Arm押注物理 AI：四大层级计算平台破解实时闭环难题

当云端 AI 以海量参数模型席卷全球算力竞赛之际，端侧AI技术也开始了一场根本性跃迁——从“数据中心里的推理”走向“物理世界里的执行”。汽车刹车需在毫秒内响应激光雷达信号、机械臂抓取需同步多传感器融合决策、人形机器人行走需实时平衡姿态与环境交互……这些场景下，传统云端或边缘 AI 的峰值 FLOPS 已不再是唯一胜负手。真正决定成败的，是从传感器信号输入到执行器动作输出的端到端时延。这一计算范式的转变，正催促着物理 AI 这一应用领域的蓬勃发展。

Arm 物理 AI 事业部执行副总裁 Drew Henry 在近期中国媒体沟通会上系统拆解了这一赛道的底层逻辑。公司将物理 AI 定义为“将 AI 深度嵌入配备执行器的自主运动设备”，其核心挑战在于实现微秒至毫秒级的感知-决策-控制闭环。这一要求直接驱动计算平台从云端训练主导转向端侧实时执行主导。凭借超 35 年高能效、高可靠计算技术基因，以及全球超 3250 亿颗 Arm 架构芯片出货量、2200 万开发者生态，Arm 已将自身定位为跨越边缘 AI、物理 AI 与云 AI 的统一平台提供商。其中物理 AI 聚焦汽车与机器人两大核心应用，2025 年面向该领域的 Arm 架构芯片出货量已达 20 亿颗，标志着Arm从 ADAS 时代的技术积累向自主系统时代的全面跃迁。

这一布局并非突发，而是 Arm 长期战略的自然延伸。早在 2017 年 Transformer 架构论文发布之际，Arm 团队便迅速研读并调整计算架构，为后续大规模落地做好准备。如今，随着训练系统更易获取、AI 模型持续迭代、传感器与执行器成本降低，物理 AI 正迎来技术成熟窗口。Drew Henry 强调，Arm 的独特优势在于其“从微型传感器到云端超算”的全栈技术覆盖能力，既能支撑云端模型训练，又能为端侧提供低延迟实时处理器体系。这种端到云的贯通性，让 Arm 成为少数能同时服务自研平台与生态合作两种路径的厂商。

Arm AI 计算平台的“三驾马车”与物理 AI 定位

物理 AI 的爆发并非孤立现象。VoxEU 预测，未来十年，AI 整体有望为全球 GDP 贡献约 4% 的增长。Barclays Research 则指出，到 2035 年人形机器人市场规模预计达到 400 亿美元（当前 20-30 亿美元）。摩根士丹利则给出更激进判断：到 2050 年，机器人半导体市场规模将增长 800 倍。这些数据共同指向同一结论——物理 AI 将成为计算史上体量最大、技术最复杂的单一市场。

这一市场增长的核心驱动力在于模型与系统的持续迭代。随着具身智能技术路线从 VLM 逐步转向世界模型，每一代平台都对性能、能效与成本效益提出更高要求。这一过程将持续十年乃至更久，而 Arm 已准备好全程参与。

Arm 于2025年底完成重大组织架构优化，将 AI 计算明确划分为三大方向：边缘 AI 覆盖物联网、移动终端与个人电脑；物理 AI 聚焦汽车与机器人；云 AI 则支撑大型数据中心。这一划分并非简单的市场分割，而是对不同时延敏感度的精准响应。边缘 AI 强调低功耗长续航，物理 AI 则将“感知信号到执行控制的时延”视为核心指标，云 AI 则专注海量并行训练。

物理 AI 的落地形态极为丰富：从自动驾驶汽车、配送无人机，到人形机器人、自动叉车、手术辅助平台、农业智能设备，甚至送餐机器人。这些场景共同指向同一本质——AI 必须在动态物理环境中完成感知、推理与安全执行。Drew Henry 用一句简洁的话概括：“当 AI 融入实体设备，从感知信号到执行控制的时延，成为衡量性能表现的核心指标。”这一指标直接区别于云端 AI 的秒级延迟要求，也解释了为何物理 AI 平台必须采用专用架构。

为支撑这一架构，Arm 构建了覆盖六大品类的统一 AI 计算平台：物联网设备、移动终端、个人电脑、汽车、机器人以及云端。而从Arm分享的这一连续谱系中来看，物理 AI 正处于边缘 AI 与云 AI 之间的关键衔接位置。通过这一平台，Arm 不仅实现了跨设备复用，还将高能效计算基因渗透到每个环节。而当前全球 100% 联网人群每日都在使用 Arm 技术，这一规模效应为物理 AI 生态提供了最坚实的软件与开发者基础。

四大计算层级：物理 AI 平台的最复杂架构拆解

实现物理 AI 的核心在于深入理解四大计算层级。这一框架是 Arm 经过多年 ADAS 与自主系统实践提炼出的技术地图，直接对应传统汽车向自动驾驶转型、固定功能机器人向自主机器人升级的两大演进路径。

第一层是感知驱动型智能，即“自主运行”层。激光雷达、摄像头、雷达等多传感器数据在此完成实时融合，系统需在极短时间内完成环境解析与决策。该层对时延要求最高，任何延迟都可能导致安全事故。Arm 在此提供 Cortex-A、R 系列实时处理器与 Mali 图形处理支持，确保微秒级响应。

第二层是交互驱动型智能。自动驾驶汽车内乘客查看导航、观看娱乐内容，或人形机器人与用户对话时，需要流畅的人机交互计算。这一层实时性要求低于感知层，但需高带宽图形与多媒体处理能力。Arm 通过 Zena CSS、Neoverse 等高性能方案实现高效交互。

第三层是驱动执行层。负责统筹制动系统、转向系统、微型执行器等“无智能、无决策权”的物理效应器。该层需精确调度大量微型器件，实现上层决策的零误差落地。整个驱动执行由中央计算统一编排，复杂度极高。

第四层是云端层。负责新模型训练、下载更新，以及多设备集群协同作业。云端可将分散的人形机器人或自动驾驶车队整合为统一学习系统，形成闭环优化。

这四大层级既相互独立，又需协同调度，同时必须满足功能安全与信息安全双重要求。Drew Henry 指出，正是这种复杂性，使物理 AI 成为“计算历史上最复杂的计算平台”。Arm 的解决方案是通过提供简洁软件栈，帮助客户快速攻克各层技术难题，实现轻量化开发。这一框架的跨行业复用价值巨大：自动驾驶汽车与人形机器人的中央计算 + 分布式控制节点架构高度相似，仅在感知密度与实时性阈值上存在差异。这种共通性极大降低了研发门槛与规模化部署成本。

针对具身智能技术收敛趋势尚不显著的问题，Drew Henry 指出，未来十年模型与平台将持续迭代，这一特性恰恰决定了物理 AI 是最复杂的计算系统。芯片设计也将迎来范式转变：不再追求极致张量 FLOPS 与超高内存带宽，而是优先实现“极短时间内最快速、最高效的指令执行”。Arm 的实时处理器体系与中央处理器产品，正是为此量身打造。甚至 NVIDIA 平台也采用 Arm 中央处理器与实时处理器，印证了这一趋势。

汽车领域深耕：从 ADAS 到自主系统的技术传承

Arm 在汽车领域的积累构成了其引领物理 AI 的最强底座。Drew Henry 直观对比了传统 ADAS、自动驾驶汽车与人形机器人的计算分布：ADAS 阶段以 Cortex-A、R & M 系列及 Mali 图形处理器为主，覆盖域控制器、ECU、传感器融合；自动驾驶时代则升级至 Zena CSS、Neoverse 等高性能中央计算方案，同时强化电池管理、区域控制、人机交互计算；人形机器人则采用完整 Arm 计算平台，中央“大脑”统筹本地控制、传感器执行器、人机交互与电池管理。

2025 年，Arm 面向物理 AI 的芯片出货量预计达到约 20 亿颗，这一数字直接源于其在 ADAS 阶段的长期耕耘。Drew Henry 特别提到，公司已在先进驾驶辅助系统、自动驾驶汽车、自主机器人平台底层技术上深耕多年。中国市场是这一布局的重中之重：Arm 既将全球生态引入中国，也将本土创新成果带向全球。本次访华期间，Drew Henry 还参观了小米的汽车工厂，对厂内已落地运营的各类机器人应用场景及高效推进节奏印象深刻，称其为“过往所见中最具冲击力的场景之一”。

当前，Arm 的生态版图已覆盖全球主流车企与机器人厂商，同时还有各类芯片厂商等。通过芯片合作伙伴、标准化解决方案与定制化芯片三种模式，Arm 正在驱动行业创新。

这一生态策略的最大优势在于灵活性。客户既可基于 Arm 平台打造自研计算平台，实现差异化竞争，也可无缝对接 NVIDIA 等生态伙伴的顶尖加速器。Drew Henry 强调，Arm 是全球唯一能同时提供这两种路径的厂商。这一开放模式在中国市场尤为显著：本土企业可依托 Arm 充足算力、高速计算与安全防护，快速迭代物理 AI 平台。

Arm 的物理 AI 战略：为中国客户提供全栈计算技术

关于新成立的Arm 物理 AI 事业部，Drew Henry明确表示，部门虽成立时间不长，但相关技术投入已持续十余年至二十年。公司组建专职团队，正是为了服务海量客户并抓住这一史上最大计算市场机遇。从四大计算层级到端到云全栈覆盖，从汽车 ADAS 积累到机器人平台跃迁，Arm 正以 35 年高能效基因与开放生态，破解物理 AI 最核心的时延瓶颈。这一平台不仅服务全球，更与中国“中国速度”深度融合。本土车企、机器人厂商可借助 Arm 技术，灵活选择标准化或定制化路径，加速从感知到执行的安全闭环落地。

当传感器成本持续下降、AI 模型持续进步、训练系统更易获取时，物理 AI 将真正渗透千行百业：农业无人机、医疗配送机器人、手术辅助平台、城市自动驾驶车队……在物理 AI 时代，谁掌握了从云端到物理世界的实时计算能力，谁就掌握了下一代智能机器的钥匙。而 Arm 凭借其独特定位，正为中国乃至全球智能机器时代，奠定最坚实的算力基石。

这一布局的影响将远超单一厂商层面：实时处理器需求激增、异构集成架构普及、多传感器融合芯片成为标配。同时，它也将加速中国本土生态崛起——通过 Arm 全球开发者社区与标准化方案，本土创新成果可快速走向全球。展望未来，当摩根士丹利预测中 800 倍增长的机器人半导体市场真正兑现时，Arm 的物理 AI 平台将作为底层基础设施，支撑起从工厂到家庭、从道路到天空的智能物理世界。计算的边界正在被重新定义，而 Arm 已在新边界上筑牢根基。