芝能科技出品
最近有外媒报道Arm成立“物理人工智能（Physical AI）”事业部，专注于以 AI 赋能现实世界物理运行的技术领域——涵盖汽车、机器人及各类自主运行设备。
机器人和智能汽车在计算需求上的同构性远高于与消费电子的相似度：多传感器实时融合、确定性时延、功能安全、功耗受限、长期可靠运行，这些约束决定了系统设计的优先级顺序永远是“稳定性 > 实时性 > 能效 > 算力峰值”。
Arm过去十余年在车规SoC领域积累的实时核、功能安全IP、系统隔离与虚拟化机制，正好构成了机器人规模化部署所需的底层能力基础，据悉，在去年11月，Arm便已将汽车与机器人业务合并为“物理AI”事业部。
01
机器人系统
从计算架构看，机器人系统是一套高度耦合的实时控制系统。
典型机器人SoC的任务分布包括：多传感器数据同步与时间戳对齐、SLAM与状态估计调度、运动规划框架调度、安全监控与异常处理、通信中间件管理，以及AI推理加速。
上述任务中，只有感知与部分决策依赖GPU/NPU，其余核心调度逻辑高度依赖CPU的单线程性能、实时响应能力和确定性调度机制。
Arm Neoverse V3AE 等面向汽车与嵌入式系统优化的CPU强调单核性能、实时扩展和功能安全支持，相比追求峰值吞吐的通用服务器CPU，更符合机器人控制系统的工程需求。
机器人运动控制本质上是闭环系统，控制周期通常在1–10毫秒级，机械臂和人形机器人关节控制甚至要求亚毫秒级响应，这对操作系统和处理器中断响应能力提出了极高要求。
Arm Cortex-R系列和支持实时扩展的Cortex-A/Neoverse AE架构，配合RTOS或实时Linux，可以实现可预测的任务调度和稳定的控制环响应，这在工业机器人、医疗机器人和自动化设备中已经被长期验证。
相比之下，x86平台虽然在算力上有优势，但在功耗、实时性和嵌入式可靠性方面并不占优。
功耗约束是机器人系统设计中最具决定性的物理边界。
电池能量密度的提升速度远低于算力增长速度，因此系统效率必须通过架构优化来实现。
云深处从x86迁移到基于Arm架构的RK3588平台，将系统功耗从约30W降低到10W出头，直接带来了续航延长、散热简化和结构减重的连锁效应。
在移动机器人、人形机器人和野外作业机器人中，功耗每降低1W，都可能转化为更小的电池、更轻的机身和更高的运动稳定性，这种工程优势无法通过单纯提升算力弥补。
在系统安全层面，机器人与汽车同样需要满足严格的功能安全与数据安全要求。
◎ 工业、医疗和公共服务机器人必须具备失效保护、故障隔离和安全启动机制，以防止控制系统异常导致人身或财产风险。
◎ Arm在汽车领域成熟的ASIL-D级功能安全IP、TrustZone安全隔离机制以及虚拟化支持，可以直接迁移到机器人系统中，适配机器人不同应用的计算平台需求。
这种“安全优先”的系统设计能力，是机器人从实验室走向大规模商用的必要前提。
02
软件生态和体系支持
● 从软件生态看，机器人关键软件栈高度依赖Linux、ROS2、SLAM算法库、运动控制框架和强化学习推理引擎，而这些工具链在Arm架构上的适配成熟度和社区支持度极高。
开发者可以在精简的Linux系统上部署定制化控制算法，减少依赖层级，提升系统可维护性和稳定性。
相比高度依赖复杂驱动与散热设计的高功耗平台，Arm架构更容易构建“可长期运行、可规模复制”的机器人系统。
● 在研发流程上，世界模型与高保真仿真正在成为物理AI系统的核心基础设施。
真实机器人测试成本高、风险大、难以覆盖极端场景，而仿真环境可以在部署前完成大规模训练、压力测试和安全验证。只要仿真平台与实际硬件架构一致，模型迁移成本就会显著降低。
Arm与生态伙伴携手合作的虚拟平台，能够有效推动“软件-硬件协同验证”的开发范式，从而缩短机器人系统从设计到量产的周期。
以 Arm Neoverse 作为 CPU 核心基础，NVIDIA 推出了搭载 NVIDIA Jetson Thor 的前沿计算平台，专为实时、多模态 AI 工作流打造，可支持机器人同步实现感知、推理与行动，而 Neoverse V3AE 赋予的卓越单核性能与每瓦效率，保障设备并行运行多 AI 模型且不影响响应速度。
Neoverse V3AE 单线程性能卓越、可扩展性强，可并行运行多个复杂 AI 模型。依托 Arm 领先的每瓦性能，系统在边缘机器人上可持续运行先进 AI 工作负载，优势整合后可实现多传感器数据融合、生成式 AI 运行，并在高响应要求场景下做出安全实时决策。
NVIDIA Jetson Thor 在多领域展现出强大应用价值。
◎ 在人形机器人领域，助力设备实现自然交互，还支持机器人在动态非结构化环境中高效执行真实作业任务并实现人机无缝协作；
◎ 在工业自动化场景中，它提升自主设备与机械臂的效率和安全性，同时赋能机器人完成工业码垛、拆垛及物料箱搬运等复杂作业，更支持人形机器人实现自主换电功能以保障持续作业；
◎ 在医疗系统中，支持医疗机器人执行监护、康复及手术辅助等任务，搭载性能提升 3.1 倍的 CPU，整合更多核心与更强 GPU 性能。
Arm推动物理AI的核心目标，是引领机器人产业的“计算标准层”的技术定义与落地。
通过模块化、异构化、场景化的CPU架构体系，以及强大的安全规范和软件生态，Arm可深度适配机器人系统的每一个关键层级。
当开发者、系统集成商和整机厂商围绕Arm架构构建产品体系，底层技术路径将形成稳定的技术协同基础，这与Arm在手机和嵌入式市场的成功路径高度一致。
据了解，云深处科技从 x86 架构转向基于Arm 架构的瑞芯微 RK3588 芯片。
借助该架构精简软件栈、高能效、小巧强悍的核心优势实现突破：精简的 Linux 系统适配定制化运动控制算法与强化学习模型，10 瓦出头的低功耗较传统英特尔平台 30 瓦功耗大幅优化散热与续航，单个 SoC 即可驱动 12 个电机完成站立、行走等动态运动，且预留充足性能空间支持更多附加功能，为机器人高效运行提供坚实算力支撑。
小结
Arm的机器人布局是基于实时系统工程、功耗约束、安全规范和生态控制力的长期架构策略。在物理AI时代，机器人是高度复杂的智能系统，Arm正成为这些系统最底层、最稳定、也最难被替代的计算基石。
原文标题 : CES 2026｜Arm 发力机器人赛道
