国际芯片大厂的战略新锚点：机器人与物理AI

前言

当生成式AI在大语言模型赛道激战正酣时，物理世界已悄然开启另一场技术革命——机器人与物理 AI（Physical AI），并正成为国际芯片大厂们的战略新锚点。 

不同于依赖数据分析与学习的传统AI，物理AI要求具备理解、交互并改造物理世界的能力，其智能不只来自于数据，更来自与物理世界的实时互动，核心是让机器通过“感知-决策-执行”的闭环，真正“读懂”重力、力矩、材质、空间关系等物理法则，并在动态环境中灵活应对。 

在这场由机器人与物理AI掀起的技术变革中，芯片无疑是为关键的底层基石。从感知端的传感器融合，到决策端的实时推理，再到执行端的控制，机器人对算力、能效、延迟的要求远超普通AI设备。因此，英伟达（NVIDIA）、英特尔（Intel）、AMD、高通（Qualcomm）、意法半导体（STMicroelectronics）、德州仪器（Texas Instruments）等国际芯片大厂，已在机器人与物理AI领域展开深度布局。

NVIDIA

全栈生态筑壁垒，打造物理AI与机器人“超级大脑”

NVIDIA创始人兼CEO黄仁勋提出的“物理AI”概念，被视为继生成式AI之后人工智能的第三次革命性浪潮，其核心是让AI感知、理解、交互物理世界。在机器人与物理AI领域，英伟达堪称“全栈布局”，涵盖AI 基础设施、机器人开发平台、仿真训练工具以及开源机器人基础模型，形成从技术到应用的完整链路，共同支撑和加速机器人与物理AI技术的发展和应用。 

在AI基础设施方面，NVIDIA推出NVIDIA GB200 NVL72、NVIDIA RTX PRO系列 GPU服务器、NVIDIA Jetson Thor等专为高要求工作负载设计的硬件。其中，Jetson Thor作为专为物理AI和人形机器人设计的高性能计算平台，凭借高达2070 FP4 TFLOPS的超强算力，可高效支撑代理式AI运算、高速传感器数据处理、通用机器人任务稳定运行，为高要求的机器人应用提供算力底座。包括Figure AI、优必选、银河通用、宇树科技、智元机器人、乐聚机器人、众擎机器人等都已经开始集成这一计算平台。 

NVIDIA的机器人开发平台主要由NVIDIA Isaac系统组成，提供了一个全面的解决方案，支持自主移动机器人、机械臂和人形机器人的开发。该平台结合了CUDA加速库、应用框架和AI模型，使能够更高效地进行机器人系统的开发、训练、仿真和部署。 

在仿真与模型方面，NVIDIA Omniverse平台作为机器人的“虚拟训练基地”，通过物理性与工具协同性的统一，使可以无缝衔接CAD设计、仿真训练、部署测试等环节。基于NVIDIA Omniverse的Isaac Sim平台，为提供了物理的虚拟环境，用于设计、仿真、测试和训练基于AI的机器人。NVIDIA Isaac GROOT N1.6开源基础模型，为机器人赋予接近人类的推理能力，使其能够拆解复杂指令，并借助已有知识与常识执行任务。NVIDIA还联合Google DeepMind、Disney Research推出开源物理引擎 Newton测试版本，改变了现有仿真技术精度不足与迁移困难的现状，使得可以对非常复杂的机器人动作进行仿真，例如在雪地或碎石路面行走、操控杯子和水果等，并且能够成功地将这些动作部署到现实场景中。 

英特尔

以X86架构为核心，深耕机器人与物理AI“端边协同”

长久以来，英特尔以CPU硬件为算力底座，搭配机器视觉与边缘智能方案等，在工业自动化控制、工业机器人技术研发与实际应用场景中，持续发挥关键支撑作用。而面对机器人智能化及物理AI的发展浪潮，英特尔也在持续加强布局。 

例如，英特尔近日全新推出的机器人AI套件，提供了一套面向行业的精选功能组合，涵盖参考应用、经过认证的AI硬件系统、加速库、基准测试工具与微服务，帮助企业加速推进和评估面向机器人的物理AI工作负载。该套件与英特尔酷睿Ultra处理器深度集成，能够助力企业以经济高效的可扩展性，预见并规划各类机器人应用场景的创新发展。

英特尔在机器人领域的布局，更强调“端边协同”，从硬件、软件和场景应用三方面构建关键能力。硬件端依托英特尔酷睿系列处理器提供高性能CPU算力与AI性能，同时通过开放式机器人系统（ORS）标准化接口与板级设计规范，为端边协同构建灵活硬件基础；软件端推出具身智能SDK，以大语言模型与端到端模型驱动的机器人环境感知、任务编排、执行操作等开源参考实现，提供完整开发工具链。同时，针对工业AI与机器视觉，提供边缘侧全栈产品组合，包括酷睿Ultra处理器、锐炫高性能显卡、ECI工业边缘控制平台软件及OpenVINO工具套件，搭配Edge Craft RAG解决方案、CVOI（Computer Vision Optimization Implementation）视觉优化参考实现，为细分场景提供性能支持与落地路径。 

同时，作为机器人市场的上游供应商和重要参与者，英特尔还通过开放创新的生态系统，携手广泛的ODM、OEM与ISV共同推动基于X86架构的机器人技术应用，如与旷维炬锐共同推出“大小脑融合”具身智能解决方案，并通过投资Figure AI等机器人企业、开发芯片产品、构建软件技术栈，积极推动人形机器人技术的落地应用。 

AMD

异构计算破局，以开放架构抢占机器人定制化控制赛道

AMD通过整合旗下赛灵思（Xilinx），可提供一系列高吞吐量X86嵌入式与自适应计算解决方案，可满足视觉AI、生成式AI、数字孪生与仿真、电机控制和预测性维护、激光雷达数据处理及工业自动化控制等应用需求，为AI驱动的机器人和自主化工业设备赋予更强的自主运行与智能化能力。方案涵盖锐龙系列嵌入式处理器、Versal和Zynq系列自适应SoC、FPGA、霄龙（EPYC）处理器、Kria模块化系统（SOM）等广泛的产品组合。 

其中，锐龙嵌入式处理器搭载Radeon显卡可提供AI加速功能，高效处理数据分析与实时数字孪生仿真等工作，助力开发持久耐用、高度可靠的工业机器人与自动驾驶移动车辆。自适应SoC将ARM处理器与FPGA逻辑单元深度融合，构建出“软件定义功能、硬件动态适配”的灵活架构，为机器人的多模态数据处理提供关键支撑，尤其是Versal系列增添了AI引擎，能够从传感器、AI 处理、实时控制等方面全方位加速系统流程。FPGA在实现系统集成的同时优化性能功耗比，非常适合摄像头传感器捕捉与显示、信号处理及传感器融合等应用。EPYC处理器使得能够在PC上对机器人性能进行建模并实时进行修改调整，从而在本地高效处理机器人数字孪生仿真工作。在模块化系统方面，Kria KR260机器人入门套件作为Kria产品家族的重要成员，专为机器人与工业应用而设计，为提供了一个完整的解决方案，使得机器人应用的开发变得更加便捷和高效。

如今，主流机器人厂商已经应用AMD的技术方案。例如，ABB机器人在其GoFa系列协作机器人中便深度集成了AMD的自适应计算技术，可实现4-7轴机器人运动控制的实时响应，保障协作场景中与人类的安全互动。

高通

携移动端AI优势，跨界赋能机器人与物联网生态

高通凭借手机SoC的积累，正将移动端的AI与连接能力迁移至机器人领域。高通跃龙（Qualcomm Dragonwing）机器人平台通过整合高性能异构计算、设备端人工智能、计算机视觉，以及可靠的安全性、多媒体功能、Wi-Fi 和蜂窝网络连接，为智能、高能效、高性价比的机器人开发提供支持。该平台产品组合还包含对多种传感器的支持，这些传感器能够在一块单板上提供实时且高精度的数据，助力设计出体积更小、可靠性更高的机器人。 

而且，高通近日已与全球的开源硬件和软件企业Arduino达成收购协议，并推出了双方共同打造的UNO Q开发板，旨在让更便捷地获取高通技术，为其在机器人和物联网领域的长期发展奠定坚实基础。

意法半导体与德州仪器

传感器与模拟芯片筑牢物理AI“神经末梢”

物理AI的步是“感知物理世界”，而传感器、运动控制与执行层芯片正是这一过程的“神经末梢”。意法半导体和德州仪器在这一领域深耕数十年，构建了难以替代的技术壁垒。这类芯片虽算力不及AI处理器，却是保障机器人动作的核心，在工业与服务机器人领域不可或缺。

德州仪器作为全球模拟与嵌入式处理芯片的重要提供商，其核心优势集中于高速运动规划、实时控制与通信方面。在工业机器人领域，德州仪器可提供机器人CPU和计算版、伺服驱动器、安全模块、I/O模块、位置传感器、传感器模块、示教盒、通信模块等品类齐全的产品系列，可帮助设计出节能高效、经济实惠、功能安全符合 ISO 10218 标准的机器人，使其在恶劣的工业环境中胜任各种工作。 

面向人形机器人这一快速发展的领域，德州仪器创新提出了多传感器融合方案，采用AI 优化的雷达SoC和集成神经网络加速器的处理器架构，即通过将摄像头与毫米波雷达相结合，在其基于AMR架构的AM62A处理器上运行边缘AI模型实现环境感知，可帮助机器人在极端环境（如火灾现场、烟雾环境）下，仍能可靠地完成三维空间物体跟踪与探测。

意法半导体通过其一体化开发套件，涵盖成像、运动控制和AI算法支持，解锁自主机器人技术。其机器人应用评估套件，可加快机器人技术与应用的开发，关键硬件涵盖高性能STM32H7微控制单元（MCU）、用于障碍物和跌落检测的ToF传感器、全局快门摄像头、配备导航用STM32G0控制器的直流电机、蓝牙低功耗（BLE）连接等。软件生态系统包括用于机器人应用的STSW-ROBKIT1软件平台，支持用例和算法，以及为实现精确导航而采用里程计算法的自由模式和跟随模式。开发套件支持的集成开发环境（IDE）包括IAR、STM32CubeIDE和Keil。用户可构建AI算法以增强决策能力，包括物体识别和路径规划，并通过STRobotics智能手机应用利用无缝无线通信进行远程控制。

这两家公司的策略更底层，通过传感器与模拟芯片的高精度、高可靠性，成为机器人感知层的隐形，其产品虽然大多没有直接标注AI，却是物理AI落地的必要条件。

结语：芯片巨头深度入场下的“竞”与“合”

机器人与物理AI的竞争，本质是“从数据到物理”的智能跃迁。面对机器人智能化与物理AI发展浪潮，国际芯片大厂都在积极展开布局，以构筑差异化竞争壁垒，抢占未来赛道。英伟达凭借全栈算力与仿真生态主攻高端人形机器人与工业自主系统；英特尔以X86技术架构深耕工业与服务机器人的大小脑一体化控制；AMD靠FPGA+CPU+GPU的自适应架构在定制化控制领域建立优势；高通依托生态抢占消费级与中小企业市场；德州仪器、意法半导体则牢牢守住工业执行层的“神经中枢”，成为机器人动作的核心支撑。

竞争之外，合作更成为破解场景复杂度的关键路径。正如NVIDIA近期与英特尔宣布达成合作，双方将通过NVIDIA NVLink技术，将NVIDIA的AI和加速计算堆栈与英特尔的CPU和庞大的x86生态紧密结合，携手扩展生态系统，为新计算时代奠定基础。此外，2025年嵌入式世界展览会上所展示的高通自主移动机器人（AMR）开发平台，也并非孤立的技术展示，而是高通联合意法半导体、艾睿电子旗下eInfochips打造的“算力核心+控制硬件+系统集成”协同方案，通过能力互补将AMR开发周期大幅压缩，为工业与商业场景提供开箱即用的智能机器人开发底座。

这场竞合之战已然打响。可以确定的是，当具身智能与物理AI掀起人工智能新一轮浪潮，芯片巨头们早已深度入场，既在各自赛道垒砌技术高墙，又以开放协作拓宽智能边界。