算力底座，AI走向物理世界的關鍵一躍

【摘要】AI最熱鬧的地方在機房，但真正決定產業落地的，往往是機房外的物理世界。

大模型負責讓AI變聰明，算力中心負責把智能訓練出來，但當AI進入路口、門店、家庭和機器人，問題就變成了：誰來讓它在弱網、低功耗、低成本和高可靠的現場里穩定工作。

愛芯元智提供了一個由邊緣算力、感知能力、工具鏈和開發者生態共同構成新底座。物理AI需要更多綜合能力強的基礎設施建設。

以下為正文：

過去兩年，AI最熱鬧的地方是機房。

一座座智算中心被點亮，GPU集群連成新的基礎設施，大模型在里面訓練、壓縮、推理，最后把回答吐到手機和電腦屏幕上。這個階段的AI比的是云端，誰的模型更大、上下文更長、Token更便宜，誰就足夠耀眼。

但還有一些麻煩的事情，往往不發生在屏幕上，也等不及云端處理。

比如路口攝像頭在雨夜里遇到強光，倉儲機器人在轉彎處突然碰到人，這些場景等不及云端返回，有更多的噪聲、時延和成本。

這就是AI走向物理世界時遇到的第一堵墻。

大模型、算力中心、具身智能當然是今天AI產業最重要的三個關鍵詞。它們其實分屬不同位置：算力中心像模型工廠，大模型提供認知能力，具身智能代表最終的行動場景。

三者之間還缺一層把云端訓練出來的智能，穩定送到具體設備里的基礎設施。這個基礎設施，就是物理AI的算力底座。

6月底，愛芯元智在深圳舉辦AXera Edge-Day，主題是“構筑物理AI算力底座，打通邊緣AI商業閉環”。從過去幾年AI落地的曲折路徑看，它其實也是在回答一個現實問題：當AI離開機房以后，誰來負責最后那幾十毫秒和那一次必須準確的動作？

01

機房里的火，現場里的冷

AI產業先經歷了一場“上云”。

模型要變聰明，需要數據、參數、訓練和推理，以及高速網絡和海量電力。過去幾年，算力中心之所以成為地方政府、云廠商和大模型公司的共同焦點，原因也在這里：智能先要被訓練出來。

但AI一旦走到物理世界，問題就變了。

Google DeepMind做RT-2時，想解決的是一個很具體的問題：怎么把視覺、語言和機器人動作連起來；此后Open X-Embodiment把來自22種機器人形態、500多項技能、超過100萬段episode的數據聚在一起，背后也是為了讓機器人學會遷移；英偉達解釋Physical AI時，把它定義為讓攝像頭、機器人、自動駕駛汽車等自主系統感知、理解、推理并在物理世界執行復雜動作。

這些思路背后的邏輯非常樸素。云端可以訓練世界模型，卻不能替每一臺設備承擔所有即時判斷。

所以物理AI不是反對云端算力，而是在云端之外重新分工。云端負責把模型訓出來，邊緣負責把模型用起來，前者追求智能上限，后者關心現場約束。圖像鏈路、NPU架構、編譯器、SDK、模型適配，任何一環能力都要同時補齊。

這條路線，是愛芯元智近幾年的主戰場。

2019年公司成立時，官網給自己的定位是做“AI感知與邊緣計算芯片”。那時大模型浪潮還沒有真正爆發，邊緣側的主戰場也更多是智慧城市、智能交通和機器視覺。

但物理AI后來要解決的第一個問題，恰恰就是感知。

2020年5月，愛芯元智第一代自研芯片AX630A完成流片；同年8月，AX630A上線，并已搭載AXProton AI-ISP技術。到2021年AX630A進入華東市場，2022年AX620A進入華東、華南市場并探索夜視攝像機品類時，AI-ISP已經成為了愛芯元智的優勢。

AI-ISP的能力意味著先精準識別現實世界并不那么干凈的數據集，再讓模型做判斷，這本質上是在給物理AI打底。

第二條線是NPU。愛芯元智的AXNeutron并不是到大模型時代才出現的東西。AXNeutron V1在2019年聚焦CNN，2021年的V3開始原生支持BEV和Transformer，2023年的V5進一步面向Transformer、BEV、大模型和智能駕駛做優化；到2024年7月，AXNeutron AI處理器在世界人工智能大會正式發布；2025年的Neutron V7開始面向Physical AI應用，并走向統一推理和自訓練架構。

愛芯元智選擇了一條更工程化的路，把模型盡可能高效地搬到端側和邊緣。

本次Edge-Day上的Pulsar2 6.0已經適配全系列芯片，并優化Qwen、MiniCPM等主流端側大模型推理。AX8850和AX8910一個偏感知，一個偏邊緣推理和運控，正好對應物理AI從眼睛到小腦的分工。

所以，才有了愛芯元智聯合創始人、副總裁劉建偉在這次AXera Edge-Day開場里的預判，“AI算力正從云端向物理世界加速下沉，算力的核心使命正在從生成Token轉變為驅動物理世界”。

02

先把世界看清楚

很多人第一次接觸邊緣AI，會低估“看清楚”這件事。

在城市和工業現場，機器看到的是雨水、逆光、抖動鏡頭、遮擋的人等。一個視覺算法在實驗室里識別率再高，到了夜間路口也可能被車燈打花；巡檢模型換到各種各樣的真實門店會遇到不同突發事件的問題。

因此，模型只是其中一環，前面還有傳感器和ISP，后面還有部署和維護。

從這個角度回看愛芯元智早期的路徑，會更感覺到這家公司的底層鋪墊之早。

公開資料顯示，第一代AX630A在9個月內完成流片，隨后進入智慧城市和交通場景；AX620A后來進入華東、華南市場，并探索夜視攝像機等應用；到AX650N、AX630C，再到2025年發布AX8850，路線逐漸從讓機器看見走到讓機器理解和處理更復雜任務。

這個過程是給物理AI打地基，也更貼近物理世界的入口。

以本次AXera Edge-Day為例，會議場景，廣和通把降噪、VAD、聲紋識別、ASR和LLM糾錯放到AX8850平臺上，解決的是會議機在低時延、離線和隱私約束下能不能持續可用。底層邏輯一樣，都是把原始信號先處理干凈，再讓模型在本地完成理解和修正。

家庭場景，Frigate NVR把家庭視覺從目標檢測推到語義搜索和本地對話Agent，家庭攝像頭不缺錄像，缺的是低成本、低隱私風險的本地理解能力。它解決的是家庭場景里“看到找不到、錄下讀不懂”的老問題。

門店場景，帷幄布局門店里的VLM巡檢，本質上是用攝像頭理解經營現場。攝像頭的角色已經不只是記錄客流，而是進入貨架、動線、商品和轉化這些經營環節。它意味著視覺AI開始進入經營決策。

這些案例里面，沒有哪個芯片是萬能的，說明物理AI的麻煩非常分散。語音有噪聲，家庭視覺有隱私，門店巡檢有運維。真正需要被平臺化的，是把算法變成產品、走進場景的過程。

芯片只是開頭，真正難的是讓這些能力以工程方式被重復調用。

03

機器人需要一顆小腦

具身智能很容易讓人興奮，也很容易讓人誤會。

像不像人、能不能跑、手指靈不靈巧是操作性問題，產業里的人還應該問另外幾個問題：能不能穩定干活，能不能換一個場景，壞了誰來修，成本能不能降到客戶愿意買。

大模型可以做機器人的“大腦”，算力中心可以做訓練和仿真，VLA模型可以把視覺、語言和動作統一到一個框架里。但一臺真實機器人身上，還需要更貼身的“小腦”，它要處理雙目視覺、運動控制、安全策略，還要在毫秒級閉環里對環境變化做反應。

沒有這顆“小腦”，再聰明的大腦也容易懸在空中。

愛芯元智在Edge-Day上把具身智能拆成“大腦-小腦-本體”三層，相當于把機器人產業里最難規模化的部分拆成了更具體的算力問題。

AX8910面向雙目純視覺等低功耗感知，AX8850對應更高算力的邊緣推理和運控需求，能夠在機器人真正落地時補齊現場所缺的算力。

同樣的邏輯，也能解釋開發者生態為什么重要。

本次會議上還出現了M5Stack、Frigate NVR和矽速科技，代表的正是三類不同角色。

M5Stack是開發者硬件入口，把AX630C、AX8850做成模塊化開發板、M.2算力卡和AI Pyramid套件，讓開發者更容易把端側模型放進具體設備；Frigate NVR代表開源應用生態，基于AX8850把家庭視覺從目標檢測推進到語義搜索和本地對話Agent；矽速科技則把MaixCAM、NanoKVM、MaixStation分別做成Agent的“眼睛”“手腳”和本地“大腦”，對應個人AI基建和物理執行能力。

愛芯元智也在Hugging Face、GitHub上開放模型和工具，其平臺模型庫突破200個、Pulsar2 6.0適配主流端側大模型，能夠輔助后續降低遷移成本。

物理AI要規模化，最終拼的不是單點能力，在物理世界，開發者需要面對大量真實隨機的問題，每一個環節都不能缺。

04

尾聲

大模型會繼續變強，算力中心會繼續擴張，具身智能也會繼續吸引資本和想象力。但產業真正往前走，還需要跨過細碎的地方。

在AI從云端走向現場的過程中，產業確實需要一類算力底座，既懂視覺輸入，又懂端側推理，還要把工具鏈、模型庫和開發者生態接起來。

愛芯元智過去幾年從AI-ISP到NPU、從視覺芯片到邊緣計算、從單點產品到開源生態的路徑，正好踩在這條產業遷移線上。

物理AI是讓AI接受物理世界的檢驗。它要求智能不只會回答，還要會感知；不只會生成，還要能行動；不只在機房里成立，還要在弱網、低功耗、低成本和高可靠的現場里成立。

云端訓練出來的智能，需要被送到這些不完美但真實的現場。這是AI算力底座真正要解決的問題。