芝能智芯出品我们已经看到了，现在做手机芯片的高通和联发科都遇到挑战。
凡事预则立，不预则废。机器人芯片这个活，大家都开始来抢。
AMD 在 7 月底的 Advancing AI 2026 上，把"物理 AI"这个词正式推到了主舞台中央，Instinct GPU、EPYC 这些数据中心重磅才是主角，Ryzen AI Embedded X100、Kria SOM、Kria 机器人开发平台这几样嵌入式新品，看着像是夹在服务器新闻里的配角。
AMD 在机器人这条线上第一次把地基铺完整：从一颗硅片，到模块，到开发平台，再到软件和伙伴网络，一层层往上垒。
Part 1
"物理 AI"这个词是 NVIDIA 先喊的，把 AI 从数据中心和屏幕里拽出来，塞进能走路、能抓东西、能在真实世界里行动的机器里。
AMD 现在把它写进产品路线图，说服务器侧的大模型博弈告一段落，下一处蓝海就是机器人这类会动的设备。
模型精度上半年还在往上走，而达到够用效果所需的模型体积一直在缩水，于是跑一个能操控机器人的像样 AI，成本和门槛都比过去低了一大截。
内存价格是个行业性的麻烦，但大方向清楚：端侧的算力够便宜了，机器人厂商终于用得起像样的脑子。
AMD 瞅准的正是这个窗口。它手里有 Strix Halo 这种高集成度硅片，数据中心 AI 这波又让它现金充裕，有钱有货，正好往周边市场铺。
● 芯片层：把 Strix Halo 改成工业级
X100 这颗芯片，底子是 Strix Halo。就是过去一年把 Ryzen AI Max 系列（笔记本、迷你主机里那颗）炒得很热的同一块硅。
AMD 把它挪到嵌入式线，干了两件事。
◎ 一是按工业标准重新认证，工作温度拉到零下 40 度到 105 度，从冰库到沙漠都能扛。
◎ 二是换上针对实时性的固件，在 Linux 下把中断延迟压到 7 微秒以内，给硬实时留了余地；更吃实时性的负载，还能上 hypervisor 做硬实时分区。
桌面芯片拼吞吐，嵌入式芯片拼确定性和服务质量，这是两码事。
顶配 X199 是 16 个 Zen 5 核加 40 个 RDNA 3.5 计算单元，X188 降到 12 核 32 单元，X168 是 8 核 32 单元，三颗都挂着同一条 256 位 LPDDR5X 内存总线。
这条 256 位总线是整颗芯片的命门。机器人要喂大模型，缺的不是算力一个维度，是大带宽内存。Strix Halo 在 AMD 移动芯片里独一份的地方，就是又给了大 iGPU，又给了宽内存通道。
X100 是 AMD 今年在嵌入式线埋的第三颗子。
前两波 P100 系列（基于 Krackan Point 和 Strix Point）已经铺过，X100 补齐了高端那块，把现代 Ryzen AI Embedded 家族凑齐。加上它进了 AMD 的十年生命周期计划，意思是 AMD 承诺连着好几年持续供货，不让这块地基刚铺好就被 successor 冲掉。
做工业设备的客户，最怕的就是芯片突然断供，十年承诺就是给产业链的一张保票。除了机器人，医疗、防务、广播这些肯掏钱也认稳定性的行业，同样是 X100 的目标场。
● 模块层：Kria 贴上 x86，明着抢 Jetson
单颗芯片还不够。AMD 拿 X100 当核心，做了 Kria AI SOM 这个系统级模块。
Kria 是 AMD 从 Xilinx 继承来的产品线，上一代 K24、K26 还停留在 Zynq UltraScale+ 那套 Arm Cortex-A53、16 纳米的可编程硅上，灵活但性能有限。
X100 一进来，Kria 直接从 Arm 可编程 SoC 跳到 x86 高性能处理器，是一次大换血。
模块尺寸定在 120 乘 120 毫米的 COM-HPC 形态，这是 PICMG 工业计算模块的一个开放标准。AMD 故意选开放标准，心思很直白。
开发者把模块塞进自己的设备时摩擦最小，不用被某家私有接口绑死。这招是 AMD 的老套路，用开放标准跟对手拉开身位。
明眼人都看得出，这块板子是冲着 NVIDIA Jetson 去的。大小相近，功耗区间相近，AMD 自己放话性能还更猛。现实没那么慷慨。RDNA 3.5 没有 tensor core，算力吞吐有硬上限，这点 AMD 自己也得认。但冲着 Jetson 市场去，方向已经挑明了。
Part 2
AMD 做了 Kria AI Robotics 开发平台。
它等于在 SOM 之外，又塞了一块载板，把 X199 模块、Spartan UltraScale+ FPGA、各种接口焊成一台开箱即用的开发机。那块 Spartan FPGA 专干实时传感融合这类传统上归可编程逻辑管的活。
多个 5GbE，外加一个走 QSFP 的 10GbE，5 个 USB-C（2 个 USB4、3 个 USB 3.2）加 2 个 USB-A，相机输入、Molex Mini50 的 GPIO、OCULink 外扩 PCIe，全配齐。
这东西对标的是 NVIDIA 的 Jetson AGX Thor 开发套件。AMD 的算盘很实在。光卖模块不够，得给开发者一整套能直接开工的参考设计，份额才抢得动。
生态层：定好标准，让伙伴去铺量
还有一层容易被当成新闻边角料略过。Kria AI SOM 不是 AMD 自己造自己卖的。AMD 只定设计和标准，认证过的伙伴才能贴 Kria 标去卖模块，不贴标卖 X100 方案的也放行。这套打法把量铺开的活交给伙伴网络，芯片厂守住标准和控制点。
软件上 AMD 也在搭综合库和框架，目标是让开发者少写底层、多写应用。
配合开放标准、十年供货、伙伴分销，这一整套合起来看，是一个芯片厂在机器人市场想要长期在场的姿势。我不跟你抢整机的生意，我把地基、标准、工具链铺好，你们来盖楼。
这几年中国机器人本体冒出来一大批，四足的、双足人形的，宇树、智元这些名字走到台前，样机迭代快、出货量也在涨。可这批本体派有个绕不开的现实。
很多机器人的脑子还是进口算力在撑，Jetson 这类模块是常见的选择，自研计算平台大多还在早期。
中国机器人走的是另一条起点。
国外地基派先把算力、内存、软件、标准、伙伴这五层在十年尺度上铺好，等机器人厂商来取。国内本体派先把能动的机器做出来，用真实的场景和规模去验证需求、逼出供应链。一个从算力的根往下扎，一个从会动的壳往上长，出发点相反。
规划周期上，AMD 敢给十年供货承诺，背后是对产业链的契约意识，国内整机厂和芯片厂之间还少这种长周期的对赌。
接口标准上，AMD 死抱 COM-HPC 这类开放标准降低集成摩擦，国内各家机器人本体接口、通信协议常常各搞一套，集成成本摊在每家身上。
分工上，国外芯片厂明确不造整机、让伙伴贴牌铺量，国内常常是一家从头干到尾，芯片、本体、算法一把抓，效率高但边界模糊。
AMD 用 RDNA 3.5 没 tensor core，算力吞吐被自己卡着。NVIDIA 那边 CUDA 加 tensor core 的护城河，短期追不上。
中国若真要在算力地基上走自己的路，机会恰恰在这些别人卡住的地方。大带宽内存、专用 AI 算子、软硬一体的工具链，每一处都是可以从根上重做的点。
反过来，国内本体派手里那张国外芯片厂没有的牌，是规模化的现场数据。机器人真正在工厂、在户外的那些反馈，地基派在实验室里拿不到。地基和本体最终要咬合。
芯片厂把算力铺成地基，本体厂把真实世界的数据反灌回去，这条路才走通。
AMD 这次把物理 AI 聚焦机器人，从硅片、模块、平台、软件到伙伴，一层层把让别人来用的基础设施搭全，再用十年承诺锁住信任，挺认真的。
