文 | 时间线Timelines 于悦
编辑 | 周易
2017 年 6 月，当来自 Google 的八位科学家正式通过《Attention Is All You Need》这篇论文公布 Transformer 架构的时候，业内并没有很多人意识到，这一架构将在未来十年成为整个 AI 领域巨大变革过程中的底层技术架构。
不过，一个例外是，在遥远的英国剑桥，密切关注着 AI 发展趋势的 Arm 团队，在看到论文的第一时间就意识到了 Transformer 架构所带来的技术趋势，并且开始着手调整计算架构，从而为它的落地和应用最好准备。
这样一个并不十分起眼的关于技术发展的历史切片，成为了 Arm 入局物理 AI 的伏笔。
多年以后，Transformer 几乎在算法架构的维度上统治了整个 AI 领域；尤其是在被寄予厚望的物理 AI 领域，无论是自动驾驶，还是机器人，Transformer 架构都在整个算法架构中扮演着不可或缺的底层角色。
而 Arm 也早已经深深地嵌入到物理 AI 的庞大技术体系中，成为其不可或缺的架构基石。
然而，在物理 AI 这个刚刚起步的赛道中，Arm 的自我定位，绝不止于一个底层技术架构和平台的提供者——实际上，它的眼光，已经瞄准了整个物理 AI 技术生态的发展。
年出货 20 亿颗芯片背后
2026 年 1 月，在美国拉斯维加斯的 CES 活动现场，Arm 公布了一个让外界瞩目的消息：公司已经完成一场战略级的业务重组，并由此在云端 AI 和边缘 AI 之外设置了一个全新的业务部门，也就是物理 AI。
这是 Arm 第一次在组织层面明确提出「物理 AI」 的概念。在 Arm 的官方话语中，这一业务部门主要聚焦于将 AI 与现实世界物理运动相结合的技术，覆盖从车辆、机器人到自动化机器等领域，由全新任命的 Arm 物理 AI 业务执行副总裁 Drew Henry 领导。
Arm 对物理 AI 的这一布局，并不让外界感到意外。
毕竟，在物理 AI 的整体行业面来看，自动驾驶汽车和机器人这两个核心细分赛道，确实在技术栈、功耗限制、安全性、实时性和可靠性等方面拥有着高度相似的技术要求；从商业的角度来看，机器人赛道的入局者越来越多，也有不少汽车制造商也在横向布局机器人领域。
换言之，这两条细分赛道正在走向融合——物理 AI 无疑是一个更具概括性、指引性和商业想象力的标签。
不过，Arm 之所以要在组织层面把物理 AI 单列出来，还有一个很容易被外界忽略的背景：对于 Arm 来说，物理 AI 并不是一个从 0 到 1 的新业务板块，而是它早已入局并深耕多年、而且商业化效果异常显著的领域。
一个典型的证据是：根据 Arm 官方数据，仅仅在 2025 年，Arm 生态面向汽车、自动驾驶、机器人平台出货的芯片就已达 20 亿颗。
正如 Drew Henry 所言，物理 AI 对于 Arm 而言并非全新赛道；Arm 早已参与构建先进驾驶辅助系统 (ADAS)、自动驾驶汽车、自主机器人平台的底层技术，深耕这些领域已有多年。
据时间线 Timelines 了解，在物理 AI 目前最为成熟的落地场景，也就是自动驾驶赛道，Arm 已经进行了全方位、多维度的布局。
其中，在自动驾驶技术栈中最核心的智驾算力平台方面，无论是英伟达的 Xavier、Orin 还是 Thor，还是地平线的征程系列，乃至于特斯拉、理想等车企的自研智驾芯片，都是基于 Arm 的技术生态来构建的。可以说，整个全球范围内主流的自动驾驶计算平台，都是基于 Arm 生态构建的。
但除此之外，在自动驾驶领域的各个技术栈，Arm 生态也起到了重要的支撑作用。比如，在传感器方面，Arm 支持了包括禾赛、速腾这样的激光雷达企业；而在与自动驾驶整体实现密切相关的域控制器、执行器、人机交互、电池管理等方面，Arm 架构同样也是无处不在。
当然，类似的情况也出现在机器人行业。
实际上，从落地情况来看，Arm 技术已经出现在机器人的各个技术栈中，包括中央大脑、传感器、执行器、本地控制、人机交互等——而且从技术支撑的完整度来看，在机器人领域，Arm 的技术生态优势能够得到更加全面和完善的发挥。
物理 AI 布局，不止于计算平台
某种程度上，正是在 Arm 在自动驾驶和机器人等物理 AI 关键领域的前期布局，才让它在 2025 年实现年出货 20 亿颗芯片这样的亮眼成绩成为可能；而这一成绩，也为 Arm 在 2026 年加大力度押注物理 AI 提供了关键支撑。
但 20 亿只是一个结果，更值得关注的，是业务布局本身。
实际上，在过去的数年时间里，为了推动自家技术在物理 AI 领域的发展，Arm 的布局早已经超越了外界普遍认知中的 IP 本身，而是在此基础上构建了包括 IP、计算子系统、互连技术、工具及集成软件在内的一整套技术生态。
比如，为了让自动驾驶车辆和机器人能够在现实世界环境中高效运行，Arm 专门打造了专为物理 AI 时代打造的 IP 和软件组合——AE 技术，该技术的核心亮点是，它针对计算密集型 AI 工作负载优化，同时能够有助于满足严格的安全标准，确保系统在关键任务中可靠运行，而且还具备更强的可扩展性和适应性。
从技术落地的角度来看，Arm AE 技术已经应用在先进辅助驾驶系统（ADAS）、智能座舱、集中式车辆计算、机器人等多个物理 AI 的典型领域，其核心逻辑就是在保证安全的基础上提供实时、高性能、可扩展的创新。
除了 AE 技术，Arm 面向物理 AI 领域的另外一个重要业务布局，就是推出专门的物理 AI 计算子系统 Arm Zena CSS。
具体来说，Arm Zena CSS 的核心，是将 Arm Cortex-A 处理器、基于 Cortex-R 的专用安全岛、增强的网络安全功能和系统 IP 整合到一个经过芯片验证的基础架构中，从而加速自主机器（车辆和机器人）所需要高性能 SoC 的平台开发。
从技术维度上，Arm Zena CSS 预先集成了 Armv9 架构的安全特性，能够有效助力产品满足 ISO 26262（功能安全）和 ISO 21434（网络安全）的合规性要求。同时，它和合作伙伴合作构建虚拟平台和参考固件，加速开发流程，并通过基于 Arm 架构和共享建模工具的跨功能域标准化流程减少平台碎片化，从而让企业能够将更多精力聚焦于差异化功能。
从落地效果来看，如果车企、芯片厂商或者机器人厂商选择 Arm Zena CSS 技术进行 SoC 开发，那么相比于原有模式，可以使得工程工作量减少多达 20%，软件移植提速高达 30%，最终能够将产品上市时间缩短 12 个月。
可以说，在激烈的物理 AI 行业竞争中，这样的产品节奏能够在很大程度上提升最终产品的市场竞争优势。
需要明确的是，对于 Arm 来说，它所提供的不仅仅是 IP 和计算子系统的底层架构支持，还有一系列助力于客户的软件和工具，比如参考固件、RTOS、汽车 SDK、虚拟平台和仿真模型等，它们一起构建起了 Arm 面向物理 AI 的完整技术生态。
从技术出发，参与生态构建
对于 Arm 来说，之所以要在 2026 年进一步加码物理 AI，其原因是多个维度的。
一方面，物理 AI 的市场前景巨大，在 Drew Henry 看来，物理 AI 更有望成为计算历史上规模最大的计算市场。而据摩根士丹利的预测，到 2050 年，仅机器人领域的半导体市场规模就将增长 800 倍。
另一方面，Arm 已经在物理 AI 的广阔市场中看到了自身的独特优势。
毕竟，与传统云端 AI 或边缘 AI 不同，物理 AI 对时延有着近乎苛刻的要求；从感知到执行，这一过程必须在微秒或毫秒级完成，任何微小的延迟都可能导致严重的安全事故。这种对于实时性的极致追求，使得物理 AI 成为当前复杂度最高的计算平台之一。
而 Arm 技术在低时延、安全性和可靠性方面的优势，已经在以往的物理 AI 落地过程中得到了充分证明——这也是 Arm 在物理 AI 领域大有可为的关键支撑。
不过，在物理 AI 这个刚刚起步、充满无限可能性的赛道中，Arm 在现有业务布局和固有角色之外，给自己设定了更大的目标。比如，在 9 月 8 日的 Arm Everywhere 活动中，Arm 就发布了专门面向物理 AI 的「Arm 全面设计生态」项目。
该项目汇聚了涵盖软件栈、AI 模型、传感器、计算硬件、虚拟平台和数字孪生等领域的专业能力，吸引了覆盖物理 AI 技术栈的 80 多家企业参与其中，其中包括 AWS、亿咖通、Hugging Face、Liquid AI、恩智浦、智加科技、PSYONIC、QNX、通义千问以及西门子等。
通过这一项目，Arm 希望与整个物理 AI 技术栈的合作伙伴一起，共同加速物理 AI 的创新与发展。
值得一提的是，作为 Arm 全面设计生态在物理 AI 领域的首批协作倡议之一，Arm 还专门瞄准了刚刚起步的机器人领域，推出了机器人能力分级框架（Robotics Capability Framework）。
该框架主要是将为机器人系统定义不同级别的能力，以对应不同阶段的复杂度水平，并将现实世界应用场景与机器人的行为表现、输出能力以及系统需求关联起来；这些系统需求包括时延、算力部署位置、内存和功耗约束、确定性以及安全性等方面。
当然，这一框架还在完善过程中。Arm 方面表示，它将与 Anaxi Labs、ANYbotics、FMC Robotics、傅利叶、银河通用、Gravis Robotics、联想、麦肯锡、Robotec.ai 等企业和机构持续共同完善这一框架。
很明显，从本次 Arm Everywhere 最新动态来看，Arm 在物理 AI 领域的自我定位，绝不仅仅停留在一个底层计算平台的提供者——相反，它正在充分自身在物理 AI 技术领域的支撑作用和生态优势，希望通过一系列动作成为整个机器人生态发展的参与者和助力者。
从整个行业的视角来看，Arm 在物理 AI 生态中的一系列最新布局，毫无疑问更具技术前瞻性，也更加引人注目。
而从更深层的视角来看，正如其在多年前就开始跟随 Transformer 的步伐布局 AI 一样，Arm 之所以能够在数十年的发展中持续取得竞争优势，其本质就是紧跟技术发展趋势，随时拥抱变化，并且努力抓住机会推动技术的发展并从中受益。
这是一个一以贯之的逻辑；Arm 在当年的移动互联网浪潮中如此，如今在物理 AI 的浪潮中同样如此。只不过，物理 AI 这条路更加漫长，挑战更大，但机遇更多，前景也更加广阔——而 Arm 在物理 AI 赛道的新征程才刚刚开始。
