【摘要】AI 最热闹的地方在机房，但真正决定产业落地的，往往是机房外的物理世界。

大模型负责让 AI 变聪明，算力中心负责把智能训练出来，但当 AI 进入路口、门店、家庭和机器人，问题就变成了：谁来让它在弱网、低功耗、低成本和高可靠的现场里稳定工作。

爱芯元智提供了一个由边缘算力、感知能力、工具链和开发者生态共同构成新底座。物理 AI 需要更多综合能力强的基础设施建设。

以下为正文：

过去两年，AI 最热闹的地方是机房。

一座座智算中心被点亮，GPU 集群连成新的基础设施，大模型在里面训练、压缩、推理，最后把回答吐到手机和电脑屏幕上。这个阶段的 AI 比的是云端，谁的模型更大、上下文更长、Token 更便宜，谁就足够耀眼。

但还有一些麻烦的事情，往往不发生在屏幕上，也等不及云端处理。

比如路口摄像头在雨夜里遇到强光，仓储机器人在转弯处突然碰到人，这些场景等不及云端返回，有更多的噪声、时延和成本。

这就是 AI 走向物理世界时遇到的第一堵墙。

大模型、算力中心、具身智能当然是今天 AI 产业最重要的三个关键词。它们其实分属不同位置：算力中心像模型工厂，大模型提供认知能力，具身智能代表最终的行动场景。

三者之间还缺一层把云端训练出来的智能，稳定送到具体设备里的基础设施。这个基础设施，就是物理 AI 的算力底座。

6 月底，爱芯元智在深圳举办 AXera Edge-Day，主题是 " 构筑物理 AI 算力底座，打通边缘 AI 商业闭环 "。从过去几年 AI 落地的曲折路径看，它其实也是在回答一个现实问题：当 AI 离开机房以后，谁来负责最后那几十毫秒和那一次必须准确的动作？

01

机房里的火，现场里的冷

AI 产业先经历了一场 " 上云 "。

模型要变聪明，需要数据、参数、训练和推理，以及高速网络和海量电力。过去几年，算力中心之所以成为地方政府、云厂商和大模型公司的共同焦点，原因也在这里：智能先要被训练出来。

但 AI 一旦走到物理世界，问题就变了。

Google DeepMind 做 RT-2 时，想解决的是一个很具体的问题：怎么把视觉、语言和机器人动作连起来；此后 Open X-Embodiment 把来自 22 种机器人形态、500 多项技能、超过 100 万段 episode 的数据聚在一起，背后也是为了让机器人学会迁移；英伟达解释 Physical AI 时，把它定义为让摄像头、机器人、自动驾驶汽车等自主系统感知、理解、推理并在物理世界执行复杂动作。

这些思路背后的逻辑非常朴素。云端可以训练世界模型，却不能替每一台设备承担所有即时判断。

所以物理 AI 不是反对云端算力，而是在云端之外重新分工。云端负责把模型训出来，边缘负责把模型用起来，前者追求智能上限，后者关心现场约束。图像链路、NPU 架构、编译器、SDK、模型适配，任何一环能力都要同时补齐。

这条路线，是爱芯元智近几年的主战场。

2019 年公司成立时，官网给自己的定位是做 "AI 感知与边缘计算芯片 "。那时大模型浪潮还没有真正爆发，边缘侧的主战场也更多是智慧城市、智能交通和机器视觉。

但物理 AI 后来要解决的第一个问题，恰恰就是感知。

2020 年 5 月，爱芯元智第一代自研芯片 AX630A 完成流片；同年 8 月，AX630A 上线，并已搭载 AXProton AI-ISP 技术。到 2021 年 AX630A 进入华东市场，2022 年 AX620A 进入华东、华南市场并探索夜视摄像机品类时，AI-ISP 已经成为了爱芯元智的优势。

AI-ISP 的能力意味着先精准识别现实世界并不那么干净的数据集，再让模型做判断，这本质上是在给物理 AI 打底。

第二条线是 NPU。爱芯元智的 AXNeutron 并不是到大模型时代才出现的东西。AXNeutron V1 在 2019 年聚焦 CNN，2021 年的 V3 开始原生支持 BEV 和 Transformer，2023 年的 V5 进一步面向 Transformer、BEV、大模型和智能驾驶做优化；到 2024 年 7 月，AXNeutron AI 处理器在世界人工智能大会正式发布；2025 年的 Neutron V7 开始面向 Physical AI 应用，并走向统一推理和自训练架构。

爱芯元智选择了一条更工程化的路，把模型尽可能高效地搬到端侧和边缘。

本次 Edge-Day 上的 Pulsar2 6.0 已经适配全系列芯片，并优化 Qwen、MiniCPM 等主流端侧大模型推理。AX8850 和 AX8910 一个偏感知，一个偏边缘推理和运控，正好对应物理 AI 从眼睛到小脑的分工。

所以，才有了爱芯元智联合创始人、副总裁刘建伟在这次 AXera Edge-Day 开场里的预判，"AI 算力正从云端向物理世界加速下沉，算力的核心使命正在从生成 Token 转变为驱动物理世界 "。

02

先把世界看清楚

很多人第一次接触边缘 AI，会低估 " 看清楚 " 这件事。

在城市和工业现场，机器看到的是雨水、逆光、抖动镜头、遮挡的人等。一个视觉算法在实验室里识别率再高，到了夜间路口也可能被车灯打花；巡检模型换到各种各样的真实门店会遇到不同突发事件的问题。

因此，模型只是其中一环，前面还有传感器和 ISP，后面还有部署和维护。

从这个角度回看爱芯元智早期的路径，会更感觉到这家公司的底层铺垫之早。

公开资料显示，第一代 AX630A 在 9 个月内完成流片，随后进入智慧城市和交通场景；AX620A 后来进入华东、华南市场，并探索夜视摄像机等应用；到 AX650N、AX630C，再到 2025 年发布 AX8850，路线逐渐从让机器看见走到让机器理解和处理更复杂任务。

这个过程是给物理 AI 打地基，也更贴近物理世界的入口。

以本次 AXera Edge-Day 为例，会议场景，广和通把降噪、VAD、声纹识别、ASR 和 LLM 纠错放到 AX8850 平台上，解决的是会议机在低时延、离线和隐私约束下能不能持续可用。底层逻辑一样，都是把原始信号先处理干净，再让模型在本地完成理解和修正。

家庭场景，Frigate NVR 把家庭视觉从目标检测推到语义搜索和本地对话 Agent，家庭摄像头不缺录像，缺的是低成本、低隐私风险的本地理解能力。它解决的是家庭场景里 " 看到找不到、录下读不懂 " 的老问题。

门店场景，帷幄布局门店里的 VLM 巡检，本质上是用摄像头理解经营现场。摄像头的角色已经不只是记录客流，而是进入货架、动线、商品和转化这些经营环节。它意味着视觉 AI 开始进入经营决策。

这些案例里面，没有哪个芯片是万能的，说明物理 AI 的麻烦非常分散。语音有噪声，家庭视觉有隐私，门店巡检有运维。真正需要被平台化的，是把算法变成产品、走进场景的过程。

芯片只是开头，真正难的是让这些能力以工程方式被重复调用。

03

机器人需要一颗小脑

具身智能很容易让人兴奋，也很容易让人误会。

像不像人、能不能跑、手指灵不灵巧是操作性问题，产业里的人还应该问另外几个问题：能不能稳定干活，能不能换一个场景，坏了谁来修，成本能不能降到客户愿意买。

大模型可以做机器人的 " 大脑 "，算力中心可以做训练和仿真，VLA 模型可以把视觉、语言和动作统一到一个框架里。但一台真实机器人身上，还需要更贴身的 " 小脑 "，它要处理双目视觉、运动控制、安全策略，还要在毫秒级闭环里对环境变化做反应。

没有这颗 " 小脑 "，再聪明的大脑也容易悬在空中。

爱芯元智在 Edge-Day 上把具身智能拆成 " 大脑 - 小脑 - 本体 " 三层，相当于把机器人产业里最难规模化的部分拆成了更具体的算力问题。

AX8910 面向双目纯视觉等低功耗感知，AX8850 对应更高算力的边缘推理和运控需求，能够在机器人真正落地时补齐现场所缺的算力。

同样的逻辑，也能解释开发者生态为什么重要。

本次会议上还出现了 M5Stack、Frigate NVR 和矽速科技，代表的正是三类不同角色。

M5Stack 是开发者硬件入口，把 AX630C、AX8850 做成模块化开发板、M.2 算力卡和 AI Pyramid 套件，让开发者更容易把端侧模型放进具体设备；Frigate NVR 代表开源应用生态，基于 AX8850 把家庭视觉从目标检测推进到语义搜索和本地对话 Agent；矽速科技则把 MaixCAM、NanoKVM、MaixStation 分别做成 Agent 的 " 眼睛 "" 手脚 " 和本地 " 大脑 "，对应个人 AI 基建和物理执行能力。

爱芯元智也在 Hugging Face、GitHub 上开放模型和工具，其平台模型库突破 200 个、Pulsar2 6.0 适配主流端侧大模型，能够辅助后续降低迁移成本。

物理 AI 要规模化，最终拼的不是单点能力，在物理世界，开发者需要面对大量真实随机的问题，每一个环节都不能缺。

04

尾声

大模型会继续变强，算力中心会继续扩张，具身智能也会继续吸引资本和想象力。但产业真正往前走，还需要跨过细碎的地方。

在 AI 从云端走向现场的过程中，产业确实需要一类算力底座，既懂视觉输入，又懂端侧推理，还要把工具链、模型库和开发者生态接起来。

爱芯元智过去几年从 AI-ISP 到 NPU、从视觉芯片到边缘计算、从单点产品到开源生态的路径，正好踩在这条产业迁移线上。

物理 AI 是让 AI 接受物理世界的检验。它要求智能不只会回答，还要会感知；不只会生成，还要能行动；不只在机房里成立，还要在弱网、低功耗、低成本和高可靠的现场里成立。

云端训练出来的智能，需要被送到这些不完美但真实的现场。这是 AI 算力底座真正要解决的问题。