当人工智能的竞争焦点从云端延伸至真实物理世界，产业界面临从“数字智能”向“物理 AI（Physical AI）”的发展演进。物理AI、具身智能、人形机器人等也成为未来最具潜力的新兴市场。近日，恩智浦半导体总裁兼首席执行官Rafael Sotomayor开启访华行程。在密集走访多家机器人企业和布局机器人业务的汽车公司之余，其与恩智浦半导体执行副总裁兼中国事业部总经理李晓鹤共同接受了媒体采访。两位高管围绕物理AI的技术趋势、产业痛点、全球竞争格局以及恩智浦的中国战略进行了深入解读。
恩智浦半导体总裁兼首席执行官Rafael Sotomayor
恩智浦半导体执行副总裁兼中国事业部总经理李晓鹤
AI从云端走向边缘，物理AI开启市场新机遇
随着人工智能与实体产业的融合持续深化，物理AI正在推动智能形态从数字世界向物理世界跃迁，开启边缘智能发展的全新时代。未来10至15年，物理AI驱动的机器人领域将成长为体量庞大的核心产业，技术创新与产业迭代的速度将远超以往。
作为全球汽车与工业物联网智能边缘领域的领先半导体企业，恩智浦目前有超过50%的业务来自汽车，约20%来自工业与物联网。得益于汽车、工业智能与物理AI的密切产业共振，恩智浦也敏锐把握到新的技术动向与市场机遇，正在把汽车与工业领域积淀数十年的可信系统能力向机器人赛道迁移。
“AI正在从云端走向边缘，而边缘正是我们所聚焦的领域。”Rafael Sotomayor开场即点明主旨。在他看来，云端AI是“有耐心”的，而边缘AI“是有后果的”：当AI来到边缘，赋能设备思考、感知并自主行动，其应用场景将成倍增加，运行过程更为复杂，创新的速度也前所未有。他判断，未来10到15年，物理AI将成长为一个规模巨大的领域和行业，人形机器人、AMR（自主移动机器人）、无人机等都将汇入这一浪潮。
从技术角度来看，恩智浦提出的神经轴（Neural Axis）架构，为物理AI提供了一种受生物神经系统启发的新架构思路。这一架构借鉴生物构造，将物理AI系统划分为三个层级，各层分工明确且高度协同，对应不同的响应速度与计算深度。其中，大脑层（推理层）负责深度思考、记忆和计算，速度较慢但思考深入；小脑层（协调层）负责运动协调与行走平衡，思考较少但速度更快；脊髓层（反射层）实现快速反射，几乎不思考但速度极快。
在神经轴三层架构中，恩智浦的战略定位在于系统级能力——依托在边缘计算、实时控制、安全防护领域的长期技术沉淀，为各类物理AI应用提供系统级产品组合与解决方案支撑。例如，面向小脑协调层，恩智浦推出了S32N系列，这是恩智浦首款5纳米产品，集功能安全、信息安全、实时性能与网络能力于一体，“非常适合‘小脑’这一层”。
面向脊髓反射层，恩智浦的电机控制产品正成为行业“标配”。Rafael Sotomayor透露，他此行走访的每一家机器人公司，在“脊髓”这一层全部使用恩智浦产品，用于灵巧手等领域的运动控制、移动和抓取。
以系统级可信能力，破局商业化落地多重痛点
目前的物理AI整体仍处于行业发展初期阶段，商业化落地面临多重痛点。首先是场景难度远超汽车。李晓鹤指出，相较于汽车相对有限的运动控制场景，人形机器人拥有40余个自由度，需要主动接触和操作物体。环境复杂度、安全要求与技术难度均呈几何级上升。“它不光要求更高，而且难度也是几何级数的。”李晓鹤强调。
其次，物理AI是系统级问题，而非单纯算力问题。Rafael Sotomayor反复强调，物理AI无法通过单纯堆砌算力、让“大脑”越来越大来解决问题。人形机器人可能是人类迄今为止构建的最复杂的系统，应用场景数量远远多过汽车。汽车运行在受控环境中，而人形机器人可能出现在任何地方。这意味着，仅靠处理器性能的堆砌无法满足物理AI的需求。这本质上是一场系统性工程的挑战。
第三，商业化落地的核心需建立可信系统。设备出现故障时可自主恢复、稳定运行，兼具信息安全与功能安全，这是物理AI实现规模化的前提。然而当前可信体系缺口巨大：功能安全、信息安全、模型验证、大小脑协同、连续可靠性、极端场景实时性等“可信AI”技术体系仍面临大量挑战。“大脑做AI，有时候可能会产生幻觉，但小脑的运动控制是不允许有幻觉的，它要求具有非常高的准确性和实时性。”李晓鹤进一步指出，当智能系统能够直接危及生命时，它的可信任程度就应是最高等级的。
恩智浦的核心优势正在于汽车和工业领域几十年积累的可信系统能力。恩智浦能够真正理解对于一个承载着生命的移动设备，实现信息安全和功能安全意味着什么！可信系统不等同于单一的安全，而是多维度的体系要求，涵盖信息安全、功能安全、确定性实时处理，以及高能效等等。这些正是物理AI成功的支柱。
在产品层面，恩智浦拥有从处理器、模拟器件、电源管理、电池管理、传感器到高速同步网络的完整产品组合，能够覆盖神经轴三层架构的多类型需求。恩智浦可以将汽车和工业领域积累的可信系统能力进行系统级集成，与机器人企业形成能力互补，帮助其加速从验证走向规模化部署。
“如果一家公司只擅长做处理器，在物理AI方面是很难获胜的。”Rafael Sotomayor表示，“我们的目标是通过密切地和客户协作、贴近他们的需求，在创新方面跑赢对手。”恩智浦的目标是与客户协同打磨技术、验证环境与应用，逐步补齐系统级能力，共同定义高效、可信的AI系统。
中美欧机器人竞速，工厂场景有望率先商业化落地
物理AI被视为全球科技产业的下一个主战场，美国、欧洲、中国均在加速布局，但依托各自不同的产业基础，三大市场走出了差异化路径。
根据Rafael Sotomayor的观察，在中国市场，最鲜明的特征是人形机器人创业公司数量众多、产业生态体系庞大、创新速度极快。“我半年前也来过中国，仅仅过去六个月所取得的进展就使人惊叹。”至于欧洲市场，则更侧重无人机等品类。恩智浦在欧洲的客户主要聚焦无人机，这也是机器人的一种形态。美国市场资金充足但整体产业生态规模远小于中国。代表企业包括亚马逊、波士顿动力和特斯拉等。从恩智浦自身的客户结构看，其美国客户主要聚焦AMR（自主移动机器人），少数涉及人形机器人与四足机器人。总体而言，中国市场的产业生态规模更大。
总体而言，Rafael Sotomayor十分看好中国物理AI产业的发展前景。Rafael Sotomayor表示，如果让他猜测第一家能把人形机器人部署到真实应用场景、在工厂中实现落地的公司，“我会赌是一家中国公司”。Rafael Sotomayor进一步指出，尽管路径各不相同，所有玩家最终都需要“毫不妥协的可信物理AI”，“我押注最终能实现规模化的，是那些能够打造可信AI系统的公司”。
深耕中国四十年，恩智浦以全链条本土化拥抱物理AI
面对物理AI带来的新市场机遇，恩智浦已经联合中国本地的合作伙伴进行了大量工作。其中代表性的案例就是恩智浦与北京银河通用机器人（Galbot）的深度合作。银河通用专注于仓库及零售场景的机器人应用，已拥有相当数量的用户。双方的合作方向涵盖灵巧手动作控制、室内环境导航等，针对危险物料搬运等场景进行方案优化。双方在共创中共同迭代技术，恩智浦从中也获得了大量关于机器人应用场景的一线洞察。
在更广阔的战略层面，恩智浦将持续深化中国本地化布局。李晓鹤介绍，目前恩智浦中国拥有1600名工程师，是外资半导体企业中规模最大的本土嵌入式系统研发团队之一。恩智浦还在中国建立了专门的研发团队、产品营销团队和战略团队，打造本地完整生态。
更值得关注的是恩智浦升级的中国本土化模式。李晓鹤说，当很多外企谈“在中国，为中国”时，更多是停留在生产和销售环节。恩智浦追求的是“在中国能够全闭环”，产品定义、产品设计、前端与后端生产、销售全部在本土闭环，并且可以随着中国用户一起走向海外，做到“在中国，为全球”。Rafael Sotomayor则用一句话概括差异：“我们把中国视为一个创新区域，而不是一个销售区域，把它视为创新的源头。”
