10月14日，2026湾区半导体产业生态博览会（深圳）同期举办的“让AI走进物理世界——具身智能应用技术创新论坛”在深圳会展中心（福田）举行。论坛由深圳市半导体与集成电路产业联盟、深圳市机器人协会主办，中电港芯查查协办，本次论坛汇聚了优必选、华沿机器人、阿加犀、AMD、华成工控、Molex、三未信安、黑芝麻智能、迈来芯、进迭时空等具身智能机器人产业链上下游企业代表。
AMD大中华区嵌入式销售部门物理AI业务拓展总监张磊（Louis Zhang）以《Powering Physical AI for Robotics》（赋能机器人物理AI）为题，分享了面向机器人的异构计算、统一内存及开放软件生态方案。他认为，物理AI与只在屏幕中运行的AI应用不同：推理结果必须转化为物理动作，并在运动过程中持续根据环境变化作出响应。因此，衡量平台不能只看单一算力指标，还要看多项任务并发时的时延、稳定性和控制精度。
物理不能只看算力
在张磊看来，物理AI与传统AI应用的的重要区别，是推理结果必须转化为实际动作，并在运动过程中持续根据环境变化作出响应，行程感知、推理、决策与执行的完整闭环。因此，机器人平台不能只看单一算力指标，还要看多项任务并发时的时延、稳定性和控制精度。
张磊将机器人计算拆分为两类相互依赖的工作。CPU承担导航、任务规划、多智能体调度、实时控制和系统运行；AI加速单元负责视觉感知、状态估计、模型推理及学习型控制。两类任务之间需要频繁交换数据。
如果采用相互独立的“大脑”和“小脑”模块，跨模块通信与数据搬运可能增加时延。AMD提出的思路是让CPU、集成GPU和NPU共享统一内存：CPU协调任务，GPU承担较大的视觉和模型负载，NPU运行持续在线、功耗敏感的推理任务，从而避免所有工作负载集中于同一计算引擎。张磊将其称为面向机器人的“大小脑融合”。
这一解决方案的重点就是让不同单元在共享数据的基础上协同工作，为机器人兼顾智能推理与低延迟执行提供计算基础。
X100面向工业嵌入式需求
为此，AMD推出了一款针对机器人的核心产品，AMD Ryzen AI Embedded X100系列。据张磊介绍，该系列最高配置16核32线程CPU、40个GPU计算单元和50 TOPS的XDNA 2 NPU，并支持最高128GB统一内存、273GB/s内存带宽。
张磊强调的是这些资源如何配合：控制、规划与推理可以分配给不同计算单元，通过共享内存减少数据交互环节。产品还面向长期运行的嵌入式场景，AMD标称支持工业温度范围和10年生命周期。对于规模、功耗要求不同的机器人，AMD同时提供P100系列，以不同配置为产品扩展提供选择。
从芯片延伸到开发平台
为降低客户从芯片到搭建系统的工作量，AMD进一步提供基于X100的Kria AI系统级模组，以及集成CPU、GPU、NPU和FPGA的Kria AI机器人开发平台，覆盖原型开发与面向部署的硬件需求。
该模组采用120✕120mm的COM-HPC形态，意在缩短客户从芯片选型到系统集成的路径。
对于希望快速完成原型的团队，Kria AI Robotics Developer Platform把CPU、GPU、NPU及FPGA相关能力与开发环境组合起来。张磊认为，预先集成的平台可以减少重复搭建底层环境的工作，让团队把时间用在模型、控制和应用迭代上。
开放软件降低迁移门槛
硬件之外，张磊将开放软件生态作为另一重点：AMD Robotics Software Suite结合ROCm平台、ROS2、机器人SDK及加速节点，提供视觉、导航、操作等开发资源，并延续开发者熟悉的x86和ROS工作流程。
据张磊介绍，开发者可在PyTorch等框架层调用AMD集成GPU；已有CUDA代码则可通过HIP、HIPIFY等工具转换，并结合对应计算库及必要优化完成迁移。
结语
张磊强调，AMD的机器人布局不止于“大脑”。在在“脊柱”通信层，Versal等自适应计算器件面向跨节点协调；在关节层，FPGA用于低延迟多轴控制；在传感层，相关平台支持实时数据接入与融合。
为应对机器人产业供应商分散、集成环节复杂的问题，AMD还通过Robotics Partner Network连接模型、传感器、中间件、仿真及系统集成伙伴，以参考系统、优化软件和验证资源降低研发门槛。
全部评论