車東西（公眾號(hào)：chedongxi）
作者 ｜ Janson
編輯 ｜ 志豪

在中國(guó)市場(chǎng)持續(xù)推進(jìn)智能化轉(zhuǎn)型的背景下，Arm正進(jìn)一步強(qiáng)化自己在新一輪計(jì)算產(chǎn)業(yè)變革中的位置。

車東西3月19日消息，日前，Arm方面在交流中表示，隨著人工智能從云端訓(xùn)練走向終端部署，并進(jìn)一步進(jìn)入汽車、機(jī)器人等真實(shí)物理場(chǎng)景，計(jì)算平臺(tái)的競(jìng)爭(zhēng)重點(diǎn)也在發(fā)生變化。

相較于傳統(tǒng)云計(jì)算或一般邊緣計(jì)算，面向自動(dòng)駕駛、具身機(jī)器人等應(yīng)用的“物理AI”，不僅要求更高的算力密度，更強(qiáng)調(diào)時(shí)延、能效、安全與系統(tǒng)級(jí)協(xié)同能力。

Arm方面認(rèn)為，這恰恰是其長(zhǎng)期積累的優(yōu)勢(shì)所在。作為一家以底層計(jì)算平臺(tái)為核心定位的企業(yè)。

Arm方面稱，基于Arm架構(gòu)的芯片累計(jì)出貨已超過(guò)3250億顆，全球有2200萬(wàn)開(kāi)發(fā)者基于其平臺(tái)進(jìn)行全棧軟件開(kāi)發(fā)，相關(guān)技術(shù)已廣泛進(jìn)入移動(dòng)終端、物聯(lián)網(wǎng)、汽車、機(jī)器人及云基礎(chǔ)設(shè)施等領(lǐng)域。

如今，隨著物理AI被視為下一階段產(chǎn)業(yè)落地的重要方向，Arm也開(kāi)始圍繞邊緣AI、物理AI和云AI重新梳理業(yè)務(wù)重心，其物理AI將汽車與機(jī)器人視為未來(lái)幾年最關(guān)鍵的增長(zhǎng)場(chǎng)景之一。

一、Arm押注物理AI 打通從端側(cè)到云端的計(jì)算底座

在現(xiàn)場(chǎng)，Arm物理AI事業(yè)部執(zhí)行副總裁Drew Henry與媒體分享了他對(duì)Arm在物理AI的理解和判斷。

在Arm的判斷中，物理AI本質(zhì)上是讓AI真正進(jìn)入具備感知、決策和執(zhí)行能力的實(shí)體設(shè)備之中，包括自動(dòng)駕駛汽車、各類自主機(jī)器人、工業(yè)設(shè)備、無(wú)人機(jī)以及更多可移動(dòng)、可操作的智能系統(tǒng)。

▲實(shí)現(xiàn)物理AI的四大計(jì)算層級(jí)

與數(shù)據(jù)中心里的大模型訓(xùn)練，或是手機(jī)、PC等終端上的邊緣AI相比，物理AI最大的不同，在于它必須直接面對(duì)現(xiàn)實(shí)世界的時(shí)間約束，也就是從傳感器感知環(huán)境，到系統(tǒng)完成計(jì)算，再到執(zhí)行器真正做出動(dòng)作，這一鏈路中的時(shí)延必須被壓縮到毫秒甚至微秒級(jí)。

無(wú)論是車輛制動(dòng)、轉(zhuǎn)向，還是機(jī)械臂抓取、機(jī)器人移動(dòng)，這種“從感知到執(zhí)行”的響應(yīng)能力，都決定了平臺(tái)是否具備真正的落地價(jià)值。

也正因如此，Arm將物理AI視為一個(gè)比傳統(tǒng)智能終端更復(fù)雜的系統(tǒng)工程。

按照其給出的劃分，這類平臺(tái)至少涉及四層計(jì)算層級(jí)：第一層是負(fù)責(zé)環(huán)境感知與自主決策的感知驅(qū)動(dòng)層，承擔(dān)自動(dòng)駕駛汽車和自主機(jī)器人的實(shí)時(shí)判斷任務(wù)；

第二層是面向人機(jī)互動(dòng)的交互驅(qū)動(dòng)層，支撐車內(nèi)信息娛樂(lè)、導(dǎo)航顯示以及機(jī)器人與用戶之間的自然交互；

第三層是驅(qū)動(dòng)執(zhí)行層，用于控制制動(dòng)、轉(zhuǎn)向、電機(jī)、機(jī)械臂等各類具體執(zhí)行機(jī)構(gòu)；

第四層則是云端系統(tǒng)，負(fù)責(zé)模型訓(xùn)練、軟件更新、數(shù)據(jù)回流和多設(shè)備協(xié)同。

Arm方面認(rèn)為，真正成熟的物理AI平臺(tái)，必須把這幾層能力有機(jī)結(jié)合起來(lái)，同時(shí)滿足功能安全、信息安全和高能效要求。

從產(chǎn)業(yè)演進(jìn)看，Arm的核心判斷是，汽車和機(jī)器人正在沿著相似的路徑走向自主化。

前者正從傳統(tǒng)汽車逐步邁向更高水平的輔助駕駛與自動(dòng)駕駛，后者則從固定功能機(jī)械系統(tǒng)演進(jìn)為具備感知和決策能力的自主機(jī)器人。

兩類產(chǎn)品的形態(tài)雖不同，但在底層計(jì)算需求上越來(lái)越趨同，這也是Arm持續(xù)加碼這一領(lǐng)域的重要原因。

Arm方面還提到，公司很早便開(kāi)始圍繞AI負(fù)載演進(jìn)調(diào)整架構(gòu)方向。

以2017年Transformer提出為例，其內(nèi)部認(rèn)為這類模型的技術(shù)路線將深刻改變未來(lái)計(jì)算需求，因此較早開(kāi)始為相關(guān)應(yīng)用進(jìn)行準(zhǔn)備。

在商業(yè)層面，Arm同樣希望借物理AI打開(kāi)新的增長(zhǎng)空間。

長(zhǎng)期以來(lái)，Arm技術(shù)已深度參與ADAS、自動(dòng)駕駛和機(jī)器人平臺(tái)建設(shè)，僅2025年，Arm生態(tài)面向汽車、自動(dòng)駕駛和機(jī)器人平臺(tái)的芯片出貨量就達(dá)到20億顆。

▲Arm廣泛的生態(tài)系統(tǒng)

結(jié)合其在移動(dòng)終端、物聯(lián)網(wǎng)與云基礎(chǔ)設(shè)施上的既有生態(tài)，Arm正在試圖建立一種覆蓋“從微型傳感器到云端算力中心”的統(tǒng)一計(jì)算底座。

而中國(guó)，顯然是這一布局中極為關(guān)鍵的一環(huán)。

Arm方面表示，中國(guó)市場(chǎng)在汽車、機(jī)器人和各類智能終端上的創(chuàng)新速度極快，不僅是技術(shù)落地的重要場(chǎng)景，也在不斷反向影響全球產(chǎn)業(yè)趨勢(shì)?；谶@一判斷，Arm希望繼續(xù)借助自身生態(tài)連接能力，把全球技術(shù)資源引入中國(guó)，同時(shí)也將中國(guó)市場(chǎng)中形成的創(chuàng)新成果帶向全球。

某種程度上，這也解釋了Arm為何在當(dāng)前階段將物理AI提升至更高戰(zhàn)略位置：當(dāng)AI開(kāi)始從“會(huì)思考”走向“會(huì)行動(dòng)”，底層計(jì)算平臺(tái)的話語(yǔ)權(quán)，也可能被重新定義。

二、對(duì)話Arm物理AI事業(yè)部執(zhí)行副總裁 詳細(xì)解構(gòu)物理AI業(yè)務(wù)發(fā)展

1、推動(dòng)物理AI技術(shù)落地的進(jìn)程中，IC供應(yīng)商的產(chǎn)品演進(jìn)方向?qū)⑴c以往呈現(xiàn)出哪些顯著差異？哪些核心特征的IC企業(yè)能夠搶占市場(chǎng)先機(jī)？

Drew Henry：正如我此前所言，物理AI是我們亟需打造的最復(fù)雜的計(jì)算平臺(tái)之一。我們很早就洞察到這一領(lǐng)域的發(fā)展機(jī)遇，并在相關(guān)領(lǐng)域深耕多年，這也正是 Arm 能夠成為眾多企業(yè)首選的核心原因。

在物理AI領(lǐng)域，計(jì)算最核心的特性就是實(shí)時(shí)性，即能夠極快地完成高復(fù)雜度計(jì)算。從傳感器感知到執(zhí)行器響應(yīng)的時(shí)延控制，是關(guān)鍵中的關(guān)鍵。

因此，真正掌握這項(xiàng)能力的企業(yè)，才能在行業(yè)中取得成功。而Arm可以憑借技術(shù)實(shí)力幫助合作伙伴做到這一點(diǎn)，通過(guò)我們的合作，原本極為棘手的難題也將變得更加容易攻克。

▲Arm物理AI事業(yè)部執(zhí)行副總裁Drew Henry

2、Arm物理AI事業(yè)部成立時(shí)間尚短，該部門(mén)的核心工作內(nèi)容有哪些？在未來(lái)階段，其最緊迫的工作重點(diǎn)又是什么？

Drew Henry：首先需明確的是，成立Arm物理AI事業(yè)部與我們深耕該領(lǐng)域的時(shí)長(zhǎng)，是兩個(gè)截然不同的概念。

我們?cè)谖锢鞟I全系列技術(shù)領(lǐng)域的研發(fā)投入已長(zhǎng)達(dá)十余年乃至二十年，如今我們將物理AI明確列為Arm的核心發(fā)展方向，因此決定針對(duì)該領(lǐng)域開(kāi)展重點(diǎn)深耕布局。

原因之一在于，它有望成為計(jì)算歷史上規(guī)模最大的計(jì)算市場(chǎng)。

同時(shí)，有大量客戶希望與我們?cè)谶@一領(lǐng)域展開(kāi)合作，所以我們專門(mén)組建團(tuán)隊(duì)，專注服務(wù)并支持這些客戶。

3、人形機(jī)器人與汽車電子領(lǐng)域在技術(shù)架構(gòu)上實(shí)則高度相似，二者均采用中央計(jì)算平臺(tái)搭配分布式控制節(jié)點(diǎn)的架構(gòu)形式，僅在實(shí)時(shí)性、感知能力等維度存在一定差異。

如何看待這種跨行業(yè)的技術(shù)復(fù)用趨勢(shì)？同時(shí)這一趨勢(shì)對(duì)于加速物理AI系統(tǒng)的研發(fā)進(jìn)程、降低其規(guī)?；渴痖T(mén)檻，能夠發(fā)揮怎樣的推動(dòng)作用？

Drew Henry：我認(rèn)為自主系統(tǒng)與自主設(shè)備的核心特點(diǎn)在于，它們包含了此前提到的四大計(jì)算層級(jí)。其中，聚焦實(shí)時(shí)自主運(yùn)行的感知驅(qū)動(dòng)層是核心關(guān)鍵，交互驅(qū)動(dòng)層旨在實(shí)現(xiàn)快速交互響應(yīng)，驅(qū)動(dòng)執(zhí)行層則負(fù)責(zé)統(tǒng)籌該計(jì)算體系下的所有執(zhí)行系統(tǒng)，而這四大計(jì)算層級(jí)的技術(shù)實(shí)現(xiàn)均具備極高的復(fù)雜性。

四大計(jì)算層級(jí)需協(xié)同調(diào)度，卻又彼此具備顯著的獨(dú)立性。因此，我們的核心方向便是攜手客戶，助力其攻克這四大領(lǐng)域的技術(shù)難題，并為其提供簡(jiǎn)潔的解決方案，讓客戶能夠開(kāi)發(fā)輕量化的軟件棧。而這正是我們的核心技術(shù)優(yōu)勢(shì)所在。

4、在物理AI計(jì)算平臺(tái)領(lǐng)域，Arm目前與各車企展開(kāi)了哪些合作？Arm與Tensor現(xiàn)階段開(kāi)展了哪些具體合作？此外，Arm未來(lái)與地平線等中國(guó)本土車企又有著怎樣的合作規(guī)劃？

Drew Henry：Arm的獨(dú)特市場(chǎng)定位讓我們得以與全行業(yè)伙伴在不同程度上展開(kāi)合作。其中部分合作已正式對(duì)外公布，另有部分目前暫未公開(kāi)，但我們的合作版圖已覆蓋全行業(yè)。

5、您此前提及具身模型將在未來(lái)十年推動(dòng)計(jì)算領(lǐng)域的變革，而今日我們也關(guān)注到黃仁勛的相關(guān)演講，其提到NVIDIA當(dāng)前的Blackwell系統(tǒng)在算力層面，呈現(xiàn)出張量單元翻倍、其余功能單元增速有限的非對(duì)稱擴(kuò)張?zhí)卣鳌?/strong>

這是否意味著物理AI芯片（尤其是計(jì)算芯片）將迎來(lái)全新的技術(shù)范式？此外，未來(lái)三年內(nèi)，行業(yè)是否會(huì)迎來(lái)非GPU主導(dǎo)的物理AI專用芯片發(fā)展浪潮？

Drew Henry：在物理AI領(lǐng)域，我僅圍繞該領(lǐng)域展開(kāi)說(shuō)明：我此前提及的感知驅(qū)動(dòng)型智能體系，亦即傳感器采集的輸入數(shù)據(jù)，必須轉(zhuǎn)化為設(shè)備的實(shí)際執(zhí)行動(dòng)作，而這一轉(zhuǎn)化過(guò)程必須在微秒乃至毫秒級(jí)完成。這也就意味著，我們所設(shè)計(jì)的系統(tǒng)并非以極致性能和超高內(nèi)存帶寬為核心設(shè)計(jì)目標(biāo)。

該系統(tǒng)的設(shè)計(jì)核心，是在極短時(shí)間內(nèi)實(shí)現(xiàn)最快速、最高效的指令執(zhí)行，達(dá)成數(shù)據(jù)輸入、動(dòng)作輸出的即時(shí)閉環(huán)。這與面向云端設(shè)計(jì)的計(jì)算平臺(tái)所應(yīng)對(duì)的技術(shù)難題截然不同，二者屬于不同的計(jì)算平臺(tái)，物理AI計(jì)算平臺(tái)也因此需要專屬的架構(gòu)設(shè)計(jì)。而 Arm 深耕這類計(jì)算平臺(tái)的研發(fā)已有多年，旗下?lián)碛谐墒斓膶?shí)時(shí)處理器產(chǎn)品體系。

我們擁有超高性能的中央處理器，可對(duì)接各類加速器產(chǎn)品；而實(shí)現(xiàn)這類加速器的對(duì)接，同樣要求相關(guān)數(shù)據(jù)處理能在極短時(shí)間內(nèi)完成，NVIDIA也正因這一核心要求，在其平臺(tái)中采用了Arm架構(gòu)中央處理器及Arm實(shí)時(shí)處理器。

因此，這是一類截然不同的計(jì)算領(lǐng)域難題，而這一難題也將推動(dòng)未來(lái)十年的系統(tǒng)架構(gòu)迎來(lái)變革。我們現(xiàn)已打造出多款極具突破性的全新物理 AI 計(jì)算架構(gòu)，期待后續(xù)能與大家做詳細(xì)分享。