Drew Henry刚下飞机便造访了小米智能工厂，工厂内各类机器人应用场景以及自动化平台的高效协同，给他留下了深刻印象。

　　“这不仅是我今日所见最令人振奋的一幕，更是我过往所见中最具冲击力的场景之一。其令人叹为观止之处在于：该厂内已落地运营的各类机器人应用场景，以及他们打造相关平台的高效推进节奏。” Henry赞叹道。

　　这是Henry首次以Arm物理AI事业部执行副总裁的身份到访中国。2017年至2019年，他曾担任基础设施业务创始总经理，主导推出Arm Neoverse架构，推动Arm成为云计算与基础设施计算领域的领先架构方案。

　　去年11月，Arm凯云官网为适配客户的AI部署模式，对组织架构进行了战略调整，围绕三大业务部门重新布局：边缘AI、物理AI与云AI。其中，边缘AI覆盖智能手机与物联网业务，物理AI包含汽车与机器人领域，云AI则面向数据中心及网络设备市场。

　　正如英伟达首席执行官黄仁勋在2026年国际消费电子展（CES）主题演讲中所言：“物理AI的ChatGPT时刻已经到来。”

　　下一波人工智能浪潮正加速嵌入物理世界，深入汽车、机器人及各类自主设备。麦肯锡预测，到2030年，仅在美国市场，人工智能驱动的智能体与机器人每年便可创造约2.9万亿美元的经济价值。

　　物理AI是指面向动态、不可预测且对安全性高度敏感的现实环境而设计的智能系统。这类系统可实现道路行驶、物料搬运、基础设施检测、部件装配以及车队协同调度等功能，所有操作均直接作用于物理世界。

　　从本质上看，物理AI将智能深度融入机器，模糊了算法模型、软件栈与硬件架构之间的边界。人工智能模型处理连续的传感器数据流，生成决策意图，并驱动控制系统实时执行；执行结果再回流至系统，形成闭环的感知—行动链路。

　　物理AI的应用场景包括自动驾驶车辆、高端机器人、无人机及智能工业系统。这类应用的共性，在于其严苛的计算负载需求：需要在有限功耗与安全约束下，协同完成感知、推理与控制等全流程任务。

　　生成式人工智能通常在软件环境中运行，输出文本、图像或代码等数字内容，性能以模型精度或创造力衡量。与之不同，物理AI运行于动态真实环境，实时决策将直接转化为物理动作。

　　在此场景下，任何计算失误都可能影响安全、可靠性与业务连续性，这也从根本上决定了物理AI系统的设计、验证与部署方式。

　　“AI对经济的推动作用毋庸置疑。VoxEU预测，未来十年AI有望推动全球GDP增长4%，而我坚信物理AI将进一步加速这一进程。巴克莱研究预计，到2035年全球人形机器人市场规模将达到400亿美元。”Henry说道。

　　物理AI正处于与智能手机发展初期相似的关键转折点。当计算能力、连接性与开发者生态形成合力，智能手机才真正成为平台级产品，并催生出全新产业与服务体系。

　　如今，类似的产业融合正在汽车、机器人及各类自主设备领域发生，整个生态体系正致力于释放物理AI所蕴含的数万亿美元经济价值。人工智能算法持续成熟，传感器与执行器资源日趋普及，训练基础设施也不断完善。

　　然而，物理AI要实现规模化普及，仍需要一套底层计算底座，能够支持并协同云端训练、边缘推理与设备端实时执行等多类工作负载，同时保持跨硬件代际的软件兼容性。

　　这正是物理AI成为平台级转型的核心原因。它并非由单一设备或部署形态定义，而是由底层计算架构所决定，支撑各类智能机器长期可靠地演进与扩展。

　　Arm计算平台正是这一融合趋势的核心。从边缘控制器到高阶自动驾驶系统，Arm技术已成为当前智能基础设施的重要组成部分。随着人工智能嵌入更多设备，Arm在移动与汽车领域赖以成功的核心优势——高性能、高能效、可扩展性与广泛生态支持——为物理AI的全球规模化落地提供了关键支撑。

　　Arm认为，人工智能正在重塑计算架构的构建方式，以及其在云基础设施、边缘设备与物理系统中的部署位置。行业迫切需要能够覆盖广泛功耗区间与应用场景，并同时提供高性能、高能效与高灵活性的计算平台。Arm的计算平台能够满足这一需求，支持从毫瓦级到吉瓦级的全场景AI负载。

　　Henry用一组数据展现了Arm在计算领域的广泛布局：全球100%的联网用户日常都在使用基于Arm的产品，Arm架构芯片累计出货量已突破3250亿颗，全球有2200万开发者基于Arm平台进行全栈软件开发。

　　同时，Arm在终端与IoT市场已占据绝对领先地位。随着物理AI快速发展，Arm需要进行前瞻性布局，以快速响应客户与市场需求，提升市场份额，并更重要地构建物理AI领域的生态壁垒。

　　Henry强调，Arm对物理AI的布局并非始于今年。事实上，公司在辅助驾驶、自动驾驶乃至自主机器人平台领域已深耕多年，2025年Arm面向物理AI平台的芯片出货量已达到20亿颗。

　　“如今我们将物理AI明确列为Arm的核心发展方向，并决定对这一领域进行重点深耕。原因之一在于，它有望成为计算发展史上规模最大的计算市场。同时，大量客户希望与我们在这一领域展开合作，因此我们专门组建团队，专注服务与支持这些客户。”Henry表示。

　　摩根士丹利预测，从现在到2050年，仅机器人领域的半导体市场规模就将实现800倍增长。Henry认为，这将成为计算领域发展史上规模最大、技术复杂度最高、市场体量最可观的细分市场。

　　如图所示，目前汽车和机器人（物理AI）领域的版税收入仅占Arm全部版税收入的7%，但未来增速显著，也使得Arm需要在这一领域持续发展。

　　Henry表示，物理AI最核心的指标是时延，即从感知信号输入到动作执行完成的总耗时。无论是车辆的制动、加速、转向，还是机械臂操作、机器人移动，感知到执行的闭环速度都是物理AI的关键。

　　“物理AI与数据中心AI、边缘AI的核心区别，在于它需要在微秒或毫秒级完成计算，具体取决于设备类型，这是一个截然不同且技术复杂度极高的计算挑战。”Henry指出。

　　正如机器人领域的重要发布并非凭空问世，而是植根于汽车领域长期的技术积淀 —— Arm 正是这一行业数十年来的核心推动者。与机器人系统同理，汽车中的 AI 已经能够感知环境、进行瞬时决策，并在物理世界中安全执行操作。随着机器人技术的不断演进，其复杂度、安全要求与系统架构将日益接近现代汽车。

　　“物理AI快速发展中，计算技术无疑将成为其中的核心组成部分。”Henry说道。

　　物理AI的出现，标志着人工智能发展迎来重要拐点，智能系统正从感知能力为主，向在现实世界中自主执行行动演进。

　　随着设备从单一任务、预编程控制模式，向自适应的人工智能驱动系统升级，计算性能的核心评判标准转向以下能力：

　　这意味着计算平台必须在性能与能效之间取得平衡，并筑牢安全与可靠的底座。而这些特性正是Arm数十年来坚持的核心设计原则，在人工智能向具备感知、推理、认知与执行能力的实体智能设备发展的过程中，实现了高度契合。

　　第一凯云官网层为感知决策层，聚焦自主运行能力，为机器人或车辆提供环境感知能力，并据此实现超高速实时决策。该层级的核心要求是极低时延的实时运算，传感器信号采集到执行器响应的时延表现至关重要。

　　第二层为交互层，主要承载乘客与车机、娱乐系统的交互，以及机器人系统的人机交互功能，对实时性要求低于感知层。

　　第三层为驱动执行层，负责精准控制机器人执行机构，以及自动驾驶车辆的制动、转向系统。该系统由大量微控制器组成，需要上层统一协调调度，整体设计复杂度极高。

　　第四层为云端，是全域系统与云端协同的关键。设备可通过云端完成新模型训练与OTA升级，同时实现设备集群化管理，例如自动驾驶车队调度、机器人集群协同等。

　　除四大计算层级外，系统还需满足功能安全与信息安全要求，使整套计算平台成为当前复杂度最高的计算架构之一。

　　Henry强调，四大计算层级需要在系统内协同调度，同时又保持高度独立性。因此，Arm的核心方向是携手客户攻克四大领域的技术难点，并提供简洁高效的解决方案，帮助客户构建轻量化软件栈。

　　汽车领域的技术突破为机器人发展奠定了基础，Rivian等车企同步布局机器人，依托Arm实现从汽车到机器人的技术迁移。NVIDIA DRIVE AGX Thor、高通骁龙数字底盘均基于Arm计算平台，为奔驰等车企的智能汽车提供算力支撑。2026年2月下旬，Tensor与Arm达成多年战略合作，共同打造智能自动驾驶汽车计算架构，单车集成超过400个Arm内核，支撑L4级自动驾驶所需的全套传感器与三通道5G连接。

　　如图所示，Arm 2022至2025财年间，基于Arm架构的汽车芯片市占率从36%增长至44%，而机器人则同样呈现加速态势。

　　如今，机器人已走出工厂与科幻场景，逐步融入日常生活。在AI与机器学习驱动下，机器人从固定任务执行者，转变为可自主适应环境、实时决策的协作伙伴，模糊了机器与智能助手的边界，在工业、医疗、物流等领域实现广泛落地。

　　香港地铁巡检机器狗搭载R2C2系统与Arm驱动的NVIDIA Jetson模块，检测准确率超过99%，有效解决了机器人互操作性、软件生态与集群扩展等行业难题。

　　云深处机器人旗下四足机器人采用基于Arm架构的瑞芯微RK3588芯片，功耗仅为传统x86系统的三分之一，在实现高性能运动控制的同时具备更长续航，适用于高危复杂作业场景。

　　Beken（博通集成）BK7259芯片搭载Arm Cortex-M内核与Ethos-U65 NPU，可在200毫秒内完成本地人脸识别，极低功耗特性使其成为电池供电类边缘AI应用的理想选择。

　　2026年CES期间物理AI更是呈现了爆发式增长，NVIDIA发布物理AI堆栈、开放机器人基础模型，以及基于Arm Neoverse的Jetson Thor边缘硬件；波士顿动力、卡特彼勒等合作伙伴展示了基于该方案的机器人产品。高通推出Dragonwing IQ10机器人处理器，其全系列机器人平台均基于Arm，打造高能效边缘物理AI方案。

　　物理AI时代，机器人进入规模化商用阶段，各类创新方案均依托Arm异构计算能力实现落地。Arm可凭借高能效、高灵活性与可扩展的AI算力，为智能机器与物理AI落地提供核心计算底座。

　　在物理AI领域，Arm已构建起完善的计算平台体系。客户既可基于该体系打造自研计算平台，也可选择与NVIDIA等生态合作伙伴开展合作，Arm是全球唯一能够同时提供这两种合作模式的企业。

　　依托过去十余年全球持续投入积累的前沿AI技术，Arm相关方案正全面落地物理世界。

　　正如Henry所言，物理AI是极具战略价值的技术高地与新兴市场。从检测机器人手指执行器细微运动的微型传感器，到云端算力中心，均广泛采用Arm技术。正是这种覆盖端到云的全栈技术布局，以及长期持续的领域投入，确立了 Arm 在行业中不可或缺的领先地位。

　　也正是Neoverse的成功经验，让Arm将物理AI这项艰巨且极具潜力的市场交给了Henry。