在上一期內容中，格羅方德首席商務官 Mike Hogan 先生帶大家了解了數據中心投資如何加速機器人走進真實世界。在本期內容中，格羅方德超低功耗產品線高級副總裁 Ed Kaste 將介紹面向特定應用場景定制的半導體平臺如何為物理 AI 的早期采用到廣泛部署奠定基礎。

如今，物理 AI 已在現實世界中初具雛形——從舊金山到深圳，隨處可見自動駕駛汽車穿行于城市之間；在工業倉儲場景中，自主機器人有序工作；無人機承擔起包裹配送的任務……但這只是開始。未來，物理 AI 的應用邊界將進一步拓展，覆蓋人形機器人、醫療領域的自主影像系統，以及更多復雜多樣的現實場景。人工智能正在邁入全新階段——走出數據中心，以具備實時交互能力的機器形態，真正參與并影響現實世界。

然而，要實現規模化部署，半導體技術將面臨新一輪的挑戰與機遇。多模態感知、分布式智能、執行控制以及功耗效率，這些功能正變得與性能本身同樣重要。面向特定應用場景定制（purpose-built）的半導體平臺，將成為推動物理 AI 從早期采用走向廣泛部署的核心基礎。

面向物理 AI 的專用半導體平臺

物理 AI 帶來了更復雜、更廣泛的計算負載，正在重新定義半導體的技術要求。這些變化也為格羅方德創造了重要機遇，推動我們打造可靠、高能效、高度集成且可持續演進的平臺解決方案。

格羅方德將通過以下技術平臺，賦能下一波物理 AI 浪潮：

業界領先的 FDX 平臺：

憑借超低功耗、低漏電特性、優異的射頻性能、集成電源管理能力以及最高可在 150°C 下穩定運行的高可靠性，FDX 平臺尤其適用于對電池壽命與小型化要求嚴苛的物理 AI 應用場景。

差異化的 FinFET 平臺：

在合理功耗范圍內實現更高性能，并針對高度集成方案進行優化，支持高效感知、實時處理以及在現實環境中的穩定通信。

嵌入式存儲解決方案 (包括 MRAM 與 RRAM)：

提供低功耗、超高速訪問的嵌入式非易失性存儲選項，支持客戶從零開始，基于預驗證的存儲 IP 構建差異化系統。隨著傳統存儲擴展面臨物理與成本雙重限制，這類技術對于確保物理 AI 設計具備長期可持續性至關重要。

硅光子與射頻創新：

通過提升應用內部與外部互連的速度與帶寬實現高速連接，使數十億設備之間能夠以盡可能低的功耗實現可靠通信。

先進封裝與異構集成：

通過將計算、存儲、射頻和電源等多種技術進行整合，打造緊湊、高效的系統架構，進一步優化分布式部署，從而為物理 AI 的應用提供關鍵支持。

物理 AI 的實時運行模型

隨著 AI 向現實世界的深度滲透，物理 AI 應用必須對周圍環境變化作出實時響應。在上一篇博客中，格羅方德首席商務官 Mike Hogan 提出了一個清晰而實用的框架，該框架定義了物理 AI 的運作方式：感知—推理—行動—通信。

感知：通過音頻、觸覺、光學、雷達以及環境傳感器等多模態傳感系統采集物理環境數據。

推理：在本地處理并分析數據，以確定、安全且可靠的方式作出實時決策。

行動：通過帶有精確反饋機制的電機或執行器，完成精準且及時的動作響應。

通信：在分布式系統中（如從邊緣到云端、從設備到設備之間）實現安全且可靠的數據交換。

任何一個環節在延遲、能效、安全或可靠性方面出現短板，都會削弱整體系統表現。因此，在未來，物理 AI 系統將朝著更加定制化與更具自適應方向演進，在優化算力表現的同時，更注重其在物理世界中長期穩定運行能力。

突破功耗與時延雙重約束

功耗與時延是決定物理 AI 能力邊界的兩大核心系統級約束。具體來說，物理 AI 應用通常需要在散熱受限的環境中持續運行，同時能源獲取條件有限，卻必須保持實時響應能力。隨著系統中半導體含量不斷增加，能效低下或延遲過高會限制系統性能，降低整體可靠性，同時影響設備使用壽命。

通過能效優化與實現超低延遲，物理 AI 系統能夠在功率、熱管理與算力受限條件下發揮更高效能。因此，推動半導體平臺的持續創新，是推動物理 AI 從試點階段走向關鍵任務場景部署的前提。

賦能軟件定義的分布式智能

隨著物理 AI 系統不斷演進，其架構正從集中式計算轉向分布式智能。這意味著系統不再將所有數據發送至云端或單一處理器，而是將智能部署在與現實世界交互的接口處，使其更靠近數據生成和動作執行的位置。

軟件定義架構在這一轉型過程中發揮著關鍵作用。通過實現軟硬件解耦，開發者可以持續進行功能升級，并靈活支持不斷演進的 AI 模型，且無需重新設計底層硬件。這一能力在汽車、工業設備以及機器人平臺等長生命周期系統中尤為關鍵。

物理 AI 的當下：軟件定義汽車

軟件定義汽車（SDV）是當下物理 AI 應用最具代表性的應用場景之一。現代汽車集成了數百顆芯片，用于支持高級駕駛輔助系統（ADAS）、車載信息娛樂、通信連接以及電池管理。然而，隨著自動駕駛、電動化與互聯化的加速發展，單臺車所需半導體含量持續上升。僅在過去五年間，單臺車中所含半導體的平均價值已從 700 美元增長至 1000 美元。標普全球汽車（S&P Global Mobility）預測，到本十年末這一數字將進一步增長至約 1400 美元。

這些車內系統的運作依賴高性能傳感器、實時處理能力以及精確執行控制，以在嚴格的功耗與熱管理約束下提升汽車安全性與用戶體驗。

物理 AI 的未來：人形機器人

同樣的技術邏輯也適用于新興的人形機器人系統——這類系統需要更高的靈活性，以支持不斷演進的 AI 模型、傳感融合算法以及自主控制架構。人形機器人需要多模態感知能力來理解環境，因此需要具備超低延遲的分布式智能進行數據處理，并通過精確的電機控制來實時執行流暢、類人動作——這些動作往往涉及數十個自由度。

高端工業人形機器人的半導體含量，最多可達軟件定義汽車的四倍之多，這不足為奇。不斷擴大的半導體用量規模清晰表明：物理 AI 的規模化發展，依賴于能夠在嚴苛功耗、散熱與可靠性約束下提供實時性能的平臺能力。

為物理 AI 的未來奠定基礎

在格羅方德，我們正持續探索技術平臺的升級機遇，為感知、實時決策、執行控制與通信的未來需求布局。在近期完成對 MIPS 的收購后，我們已將 MIPS 的產品套件融入自身平臺，以更好地把握不斷增長的物理AI機遇。

在下一篇文章中，我們將與 MIPS 首席執行官 Sameer Wasson 展開對話，探討如何將 MIPS 的架構、IP 與設計能力與格羅方德優化的制程技術相結合，以提升計算負載能力，并實現物理 AI 所需的實時性能

作者簡介

Ed Kaste

格羅方德

超低功耗產品線高級副總裁

Ed Kaste（埃德?卡斯特）現任格羅方德超低功耗產品線高級副總裁，負責公司超低功耗平臺戰略，推動在智能移動設備、物聯網、汽車、通信基礎設施、數據中心以及航空航天等市場實現差異化解決方案。此前，他曾在產品管理、物聯網及 FDX 業務線中擔任高級管理職務，專注于通過以應用為導向的半導體創新實現業務增長。他于 2015 年加入格羅方德，此前他曾在 IBM 擔任半導體研發與制造領域的領導職務。