物理AI爆发，芯片巨头抢滩边缘

人工智能正从云端走向物理世界，工业机器人成为业内所称“物理AI”（Physical AI）的首批重要应用领域。这一转变反映出市场对自主化工厂、实时决策以及本地数据处理设备的需求日益增长，设备不再依赖远端云端服务器。

在印度人工智能影响力峰会上，AMD有线与无线事业部高级总监兼业务负责人吉勒斯·加西亚表示，这一演进遵循了计算技术的经典规律：技术最初诞生于大型集中式系统，而后逐步向数据产生与决策执行端靠近。这种转变催生了他所说的物理AI——人工智能系统直接部署在设备内部，实时感知、判断并执行操作。

过去十多年，行业重心大多集中在依托大规模算力基础设施的云端人工智能，但许多新兴应用需要在执行现场就近完成计算。

“我们现在看到的模式，和以往计算技术的发展路径完全一致。”加西亚说，“需要庞大算力的大模型生成式人工智能仍会留在云端。但对云端交互依赖较低的模型，则可以在边缘或远边缘设备运行。”

物理AI 机器人成为早期应用主力

加西亚表示，机器人、自动驾驶、医疗健康、通信等行业正开始采用这类系统。

其中，物理AI工业机器人是目前物理AI落地最快的领域之一。制造商希望产线上的机器人拥有更高自主性，在极少人工干预下完成缺陷检测、流程调整和安全保障。企业同时追求工厂更高的灵活性。产线需要越来越快地在不同产品间切换，而本地人工智能处理相比集中式系统能更高效地实现这种转变。

人形机器人是该技术另一大拓展方向。加西亚认为，未来十年内，可直接与人交互的人工智能设备将进入医疗辅助、医院后勤、养老照护等场景。“我相信未来十年，人形机器人可能成为服务人类的最重要变革之一。”他说。

以工厂机器人为例，它们无法在行动前等待云端处理。“机器人必须基于感知、触觉、视觉立即做出反应。”加西亚说，“如果要把信息传回数据中心再等待结果，机器人就毫无用处。”

这类场景下的系统越来越多地采用物理AI嵌入式处理器，以满足长生命周期和低延迟稳定性要求。

物理AI 功耗与延迟决定系统设计

在物理设备中运行人工智能模型有严格的功耗限制。在这些场景里，延迟、功耗和响应速度往往比纯算力规模更重要。

随着工厂自动化、视觉系统和边缘分析的普及，工业计算平台既要满足更高性能需求，又要保证稳定延迟和可控功耗。许多系统还需依靠电池或在散热受限环境中工作。

“复杂模型并非一定要搭配大型显卡。”加西亚说，“在AMD，我们可以在功耗低于25瓦的设备上运行Llama 3.2的10亿参数模型。”他表示，AMD已深耕多年，研发能在限制功耗下运行复杂模型的低功耗嵌入式处理器。部分系统功耗在5瓦至15瓦之间，大型机器人平台则在10瓦至50瓦区间。

物理AI 边缘计算持续进步

AMD近期推出了物理AI物理AI锐龙嵌入式9000系列处理器物理AI物理AI，面向工业电脑、机器人控制器和机器视觉系统。该系列基于Zen 5架构，最高配备16个CPU核心，功耗范围可配置在65瓦至170瓦。AMD同时在研发专门面向异构人工智能负载的处理器。

例如锐龙嵌入式P100，它在单芯片中集成了x86 CPU核心、GPU算力和神经网络处理单元（NPU）。

加西亚将其定义为异构计算平台，可根据性能与效率需求将任务分配到不同处理单元。

“有些任务更适合CPU，有些更适合GPU，还有些适合NPU。目标是让每个功能都运行在最合适的硬件上。”现代物理AI系统必须融合网络、感知与计算。联网能力让设备之间或与基础设施协同，而本地人工智能加速器则处理图像、信号等传感输入。

物理AI 芯片厂商竞相抢占边缘AI市场

“我们以为自己了解人工智能。”加西亚说，“六个月前，我们不知道今天会发生什么；现在，我们也不知道六个月后会怎样。”

面对这种不确定性，人工智能平台必须具备足够灵活性，以支持多种模型和不断变化的负载。如今，物理AI灵活性正取代固定硬件功能，成为客户部署人工智能系统时的首要考量。

AMD的战略覆盖从数据中心大型显卡集群到边缘端嵌入式处理器的全栈人工智能系统。“一种方案无法适配所有场景。”他说，“自动驾驶汽车里运行的模型，与人形机器人或工业机器人的模型并不相同。”

AMD并非这一领域的唯一玩家。

工业计算机厂商长期依赖英特尔处理器，凌动、酷睿、至强系列支撑着大量工厂电脑与边缘系统。这些芯片与AMD嵌入式锐龙产品直接竞争，因为它们运行相同的x86软件与工业级操作系统。

另一类供应商则基于Arm架构，包括恩智浦、德州仪器、瑞萨电子等。它们的芯片面向控制系统、机器人和工业网关，在这些场景中，功耗与实时响应往往比纯算力更重要。实际应用中，系统设计者会根据需求选择方案：是需要高性能工业电脑，还是更靠近产线设备的小型控制器。

展望未来，加西亚认为物理AI的普及将在各行业催生全新商业模式。“我相信物理AI将为初创公司、行业和企业打开全新的商业模式。”他说，“企业可以基于能自主感知环境并本地决策的设备，开发全新服务。”

不过他也表示，普及程度取决于人工智能能否自然融入日常工作与工业流程。“我们不能强迫别人使用人工智能。”加西亚说，“它必须真正融入人们每天在做的事情里。”