物理AI爆發，芯片巨頭搶灘邊緣

工業機器人是物理AI第一主戰場。

人工智能正從云端走向物理世界，工業機器人成為業內所稱“物理AI”（Physical AI）的首批重要應用領域。這一轉變反映出市場對自主化工廠、實時決策以及本地數據處理設備的需求日益增長，設備不再依賴遠端云端服務器。

在印度人工智能影響力峰會上，AMD有線與無線事業部高級總監兼業務負責人吉勒斯·加西亞表示，這一演進遵循了計算技術的經典規律：技術最初誕生于大型集中式系統，而后逐步向數據產生與決策執行端靠近。這種轉變催生了他所說的物理AI——人工智能系統直接部署在設備內部，實時感知、判斷并執行操作。

過去十多年，行業重心大多集中在依托大規模算力基礎設施的云端人工智能，但許多新興應用需要在執行現場就近完成計算。

“我們現在看到的模式，和以往計算技術的發展路徑完全一致。”加西亞說，“需要龐大算力的大模型生成式人工智能仍會留在云端。但對云端交互依賴較低的模型，則可以在邊緣或遠邊緣設備運行。”

物理AI，機器人成為早期應用主力

加西亞表示，機器人、自動駕駛、醫療健康、通信等行業正開始采用這類系統。

其中，物理AI工業機器人是目前物理AI落地最快的領域之一。制造商希望產線上的機器人擁有更高自主性，在極少人工干預下完成缺陷檢測、流程調整和安全保障。企業同時追求工廠更高的靈活性。產線需要越來越快地在不同產品間切換，而本地人工智能處理相比集中式系統能更高效地實現這種轉變。

人形機器人是該技術另一大拓展方向。加西亞認為，未來十年內，可直接與人交互的人工智能設備將進入醫療輔助、醫院后勤、養老照護等場景。“我相信未來十年，人形機器人可能成為服務人類的最重要變革之一。”他說。

以工廠機器人為例，它們無法在行動前等待云端處理。“機器人必須基于感知、觸覺、視覺立即做出反應。”加西亞說，“如果要把信息傳回數據中心再等待結果，機器人就毫無用處。”

這類場景下的系統越來越多地采用物理AI嵌入式處理器，以滿足長生命周期和低延遲穩定性要求。

物理AI，功耗與延遲決定系統設計

在物理設備中運行人工智能模型有嚴格的功耗限制。在這些場景里，延遲、功耗和響應速度往往比純算力規模更重要。

隨著工廠自動化、視覺系統和邊緣分析的普及，工業計算平臺既要滿足更高性能需求，又要保證穩定延遲和可控功耗。許多系統還需依靠電池或在散熱受限環境中工作。

“復雜模型并非一定要搭配大型顯卡。”加西亞說，“在AMD，我們可以在功耗低于25瓦的設備上運行Llama 3.2的10億參數模型。”他表示，AMD已深耕多年，研發能在限制功耗下運行復雜模型的低功耗嵌入式處理器。部分系統功耗在5瓦至15瓦之間，大型機器人平臺則在10瓦至50瓦區間。

物理AI，邊緣計算持續進步

AMD近期推出了物理AI物理AI銳龍嵌入式9000系列處理器物理AI物理AI，面向工業電腦、機器人控制器和機器視覺系統。該系列基于Zen 5架構，最高配備16個CPU核心，功耗范圍可配置在65瓦至170瓦。AMD同時在研發專門面向異構人工智能負載的處理器。

例如銳龍嵌入式P100，它在單芯片中集成了x86 CPU核心、GPU算力和神經網絡處理單元（NPU）。

加西亞將其定義為異構計算平臺，可根據性能與效率需求將任務分配到不同處理單元。

“有些任務更適合CPU，有些更適合GPU，還有些適合NPU。目標是讓每個功能都運行在最合適的硬件上。”現代物理AI系統必須融合網絡、感知與計算。聯網能力讓設備之間或與基礎設施協同，而本地人工智能加速器則處理圖像、信號等傳感輸入。

物理AI，芯片廠商競相搶占邊緣AI市場

“我們以為自己了解人工智能。”加西亞說，“六個月前，我們不知道今天會發生什么；現在，我們也不知道六個月后會怎樣。”

面對這種不確定性，人工智能平臺必須具備足夠靈活性，以支持多種模型和不斷變化的負載。如今，物理AI靈活性正取代固定硬件功能，成為客戶部署人工智能系統時的首要考量。

AMD的戰略覆蓋從數據中心大型顯卡集群到邊緣端嵌入式處理器的全棧人工智能系統。“一種方案無法適配所有場景。”他說，“自動駕駛汽車里運行的模型，與人形機器人或工業機器人的模型并不相同。”

AMD并非這一領域的唯一玩家。

工業計算機廠商長期依賴英特爾處理器，凌動、酷睿、至強系列支撐著大量工廠電腦與邊緣系統。這些芯片與AMD嵌入式銳龍產品直接競爭，因為它們運行相同的x86軟件與工業級操作系統。

另一類供應商則基于Arm架構，包括恩智浦、德州儀器、瑞薩電子等。它們的芯片面向控制系統、機器人和工業網關，在這些場景中，功耗與實時響應往往比純算力更重要。實際應用中，系統設計者會根據需求選擇方案：是需要高性能工業電腦，還是更靠近產線設備的小型控制器。

展望未來，加西亞認為物理AI的普及將在各行業催生全新商業模式。“我相信物理AI將為初創公司、行業和企業打開全新的商業模式。”他說，“企業可以基于能自主感知環境并本地決策的設備，開發全新服務。”

不過他也表示，普及程度取決于人工智能能否自然融入日常工作與工業流程。“我們不能強迫別人使用人工智能。”加西亞說，“它必須真正融入人們每天在做的事情里。”

*聲明：本文系原作者創作。文章內容系其個人觀點，我方轉載僅為分享與討論，不代表我方贊成或認同，如有異議，請聯系后臺。