作者 | 德新

编辑 | 王博

继大模型之后，当下最热门的科技浪潮是什么？当然是物理AI。

9月8日，Arm年度大会Arm Everywhere China落地上海。这场会议紧邻着世界人工智能大会 WAIC、世界机器人大会WRC两大行业盛会，时值国内物理AI的热度全面爆发。

面向中国市场汽车、人形机器人旺盛发展的需求，Arm把已经在云服务器赛道跑通验证的Arm全面设计（Arm Total Design）生态协作模式，延伸到物理AI领域，发布了 面向物理AI的Arm全面设计生态项目（Arm Total Design for Physical AI） 。同时，作为生态系统的首批协作倡议之一，Arm推出了机器人能力分级框架（Robotics Capability Framework）。

借助Arm Total Design for Physical AI，Arm和生态伙伴希望用成熟的IP和配套开发服务，帮车企等客户快速落地自有定制芯片。

而针对尚处在早期的机器人行业，Arm借鉴自动驾驶的分级思路，推出RL0 ‑ RL5机器人能力分级体系，希望加快人形机器人行业的产品定义和技术迭代。

中国是全球汽车智能化、具身智能发展速度最快的市场之一，玩家众多、技术迭代飞快。Arm Total Design for Physical AI的推出，也体现出这家全球计算平台厂商，对本地市场机会敏锐的判断。

一、年出货20亿片后，5年内物理AI计算需求冲向2000亿美元

今年Arm将业务线划分为云AI、边缘AI与物理AI三大板块。Arm披露，物理AI板块下，仅在2025年一年，Arm生态面向汽车、自动驾驶、机器人平台出货的芯片 已达20亿颗 。

其测算，去年全球物理AI相关的计算需求市场规模大约是250亿美元。而到2030年内，其认为这个规模会到达2000亿美元，是2025年的8倍。

在Arm的定义范畴，物理AI覆盖了汽车、机器人、无人机等不同的形态和领域。

汽车产业随着智能化的浪潮正在快速变化，集中式电子电气架构与大模型上车的趋势同步推进。前者减少了车载ECU计算单元的数量，而后者带来了车载算力需求飙升。

以理想、小鹏为例，在近两三年中当前其车型序列中高配版，仅仅针对智驾的AI算力就有4 - 5倍提升，从当年的双英伟达OrinX（500 Tops）走向三图灵芯片（2250 Tops）或者双马赫M100（2560 TOPS）。

伴随车载ECU减少，中央计算机和域控制器上的算力快速增加，系统的复杂度和价值也大大提升。Arm物理AI产品管理高级总监Tom Conway认为， 整体上集中式架构之后算力价值的提升，要远远大于ECU缩减产生的影响。

未来的产业想象空间不止于此。去年全球GDP约115万亿美元，其中实体产业约75万亿美元，占比接近三分之二，计算密度仍然很低。

物理AI就是要给实体经济装上能感知、推理与执行的算力底座，大幅提高实体经济的生产效率，这是物理AI未来巨大的金矿。

二、当物理AI版ATD，遇上智能车算力大爆发

本次大会上， Arm正式发布物理AI版的Arm Total Design ，并宣布这一生态已经集结80余家产业伙伴，包含 AWS、亿咖通、Hugging Face、Liquid AI、NXP 恩智浦、智加科技、PSYONIC、QNX、通义千问、西门子等。

仅从汽车产业一支来看，国内新势力车企已经掀起自研芯片浪潮，传统自主品牌比亚迪、奇瑞等也在跟进，HiEV听闻甚至欧洲、日系车企也开始规划下场自研智能化芯片。

Arm去年的财报也披露了关联消息：签下首个汽车 Zena CSS 大客户，对方是一家全球头部车企。

随着整车电子电气架构的变化，芯片数量缩减带来了单颗芯片复杂度大幅提升。ADAS与座舱大模型普及两拨趋势叠加，当前车企的软件栈迭代速度极快，倒逼硬件也要适配软件快速演进，这进一步强化车企自研SoC的诉求。

但自研车载芯片门槛极高，需要建立完整的SoC后端、封装、车规验证等团队和重资产，很多车企未必能快速建立全套能力。

这正是Arm Total Design for Physical AI要解决的痛点： 基于Zena CSS车规计算子系统底座，联合设计服务、IP、晶圆厂、软件伙伴，降低车企以及Tier 1定制芯片的工程门槛 。同时，这还会帮助Arm Total Design for Physical AI生态伙伴在全球市场获得更广阔的商业机会。

三、机器人能力分级框架：具身智能如何逐步兑现诗与远方？

在汽车智能化的初期，SAE驾驶自动化分级从L0- L5的标准在早期就给业内和消费者建立了一个清晰的系统能力坐标。

今天的机器人行业，虽然蓬勃发展，但另一方面碎片化和同质化并存，同样亟需一套类似的标准体系。

Arm本次发布Robotics Capability Framework机器人能力分级框架，也呼应了Arm首席架构师Richard Grisenthwaite在机器人框架宣言文档中指出的关键问题： 机器人产业高速增长，但整个行业缺少一套统一通用语言，来描述、评估、对比机器人真实能力。

这套框架定义RL0 ‑ RL5不同能力等级，把真实业务场景，和机器人行为表现、系统硬性需求做绑定，覆盖时延、算力部署位置、内存功耗、实时确定性、功能安全等硬性指标。

这个框架的初始架构目前已经吸纳大量机器人生态企业的反馈， Arm计划后续联合Anaxi Labs、ANYbotics、傅利叶智能、银河通用、联想、麦肯锡、Robotec.ai等伙伴迭代完善，同时也在面向行业征集更多参与者。

Arm的角色定位恰好就处在芯片硬件与软件生态的交汇点， 这更有利于推动行业达成共识。

作为分级框架的参与方之一，银河通用机器人首席战略官赵于莉认为：统一的机器人能力语言有助于简化产品开发、提升系统集成效率，并加快创新成果从研发到部署的转化进程。

汽车与机器人共同构成物理AI的两大核心试验场，但二者所处的阶段截然不同。 汽车已经走完上半场，进入车企自研芯片和车载大模型落地的规模化周期，而人形机器人还处在标准建立、产品验证的早期阶段。

对Arm而言，Physical AI业务确立之后，Arm Zena CSS + Arm Total Design for Physical AI，解决汽车芯片的工程化落地难题，拥抱全球车企自研的浪潮；另一方面，机器人能力分级框架，试图为萌芽中的机器人生态建立「通用语言」。

从IP授权，到交付计算子系统（CSS），再叠加Arm Total Design全链路生态服务，Arm正在从单纯的IP供应商，下沉到实体产业的芯片设计全流程。面对75万亿的实体经济，虽然概念火热，物理AI真正的商业化可以说才拉开序幕。