格罗方德以半导体平台赋能下一波物理AI浪潮

在上一期内容中，格罗方德首席商务官 Mike Hogan 先生带大家了解了数据中心投资如何加速机器人走进真实世界。在本期内容中，格罗方德超低功耗产品线高级副总裁 Ed Kaste 将介绍面向特定应用场景定制的半导体平台如何为物理 AI 的早期采用到广泛部署奠定基础。

如今，物理 AI 已在现实世界中初具雏形——从旧金山到深圳，随处可见自动驾驶汽车穿行于城市之间；在工业仓储场景中，自主机器人有序工作；无人机承担起包裹配送的任务……但这只是开始。未来，物理 AI 的应用边界将进一步拓展，覆盖人形机器人、医疗领域的自主影像系统，以及更多复杂多样的现实场景。人工智能正在迈入全新阶段——走出数据中心，以具备实时交互能力的机器形态，真正参与并影响现实世界。

然而，要实现规模化部署，半导体技术将面临新一轮的挑战与机遇。多模态感知、分布式智能、执行控制以及功耗效率，这些功能正变得与性能本身同样重要。面向特定应用场景定制（purpose-built）的半导体平台，将成为推动物理 AI 从早期采用走向广泛部署的核心基础。

面向物理 AI 的专用半导体平台

物理 AI 带来了更复杂、更广泛的计算负载，正在重新定义半导体的技术要求。这些变化也为格罗方德创造了重要机遇，推动我们打造可靠、高能效、高度集成且可持续演进的平台解决方案。

格罗方德将通过以下技术平台，赋能下一波物理 AI 浪潮：

业界领先的 FDX 平台：

凭借超低功耗、低漏电特性、优异的射频性能、集成电源管理能力以及最高可在 150°C 下稳定运行的高可靠性，FDX 平台尤其适用于对电池寿命与小型化要求严苛的物理 AI 应用场景。

差异化的 FinFET 平台：

在合理功耗范围内实现更高性能，并针对高度集成方案进行优化，支持高效感知、实时处理以及在现实环境中的稳定通信。

嵌入式存储解决方案 (包括 MRAM 与 RRAM)：

提供低功耗、超高速访问的嵌入式非易失性存储选项，支持客户从零开始，基于预验证的存储 IP 构建差异化系统。随着传统存储扩展面临物理与成本双重限制，这类技术对于确保物理 AI 设计具备长期可持续性至关重要。

硅光子与射频创新：

通过提升应用内部与外部互连的速度与带宽实现高速连接，使数十亿设备之间能够以尽可能低的功耗实现可靠通信。

先进封装与异构集成：

通过将计算、存储、射频和电源等多种技术进行整合，打造紧凑、高效的系统架构，进一步优化分布式部署，从而为物理 AI 的应用提供关键支持。

物理 AI 的实时运行模型

随着 AI 向现实世界的深度渗透，物理 AI 应用必须对周围环境变化作出实时响应。在上一篇博客中，格罗方德首席商务官 Mike Hogan 提出了一个清晰而实用的框架，该框架定义了物理 AI 的运作方式：感知—推理—行动—通信。

感知：通过音频、触觉、光学、雷达以及环境传感器等多模态传感系统采集物理环境数据。

推理：在本地处理并分析数据，以确定、安全且可靠的方式作出实时决策。

行动：通过带有精确反馈机制的电机或执行器，完成精准且及时的动作响应。

通信：在分布式系统中（如从边缘到云端、从设备到设备之间）实现安全且可靠的数据交换。

任何一个环节在延迟、能效、安全或可靠性方面出现短板，都会削弱整体系统表现。因此，在未来，物理 AI 系统将朝着更加定制化与更具自适应方向演进，在优化算力表现的同时，更注重其在物理世界中长期稳定运行能力。

突破功耗与时延双重约束

功耗与时延是决定物理 AI 能力边界的两大核心系统级约束。具体来说，物理 AI 应用通常需要在散热受限的环境中持续运行，同时能源获取条件有限，却必须保持实时响应能力。随着系统中半导体含量不断增加，能效低下或延迟过高会限制系统性能，降低整体可靠性，同时影响设备使用寿命。

通过能效优化与实现超低延迟，物理 AI 系统能够在功率、热管理与算力受限条件下发挥更高效能。因此，推动半导体平台的持续创新，是推动物理 AI 从试点阶段走向关键任务场景部署的前提。

赋能软件定义的分布式智能

随着物理 AI 系统不断演进，其架构正从集中式计算转向分布式智能。这意味着系统不再将所有数据发送至云端或单一处理器，而是将智能部署在与现实世界交互的接口处，使其更靠近数据生成和动作执行的位置。

软件定义架构在这一转型过程中发挥着关键作用。通过实现软硬件解耦，开发者可以持续进行功能升级，并灵活支持不断演进的 AI 模型，且无需重新设计底层硬件。这一能力在汽车、工业设备以及机器人平台等长生命周期系统中尤为关键。

物理 AI 的当下：软件定义汽车

软件定义汽车（SDV）是当下物理 AI 应用最具代表性的应用场景之一。现代汽车集成了数百颗芯片，用于支持高级驾驶辅助系统（ADAS）、车载信息娱乐、通信连接以及电池管理。然而，随着自动驾驶、电动化与互联化的加速发展，单台车所需半导体含量持续上升。仅在过去五年间，单台车中所含半导体的平均价值已从 700 美元增长至 1000 美元。标普全球汽车（S&P Global Mobility）预测，到本十年末这一数字将进一步增长至约 1400 美元。

这些车内系统的运作依赖高性能传感器、实时处理能力以及精确执行控制，以在严格的功耗与热管理约束下提升汽车安全性与用户体验。

物理 AI 的未来：人形机器人

同样的技术逻辑也适用于新兴的人形机器人系统——这类系统需要更高的灵活性，以支持不断演进的 AI 模型、传感融合算法以及自主控制架构。人形机器人需要多模态感知能力来理解环境，因此需要具备超低延迟的分布式智能进行数据处理，并通过精确的电机控制来实时执行流畅、类人动作——这些动作往往涉及数十个自由度。

高端工业人形机器人的半导体含量，最多可达软件定义汽车的四倍之多，这不足为奇。不断扩大的半导体用量规模清晰表明：物理 AI 的规模化发展，依赖于能够在严苛功耗、散热与可靠性约束下提供实时性能的平台能力。

为物理 AI 的未来奠定基础

在格罗方德，我们正持续探索技术平台的升级机遇，为感知、实时决策、执行控制与通信的未来需求布局。在近期完成对 MIPS 的收购后，我们已将 MIPS 的产品套件融入自身平台，以更好地把握不断增长的物理AI机遇。

在下一篇文章中，我们将与 MIPS 首席执行官 Sameer Wasson 展开对话，探讨如何将 MIPS 的架构、IP 与设计能力与格罗方德优化的制程技术相结合，以提升计算负载能力，并实现物理 AI 所需的实时性能

作者简介

Ed Kaste

格罗方德

超低功耗产品线高级副总裁

Ed Kaste（埃德・卡斯特）现任格罗方德超低功耗产品线高级副总裁，负责公司超低功耗平台战略，推动在智能移动设备、物联网、汽车、通信基础设施、数据中心以及航空航天等市场实现差异化解决方案。此前，他曾在产品管理、物联网及 FDX 业务线中担任高级管理职务，专注于通过以应用为导向的半导体创新实现业务增长。他于 2015 年加入格罗方德，此前他曾在 IBM 担任半导体研发与制造领域的领导职务。