使中国具身智能产业进入“底层重构”期。
5.1 竞争态势与“Volume Cap”限制
2026年出口规则引入了 “总量配额限制”（Volume Cap）：TPP（总处理性能）低于21,000或带宽低于6,500 GB/s 的芯片（如合规版 H200/MI325X）虽获准出口，但数量不得超过美国本土客户销量的 50%。
份额变化： NVIDIA 在华加速器份额收缩至 47%，而 华为昇腾 (Ascend) 凭借 Atlas 950 SuperPod 系统（1 EFLOPS FP8 集群性能）斩获 35.5% 的市场。
5.2 关键厂商对比：智驾与具身智能的领军者
华为“乾崑” (ADS 3.0)：依托昇腾910C/950系列，华为构建了闭环帝国。其车载MDC系统在2025年NOA市场占有率达15.2%。
地平线“征程6 (Journey 6)”：作为智驾前装市场的霸主，地平线在中国L2/L2+市场份额高达28%。其Journey 6P单芯片提供560 TOPS算力，专为端到端Transformer硬化设计。
5.3 智驾主机厂的“去中介化”威胁
蔚来、理想、小鹏等 OEM 的芯片自研风暴已成规模。理想 Mach M100 芯片通过针对 BEV/Occupancy 算法的指令硬化，实现了 82% 的硬件利用率。这种“垂直一体化”趋势正将美系巨头挤向“软件即服务”（SaaS）的转型路口。
六、战略选型策略
具身智能的下半场竞争在于“算力冗余”与“控制确定性”的合龙。
1.前沿人形机器人初创企业：建议首选 NVIDIA 路径。充分利用 Cosmos 世界模型和 Isaac Sim 仿真管线，快速突破从文本到动作的泛化算法壁垒。
2.工业重载与安全敏感型厂商：建议首选 AMD 路径。利用 Versal Gen 2 的 ASIL-D 认证、x86 高吞吐 CPU 及 FPGA 的亚微秒级时钟抖动控制，确保极端工况下的鲁棒性。
3.中国本土主机厂：建议采取 “国产+合规”双轨制。在对标国际先进 VLA 模型的同时，深度并入华为或地平线生态，并加速自研定制化算子芯片以实现 PPC 的最大化利用。
未来具身智能计算平台的胜负手，将不在于单纯的 TFLOPS 堆叠，而在于谁能通过异构架构的深度收敛，将云端的“无限仿真”完美映射到边缘侧的“绝对物理确定性”之中。
