不久前机器人的发展仍主要停留在能力验证和原型演示阶段。如今行业正迅速迈向真实世界部署。人形机器人、四足机器人及其他自主机器人已开始在制造、物流、仓储及各类工业环境中实际执行任务。智元 (AGIBOT) 近期在英国伦敦举办的合作伙伴大会上充分展示了这一转型的速度同时揭示了行业面临的下一个挑战不只是打造性能更强的机器人更是打造能够规模化部署的机器人。交通运输、制造、物流、医疗和酒店等行业均率先受益于新一代智能自主机器人。这一话题也是智元合作伙伴大会的核心讨论议题。会上Arm 与亚马逊云科技 (AWS)、NVIDIA 及牛津机器人研究所 (Oxford Robotics Institute) 的专家共同参与专题圆桌论坛探讨机器人技术如何从研发阶段走向真实世界部署。机器人规模化部署仰赖统一的计算基础智元成立仅三年便从早期演示阶段发展到在工业环境中部署机器人反映出物理 AI人工智能正快速从概念验证迈向商业落地。机器人进入真实世界前相关模型需要经过开发、测试和持续优化。部署完成后智能计算必须在靠近传感器、电机及控制系统的位置实时运行同时机器人机群需要持续的软件更新、数据闭环反馈与迭代优化。物理 AI 的规模化部署需要贯穿整个开发生命周期的统一计算基础——从云端 AI 训练与仿真到边缘部署、机群管理以及持续的软件更新。随着行业加速开发并部署世界模型 (world models)帮助机器人更好地理解、预测和响应动态变化的物理环境这一计算基础的重要性正日益凸显。这类模型在生命周期的各个阶段都需要大量算力支撑这也让高效的云边协同计算变得前所未有的关键。平衡算力需求与现实约束想要打造适配真实场景、性能更强的机器人最直接的思路是堆砌更多 AI 模型、提升硬件性能。但这只是解决方案的一部分对于机器人实现有效规模化部署更是如此。每台机器人的运行都受到严格的物理条件限制。电池容量、散热能力、整机重量都存在上限。AI 能力的提升不能以牺牲续航、运行效率或移动性能为代价。行业面临的挑战不在于简单地增加更多 TOPS而在于如何让日益复杂的 AI 工作负载在整个机器人系统中实现更高效地运行。例如人形机器人需要在电池、散热、重量、机械结构的严格约束下完成传感器数据处理、AI 工作负载运行、运动协调与实时响应。对于机器人而言智能计算不能作为一项孤立的工作负载来处理。感知、决策与执行必须实时协同运作既要保障确定性延迟与高能效计算也要具备可同时支持 AI 推理与控制的安全系统。正如 Arm 物理 AI 事业部执行副总裁 Drew Henry 在《Robot Report》播客中所言“在机器人领域从感知外部世界到触发动作的时延已成为决定性的工程挑战之一。”计算平台与物理 AI 工作负载协同设计智元机器人平台涵盖人形机器人与四足机器人充分印证了 AI 工作负载与计算架构协同设计的必要性正持续提升。从传感感知到推理、运动规划再到执行每一个环节都依赖软硬件的高效协同。十余年来Arm 持续为汽车、自动驾驶车辆和机器人解决方案提供计算平台支持。仅 2025 年Arm 生态系统合作伙伴面向这些领域出货了 20 亿颗基于 Arm 的芯片。从低功耗传感器处理、确定性实时控制到高性能中央计算单元Arm 计算平台覆盖了整个机器人系统为智元提供了跨系统的一致计算基础。在平衡性能、能效与响应表现的同时简化 AI 工作负载的部署流程。Arm 还为物理 AI 生态系统提供了架构连续性使开发者能够在云端训练模型通过仿真验证并部署到运行同一底层架构的机器人系统中。随着新一代机器人不断涌现软件可移植性使工程团队能够复用既有的软件投入无需重新构建基础组件。面向下一代机器人智元正致力于在不超出电池、散热与软件复杂度限制的前提下将更强的计算与 AI 处理能力集成到人形机器人系统中。与 Arm 的合作有助于从平台层面应对这些计算挑战支撑机器人在真实世界中实现感知、移动、交互与规模化部署。推动物理 AI 迈向规模化未来随着机器人逐渐成为交通运输、物流、制造、医疗和酒店等行业的实用工具未来脱颖而出的企业依靠的不只是性能顶尖的 AI 模型更是能够支撑这些模型高效、安全且规模化运行的计算平台。智元的快速发展印证了可商业部署的物理 AI 时代正在开启。Arm 通过提供覆盖云端开发、边缘 AI 和实时机器人系统的统一计算平台助力构建下一代物理 AI 的发展基础。