车东西（公众号：chedongxi）
作者 ｜ Janson
编辑 ｜ 志豪

在中国市场持续推进智能化转型的背景下，Arm正进一步强化自己在新一轮计算产业变革中的位置。

车东西3月19日消息，日前，Arm方面在交流中表示，随着人工智能从云端训练走向终端部署，并进一步进入汽车、机器人等真实物理场景，计算平台的竞争重点也在发生变化。

相较于传统云计算或一般边缘计算，面向自动驾驶、具身机器人等应用的“物理AI”，不仅要求更高的算力密度，更强调时延、能效、安全与系统级协同能力。

Arm方面认为，这恰恰是其长期积累的优势所在。作为一家以底层计算平台为核心定位的企业。

Arm方面称，基于Arm架构的芯片累计出货已超过3250亿颗，全球有2200万开发者基于其平台进行全栈软件开发，相关技术已广泛进入移动终端、物联网、汽车、机器人及云基础设施等领域。

如今，随着物理AI被视为下一阶段产业落地的重要方向，Arm也开始围绕边缘AI、物理AI和云AI重新梳理业务重心，其物理AI将汽车与机器人视为未来几年最关键的增长场景之一。

一、Arm押注物理AI 打通从端侧到云端的计算底座

在现场，Arm物理AI事业部执行副总裁Drew Henry与媒体分享了他对Arm在物理AI的理解和判断。

在Arm的判断中，物理AI本质上是让AI真正进入具备感知、决策和执行能力的实体设备之中，包括自动驾驶汽车、各类自主机器人、工业设备、无人机以及更多可移动、可操作的智能系统。

▲实现物理AI的四大计算层级

与数据中心里的大模型训练，或是手机、PC等终端上的边缘AI相比，物理AI最大的不同，在于它必须直接面对现实世界的时间约束，也就是从传感器感知环境，到系统完成计算，再到执行器真正做出动作，这一链路中的时延必须被压缩到毫秒甚至微秒级。

无论是车辆制动、转向，还是机械臂抓取、机器人移动，这种“从感知到执行”的响应能力，都决定了平台是否具备真正的落地价值。

也正因如此，Arm将物理AI视为一个比传统智能终端更复杂的系统工程。

按照其给出的划分，这类平台至少涉及四层计算层级：第一层是负责环境感知与自主决策的感知驱动层，承担自动驾驶汽车和自主机器人的实时判断任务；

第二层是面向人机互动的交互驱动层，支撑车内信息娱乐、导航显示以及机器人与用户之间的自然交互；

第三层是驱动执行层，用于控制制动、转向、电机、机械臂等各类具体执行机构；

第四层则是云端系统，负责模型训练、软件更新、数据回流和多设备协同。

Arm方面认为，真正成熟的物理AI平台，必须把这几层能力有机结合起来，同时满足功能安全、信息安全和高能效要求。

从产业演进看，Arm的核心判断是，汽车和机器人正在沿着相似的路径走向自主化。

前者正从传统汽车逐步迈向更高水平的辅助驾驶与自动驾驶，后者则从固定功能机械系统演进为具备感知和决策能力的自主机器人。

两类产品的形态虽不同，但在底层计算需求上越来越趋同，这也是Arm持续加码这一领域的重要原因。

Arm方面还提到，公司很早便开始围绕AI负载演进调整架构方向。

以2017年Transformer提出为例，其内部认为这类模型的技术路线将深刻改变未来计算需求，因此较早开始为相关应用进行准备。

在商业层面，Arm同样希望借物理AI打开新的增长空间。

长期以来，Arm技术已深度参与ADAS、自动驾驶和机器人平台建设，仅2025年，Arm生态面向汽车、自动驾驶和机器人平台的芯片出货量就达到20亿颗。

▲Arm广泛的生态系统

结合其在移动终端、物联网与云基础设施上的既有生态，Arm正在试图建立一种覆盖“从微型传感器到云端算力中心”的统一计算底座。

而中国，显然是这一布局中极为关键的一环。

Arm方面表示，中国市场在汽车、机器人和各类智能终端上的创新速度极快，不仅是技术落地的重要场景，也在不断反向影响全球产业趋势。基于这一判断，Arm希望继续借助自身生态连接能力，把全球技术资源引入中国，同时也将中国市场中形成的创新成果带向全球。

某种程度上，这也解释了Arm为何在当前阶段将物理AI提升至更高战略位置：当AI开始从“会思考”走向“会行动”，底层计算平台的话语权，也可能被重新定义。

二、对话Arm物理AI事业部执行副总裁 详细解构物理AI业务发展

1、推动物理AI技术落地的进程中，IC供应商的产品演进方向将与以往呈现出哪些显著差异？哪些核心特征的IC企业能够抢占市场先机？

Drew Henry：正如我此前所言，物理AI是我们亟需打造的最复杂的计算平台之一。我们很早就洞察到这一领域的发展机遇，并在相关领域深耕多年，这也正是 Arm 能够成为众多企业首选的核心原因。

在物理AI领域，计算最核心的特性就是实时性，即能够极快地完成高复杂度计算。从传感器感知到执行器响应的时延控制，是关键中的关键。

因此，真正掌握这项能力的企业，才能在行业中取得成功。而Arm可以凭借技术实力帮助合作伙伴做到这一点，通过我们的合作，原本极为棘手的难题也将变得更加容易攻克。

▲Arm物理AI事业部执行副总裁Drew Henry

2、Arm物理AI事业部成立时间尚短，该部门的核心工作内容有哪些？在未来阶段，其最紧迫的工作重点又是什么？

Drew Henry：首先需明确的是，成立Arm物理AI事业部与我们深耕该领域的时长，是两个截然不同的概念。

我们在物理AI全系列技术领域的研发投入已长达十余年乃至二十年，如今我们将物理AI明确列为Arm的核心发展方向，因此决定针对该领域开展重点深耕布局。

原因之一在于，它有望成为计算历史上规模最大的计算市场。

同时，有大量客户希望与我们在这一领域展开合作，所以我们专门组建团队，专注服务并支持这些客户。

3、人形机器人与汽车电子领域在技术架构上实则高度相似，二者均采用中央计算平台搭配分布式控制节点的架构形式，仅在实时性、感知能力等维度存在一定差异。

如何看待这种跨行业的技术复用趋势？同时这一趋势对于加速物理AI系统的研发进程、降低其规模化部署门槛，能够发挥怎样的推动作用？

Drew Henry：我认为自主系统与自主设备的核心特点在于，它们包含了此前提到的四大计算层级。其中，聚焦实时自主运行的感知驱动层是核心关键，交互驱动层旨在实现快速交互响应，驱动执行层则负责统筹该计算体系下的所有执行系统，而这四大计算层级的技术实现均具备极高的复杂性。

四大计算层级需协同调度，却又彼此具备显著的独立性。因此，我们的核心方向便是携手客户，助力其攻克这四大领域的技术难题，并为其提供简洁的解决方案，让客户能够开发轻量化的软件栈。而这正是我们的核心技术优势所在。

4、在物理AI计算平台领域，Arm目前与各车企展开了哪些合作？Arm与Tensor现阶段开展了哪些具体合作？此外，Arm未来与地平线等中国本土车企又有着怎样的合作规划？

Drew Henry：Arm的独特市场定位让我们得以与全行业伙伴在不同程度上展开合作。其中部分合作已正式对外公布，另有部分目前暂未公开，但我们的合作版图已覆盖全行业。

5、您此前提及具身模型将在未来十年推动计算领域的变革，而今日我们也关注到黄仁勋的相关演讲，其提到NVIDIA当前的Blackwell系统在算力层面，呈现出张量单元翻倍、其余功能单元增速有限的非对称扩张特征。

这是否意味着物理AI芯片（尤其是计算芯片）将迎来全新的技术范式？此外，未来三年内，行业是否会迎来非GPU主导的物理AI专用芯片发展浪潮？

Drew Henry：在物理AI领域，我仅围绕该领域展开说明：我此前提及的感知驱动型智能体系，亦即传感器采集的输入数据，必须转化为设备的实际执行动作，而这一转化过程必须在微秒乃至毫秒级完成。这也就意味着，我们所设计的系统并非以极致性能和超高内存带宽为核心设计目标。

该系统的设计核心，是在极短时间内实现最快速、最高效的指令执行，达成数据输入、动作输出的即时闭环。这与面向云端设计的计算平台所应对的技术难题截然不同，二者属于不同的计算平台，物理AI计算平台也因此需要专属的架构设计。而 Arm 深耕这类计算平台的研发已有多年，旗下拥有成熟的实时处理器产品体系。

我们拥有超高性能的中央处理器，可对接各类加速器产品；而实现这类加速器的对接，同样要求相关数据处理能在极短时间内完成，NVIDIA也正因这一核心要求，在其平台中采用了Arm架构中央处理器及Arm实时处理器。

因此，这是一类截然不同的计算领域难题，而这一难题也将推动未来十年的系统架构迎来变革。我们现已打造出多款极具突破性的全新物理 AI 计算架构，期待后续能与大家做详细分享。