环球网

“中国市场以‘中国速度’展现的创新活力令人印象深刻，Arm期待持续深化与中国伙伴的合作，依托全球领先的生态体系，推动物理 AI 技术在实体世界的规模化落地，而物理 AI 也有望成为计算领域发展史上规模最大、技术最复杂的计算市场。”Arm 物理 AI 事业部执行副总裁 Drew Henry说道。

Barclays Research 指出，2035 年人形机器人市场规模预计达 400 亿美元，Drew Henry 认为这一数字仍有上升空间；摩根士丹利还预测，2025 至 2050 年机器人领域的半导体市场规模将实现 800 倍增长。在 Drew Henry 看来，计算技术将成为物理 AI 市场的核心组成部分，而这一市场也将成为计算领域的全新超级赛道。

Drew Henry还给出了物理 AI的定义：将 AI 深度嵌入配备执行器、可自主运动的各类智能设备并实现实体化落地，典型应用包括机器人平台、自动驾驶汽车平台等。而区分物理 AI 与数据中心 AI、边缘 AI 的核心关键指标，是时延，即从感知信号到实际动作执行的时间，物理 AI 需要在微秒或毫秒级完成计算，这一极致的实时性要求，造就了其独特且复杂度极高的计算挑战。

为破解物理 AI 的计算难题，Arm 提出了物理 AI 实现所需的四大计算层级，这也是构建物理 AI 计算平台的核心架构逻辑。第一层级为感知驱动层，聚焦自主运行，负责感知系统与实时决策，核心是实现传感器到执行器的超低时延，是物理 AI 的技术核心；第二层级为交互驱动层，为自动驾驶乘客、机器人使用者提供流畅的交互体验，无需感知层的强实时性，计算体系具备差异化；第三层级为驱动执行层，负责精准控制机器人执行器、汽车制动与转向系统，由大量微型器件组成，协调调度难度极高；第四层级为云端层，实现终端设备的模型训练更新与集群协同作业，构建端云互通的计算体系。而贯穿四大层级的核心要求，是全流程的功能安全与信息安全，这也让物理 AI 计算平台成为当前复杂度最高的计算平台。

据他介绍，目前，Arm 已将业务重点聚焦边缘 AI、物理 AI 与云 AI 三大方向，物理 AI 是 Arm 当前重点投入的核心领域之一，聚焦汽车与机器人两大核心赛道，也是 Drew Henry 团队深耕的方向。

技术落地基础来看，Drew Henry认为，过去十年全球在 AI 领域的持续投入，让自动驾驶、自主机器人等物理 AI 应用具备了落地条件，而 Arm 三十余年来深耕高能效、可信赖计算系统的技术积淀，恰好契合物理 AI 对安全性、能效性的极致要求，成为其布局该领域的核心底气。Drew Henry透露，早在 2017 年 Google 发布 Transformer 架构论文时，Arm 团队就第一时间洞悉技术趋势，着手调整计算架构，为 Transformer 模型在物理 AI 领域的规模化应用做好准备。

Drew Henry 提到，2025年，Arm 生态面向汽车、自动驾驶、机器人平台出货的芯片已达 20 亿颗，其技术已深度融入先进驾驶辅助系统（ADAS）、自动驾驶汽车、自主机器人平台的底层技术。

值得注意的是，中国物理 AI 领域的应用落地成果也让 Drew Henry 印象深刻。他透露，在参观国内领先合作伙伴的汽车工厂时，工厂内机器人的规模化应用场景与平台打造的高效节奏，成为其过往所见中最具冲击力的场景之一。

中国市场是 Arm 物理 AI 布局的关键阵地，Drew Henry 表示，Arm 在中国拥有深厚的生态基础，与众多领军企业的合作，正共同打造物理 AI 领域的各类创新平台。