物理 AI 演進之路：從受控環境走向現實世界

來源 | Arm 社區

物理人工智能 (AI) 正推動機器從可預測的受控環境走向復雜多變的現實世界。機器人曾經主要被設計用于工廠車間的高精度重復作業，如今已進化為能夠感知、推理、理解環境并對動態場景做出響應。這種變革在宏觀層面同樣意義深遠：AI 驅動的生產力提升，預計未來十年將帶動全球 GDP 增長約 4%。[注]

[注] https://cepr.org/voxeu/columns/global-impact-ai-mind-gap

AI 技術的持續進步，讓物理 AI 系統能夠在毫秒級時間內識別視覺信息、理解場景上下文并調整其行為。無論是倉庫自主導航、醫院輔助作業，還是道路行駛，自主機器均依據實時情況而不是固定順序做出決策。

多年來，Arm 從最早部署在工廠車間的固定式機器開始，持續助力物理 AI 系統研發。如今，這套技術基礎正賦能新一代智能機器人與自主機器，使其能夠在真實環境中運行并實時做出響應。

現實中的物理 AI

從當下打造的機器中，可以清晰地看到物理 AI 的演進脈絡。各類形態的機器人及其他自主機器正不斷提升環境感知能力、自適應能力與自主運行能

新一代人形機器人

物理 AI 的技術進步集中體現在更復雜、類人化的系統上。 此前在 Arm 位于劍橋的總部，智元機器人充分展現了人形機器人技術已取得的長足進展。這些機器人展示出靈巧的操控能力，能以流暢的動作在復雜環境中自主導航，實時融合感知、推理與控制技術。

這類物理 AI 系統專為人類生活或工作環境設計，需要理解空間布局，解讀意圖，并精準執行動作，同時保障周圍人員安全。這對計算能力提出了極高要求，因為視覺處理、AI 推理和運動規劃等多個工作負載必須在嚴格的功耗和散熱限制下并行運行。

Arm 計算平臺可針對這類工作負載實現高效處理，從而滿足相關需求，使人形機器人系統能夠在現實環境中靈敏且安全地運行。

四足機器人與工業機器人

四足機器人是物理 AI 的另一重要分支，尤其適用于地形復雜、環境危險、不可預測的場景。

云深處科技等公司研發的機器人專為巡檢勘探和應急救援場景設計，可在崎嶇地面行進、翻越障礙，并在不斷變化的環境中保持穩定。這些能力依賴于持續的環境感知和實時控制，并由高效的計算提供支持。

與此同時，普渡機器人的 PUDU D5 等平臺將自主移動能力延伸至工業場景。D5 系列專為巡檢、巡邏和物流保障設計，搭載激光雷達和攝像頭視覺技術，可在大型廠區、復雜地形自主作業。這在高危、偏遠或人員難以抵達的場景中尤其有用，在這類場景下，可以用機器人替代人工執行任務，從而提升安全性并降低風險。

為了支持這一點，該系統采用異構計算架構，將工作負載拆分至感知、規劃和控制三大模塊，通過持續處理傳感器數據，使機器人能夠理解環境并以低延遲做出響應。

基于 Arm 計算平臺打造的處理器支持這些核心功能，并與 AI 加速器搭配，在邊緣側提供高效性能。這讓機器人能夠在可靠性、安全性和能效至關重要的環境中獨立運行。

工業自動化領域也迎來同樣的變革。工廠車間的協作機器人正變得越來越能快速響應不斷變化的工作流程，同時不僅能與人類協同作業，還能靈活適配全新任務，而無需完全固定的配置。

波士頓動力公司的 Spot 四足機器人也是個典型例子，其可部署于工業場景中執行巡檢和遠程運維，在這類場景中，實時感知和控制至關重要。

自動駕駛汽車與移動出行平臺

物理 AI 同樣正在改變自動駕駛領域，要求系統必須在復雜真實路況下安全行駛和導航。

以聯想車計算與文遠知行聯合打造的自動駕駛出租車為例，這些自動駕駛出租車驗證了基于 Arm 架構的可擴展計算平臺可實現 L4 級自動駕駛。這些系統處理攝像頭和激光雷達等海量傳感器數據，以做出實時駕駛決策。

與此同時，Arm 與 Tensor 的合作凸顯了新一代計算平臺如何圍繞 AI 移動出行方案進行設計。這些平臺融合高性能計算與高能效特性，為自動駕駛系統中帶來實時感知、路徑規劃和運動控制能力。

Arm 與 Rivian 的合作同樣印證了定制化自動駕駛平臺可讓車輛規模化理解周圍環境并實時做出駕駛決策。在這些環境下，可靠性和延遲至關重要。系統必須瞬時做出決策，并長期穩定運行。高效、可擴展的計算能力是實現這一目標的核心。

智能系統的組成模塊

圖片物理 AI 的核心是感知、決策和行動之間的持續循環。系統必須處理傳感器輸入，解析這些數據，并在毫秒級時間內觸發響應。在許多情況下，感知到行動的延遲更是決定性要求，尤其是在安全和時效至關重要的環境中。

物理 AI 的演進根植于現代機器人與自主機器系統的工程設計思路：整合多項核心能力，并讓這些能力作為一個協調的系統運行。每一層級都對機器如何理解世界以及如何與世界交互產生影響。

感知提供環境認知能力。攝像頭、激光雷達和其他傳感器陣列持續生成數據流，使系統能夠進行物體檢測、距離估算和環境建模。邊緣 AI 推理在本地處理這些數據。通過在設備端運行 AI 模型，機器人可以即時響應，而無需等待云端輸入。在延遲直接影響安全性或性能的環境中，這一點至關重要。

多模態推理融合視覺和語言等多類輸入。機器人及其他自主機器能夠理解場景，解讀指令，并做出適當的行動決策。這使得交互方式更貼近人類自然溝通模式。實時控制與安全防護確保決策得到可靠執行。確定性計算使系統能夠在可預測時限內做出響應，而安全防護機制則有助于管理復雜環境下的運行風險。

這些能力目前已經在各行業中得到應用。例如，在智能工廠中，預測性維護系統會持續分析設備數據，以提前識別潛在的故障跡象。同時，在物理 AI 部署中，各類系統均可處理現實世界的輸入并以超低延遲執行動作。

以高效、可擴展的計算能力賦能物理 AI

圖片當前物理 AI 系統需要在嚴格的功耗和散熱限制下，處理大量傳感器數據、運行 AI 模型和控制運動。許多系統采用電池供電，但電池的功率有限，使得能效成為關鍵考量因素。同時，必須保持性能穩定，尤其是在時效和精度至關重要的環境中。

為此，如今的計算平臺必須具備以下能力：

• 支持實時決策的確定性性能；

• 在受限環境下持續穩定運行的高能效表現；

• 端側 AI 推理能力，可降低延遲；

• 異構計算，用于管理多樣化工作負載；

• 可適配各類物理 AI 系統的擴展能力。

Arm 計算平臺正是圍繞以上原則而設計的。因此，它廣泛應用于物理 AI 系統的各個計算領域，從處理傳感器數據的低功耗微控制器，到負責復雜 AI 工作負載的高性能中央計算單元（相當于物理 AI 系統的“大腦”）。這使得工程師和開發者能夠在構建系統時針對各組件按需進行優化，同時仍保持統一的架構。

例如，在機器人領域，該方案可以實現性能和能效之間的出色平衡。機器人可以處理傳感器輸入，高效運行 AI 推理并執行控制邏輯，同時不會超出功率或散熱限制。對于需要在真實場景下持續運行的系統而言，這一點尤為關鍵。

Arm 的生態系統也在加速技術開發方面發揮著重要作用。Arm 攜手軟硬件領域的眾多合作伙伴，依托全球超 2,200 萬開發者的生態系統，打造從工廠車間固定環境中的機器，到真實環境中運行的人形機器人與四足機器人，覆蓋各種場景的物理 AI 平臺。

引領智能機器未來發展

圖片物理 AI 正在重新定義機器與世界的交互方式。新一代機器人與其他自主機器具備更強的環境理解能力，依托先進 AI 實現解讀、決策和執行。其應用場景也持續拓寬，覆蓋交互式系統、工業自動化和自動駕駛等多個領域。

隨著系統持續迭代，性能和效率之間的平衡將直接決定技術部署范圍。多年來，從最早部署在工廠車間的固定式機器開始，Arm 持續助力物理 AI 系統研發。如今，這套技術基礎正賦能新一代智能機器人和自主機器，讓 AI 直接作用于物理世界，并且系統原生支持實時響應。

隨著物理 AI 持續規模化落地，越來越多的智能機器將基于 Arm 計算平臺打造。

會議推薦

大會限時早鳥票享 8 折專屬優惠，現在報名立減 1160，更多詳情可掃碼或聯系票務經理 13269078023 進行咨詢。

今日薦文

你也「在看」嗎？