内容由AI智能生成

随着AI改造真实世界的进程加速，物理AI正在成为一个确定性的技术趋势。

2026年1月，在拉斯维加斯举行的国际消费电子展（CES 2026）上，Arm公司正式宣布进行内部组织架构重组，并成立了专门的物理AI（Physical AI）事业部。

“在我们的定义中，物理AI是将AI深度嵌入各类智能设备并实现实体化落地，具体涵盖配备执行器(actuators)、可自主运动的各类设备，比如机器人平台、自动驾驶汽车平台等。简单来说，把AI嵌入这类机器，就是物理AI。”

近日，在Arm的一场对外沟通会上，Arm物理AI事业部执行副总裁Drew Henry对外表示，理解物理AI最核心的是抓住一个关键指标：时延。

即从感知信号到实际动作执行之间的时间。无论是汽车刹车、加速、转向，还是机械臂动作、机器人移动，从感知到执行系统响应的这段时间，对物理AI而言这就是最关键的指标之一。

在Arm看来，物理AI的实现需要深入理解四大计算层级：

第一个感知驱动计算层级聚焦于自主运行(Autonomous Operation)。它关乎感知系统，即赋予机器人或汽车“看见”周围环境的能力，并据此做出超快速的实时决策。这一层级的核心要求是在极短时间内完成实时运算，而从传感器感知信号到执行器启动运作的时延表现尤为关键。

第二层是交互驱动层。当乘客乘坐自动驾驶汽车前往目的地时，依然需要和车辆进行交互。要让车内乘客、或是与人形机器人互动的用户，获得流畅体验，交互系统就必须提供相应的算力支撑。

第三层是驱动执行层。它负责精准控制机器人手中的各类微型执行器，也负责自动驾驶汽车中制动系统与转向系统的控制和执行。这一系统由大量微型器件组成，需要上层系统统一协调调度，这也让整体设计变得极为复杂。

第四层是云端，所有这些系统如何通过云端实现协同交互。

一方面，可以在云端完成新模型训练，然后下载到终端设备；另一方面，所有设备可以通过云端整合成一个集群，以集群方式协同作业。这是一层完全不同的计算层级，主要实现自动驾驶、机器人系统与云端环境的交互。

“所有这些系统都必须做到功能安全、信息安全。正因如此，物理AI是Arm亟需打造的最复杂的计算平台之一。”

Drew Henry表示，在物理AI领域，计算最核心的特性就是实时性，即能够极快地完成高复杂度计算。从传感器感知到执行器响应的时延控制，至关重要。

这也就意味着，物理AI领域，Arm所设计的系统并非以极致性能和超高内存带宽为核心设计目标，而是在极短时间内实现最快速、最高效的指令执行，达成数据输入、动作输出的即时闭环。

此外，Drew Henry还强调，未来十年，具身智能及其所需的模型势必持续迭代演进，人形机器人平台与自动驾驶平台的应用需求也将不断变化。这也正是该领域会成为最复杂计算系统的原因——它会一代又一代持续升级。

“这是一项需要深耕十年乃至更久的计算领域难题，而这也正是该领域，有望成为有史以来规模最大的市场之一的关键所在。”

AI导读

"物理AI正重塑未来：从感知到执行的关键时延决定成败，Arm四大计算层级揭示下一代智能设备的实时性革命，十年深耕将催生史上最大市场。"

内容由AI智能生成

随着AI改造真实世界的进程加速，物理AI正在成为一个确定性的技术趋势。

2026年1月，在拉斯维加斯举行的国际消费电子展（CES 2026）上，Arm公司正式宣布进行内部组织架构重组，并成立了专门的物理AI（Physical AI）事业部。

“在我们的定义中，物理AI是将AI深度嵌入各类智能设备并实现实体化落地，具体涵盖配备执行器(actuators)、可自主运动的各类设备，比如机器人平台、自动驾驶汽车平台等。简单来说，把AI嵌入这类机器，就是物理AI。”

近日，在Arm的一场对外沟通会上，Arm物理AI事业部执行副总裁Drew Henry对外表示，理解物理AI最核心的是抓住一个关键指标：时延。

即从感知信号到实际动作执行之间的时间。无论是汽车刹车、加速、转向，还是机械臂动作、机器人移动，从感知到执行系统响应的这段时间，对物理AI而言这就是最关键的指标之一。

在Arm看来，物理AI的实现需要深入理解四大计算层级：

第一个感知驱动计算层级聚焦于自主运行(Autonomous Operation)。它关乎感知系统，即赋予机器人或汽车“看见”周围环境的能力，并据此做出超快速的实时决策。这一层级的核心要求是在极短时间内完成实时运算，而从传感器感知信号到执行器启动运作的时延表现尤为关键。

第二层是交互驱动层。当乘客乘坐自动驾驶汽车前往目的地时，依然需要和车辆进行交互。要让车内乘客、或是与人形机器人互动的用户，获得流畅体验，交互系统就必须提供相应的算力支撑。

第三层是驱动执行层。它负责精准控制机器人手中的各类微型执行器，也负责自动驾驶汽车中制动系统与转向系统的控制和执行。这一系统由大量微型器件组成，需要上层系统统一协调调度，这也让整体设计变得极为复杂。

第四层是云端，所有这些系统如何通过云端实现协同交互。

一方面，可以在云端完成新模型训练，然后下载到终端设备；另一方面，所有设备可以通过云端整合成一个集群，以集群方式协同作业。这是一层完全不同的计算层级，主要实现自动驾驶、机器人系统与云端环境的交互。

“所有这些系统都必须做到功能安全、信息安全。正因如此，物理AI是Arm亟需打造的最复杂的计算平台之一。”

Drew Henry表示，在物理AI领域，计算最核心的特性就是实时性，即能够极快地完成高复杂度计算。从传感器感知到执行器响应的时延控制，至关重要。

这也就意味着，物理AI领域，Arm所设计的系统并非以极致性能和超高内存带宽为核心设计目标，而是在极短时间内实现最快速、最高效的指令执行，达成数据输入、动作输出的即时闭环。

此外，Drew Henry还强调，未来十年，具身智能及其所需的模型势必持续迭代演进，人形机器人平台与自动驾驶平台的应用需求也将不断变化。这也正是该领域会成为最复杂计算系统的原因——它会一代又一代持续升级。

“这是一项需要深耕十年乃至更久的计算领域难题，而这也正是该领域，有望成为有史以来规模最大的市场之一的关键所在。”

内容由AI智能生成

随着AI改造真实世界的进程加速，物理AI正在成为一个确定性的技术趋势。

2026年1月，在拉斯维加斯举行的国际消费电子展（CES 2026）上，Arm公司正式宣布进行内部组织架构重组，并成立了专门的物理AI（Physical AI）事业部。

“在我们的定义中，物理AI是将AI深度嵌入各类智能设备并实现实体化落地，具体涵盖配备执行器(actuators)、可自主运动的各类设备，比如机器人平台、自动驾驶汽车平台等。简单来说，把AI嵌入这类机器，就是物理AI。”

近日，在Arm的一场对外沟通会上，Arm物理AI事业部执行副总裁Drew Henry对外表示，理解物理AI最核心的是抓住一个关键指标：时延。

即从感知信号到实际动作执行之间的时间。无论是汽车刹车、加速、转向，还是机械臂动作、机器人移动，从感知到执行系统响应的这段时间，对物理AI而言这就是最关键的指标之一。

在Arm看来，物理AI的实现需要深入理解四大计算层级：

第一个感知驱动计算层级聚焦于自主运行(Autonomous Operation)。它关乎感知系统，即赋予机器人或汽车“看见”周围环境的能力，并据此做出超快速的实时决策。这一层级的核心要求是在极短时间内完成实时运算，而从传感器感知信号到执行器启动运作的时延表现尤为关键。

第二层是交互驱动层。当乘客乘坐自动驾驶汽车前往目的地时，依然需要和车辆进行交互。要让车内乘客、或是与人形机器人互动的用户，获得流畅体验，交互系统就必须提供相应的算力支撑。

第三层是驱动执行层。它负责精准控制机器人手中的各类微型执行器，也负责自动驾驶汽车中制动系统与转向系统的控制和执行。这一系统由大量微型器件组成，需要上层系统统一协调调度，这也让整体设计变得极为复杂。

第四层是云端，所有这些系统如何通过云端实现协同交互。

一方面，可以在云端完成新模型训练，然后下载到终端设备；另一方面，所有设备可以通过云端整合成一个集群，以集群方式协同作业。这是一层完全不同的计算层级，主要实现自动驾驶、机器人系统与云端环境的交互。

“所有这些系统都必须做到功能安全、信息安全。正因如此，物理AI是Arm亟需打造的最复杂的计算平台之一。”

Drew Henry表示，在物理AI领域，计算最核心的特性就是实时性，即能够极快地完成高复杂度计算。从传感器感知到执行器响应的时延控制，至关重要。

这也就意味着，物理AI领域，Arm所设计的系统并非以极致性能和超高内存带宽为核心设计目标，而是在极短时间内实现最快速、最高效的指令执行，达成数据输入、动作输出的即时闭环。

此外，Drew Henry还强调，未来十年，具身智能及其所需的模型势必持续迭代演进，人形机器人平台与自动驾驶平台的应用需求也将不断变化。这也正是该领域会成为最复杂计算系统的原因——它会一代又一代持续升级。

“这是一项需要深耕十年乃至更久的计算领域难题，而这也正是该领域，有望成为有史以来规模最大的市场之一的关键所在。”

AI导读

"物理AI正重塑未来：从感知到执行的关键时延决定成败，Arm四大计算层级揭示下一代智能设备的实时性革命，十年深耕将催生史上最大市场。"

内容由AI智能生成

随着AI改造真实世界的进程加速，物理AI正在成为一个确定性的技术趋势。

2026年1月，在拉斯维加斯举行的国际消费电子展（CES 2026）上，Arm公司正式宣布进行内部组织架构重组，并成立了专门的物理AI（Physical AI）事业部。

“在我们的定义中，物理AI是将AI深度嵌入各类智能设备并实现实体化落地，具体涵盖配备执行器(actuators)、可自主运动的各类设备，比如机器人平台、自动驾驶汽车平台等。简单来说，把AI嵌入这类机器，就是物理AI。”

近日，在Arm的一场对外沟通会上，Arm物理AI事业部执行副总裁Drew Henry对外表示，理解物理AI最核心的是抓住一个关键指标：时延。

即从感知信号到实际动作执行之间的时间。无论是汽车刹车、加速、转向，还是机械臂动作、机器人移动，从感知到执行系统响应的这段时间，对物理AI而言这就是最关键的指标之一。

在Arm看来，物理AI的实现需要深入理解四大计算层级：

第一个感知驱动计算层级聚焦于自主运行(Autonomous Operation)。它关乎感知系统，即赋予机器人或汽车“看见”周围环境的能力，并据此做出超快速的实时决策。这一层级的核心要求是在极短时间内完成实时运算，而从传感器感知信号到执行器启动运作的时延表现尤为关键。

第二层是交互驱动层。当乘客乘坐自动驾驶汽车前往目的地时，依然需要和车辆进行交互。要让车内乘客、或是与人形机器人互动的用户，获得流畅体验，交互系统就必须提供相应的算力支撑。

第三层是驱动执行层。它负责精准控制机器人手中的各类微型执行器，也负责自动驾驶汽车中制动系统与转向系统的控制和执行。这一系统由大量微型器件组成，需要上层系统统一协调调度，这也让整体设计变得极为复杂。

第四层是云端，所有这些系统如何通过云端实现协同交互。

一方面，可以在云端完成新模型训练，然后下载到终端设备；另一方面，所有设备可以通过云端整合成一个集群，以集群方式协同作业。这是一层完全不同的计算层级，主要实现自动驾驶、机器人系统与云端环境的交互。

“所有这些系统都必须做到功能安全、信息安全。正因如此，物理AI是Arm亟需打造的最复杂的计算平台之一。”

Drew Henry表示，在物理AI领域，计算最核心的特性就是实时性，即能够极快地完成高复杂度计算。从传感器感知到执行器响应的时延控制，至关重要。

这也就意味着，物理AI领域，Arm所设计的系统并非以极致性能和超高内存带宽为核心设计目标，而是在极短时间内实现最快速、最高效的指令执行，达成数据输入、动作输出的即时闭环。

此外，Drew Henry还强调，未来十年，具身智能及其所需的模型势必持续迭代演进，人形机器人平台与自动驾驶平台的应用需求也将不断变化。这也正是该领域会成为最复杂计算系统的原因——它会一代又一代持续升级。

“这是一项需要深耕十年乃至更久的计算领域难题，而这也正是该领域，有望成为有史以来规模最大的市场之一的关键所在。”

内容由AI智能生成

随着AI改造真实世界的进程加速，物理AI正在成为一个确定性的技术趋势。

2026年1月，在拉斯维加斯举行的国际消费电子展（CES 2026）上，Arm公司正式宣布进行内部组织架构重组，并成立了专门的物理AI（Physical AI）事业部。

“在我们的定义中，物理AI是将AI深度嵌入各类智能设备并实现实体化落地，具体涵盖配备执行器(actuators)、可自主运动的各类设备，比如机器人平台、自动驾驶汽车平台等。简单来说，把AI嵌入这类机器，就是物理AI。”

近日，在Arm的一场对外沟通会上，Arm物理AI事业部执行副总裁Drew Henry对外表示，理解物理AI最核心的是抓住一个关键指标：时延。

即从感知信号到实际动作执行之间的时间。无论是汽车刹车、加速、转向，还是机械臂动作、机器人移动，从感知到执行系统响应的这段时间，对物理AI而言这就是最关键的指标之一。

在Arm看来，物理AI的实现需要深入理解四大计算层级：

第一个感知驱动计算层级聚焦于自主运行(Autonomous Operation)。它关乎感知系统，即赋予机器人或汽车“看见”周围环境的能力，并据此做出超快速的实时决策。这一层级的核心要求是在极短时间内完成实时运算，而从传感器感知信号到执行器启动运作的时延表现尤为关键。

第二层是交互驱动层。当乘客乘坐自动驾驶汽车前往目的地时，依然需要和车辆进行交互。要让车内乘客、或是与人形机器人互动的用户，获得流畅体验，交互系统就必须提供相应的算力支撑。

第三层是驱动执行层。它负责精准控制机器人手中的各类微型执行器，也负责自动驾驶汽车中制动系统与转向系统的控制和执行。这一系统由大量微型器件组成，需要上层系统统一协调调度，这也让整体设计变得极为复杂。

第四层是云端，所有这些系统如何通过云端实现协同交互。

一方面，可以在云端完成新模型训练，然后下载到终端设备；另一方面，所有设备可以通过云端整合成一个集群，以集群方式协同作业。这是一层完全不同的计算层级，主要实现自动驾驶、机器人系统与云端环境的交互。

“所有这些系统都必须做到功能安全、信息安全。正因如此，物理AI是Arm亟需打造的最复杂的计算平台之一。”

Drew Henry表示，在物理AI领域，计算最核心的特性就是实时性，即能够极快地完成高复杂度计算。从传感器感知到执行器响应的时延控制，至关重要。

这也就意味着，物理AI领域，Arm所设计的系统并非以极致性能和超高内存带宽为核心设计目标，而是在极短时间内实现最快速、最高效的指令执行，达成数据输入、动作输出的即时闭环。

此外，Drew Henry还强调，未来十年，具身智能及其所需的模型势必持续迭代演进，人形机器人平台与自动驾驶平台的应用需求也将不断变化。这也正是该领域会成为最复杂计算系统的原因——它会一代又一代持续升级。

“这是一项需要深耕十年乃至更久的计算领域难题，而这也正是该领域，有望成为有史以来规模最大的市场之一的关键所在。”

AI导读

"物理AI正重塑未来：从感知到执行的关键时延决定成败，Arm四大计算层级揭示下一代智能设备的实时性革命，十年深耕将催生史上最大市场。"

内容由AI智能生成

随着AI改造真实世界的进程加速，物理AI正在成为一个确定性的技术趋势。

2026年1月，在拉斯维加斯举行的国际消费电子展（CES 2026）上，Arm公司正式宣布进行内部组织架构重组，并成立了专门的物理AI（Physical AI）事业部。

“在我们的定义中，物理AI是将AI深度嵌入各类智能设备并实现实体化落地，具体涵盖配备执行器(actuators)、可自主运动的各类设备，比如机器人平台、自动驾驶汽车平台等。简单来说，把AI嵌入这类机器，就是物理AI。”

近日，在Arm的一场对外沟通会上，Arm物理AI事业部执行副总裁Drew Henry对外表示，理解物理AI最核心的是抓住一个关键指标：时延。

即从感知信号到实际动作执行之间的时间。无论是汽车刹车、加速、转向，还是机械臂动作、机器人移动，从感知到执行系统响应的这段时间，对物理AI而言这就是最关键的指标之一。

在Arm看来，物理AI的实现需要深入理解四大计算层级：

第一个感知驱动计算层级聚焦于自主运行(Autonomous Operation)。它关乎感知系统，即赋予机器人或汽车“看见”周围环境的能力，并据此做出超快速的实时决策。这一层级的核心要求是在极短时间内完成实时运算，而从传感器感知信号到执行器启动运作的时延表现尤为关键。

第二层是交互驱动层。当乘客乘坐自动驾驶汽车前往目的地时，依然需要和车辆进行交互。要让车内乘客、或是与人形机器人互动的用户，获得流畅体验，交互系统就必须提供相应的算力支撑。

第三层是驱动执行层。它负责精准控制机器人手中的各类微型执行器，也负责自动驾驶汽车中制动系统与转向系统的控制和执行。这一系统由大量微型器件组成，需要上层系统统一协调调度，这也让整体设计变得极为复杂。

第四层是云端，所有这些系统如何通过云端实现协同交互。

一方面，可以在云端完成新模型训练，然后下载到终端设备；另一方面，所有设备可以通过云端整合成一个集群，以集群方式协同作业。这是一层完全不同的计算层级，主要实现自动驾驶、机器人系统与云端环境的交互。

“所有这些系统都必须做到功能安全、信息安全。正因如此，物理AI是Arm亟需打造的最复杂的计算平台之一。”

Drew Henry表示，在物理AI领域，计算最核心的特性就是实时性，即能够极快地完成高复杂度计算。从传感器感知到执行器响应的时延控制，至关重要。

这也就意味着，物理AI领域，Arm所设计的系统并非以极致性能和超高内存带宽为核心设计目标，而是在极短时间内实现最快速、最高效的指令执行，达成数据输入、动作输出的即时闭环。

此外，Drew Henry还强调，未来十年，具身智能及其所需的模型势必持续迭代演进，人形机器人平台与自动驾驶平台的应用需求也将不断变化。这也正是该领域会成为最复杂计算系统的原因——它会一代又一代持续升级。

“这是一项需要深耕十年乃至更久的计算领域难题，而这也正是该领域，有望成为有史以来规模最大的市场之一的关键所在。”

内容由AI智能生成

随着AI改造真实世界的进程加速，物理AI正在成为一个确定性的技术趋势。

2026年1月，在拉斯维加斯举行的国际消费电子展（CES 2026）上，Arm公司正式宣布进行内部组织架构重组，并成立了专门的物理AI（Physical AI）事业部。

“在我们的定义中，物理AI是将AI深度嵌入各类智能设备并实现实体化落地，具体涵盖配备执行器(actuators)、可自主运动的各类设备，比如机器人平台、自动驾驶汽车平台等。简单来说，把AI嵌入这类机器，就是物理AI。”

近日，在Arm的一场对外沟通会上，Arm物理AI事业部执行副总裁Drew Henry对外表示，理解物理AI最核心的是抓住一个关键指标：时延。

即从感知信号到实际动作执行之间的时间。无论是汽车刹车、加速、转向，还是机械臂动作、机器人移动，从感知到执行系统响应的这段时间，对物理AI而言这就是最关键的指标之一。

在Arm看来，物理AI的实现需要深入理解四大计算层级：

第一个感知驱动计算层级聚焦于自主运行(Autonomous Operation)。它关乎感知系统，即赋予机器人或汽车“看见”周围环境的能力，并据此做出超快速的实时决策。这一层级的核心要求是在极短时间内完成实时运算，而从传感器感知信号到执行器启动运作的时延表现尤为关键。

第二层是交互驱动层。当乘客乘坐自动驾驶汽车前往目的地时，依然需要和车辆进行交互。要让车内乘客、或是与人形机器人互动的用户，获得流畅体验，交互系统就必须提供相应的算力支撑。

第三层是驱动执行层。它负责精准控制机器人手中的各类微型执行器，也负责自动驾驶汽车中制动系统与转向系统的控制和执行。这一系统由大量微型器件组成，需要上层系统统一协调调度，这也让整体设计变得极为复杂。

第四层是云端，所有这些系统如何通过云端实现协同交互。

一方面，可以在云端完成新模型训练，然后下载到终端设备；另一方面，所有设备可以通过云端整合成一个集群，以集群方式协同作业。这是一层完全不同的计算层级，主要实现自动驾驶、机器人系统与云端环境的交互。

“所有这些系统都必须做到功能安全、信息安全。正因如此，物理AI是Arm亟需打造的最复杂的计算平台之一。”

Drew Henry表示，在物理AI领域，计算最核心的特性就是实时性，即能够极快地完成高复杂度计算。从传感器感知到执行器响应的时延控制，至关重要。

这也就意味着，物理AI领域，Arm所设计的系统并非以极致性能和超高内存带宽为核心设计目标，而是在极短时间内实现最快速、最高效的指令执行，达成数据输入、动作输出的即时闭环。

此外，Drew Henry还强调，未来十年，具身智能及其所需的模型势必持续迭代演进，人形机器人平台与自动驾驶平台的应用需求也将不断变化。这也正是该领域会成为最复杂计算系统的原因——它会一代又一代持续升级。

“这是一项需要深耕十年乃至更久的计算领域难题，而这也正是该领域，有望成为有史以来规模最大的市场之一的关键所在。”

AI导读

"物理AI正重塑未来：从感知到执行的关键时延决定成败，Arm四大计算层级揭示下一代智能设备的实时性革命，十年深耕将催生史上最大市场。"

内容由AI智能生成

随着AI改造真实世界的进程加速，物理AI正在成为一个确定性的技术趋势。

2026年1月，在拉斯维加斯举行的国际消费电子展（CES 2026）上，Arm公司正式宣布进行内部组织架构重组，并成立了专门的物理AI（Physical AI）事业部。

“在我们的定义中，物理AI是将AI深度嵌入各类智能设备并实现实体化落地，具体涵盖配备执行器(actuators)、可自主运动的各类设备，比如机器人平台、自动驾驶汽车平台等。简单来说，把AI嵌入这类机器，就是物理AI。”

近日，在Arm的一场对外沟通会上，Arm物理AI事业部执行副总裁Drew Henry对外表示，理解物理AI最核心的是抓住一个关键指标：时延。

即从感知信号到实际动作执行之间的时间。无论是汽车刹车、加速、转向，还是机械臂动作、机器人移动，从感知到执行系统响应的这段时间，对物理AI而言这就是最关键的指标之一。

在Arm看来，物理AI的实现需要深入理解四大计算层级：

第一个感知驱动计算层级聚焦于自主运行(Autonomous Operation)。它关乎感知系统，即赋予机器人或汽车“看见”周围环境的能力，并据此做出超快速的实时决策。这一层级的核心要求是在极短时间内完成实时运算，而从传感器感知信号到执行器启动运作的时延表现尤为关键。

第二层是交互驱动层。当乘客乘坐自动驾驶汽车前往目的地时，依然需要和车辆进行交互。要让车内乘客、或是与人形机器人互动的用户，获得流畅体验，交互系统就必须提供相应的算力支撑。

第三层是驱动执行层。它负责精准控制机器人手中的各类微型执行器，也负责自动驾驶汽车中制动系统与转向系统的控制和执行。这一系统由大量微型器件组成，需要上层系统统一协调调度，这也让整体设计变得极为复杂。

第四层是云端，所有这些系统如何通过云端实现协同交互。

一方面，可以在云端完成新模型训练，然后下载到终端设备；另一方面，所有设备可以通过云端整合成一个集群，以集群方式协同作业。这是一层完全不同的计算层级，主要实现自动驾驶、机器人系统与云端环境的交互。

“所有这些系统都必须做到功能安全、信息安全。正因如此，物理AI是Arm亟需打造的最复杂的计算平台之一。”

Drew Henry表示，在物理AI领域，计算最核心的特性就是实时性，即能够极快地完成高复杂度计算。从传感器感知到执行器响应的时延控制，至关重要。

这也就意味着，物理AI领域，Arm所设计的系统并非以极致性能和超高内存带宽为核心设计目标，而是在极短时间内实现最快速、最高效的指令执行，达成数据输入、动作输出的即时闭环。

此外，Drew Henry还强调，未来十年，具身智能及其所需的模型势必持续迭代演进，人形机器人平台与自动驾驶平台的应用需求也将不断变化。这也正是该领域会成为最复杂计算系统的原因——它会一代又一代持续升级。

“这是一项需要深耕十年乃至更久的计算领域难题，而这也正是该领域，有望成为有史以来规模最大的市场之一的关键所在。”

内容由AI智能生成

随着AI改造真实世界的进程加速，物理AI正在成为一个确定性的技术趋势。

2026年1月，在拉斯维加斯举行的国际消费电子展（CES 2026）上，Arm公司正式宣布进行内部组织架构重组，并成立了专门的物理AI（Physical AI）事业部。

“在我们的定义中，物理AI是将AI深度嵌入各类智能设备并实现实体化落地，具体涵盖配备执行器(actuators)、可自主运动的各类设备，比如机器人平台、自动驾驶汽车平台等。简单来说，把AI嵌入这类机器，就是物理AI。”

近日，在Arm的一场对外沟通会上，Arm物理AI事业部执行副总裁Drew Henry对外表示，理解物理AI最核心的是抓住一个关键指标：时延。

即从感知信号到实际动作执行之间的时间。无论是汽车刹车、加速、转向，还是机械臂动作、机器人移动，从感知到执行系统响应的这段时间，对物理AI而言这就是最关键的指标之一。

在Arm看来，物理AI的实现需要深入理解四大计算层级：

第一个感知驱动计算层级聚焦于自主运行(Autonomous Operation)。它关乎感知系统，即赋予机器人或汽车“看见”周围环境的能力，并据此做出超快速的实时决策。这一层级的核心要求是在极短时间内完成实时运算，而从传感器感知信号到执行器启动运作的时延表现尤为关键。

第二层是交互驱动层。当乘客乘坐自动驾驶汽车前往目的地时，依然需要和车辆进行交互。要让车内乘客、或是与人形机器人互动的用户，获得流畅体验，交互系统就必须提供相应的算力支撑。

第三层是驱动执行层。它负责精准控制机器人手中的各类微型执行器，也负责自动驾驶汽车中制动系统与转向系统的控制和执行。这一系统由大量微型器件组成，需要上层系统统一协调调度，这也让整体设计变得极为复杂。

第四层是云端，所有这些系统如何通过云端实现协同交互。

一方面，可以在云端完成新模型训练，然后下载到终端设备；另一方面，所有设备可以通过云端整合成一个集群，以集群方式协同作业。这是一层完全不同的计算层级，主要实现自动驾驶、机器人系统与云端环境的交互。

“所有这些系统都必须做到功能安全、信息安全。正因如此，物理AI是Arm亟需打造的最复杂的计算平台之一。”

Drew Henry表示，在物理AI领域，计算最核心的特性就是实时性，即能够极快地完成高复杂度计算。从传感器感知到执行器响应的时延控制，至关重要。

这也就意味着，物理AI领域，Arm所设计的系统并非以极致性能和超高内存带宽为核心设计目标，而是在极短时间内实现最快速、最高效的指令执行，达成数据输入、动作输出的即时闭环。

此外，Drew Henry还强调，未来十年，具身智能及其所需的模型势必持续迭代演进，人形机器人平台与自动驾驶平台的应用需求也将不断变化。这也正是该领域会成为最复杂计算系统的原因——它会一代又一代持续升级。

“这是一项需要深耕十年乃至更久的计算领域难题，而这也正是该领域，有望成为有史以来规模最大的市场之一的关键所在。”

AI导读

"物理AI正重塑未来：从感知到执行的关键时延决定成败，Arm四大计算层级揭示下一代智能设备的实时性革命，十年深耕将催生史上最大市场。"

内容由AI智能生成

随着AI改造真实世界的进程加速，物理AI正在成为一个确定性的技术趋势。

2026年1月，在拉斯维加斯举行的国际消费电子展（CES 2026）上，Arm公司正式宣布进行内部组织架构重组，并成立了专门的物理AI（Physical AI）事业部。

“在我们的定义中，物理AI是将AI深度嵌入各类智能设备并实现实体化落地，具体涵盖配备执行器(actuators)、可自主运动的各类设备，比如机器人平台、自动驾驶汽车平台等。简单来说，把AI嵌入这类机器，就是物理AI。”

近日，在Arm的一场对外沟通会上，Arm物理AI事业部执行副总裁Drew Henry对外表示，理解物理AI最核心的是抓住一个关键指标：时延。

即从感知信号到实际动作执行之间的时间。无论是汽车刹车、加速、转向，还是机械臂动作、机器人移动，从感知到执行系统响应的这段时间，对物理AI而言这就是最关键的指标之一。

在Arm看来，物理AI的实现需要深入理解四大计算层级：

第一个感知驱动计算层级聚焦于自主运行(Autonomous Operation)。它关乎感知系统，即赋予机器人或汽车“看见”周围环境的能力，并据此做出超快速的实时决策。这一层级的核心要求是在极短时间内完成实时运算，而从传感器感知信号到执行器启动运作的时延表现尤为关键。

第二层是交互驱动层。当乘客乘坐自动驾驶汽车前往目的地时，依然需要和车辆进行交互。要让车内乘客、或是与人形机器人互动的用户，获得流畅体验，交互系统就必须提供相应的算力支撑。

第三层是驱动执行层。它负责精准控制机器人手中的各类微型执行器，也负责自动驾驶汽车中制动系统与转向系统的控制和执行。这一系统由大量微型器件组成，需要上层系统统一协调调度，这也让整体设计变得极为复杂。

第四层是云端，所有这些系统如何通过云端实现协同交互。

一方面，可以在云端完成新模型训练，然后下载到终端设备；另一方面，所有设备可以通过云端整合成一个集群，以集群方式协同作业。这是一层完全不同的计算层级，主要实现自动驾驶、机器人系统与云端环境的交互。

“所有这些系统都必须做到功能安全、信息安全。正因如此，物理AI是Arm亟需打造的最复杂的计算平台之一。”

Drew Henry表示，在物理AI领域，计算最核心的特性就是实时性，即能够极快地完成高复杂度计算。从传感器感知到执行器响应的时延控制，至关重要。

这也就意味着，物理AI领域，Arm所设计的系统并非以极致性能和超高内存带宽为核心设计目标，而是在极短时间内实现最快速、最高效的指令执行，达成数据输入、动作输出的即时闭环。

此外，Drew Henry还强调，未来十年，具身智能及其所需的模型势必持续迭代演进，人形机器人平台与自动驾驶平台的应用需求也将不断变化。这也正是该领域会成为最复杂计算系统的原因——它会一代又一代持续升级。

“这是一项需要深耕十年乃至更久的计算领域难题，而这也正是该领域，有望成为有史以来规模最大的市场之一的关键所在。”