恩智浦CEO Computex2026主题演讲：破解物理AI世界的智能密码

先说说让我印象深刻的细节。本届Computex上，半导体巨头掌门人次第登场：高通、Marvell、英特尔，而最后压轴的是恩智浦的Rafael Sotomayor。他抛出的问题很有意思——对于机器而言，什么才算得上“精英”？开场就以几天后开幕的世界杯作比，顺势引出对物理人工智能架构的系统性思考。

从梅西到莫拉维克：本能反应才是最难破解的谜题

Sotomayor首先描述了一个顶级球员在极限压力下高水平执行的画面。真正的卓越，不在于身体素质或对战术的认知，而在于压力之下的本能化精准执行。他将这逻辑延伸到机器人学，引出了计算机科学界的经典命题——莫拉维克悖论：推理、下棋对机器小菜一碟，但走路、叠衣服这些对人类天然的本能动作，对机器却难如登天。他直言：“本能反应，才是物理AI真正的基石，也是最难破解的部分。”

向生物学取经：神经轴架构的三层智能

怎么破解这个悖论？他把人类神经系统拆解成三个层次：大脑皮层负责推理，响应时间约300毫秒；小脑负责协调，速度更快仍有局限；脊髓负责反射，以40毫秒的速度独立处理感觉输入并直接发出行动指令，完全无需大脑参与。他举了个生动例子——当天早晨差点被摩托车撞到，“今天早上救了我的，是脊髓的反射，而不是大脑皮层的推理。”

大自然的设计哲学很清晰：把本能反应放在离行动最近的地方。越近意味着越快，越快意味着越安全，同时也意味着能耗最低。这套生物学蓝图，正是恩智浦“神经轴架构”的设计原型——推理层、协调层与反射层，三个层次既相互独立又高度协同。

三类产品形态，一套架构蓝图

演讲现场，他用无人机、软件定义汽车和人形机器人三种产品形态展示了落地实践：

无人机领域，关键指标是“端到端延迟”——从摄像头捕捉画面到无人机做出响应，整个闭环只需20毫秒。这一指标直接决定无人机的稳定性与安全。

软件定义汽车方面，恩智浦凭借5nm S32N系列中央计算平台及S32K5区域控制器，在协调层和反射层建立了市场领先地位。他强调，三个层次的逻辑与物理分离，是汽车系统可靠性的根本保障。“汽车攸关性命，没有犯错的余地。”

人形机器人方面，他描绘了一个仓库机器人被托盘碰撞后，需要在40毫秒内完成平衡恢复、握力调整、位置确认并继续行走的场景。“没有云端调用，没有等待模型响应的时间。智能就在身体里，在关节里，在手和脚里。”

理解而不只是行动

演讲进一步探讨了“运动”与“理解”的本质差异——机器人能完美执行动作，不代表它理解背后的物理规律。为此，恩智浦引入了视觉-语言-行动模型，作为连接感知与理解的桥梁，并推出eIQ工具套件，帮助客户将云端训练的VLA模型高效迁移到边缘端硬件。

信任，必须一开始就设计进去

在信任议题上，他援引墨菲定律与菲纳格定律，直言“信任不是在一帆风顺时被定义的，而是在最糟糕的时刻被定义的”。恩智浦的信任框架涵盖隔离、保护与验证三个维度，已引入后量子加密技术，并推出SafeAssure认证计划。“因为真实世界没有‘撤销’按钮。”

重新定义“精英”机器

最后，他用市场数据佐证物理AI的商业现实：部署了AI机器人的工厂已实现较传统自动化再提升40%的生产率；2025年，诊断和实验室机器人销售额同比增长610%。恩智浦同时披露了与波士顿动力及GE医疗的深度合作，分别覆盖工厂协作机器人与麻醉智能系统领域。

就像开篇所讲——顶尖运动员如何成就卓越？关键不在于那些看得到的技能，而在于那些看不到的东西：身体里隐形的架构，称之为“神经轴”。物理AI世界里同样如此。精英不是智能本身。精英是在现实世界中、在真实条件下，尤其是当事情出错时依然可靠地表现。这将是定义下一代机器的标准，也将决定物理人工智能以何种方式、多快进入我们的生活。