人工智能 (AI) 的下一波浪潮正邁向物理世界，并深度融入汽車、機(jī)器人及其他自主設(shè)備之中。據(jù)麥肯錫 (McKinsey)[1]預(yù)測，到 2030 年，僅在美國市場，由 AI 驅(qū)動的智能體和機(jī)器人就有望釋放每年約 2.9 萬億美元的經(jīng)濟(jì)價(jià)值。

隨著各類設(shè)備從執(zhí)行單一任務(wù)、預(yù)編程的控制設(shè)備，向具備自適應(yīng)能力的 AI 驅(qū)動系統(tǒng)演進(jìn)，計(jì)算性能的評判標(biāo)準(zhǔn)將取決于這些系統(tǒng)能否實(shí)現(xiàn)以下能力：

在嚴(yán)苛的功耗限制下運(yùn)行；

提供確定性響應(yīng)時(shí)延；

符合功能安全標(biāo)準(zhǔn)；

提供穩(wěn)健可靠的安全性；

在漫長的產(chǎn)品生命周期內(nèi)保持可靠性。

這意味著，計(jì)算平臺從設(shè)計(jì)之初，就必須圍繞性能、能效、可預(yù)測性、功能安全與信息安全進(jìn)行構(gòu)建。數(shù)十年來，這些原則始終是 Arm 計(jì)算平臺的核心。如今，隨著 AI 加速落地至能夠感知、推理、認(rèn)知并執(zhí)行的各類設(shè)備，這些原則正趨于融合。

這一趨勢正推動著物理 AI 的發(fā)展。

什么是物理 AI？

物理 AI 是專為應(yīng)對多變、不可預(yù)測且安全關(guān)鍵型場景而設(shè)計(jì)的智能系統(tǒng)。這類系統(tǒng)可實(shí)現(xiàn)道路行駛、物料搬運(yùn)、基礎(chǔ)設(shè)施巡檢、零部件裝配及車隊(duì)協(xié)同，所有操作均直接在物理世界中完成。

本質(zhì)上，物理 AI 是將智能嵌入設(shè)備之中，打破模型、軟件棧與硬件架構(gòu)之間的界限。傳感器持續(xù)產(chǎn)生的數(shù)據(jù)流經(jīng) AI 模型處理并生成決策，由控制系統(tǒng)實(shí)時(shí)執(zhí)行，再將結(jié)果反饋至系統(tǒng)，形成從感知到行動的完整閉環(huán)。

物理 AI 的應(yīng)用領(lǐng)域涵蓋自動駕駛汽車、先進(jìn)機(jī)器人、無人機(jī)及智能工業(yè)系統(tǒng)。這些應(yīng)用場景的共性在于它們對計(jì)算能力提出了嚴(yán)苛要求，需在有限功耗與安全邊界內(nèi)，協(xié)同完成感知、推理與控制全過程。

生成式 AI 輸出文本、圖像、代碼等數(shù)字內(nèi)容，通常運(yùn)行于軟件環(huán)境中，其性能主要以模型的精度或創(chuàng)造力為性能衡量標(biāo)準(zhǔn)。與之相比，物理 AI 運(yùn)行在動態(tài)的真實(shí)場景中，實(shí)時(shí)決策會立即轉(zhuǎn)化為物理運(yùn)動。

在這一背景下，任何計(jì)算誤差都可能影響系統(tǒng)的安全性、可靠性與運(yùn)行連續(xù)性，這也決定了物理 AI 系統(tǒng)的構(gòu)建、驗(yàn)證與部署方式。

為何物理 AI 意味著平臺革新？

物理 AI 正處于一個(gè)與智能手機(jī)發(fā)展初期相似的行業(yè)轉(zhuǎn)折點(diǎn)。在智能手機(jī)成為真正的平臺級產(chǎn)品時(shí)，那是算力、互聯(lián)功能與開發(fā)者生態(tài)發(fā)生深度融合的時(shí)刻，從而催生了全新的產(chǎn)業(yè)與服務(wù)。

如今，汽車、機(jī)器人及其他自主設(shè)備領(lǐng)域也在經(jīng)歷類似的生態(tài)融合，整個(gè)生態(tài)致力于釋放數(shù)萬億美元規(guī)模的物理 AI 經(jīng)濟(jì)價(jià)值。當(dāng)前的環(huán)境不僅 AI 算法已日趨成熟，傳感器與執(zhí)行器也日益普及，模型訓(xùn)練基礎(chǔ)設(shè)施亦持續(xù)擴(kuò)展。

然而，要使物理 AI 真正實(shí)現(xiàn)規(guī)模化，離不開堅(jiān)實(shí)的計(jì)算底座 —— 它既能支撐并協(xié)同云端訓(xùn)練、邊緣推理與設(shè)備端實(shí)時(shí)執(zhí)行等多類工作負(fù)載，又能在硬件迭代過程中保持軟件的連續(xù)性。

這正是物理 AI 代表平臺革新的原因。它的定義并非依托某款設(shè)備或某種部署方式，而是源于底層計(jì)算架構(gòu)，讓全品類智能機(jī)器實(shí)現(xiàn)長期、穩(wěn)定的演進(jìn)與規(guī)?；l(fā)展。

Arm 計(jì)算平臺正位于這場融合的核心。從邊緣控制器到高性能自主化系統(tǒng)，Arm 技術(shù)已成為當(dāng)前眾多智能基礎(chǔ)設(shè)施的基石。隨著 AI 融入更多設(shè)備，Arm 在移動與汽車領(lǐng)域保持領(lǐng)先的核心優(yōu)勢 —— 高性能與高能效兼?zhèn)?、高可擴(kuò)展性與廣泛的生態(tài)，為物理 AI 實(shí)現(xiàn)全球規(guī)模化提供了不可或缺的技術(shù)連續(xù)性。

Arm 如何落地物理 AI 實(shí)踐？

當(dāng)前，物理 AI 已深度融入量產(chǎn)級自主化平臺的工程實(shí)踐。Arm 計(jì)算平臺為汽車、工業(yè)機(jī)器人及邊緣系統(tǒng)提供核心智能算力，已成為眾多自主系統(tǒng)廣泛采用的計(jì)算基石。

Arm 核心驅(qū)動了 Rivian 第三代自主化計(jì)算平臺，其 Rivian Autonomy Processor (RAP1) 為平臺垂直整合的感知、規(guī)劃與控制全棧提供算力支撐。依托 Armv9 架構(gòu)，Rivian 實(shí)現(xiàn)了 AI 推理與車輛控制系統(tǒng)的深度耦合，可在整車架構(gòu)中實(shí)現(xiàn)實(shí)時(shí)傳感器融合、預(yù)測式?jīng)Q策以及線控執(zhí)行的協(xié)同操作。

Tensor 的 L4 級代理式 AI (Agentic AI) 自動駕駛平臺，同樣也采用了 Arm 計(jì)算平臺為核心，將智能分布到整車系統(tǒng)。每臺自動駕駛車輛集成了超過 400 個(gè)基于 Arm 架構(gòu)的計(jì)算核心，包括面向高吞吐自主化工作負(fù)載的 Arm Neoverse AE 系列 CPU、負(fù)責(zé)通用計(jì)算與冗余保障的 Cortex-X 系列 CPU、執(zhí)行實(shí)時(shí)安全關(guān)鍵控制的 Cortex-R 系列 CPU，以及管理低功耗子系統(tǒng)的 Cortex-M 系列 CPU。

這兩個(gè)案例展示了 Arm 架構(gòu)的異構(gòu)計(jì)算能力：感知、規(guī)劃、控制、安全監(jiān)控與系統(tǒng)管理不再各自為戰(zhàn)，而是作為一個(gè)統(tǒng)一系統(tǒng)協(xié)同運(yùn)轉(zhuǎn)。高性能 AI 處理可與確定性安全系統(tǒng)并行運(yùn)作，同時(shí)，高能效核心負(fù)責(zé)分布式感知與協(xié)同調(diào)度任務(wù)。這種平衡的方法使得計(jì)算能力得以擴(kuò)展，而無需在熱設(shè)計(jì)限制、安全完整性或架構(gòu)一致性上作出任何犧牲。

軟件適配性與生態(tài)連續(xù)性

隨著物理 AI 系統(tǒng)從原型邁向規(guī)模化，軟件適配性與計(jì)算能力變得同等重要。汽車行業(yè)為這一趨勢提供了實(shí)踐參考。如今，包括特斯拉、Rivian、蔚來、吉利等在內(nèi)的幾乎所有主流車企，均以 Arm 技術(shù)作為核心計(jì)算平臺，基于 Arm 技術(shù)打造先進(jìn)駕駛輔助系統(tǒng) (ADAS)、沉浸式座艙等車載應(yīng)用，并通過無線更新 (OTA) 實(shí)現(xiàn)長達(dá)數(shù)年的持續(xù)迭代。機(jī)器人及其他自主化設(shè)備，同樣對軟件的持續(xù)升級有著類似需求。

以部署在物流或制造場景中的機(jī)器人為例，其使用壽命可達(dá)十年，但其感知模型與自主決策策略需要頻繁更新。這些持續(xù)升級必須在不干擾實(shí)時(shí)控制領(lǐng)域的前提下進(jìn)行，同時(shí)無需在每次軟件發(fā)布時(shí)都重新進(jìn)行全系統(tǒng)驗(yàn)證。

Arm 在汽車領(lǐng)域深耕數(shù)十年，積累了支持混合關(guān)鍵任務(wù)工作負(fù)載的豐富經(jīng)驗(yàn)。在這一領(lǐng)域，AI 與通過安全認(rèn)證的中間件需在同一平臺上并行運(yùn)行。憑借這些寶貴經(jīng)驗(yàn)，Arm 自然而然地具備了支撐下一代物理 AI 系統(tǒng)的能力。此前在汽車中應(yīng)用的架構(gòu)理念，如今也可推廣至機(jī)器人及其他自主化設(shè)備，在實(shí)現(xiàn)軟件持續(xù)升級的同時(shí)，保障系統(tǒng)行為穩(wěn)定與安全完整性。

云端、邊緣側(cè)與物理 AI 的融合

AI 模型通常在大規(guī)模云端環(huán)境中完成訓(xùn)練，經(jīng)仿真優(yōu)化迭代后，部署至汽車、機(jī)器人、工業(yè)系統(tǒng)等需即時(shí)決策的場景。

物理 AI 系統(tǒng)在真實(shí)環(huán)境運(yùn)行時(shí)，產(chǎn)生的數(shù)據(jù)與運(yùn)行反饋會回傳至云端，用于模型持續(xù)優(yōu)化。長此以往，訓(xùn)練、部署與優(yōu)化形成持續(xù)閉環(huán)。

這一過程讓云端、邊緣側(cè)與物理 AI 系統(tǒng)的邊界日趨模糊。計(jì)算不再針對訓(xùn)練、推理、實(shí)時(shí)執(zhí)行等環(huán)節(jié)單獨(dú)設(shè)計(jì)，而需在所有環(huán)境中無縫協(xié)同，并在系統(tǒng)規(guī)?；葸M(jìn)過程中保持可移植性。

Arm 計(jì)算平臺已覆蓋全計(jì)算鏈路，從云端大規(guī)模服務(wù)器、邊緣設(shè)備到嵌入式控制器，均能提供支撐。這種架構(gòu)一致性讓開發(fā)者可基于統(tǒng)一技術(shù)基礎(chǔ)開展研發(fā)，更便捷地遷移工作負(fù)載、復(fù)用軟件，實(shí)現(xiàn)智能能力高效規(guī)?；?。

隨著物理 AI 的成熟，統(tǒng)一云端、邊緣側(cè)與物理環(huán)境的能力，已與原始性能、能效同等重要。能夠成功落地的系統(tǒng)，必將依托可無縫連接各技術(shù)層級的架構(gòu)打造而成。

智能系統(tǒng)的全新篇章

伴隨汽車、機(jī)器人與工業(yè)平臺的不斷演進(jìn)，行業(yè)關(guān)注的核心問題已不再是“AI 是否會融入其中”，而是“如何設(shè)計(jì)物理 AI 系統(tǒng)，使其更智能、更協(xié)同地實(shí)現(xiàn)長期規(guī)?；l(fā)展”。定義這個(gè)時(shí)代的標(biāo)志，將不再是某一款突破性的單一設(shè)備，而是那些能讓智能在不同領(lǐng)域間遷移，同時(shí)不喪失穩(wěn)定性、可移植性與可信性的計(jì)算平臺。

Arm 通過提供跨行業(yè)、跨性能層級的統(tǒng)一計(jì)算架構(gòu)，讓整個(gè)生態(tài)能夠?qū)Ｗ⒂?AI 能力的持續(xù)升級，無需在系統(tǒng)每次擴(kuò)展時(shí)都重新構(gòu)建底層基礎(chǔ)。

物理 AI 并非遙遠(yuǎn)的愿景，它是機(jī)器在現(xiàn)實(shí)世界中設(shè)計(jì)、部署與獲得信任的全新篇章。當(dāng)下的計(jì)算架構(gòu)選擇，將決定未來智能在安全性、效率與全球規(guī)?；矫娴陌l(fā)展，而 Arm 正在為這一未來奠定基礎(chǔ)。