【導讀】還記得前幾年，“百模大戰”打得火熱，那時候AI競爭的核心還都集中在云端大模型訓練，而現如今，AI能力正在走向真實世界，物理AI（Physical AI）成為時下競爭最為火熱的領域。
機器人、智能汽車、工業自動化、醫療設備等領域正在要求AI具備感知、推理、決策和執行能力，而這意味著計算系統必須從傳統的數據中心推理，轉向實時、低延遲、高可靠性的邊緣智能。
在CES 2026上，AMD就將物理AI定義為未來十年的關鍵增長領域之一。AMD董事會主席及首席執行官蘇姿豐（Lisa Su）博士在彼時曾表示，物理AI是當前技術領域最具挑戰的問題之一，而實現這一目標需要“全棧式方法”。
近日，在“Advancing AI 2026”（AAI 2026）大會上，AMD進一步展示了其面向物理AI時代的完整布局：從AMD Ryzen（銳龍） AI 嵌入式 X100系列處理器，到Kria AI System on Module（SOM），再到機器人軟件平臺和合作伙伴生態，AMD試圖打造一個覆蓋“機器人身體到大腦”的完整計算體系。
AMD預計，到2035年，物理AI芯片市場規模將達到2000億美元，并將在機器人、工業、醫療、汽車和智慧城市等領域持續增長。
物理AI的核心挑戰：不是單純地比拼峰值算力
與云端AI不同，物理AI面對的是現實環境。
拿最復雜地機器人舉例來說，不僅需要識別人、物體和環境，還需要實時規劃路徑、控制機械臂運動，并確保整個系統安全運行。因此，物理AI需要完成四個關鍵環節：
第一是“感知”（Perceive），理解周圍環境并跟蹤運動目標；第二是“推理”（Reason），解釋場景并規劃行動路徑；第三是“決策”（Decide），協調多個子系統并實時調整；第四是“執行”（Act），安全完成動作。
這對計算架構提出了新的要求。
如果你關注芯片領域的新聞，你一定會發現每家廠商都喜歡說自己的芯片的峰值算力又多少TOPS。但與傳統AI計算領域不同，機器人系統更關注確定性、實時性、系統響應時間。AMD在調研150多家機器人開發企業后發現，開發者最看重的并非單純峰值算力，而是確定性、開放性、可擴展性。
也就是說，在物理AI時代，“可預測的計算”比單純的峰值性能更加重要，并且架構要足夠開放不能鎖定供應商，同時一套平臺能夠覆蓋不同機器人。
針對機器人上述需求，AMD給出的答案是一套“全棧式”方案，并提出“三層開放戰略”：
第一層是開放硬件，包括銳龍 AI 嵌入式 X100、Kria AI SOM、Kria AI機器人開發平臺（Kria AI Robotics Developer Platform）；
第二層是開放軟件，包括AMD Robotics Software Suite和ROCm生態；
第三層是開放生態，包括AMD Robotics Partner Network。
銳龍 AI 嵌入式 X100：面向機器人“大腦”的異構計算平臺
底層SoC芯片無疑是一切的支撐。AMD的思路一直是打造CPU、GPU、NPU三位一體的融合SoC，在機器人領域同樣如此：今年1月推出4~6核的銳龍AI嵌入式P100系列，今年3月，擴展P100系列，專為工業和物理AI推出8~12核的高端型號產品。
AMD在AAI上推出了銳龍 AI 嵌入式 X100系列處理器，將Strix Halo APU能力拓展至物理AI場景。相比P100，X100無疑用有個更強大的性能，目前包括三個SKU：8核32 CU的X168、12核32 CU的X188、16核40 CU的X199，全面覆蓋高端物理 AI 的澎湃算力需求。
不同于傳統嵌入式處理器，X100系列采用CPU、GPU、NPU融合架構，通過統一內存實現低延遲數據交互，目標是同時滿足機器人感知、推理和控制需求。從架構來看，X100系列包含三部分：
CPU部分采用最高16核/32線程高性能x86 CPU，主頻最高可達5.1GHz，用于承擔機器人任務調度、規劃和控制；
GPU部分集成最高40個RDNA 3.5計算單元，用于視覺處理、AI推理和圖形計算；
NPU部分采用AMD XDNA 2架構，最高算力大豆50TOPS，提供低功耗持續AI推理能力，用于全天候視覺和語音感知。
除了核心，X100最值得關注的是采用最高128GB統一內存（Unified Memory），內存帶寬達到273GB/s，并引入零拷貝（Zero Copy）技術。
AMD認為，傳統機器人計算架構呈嚴重的碎片化狀態，CPU運行著數百個并發軟件線程，而獨立的AI加速器則負責感知、自糾錯與基礎模型推理，在這種架構下，數據在CPU與AI 加速器之間頻繁復制與傳輸，導致每一個計算周期都會浪費寶貴的時間與帶寬。相比傳統機器人架構中CPU、GPU、控制器相互割裂的方式，AMD希望通過統一內存減少數據搬運，讓多個AI模型能夠協同運行。
AMD指出，Agentic Physical AI需要同時處理導航規劃、模型推理、實時控制以及系統運行等大量并行任務，而傳統分離式架構會帶來數據移動和延遲問題。因此，AMD采用CPU+AI Accelerator共享統一內存的方式，讓多個計算單元能夠協同工作。
除此之外，X100還值得關注的點是支持-40℃至105℃工業溫度范圍，支持10年生命周期和7×24小時運行，TDP可配置45~120W。
物理AI對于SoC的能力堪稱“既要又要還要”，更低延遲、更低功耗、更高實時性、更強安全能力、更靈活的軟件適配能力。這款SoC無疑能夠自適應各種場景，實現真正的確定性和實時性。
Kria AI SOM和Kria AI機器人開發平臺：交鑰匙的一套方案
基于X100系列，AMD還推出了Kria AI System on Module（SOM），采用開放標準COM-HPC規格，模塊尺寸120×120mm，目標是幫助機器人廠商快速完成從開發到量產的轉換，該產品預計將于2026年第四季度開始通過ODM合作伙伴供貨。
Kria AI SOM的CPU可實現92ms AI推理、GPU能夠提供125μs確定性控制、NPU則能夠提供低于0.4ms視覺分類響應。
對于機器人廠商而言，模塊化平臺的重要價值在于降低開發門檻。機器人企業無需從零設計計算板卡，而可以直接基于SOM完成機器人控制系統開發，加速產品落地。
為了進一步降低機器人開發復雜度，AMD推出Kria AI Robotics Developer Platform，該平臺目前正向早期客戶提供樣品，預計將于2026年第四季度正式供貨。AMD將其定義為業內首個開放式、完整集成的平臺， 集成了CPU、GPU、NPU與FPGA四位一體的算力架構。該平臺不僅能讓開發者在數天內搭建原型，其開放硬件設計更可無縫銜接至量產部署，同時配合開源軟件徹底消除了供應商鎖定的隱患。
從配置來看，其SOM基于銳龍 AI嵌入式X199處理器（集成CPU、GPU、NPU）和機器人載板，支持Spartan UltraScale+ FPGA，提供確定性和更低延遲，并提供多種界面選項，適用于物理AI應用場景；提供64GB和128GB的LPDDR5X選項。
接口方面，網絡接口配備兩個1/2.5/5Gbps RJ45網口、兩個EtherCAT/TSN千兆RJ45網口、一個10Gbps速率四通道QFSP接、集成兩個CAN-FD接口、一個RS485串口；通用接口提供兩個USB4 Type-C接口、三個USB 3.2 Type-C接口、兩個USB 2.0 Type-A接口；顯示輸出包括兩個Mini DisplayPort；攝像頭包含一個支持GMSL2與GMSL3的四通道FAKRA接口、一個支持GMSL1與GMSL2 協議的四通道FAKRA接口；音頻由一個標準音頻插孔和一個A2B接口組成。
AMD機器人軟件開發套件：無縫從CUDA遷移到ROCm
硬件之外，軟件生態成為物理AI競爭的關鍵。AMD發布全新機器人軟件套件AMD Robotics Software Suite，希望將云端AI軟件體系延伸至機器人領域，包括Robotics Core SDK和Physical AI SDK兩方面，未來還會進一步擴展音頻、操作等SDK。
值得注意的是，很多人可能從數據中心和HPC領域了解到ROCm，現在它已可用于物理AI。ROCm是AMD的開放軟件棧，使用開放的編譯器、運行時和庫來運行標準AI框架，使開發者能夠在不改變工作流程的情況下，從云端遷移到邊緣端。
為了降低開發者的遷移門檻，AMD提供HIPIFY工具，能夠自動將高達75%的CUDA代碼轉換為HIP代碼。框架與Triton Kernel實現了“即插即用”，同時AMD提供了與CUDA庫對應的匹配庫，如rocBLAS、rocSparse、MIOpen等，使開發者能夠繼續沿用現有的開發習慣與技術棧。
AMD機器人合作伙伴網絡：把不同角色連接到一起
物理AI的實現，從來都不是孤軍奮戰，尤其是當下產業這么卷的情況下，只有把所有的伙伴連接到一起，共同基于一個標準開發才能讓產品迅速上市。
正因如此，本次AAI上，AMD公布了AMD Robotics Partner Network（AMD機器人合作伙伴網絡），匯聚廣泛的硬件與軟件合作伙伴生態系統，加速基于AMD平臺的機器人和物理 AI 系統的開發與部署。目前，該網絡已有30多個企業加入。
該計劃通過統一的AMD硬件和基于開放標準構建的軟件基礎，將原始設計制造商（ODM）、獨立軟件供應商（ISV）、仿真提供商、傳感器與感知技術公司、安全與基準測試合作伙伴以及系統集成商連接起來。
在這一合作伙伴網絡中，AMD扮演的是底層計算平臺提供者的角色。
AMD擁有業界唯一的“從軀干到大腦”的全套芯片與平臺解決方案：在“大腦”層面，Kria AI SOM負責高層AI推理、任務規劃以及自適應工作負載處理；在“脊髓”層面，第二代Versal AI Edge 與Zynq UltraScale+承擔實時通信、系統協調以及高可靠控制；在“傳感器”層面，Zynq和Spartan系列負責多源數據采集與實時傳感器融合；而在“關節”層面，Zynq UltraScale+和Zynq-7000則用于實現低延遲、多軸電機控制，保障機器人動作的精準執行。
在生態合作方面，AMD正在與全球機器人及工業領域企業展開深度技術合作，將物理AI能力拓展至更多實際應用場景。目前，AMD的平臺已經覆蓋工業制造、半導體、服務機器人、人形機器人以及巡檢救援等多個領域。
在工業制造領域，AMD與Xaba合作，將觸覺智能引入生產線，提升機器人對復雜環境的感知與交互能力；與博世力士樂（Bosch Rexroth）合作，降低裝配線生產誤差，提高制造過程的精準性；與Universal Robots合作，推動協作機器人應用發展，實現人與機器之間更高效、安全的協同工作；與ABB合作，在不犧牲安全性的前提下提高生產力。
在人形機器人和特定行業應用方面，AMD與Foundation Robotics合作探索工業級人形機器人，與Generative Bionics共同推進工廠人形機器人應用；與Muks Robotics合作開發面向酒店場景的服務機器人；與Weston Robot合作打造用于巡檢、安全搜索和救援任務的機器人系統。
在半導體制造領域，AMD還與FASTEC International展開合作，將AMD 銳龍 AI 嵌入式X100處理器應用于其i-Operator移動協作機器人平臺。該機器人面向半導體晶圓廠環境設計，能夠借助X100處理器的AI計算能力實時識別數千種不同物體，并在數秒內響應現場異常情況，從而提升潔凈室環境下的人機協作效率和生產安全性。
物理AI時代，x86更重要了
從本質上看，物理AI正在重新定義智能與機器的關系。它不再只是運行在云端的數據模型，而是需要將算法、軟件和硬件深度融合，讓智能真正進入機器人、汽車和工業設備等物理世界。因此，物理AI的發展路徑與智能手機早期階段類似，最終勝出的并不是單一技術，而是能夠將算力、連接、軟件和生態整合起來的平臺。
而要推動物理AI規模化落地，底層計算平臺將成為關鍵基礎設施。與傳統AI計算不同，物理AI不僅需要強大的AI推理能力，更需要滿足工業場景對于高實時性、高可靠性和確定性執行的要求。計算平臺不僅要處理視覺感知、模型推理等AI任務，還需要與操作系統、控制系統以及大量傳統工業軟件協同運行，確保AI任務與實時控制任務之間不會相互干擾。
這也讓x86架構在物理AI時代重新展現出重要價值。過去幾十年，x86憑借開放生態、強大的軟件兼容能力以及系統級優化能力，在工業控制、工控機、邊緣計算領域占據重要位置。而進入物理AI時代，這些優勢并沒有消失，反而變得更加關鍵。
機器人系統本質上是一個復雜的實時計算系統：既需CPU承擔任務調度、系統管理和復雜邏輯控制，也需要GPU/NPU完成AI推理、FPGA完成更實時的控制和網絡連接，還需要保證不同計算任務之間的穩定協同。
AMD無疑是把這一套系統“玩得最轉”的企業，加上AMD長期積累的軟件生態、系統調優能力、工業領域的部署經驗，AMD的這些新產品無疑將會重新顛覆物理AI。
