问题——实体设备“动起来”，对智能提出更苛刻约束； 新一轮产业升级中，智能正在从以内容生成、信息检索为主的“虚拟能力”，走向面向现实世界的“实体行动”。在北京举行的交流会上，Arm物理智能事业部涉及的负责人指出，所谓物理智能，是将智能能力深度嵌入配备传感器、执行器并可自主运动的设备，使其能够在真实环境中完成感知、判断与动作执行的闭环。与传统面向云端或一般边缘场景的智能不同，物理智能直接关联人身安全、设备可靠性和生产效率：无论是车辆紧急制动、转向避险，还是人形机器人进行精细抓取、机械臂完成高精度装配，任何迟滞都可能引发风险或造成效率损失。 原因——微秒/毫秒级时延与多系统协同，成为“最难的一公里”。 业内普遍认为，物理智能的门槛不在于单点算法，而在于系统级工程能力。其突出特征是对时延的极致敏感：从传感器采集到计算决策，再到执行器响应，链路必须在微秒或毫秒级内稳定运行。相较于数据中心任务可容忍更长的处理周期，物理场景往往需要在不确定环境中即时应对，且必须“算得快、算得稳、算得准”。 同时，物理设备并非单一计算单元，而是由多域控制、通信、存储、能源管理以及安全机制共同构成。多传感器融合、实时操作系统、控制算法、图像与导航任务并行运行，要求计算架构在性能、功耗、成本与功能安全之间取得平衡。这类“高复杂度、多约束”特性，决定了物理智能更依赖底层架构、软硬件协同和生态配套，而非某一模块的单项突破。 影响——从汽车到机器人，自主化平台将成为产业竞速新焦点。 交流会上给出的判断是，物理智能正在形成覆盖多行业的应用谱系：从农业智能平台、医疗物资无人机、自动叉车、配送机器人，到手术辅助平台、人形机器人等，其共同点是必须在复杂环境中自主作业、可解释地保障安全，并持续学习与优化。 更重要的趋势在于两条产业主线的“同构化”：一是汽车产业从辅助驾驶走向更高等级的自动驾驶；二是机器人产业从固定工位、固定流程的传统设备，向具备环境理解与自主决策能力的自主机器人演进。两者虽行业不同，但对底层计算的要求在收敛——都需要稳定的实时闭环、可靠的功能安全机制、可扩展的异构算力配置以及面向量产的成本控制。由此，自主化平台能力正成为产业竞速的核心，相关供应链也将围绕“实时计算+安全合规+规模化落地”重构分工。 对策——以分层计算思路构建平台化能力，强化生态协同落地。 围绕如何支撑物理智能的复杂需求，Arm在交流中提出分层计算的技术组织方式，强调不同任务对实时性、算力与能耗的要求差异显著，需要以系统工程方法进行拆解与统筹。 其一，自主运行层聚焦感知与实时决策，强调端到端时延与确定性表现，直接决定设备在极端场景下的安全边界，是物理智能最关键的能力底座。 其二，交互层面向人机交互体验，承担导航呈现、信息服务、指令理解等任务，更强调流畅性与多媒体体验，对实时性要求相对宽松，但对系统资源调度与用户体验一致性提出要求。 其三，驱动与执行控制相关任务强调对执行器的精准控制与可靠输出，涉及控制环稳定性、任务优先级以及与传感数据链路的协同，关系到动作精度与设备寿命管理。 其四，面向开发、运维与优化的能力（包括数据闭环、工具链、验证测试与安全机制）则决定了产品从样机走向量产的效率与合规水平。 在生态层面，Arm表示将继续推动与产业伙伴在软硬件、工具链、系统集成与应用场景上形成合力，尤其是中国市场，围绕汽车、机器人、工业自动化等重点领域，与本土企业开展更紧密的协同创新，以缩短从技术到产品的“工程化距离”。 前景——物理智能或成新增长引擎，竞争关键在“可规模化的安全与成本”。 从产业周期看，物理智能具备带动制造、交通、医疗与物流等领域效率提升的潜力，有望成为新一轮技术应用扩散的重要引擎。但其落地不会一蹴而就：一上，真实世界的长尾场景决定了系统必须具备更强的鲁棒性与可验证性；另一方面，只有在满足功能安全、网络安全与隐私合规的前提下实现规模化，才能真正形成产业价值。 可以预期，未来竞争将集中在三点：一是稳定可控的实时闭环能力，尤其是极端工况下的确定性；二是可复制的工程体系，包括工具链、验证流程与生态适配；三是成本与能耗的优化能力，决定产品能否进入大规模商业化阶段。谁能把“复杂系统”做成“可量产平台”，谁就更可能在产业变革中占据先机。
物理智能的崛起标志着人工智能从虚拟世界走向实体经济的重要一步；在该过程中，技术突破与产业协同同样关键。正如Arm所强调的，只有通过持续创新与跨产业合作，才能让智能技术更安全、更高效地服务社会发展。