【导读】还记得前几年，“百模大战”打得火热，那时候AI竞争的核心还都集中在云端大模型训练，而现如今，AI能力正在走向真实世界，物理AI（Physical AI）成为时下竞争最为火热的领域。
机器人、智能汽车、工业自动化、医疗设备等领域正在要求AI具备感知、推理、决策和执行能力，而这意味着计算系统必须从传统的数据中心推理，转向实时、低延迟、高可靠性的边缘智能。
在CES 2026上，AMD就将物理AI定义为未来十年的关键增长领域之一。AMD董事会主席及首席执行官苏姿丰（Lisa Su）博士在彼时曾表示，物理AI是当前技术领域最具挑战的问题之一，而实现这一目标需要“全栈式方法”。
近日，在“Advancing AI 2026”（AAI 2026）大会上，AMD进一步展示了其面向物理AI时代的完整布局：从AMD Ryzen（锐龙） AI 嵌入式 X100系列处理器，到Kria AI System on Module（SOM），再到机器人软件平台和合作伙伴生态，AMD试图打造一个覆盖“机器人身体到大脑”的完整计算体系。
AMD预计，到2035年，物理AI芯片市场规模将达到2000亿美元，并将在机器人、工业、医疗、汽车和智慧城市等领域持续增长。
物理AI的核心挑战：不是单纯地比拼峰值算力
与云端AI不同，物理AI面对的是现实环境。
拿最复杂地机器人举例来说，不仅需要识别人、物体和环境，还需要实时规划路径、控制机械臂运动，并确保整个系统安全运行。因此，物理AI需要完成四个关键环节：
第一是“感知”（Perceive），理解周围环境并跟踪运动目标；第二是“推理”（Reason），解释场景并规划行动路径；第三是“决策”（Decide），协调多个子系统并实时调整；第四是“执行”（Act），安全完成动作。
这对计算架构提出了新的要求。
如果你关注芯片领域的新闻，你一定会发现每家厂商都喜欢说自己的芯片的峰值算力又多少TOPS。但与传统AI计算领域不同，机器人系统更关注确定性、实时性、系统响应时间。AMD在调研150多家机器人开发企业后发现，开发者最看重的并非单纯峰值算力，而是确定性、开放性、可扩展性。
也就是说，在物理AI时代，“可预测的计算”比单纯的峰值性能更加重要，并且架构要足够开放不能锁定供应商，同时一套平台能够覆盖不同机器人。
针对机器人上述需求，AMD给出的答案是一套“全栈式”方案，并提出“三层开放战略”：
第一层是开放硬件，包括锐龙 AI 嵌入式 X100、Kria AI SOM、Kria AI机器人开发平台（Kria AI Robotics Developer Platform）；
第二层是开放软件，包括AMD Robotics Software Suite和ROCm生态；
第三层是开放生态，包括AMD Robotics Partner Network。
锐龙 AI 嵌入式 X100：面向机器人“大脑”的异构计算平台
底层SoC芯片无疑是一切的支撑。AMD的思路一直是打造CPU、GPU、NPU三位一体的融合SoC，在机器人领域同样如此：今年1月推出4~6核的锐龙AI嵌入式P100系列，今年3月，扩展P100系列，专为工业和物理AI推出8~12核的高端型号产品。
AMD在AAI上推出了锐龙 AI 嵌入式 X100系列处理器，将Strix Halo APU能力拓展至物理AI场景。相比P100，X100无疑用有个更强大的性能，目前包括三个SKU：8核32 CU的X168、12核32 CU的X188、16核40 CU的X199，全面覆盖高端物理 AI 的澎湃算力需求。
不同于传统嵌入式处理器，X100系列采用CPU、GPU、NPU融合架构，通过统一内存实现低延迟数据交互，目标是同时满足机器人感知、推理和控制需求。从架构来看，X100系列包含三部分：
CPU部分采用最高16核/32线程高性能x86 CPU，主频最高可达5.1GHz，用于承担机器人任务调度、规划和控制；
GPU部分集成最高40个RDNA 3.5计算单元，用于视觉处理、AI推理和图形计算；
NPU部分采用AMD XDNA 2架构，最高算力大豆50TOPS，提供低功耗持续AI推理能力，用于全天候视觉和语音感知。
除了核心，X100最值得关注的是采用最高128GB统一内存（Unified Memory），内存带宽达到273GB/s，并引入零拷贝（Zero Copy）技术。
AMD认为，传统机器人计算架构呈严重的碎片化状态，CPU运行着数百个并发软件线程，而独立的AI加速器则负责感知、自纠错与基础模型推理，在这种架构下，数据在CPU与AI 加速器之间频繁复制与传输，导致每一个计算周期都会浪费宝贵的时间与带宽。相比传统机器人架构中CPU、GPU、控制器相互割裂的方式，AMD希望通过统一内存减少数据搬运，让多个AI模型能够协同运行。
AMD指出，Agentic Physical AI需要同时处理导航规划、模型推理、实时控制以及系统运行等大量并行任务，而传统分离式架构会带来数据移动和延迟问题。因此，AMD采用CPU+AI Accelerator共享统一内存的方式，让多个计算单元能够协同工作。
除此之外，X100还值得关注的点是支持-40℃至105℃工业温度范围，支持10年生命周期和7×24小时运行，TDP可配置45~120W。
物理AI对于SoC的能力堪称“既要又要还要”，更低延迟、更低功耗、更高实时性、更强安全能力、更灵活的软件适配能力。这款SoC无疑能够自适应各种场景，实现真正的确定性和实时性。
Kria AI SOM和Kria AI机器人开发平台：交钥匙的一套方案
基于X100系列，AMD还推出了Kria AI System on Module（SOM），采用开放标准COM-HPC规格，模块尺寸120×120mm，目标是帮助机器人厂商快速完成从开发到量产的转换，该产品预计将于2026年第四季度开始通过ODM合作伙伴供货。
Kria AI SOM的CPU可实现92ms AI推理、GPU能够提供125μs确定性控制、NPU则能够提供低于0.4ms视觉分类响应。
对于机器人厂商而言，模块化平台的重要价值在于降低开发门槛。机器人企业无需从零设计计算板卡，而可以直接基于SOM完成机器人控制系统开发，加速产品落地。
为了进一步降低机器人开发复杂度，AMD推出Kria AI Robotics Developer Platform，该平台目前正向早期客户提供样品，预计将于2026年第四季度正式供货。AMD将其定义为业内首个开放式、完整集成的平台， 集成了CPU、GPU、NPU与FPGA四位一体的算力架构。该平台不仅能让开发者在数天内搭建原型，其开放硬件设计更可无缝衔接至量产部署，同时配合开源软件彻底消除了供应商锁定的隐患。
从配置来看，其SOM基于锐龙 AI嵌入式X199处理器（集成CPU、GPU、NPU）和机器人载板，支持Spartan UltraScale+ FPGA，提供确定性和更低延迟，并提供多种界面选项，适用于物理AI应用场景；提供64GB和128GB的LPDDR5X选项。
接口方面，网络接口配备两个1/2.5/5Gbps RJ45网口、两个EtherCAT/TSN千兆RJ45网口、一个10Gbps速率四通道QFSP接、集成两个CAN-FD接口、一个RS485串口；通用接口提供两个USB4 Type-C接口、三个USB 3.2 Type-C接口、两个USB 2.0 Type-A接口；显示输出包括两个Mini DisplayPort；摄像头包含一个支持GMSL2与GMSL3的四通道FAKRA接口、一个支持GMSL1与GMSL2 协议的四通道FAKRA接口；音频由一个标准音频插孔和一个A2B接口组成。
AMD机器人软件开发套件：无缝从CUDA迁移到ROCm
硬件之外，软件生态成为物理AI竞争的关键。AMD发布全新机器人软件套件AMD Robotics Software Suite，希望将云端AI软件体系延伸至机器人领域，包括Robotics Core SDK和Physical AI SDK两方面，未来还会进一步扩展音频、操作等SDK。
值得注意的是，很多人可能从数据中心和HPC领域了解到ROCm，现在它已可用于物理AI。ROCm是AMD的开放软件栈，使用开放的编译器、运行时和库来运行标准AI框架，使开发者能够在不改变工作流程的情况下，从云端迁移到边缘端。
为了降低开发者的迁移门槛，AMD提供HIPIFY工具，能够自动将高达75%的CUDA代码转换为HIP代码。框架与Triton Kernel实现了“即插即用”，同时AMD提供了与CUDA库对应的匹配库，如rocBLAS、rocSparse、MIOpen等，使开发者能够继续沿用现有的开发习惯与技术栈。
AMD机器人合作伙伴网络：把不同角色连接到一起
物理AI的实现，从来都不是孤军奋战，尤其是当下产业这么卷的情况下，只有把所有的伙伴连接到一起，共同基于一个标准开发才能让产品迅速上市。
正因如此，本次AAI上，AMD公布了AMD Robotics Partner Network（AMD机器人合作伙伴网络），汇聚广泛的硬件与软件合作伙伴生态系统，加速基于AMD平台的机器人和物理 AI 系统的开发与部署。目前，该网络已有30多个企业加入。
该计划通过统一的AMD硬件和基于开放标准构建的软件基础，将原始设计制造商（ODM）、独立软件供应商（ISV）、仿真提供商、传感器与感知技术公司、安全与基准测试合作伙伴以及系统集成商连接起来。
在这一合作伙伴网络中，AMD扮演的是底层计算平台提供者的角色。
AMD拥有业界唯一的“从躯干到大脑”的全套芯片与平台解决方案：在“大脑”层面，Kria AI SOM负责高层AI推理、任务规划以及自适应工作负载处理；在“脊髓”层面，第二代Versal AI Edge 与Zynq UltraScale+承担实时通信、系统协调以及高可靠控制；在“传感器”层面，Zynq和Spartan系列负责多源数据采集与实时传感器融合；而在“关节”层面，Zynq UltraScale+和Zynq-7000则用于实现低延迟、多轴电机控制，保障机器人动作的精准执行。
在生态合作方面，AMD正在与全球机器人及工业领域企业展开深度技术合作，将物理AI能力拓展至更多实际应用场景。目前，AMD的平台已经覆盖工业制造、半导体、服务机器人、人形机器人以及巡检救援等多个领域。
在工业制造领域，AMD与Xaba合作，将触觉智能引入生产线，提升机器人对复杂环境的感知与交互能力；与博世力士乐（Bosch Rexroth）合作，降低装配线生产误差，提高制造过程的精准性；与Universal Robots合作，推动协作机器人应用发展，实现人与机器之间更高效、安全的协同工作；与ABB合作，在不牺牲安全性的前提下提高生产力。
在人形机器人和特定行业应用方面，AMD与Foundation Robotics合作探索工业级人形机器人，与Generative Bionics共同推进工厂人形机器人应用；与Muks Robotics合作开发面向酒店场景的服务机器人；与Weston Robot合作打造用于巡检、安全搜索和救援任务的机器人系统。
在半导体制造领域，AMD还与FASTEC International展开合作，将AMD 锐龙 AI 嵌入式X100处理器应用于其i-Operator移动协作机器人平台。该机器人面向半导体晶圆厂环境设计，能够借助X100处理器的AI计算能力实时识别数千种不同物体，并在数秒内响应现场异常情况，从而提升洁净室环境下的人机协作效率和生产安全性。
物理AI时代，x86更重要了
从本质上看，物理AI正在重新定义智能与机器的关系。它不再只是运行在云端的数据模型，而是需要将算法、软件和硬件深度融合，让智能真正进入机器人、汽车和工业设备等物理世界。因此，物理AI的发展路径与智能手机早期阶段类似，最终胜出的并不是单一技术，而是能够将算力、连接、软件和生态整合起来的平台。
而要推动物理AI规模化落地，底层计算平台将成为关键基础设施。与传统AI计算不同，物理AI不仅需要强大的AI推理能力，更需要满足工业场景对于高实时性、高可靠性和确定性执行的要求。计算平台不仅要处理视觉感知、模型推理等AI任务，还需要与操作系统、控制系统以及大量传统工业软件协同运行，确保AI任务与实时控制任务之间不会相互干扰。
这也让x86架构在物理AI时代重新展现出重要价值。过去几十年，x86凭借开放生态、强大的软件兼容能力以及系统级优化能力，在工业控制、工控机、边缘计算领域占据重要位置。而进入物理AI时代，这些优势并没有消失，反而变得更加关键。
机器人系统本质上是一个复杂的实时计算系统：既需CPU承担任务调度、系统管理和复杂逻辑控制，也需要GPU/NPU完成AI推理、FPGA完成更实时的控制和网络连接，还需要保证不同计算任务之间的稳定协同。
AMD无疑是把这一套系统“玩得最转”的企业，加上AMD长期积累的软件生态、系统调优能力、工业领域的部署经验，AMD的这些新产品无疑将会重新颠覆物理AI。
