引领物理人工智能时代：GlobalFoundries 如何助力实现能够感知、思考、行动和通信的实时机器

如今，物理人工智能已在现实世界中初具雏形——从穿梭于旧金山至深圳等城市的自动驾驶汽车，到在工业仓库中作业的自主机器人，再到负责包裹配送的无人机，无处不在。 但物理人工智能的未来将延伸得更远，涵盖从类人机器人到医疗保健领域的自主成像系统，以及其他广泛的现实世界应用。人工智能的这一新阶段将使人工智能突破数据中心的局限，以能够与环境实时交互的机器形式，直接融入物理世界。

然而，要在大规模场景中实现这些功能，对半导体技术而言既带来了新的制约，也创造了新的机遇。多模态感知、分布式智能、执行能力以及power 重要性已不亚于性能本身。专用半导体平台是推动物理人工智能从早期应用走向广泛部署的基础。

专为物理人工智能设计的专用半导体平台

物理人工智能正推动更广泛的工作负载，从而重塑了半导体领域的需求。物理人工智能的需求为GF创造了巨大机遇，使其能够提供可靠、节能且高度集成的平台，并能随着时间的推移不断适应变化。

以下是我们的平台如何推动新一轮物理人工智能的发展：

• 得益于其超低power 低漏电流特性、卓越的射频性能、集成式power 以及在高达 150 摄氏度的环境下仍能保持高度可靠运行的能力，GF 业界领先的 FDX 平台非常适合用于物理人工智能（Physical AI）领域，该平台专为在小型化设计中实现长续航时间而进行了优化。

• GF 差异化的 FinFET 平台在保持合理power 的同时提升了性能，并针对集成解决方案进行了全面优化，从而能够在真实环境中实现高效传感、实时处理和无缝通信。

• 包括 MRAM 和 RRAM 在内的存储解决方案提供了 嵌入式非易失性存储选项，具有 power 市场上最快的访问速度，使客户能够利用经过预验证的存储 IP 从零开始构建差异化系统。鉴于传统存储技术的缩放面临着物理和经济双重限制，这对确保物理人工智能设计具备前瞻性至关重要。

• 硅光子学和射频技术创新正通过提升应用内部及外部互连的速度和带宽，推动高速互联技术的发展，从而以尽可能低的power实现数十亿台设备之间的可靠通信。

• 先进封装和异构集成通过将计算、存储、射频和power等多种技术整合到紧凑高效的系统中，并针对分布式部署进行优化，从而进一步推动了物理人工智能的发展。

“物理人工智能”背后的实时运行模型

随着人工智能正经历这场向现实世界渗透的根本性转变，物理人工智能的应用必须能够实时响应周围环境。在我们上篇博客中，首席商务官迈克·霍根（Mike Hogan）介绍了一个简单而强大的框架，该框架阐明了物理人工智能的运作方式：感知——思考——行动——沟通。

• 感知：利用多模态传感器（如音频、触觉、光学、雷达和环境传感器）从物理环境中采集数据。

• 思考：在本地处理和分析这些数据，以便以确定性、安全且可靠的方式做出实时决策。

• 执行：通过电机或执行器，配合精密的反馈回路，执行精准、及时的操作。

• 通信：在分布式系统中（从边缘到云端，并覆盖各类设备）可靠且安全地交换数据。

然而，任何缺陷——无论是延迟、power 、安全性还是可靠性方面的不足——都可能导致整体系统性能下降。正因如此，展望未来，物理人工智能系统将变得更加定制化和自适应，不仅在计算方面进行优化，更要在漫长的生命周期内优化其在现实世界中的运行表现。

克服物理人工智能的power 延迟限制

Power 延迟是系统层面的基本限制因素，它们决定了物理人工智能（Physical AI）能够实现什么。这些应用在受限的热环境中持续运行，通常无法直接获取充足的能源，同时又需要具备实时响应能力。随着半导体元件的增加，低效的power 和过高的延迟可能会限制性能、降低可靠性并缩短使用寿命。

通过优化power 超低延迟，物理人工智能系统能够在power、散热和计算资源受限的情况下，以更少的资源实现更多功能。这使得创新半导体平台成为关键，从而推动物理人工智能从试点阶段扩展到更广泛的应用，并最终应用于关键任务环境。

实现软件定义的分布式智能

随着物理人工智能系统的演进，其架构正从集中式计算转向分布式智能。与将所有数据发送至云端或单一处理器不同，智能正被部署在与现实世界的交互界面中，从而使其更接近数据生成和行动执行的源头。

软件定义架构在此转型过程中发挥着关键作用。通过将硬件与软件解耦，开发人员可以持续升级功能，并具备灵活支持不断演进的人工智能模型的能力，而无需重新设计实际硬件。这一点对于车辆、工业设备和机器人平台等使用寿命较长的系统尤为重要。

当今的物理人工智能：软件定义的车辆

当今“物理人工智能”最显著的例子之一便是软件定义汽车（SDV）。现代汽车集成了数百颗芯片，以支持高级驾驶辅助系统（ADAS）、车载娱乐系统、车联网以及电池管理。然而，随着自动驾驶、电气化和车联网技术的加速发展，每辆汽车的半导体使用量仍在持续增长。 仅在过去五年间，每辆车的平均半导体价值就从700美元升至1,000美元，而标普全球移动（S&P Global Mobility）预计，这一数字将在本十年末前继续增长至约1,400美元。

这些系统依托高性能传感器、实时处理和精准执行，旨在提升汽车安全性和用户体验——同时必须在严格的power 热管理限制下运行。

未来的物理人工智能：类人机器人

这些原则同样适用于新兴的人形机器人系统，这类系统需要具备更高的灵活性，以支持不断演进的人工智能模型、传感器融合算法和自主控制架构。这是因为人形机器人需要通过多模态感知来感知环境，借助分布式智能以超低延迟处理数据，并依靠精准的运动控制，才能在数十个自由度的条件下实时执行流畅、类人般的动作。

高端工业类人机器人所含的半导体元件数量甚至可达SDV的四倍，这并不令人意外。这些不断扩大的芯片占用空间表明了一点：物理人工智能的规模化将取决于那些能在严格的power、散热和可靠性限制内提供实时性能的平台。

为物理人工智能的未来奠定基础

随着物理人工智能浪潮将智能从云端推向物理世界，成功的标准不再仅取决于原始计算能力，而是取决于能否大规模交付可靠、节能且适应性强的系统。在GF，我们不断寻求机遇，以提升我们的技术平台，从而迎接这个以感知、实时决策、执行和通信为核心的未来。

继近期收购 MIPS 之后，我们已将 MIPS 的产品套件整合到我们的平台中，以更好地把握日益增长的物理人工智能机遇。在本博客的下一期中，我们将与 MIPS 首席执行官 Sameer Wasson 探讨，我们如何将 MIPS 的架构、IP 和设计与 GF 的优化工艺技术相结合，从而提升计算工作负载，并提供物理人工智能所需的确定性实时性能。