1. 前言：物理AI大火，边缘AI真被淘汰了吗？

近两年，AI 产业热点发生了明显迁移。英伟达黄仁勋在行业大会正式提出并大力推广**物理 AI（Physical AI）**概念，让这一技术范式被全球产业熟知，被定义为下一代 AI 核心浪潮。随后，瑞萨率先成立独立 Physical AI 实验室，聚焦实体设备智能控制与物理场景落地，标志着半导体原厂正式战略入局。

时至近期，英飞凌 ICIC2026 创新论坛再次集中系统性拆解：Power AI、Edge AI、Physical AI 三层产业架构，将边缘 AI 与物理 AI 并列讲解，也引发了行业普遍疑问：

物理 AI 大火的当下，曾经 IoT 时代的核心热点——边缘 AI，是否已经被替代、被淘汰？二者究竟是迭代关系、替代关系，还是完全不同维度的技术体系？

本文结合 NVIDIA、TI、NXP、英飞凌、瑞萨等主流半导体原厂官方定义，清晰梳理边缘 AI 时代背景、物理 AI 核心价值、二者本质区别、产业定位与终端落地场景。

核心结论前置：

边缘 AI 从未被物理 AI 替代。边缘 AI 是「AI 的部署位置范式」，解决"AI 在哪跑"；物理 AI 是「智能系统的闭环能力范式」，解决"AI 能在物理世界做什么"。物理 AI 绝大多数架构，底层都依赖边缘 AI 能力。

2. 边缘AI的发展（IoT时代背景）

2.1 边缘 AI 诞生逻辑

在大模型、机器人爆发之前，行业长期处于 IoT 智能化阶段。传统 IoT 最大痛点：所有传感器原始数据全部上传云端，带宽压力大、延迟高、隐私风险高、无法本地实时响应。

因此产业诞生了 边缘 AI（Edge AI）：把轻量化 AI 推理下沉到终端、MCU、边缘网关本地运行，不上云、本地完成识别、检测、分类、判断。

时间线极简梳理

年份	产业进展	典型设备
2019	边缘 AI 概念普及，芯片厂商推出端侧低功耗推理芯片	智能音箱、AR 眼镜、网关、摄像头
2020	落地加速，大量 IoT 产品搭载边缘 AI	感知、识别、检测类设备
2020–2024	行业大规模普及，几乎所有智能终端都在谈边缘 AI	海量消费、工业终端
后续	持续迭代，但大多停留在"看懂、听见"，缺少对物理世界的闭环控制能力	—

2.2 边缘 AI 核心特征

• 核心目标：数据本地处理、AI 本地推理

• 能力边界：只感知、不执行

• 输出结果：数字判断、告警、识别信息，不驱动物理设备动作

• 典型场景：智能音箱、AR 眼镜、安防摄像头、传感器网关、穿戴设备

2.3 边缘 AI 的产业定位与上限

边缘 AI 是 IoT 智能化的基础底座。但边缘 AI 存在天然上限：

设备可以"看懂、听懂、检测到"问题，却无法自己动手解决问题。

这也是边缘 AI 热度逐渐沉淀、物理 AI 顺势崛起的根本原因。

3. 物理AI的概念

3.1 英伟达官方定义

英伟达（NVIDIA） 官网定义原文：

物理 AI，自主机器能够感知、理解并在现实 (物理) 世界中执行复杂的操作，通常封装在机器人或自动驾驶汽车等自主机器中。

• 官网链接：https://www.nvidia.cn/glossary/physical-ai/

• 技术链路：3D 仿真合成数据 → 强化学习训练 → 部署到 Jetson 硬件

• 覆盖空间：机器人、AV 自动驾驶、智能工厂

物理 AI 是感知→推理→执行→环境反馈的完整物理闭环智能系统。不同于仅做"识别判断"的边缘 AI，物理 AI 最大的升级：

AI 不仅能看懂环境，还能驱动硬件执行机构，主动改变物理世界，并满足实时性、功能安全、动态环境自适应。

3.2 物理 AI 核心三大升级

升级维度	边缘 AI	物理 AI
闭环能力	可开环运行	必须闭环感知与动作
硬件体系	传感器 + 轻量化算力	叠加功率器件、电机驱动、安全控制、实时 MCU
安全与时效	侧重数据隐私	强制功能安全、硬实时控制，动作失误会造成设备损坏、安全事故

3.3 物理 AI 爆发原因

2024–2026 年，大模型、世界模型、人形机器人、自主移动设备快速成熟。产业需求从**"智能感知"升级为"智能作业"**，物理 AI 成为行业新主线。

3.4 典型应用

• 人形机器人

  ：全身运动控制、灵巧手精细操作、触觉感知闭环

• 自动驾驶

  ：感知-决策-执行实时闭环

• 工业机器人

  ：机械臂作业、自主移动设备（AMR）

• 自主飞行器

  ：无人机实时控制

• 智能工厂

  ：柔性制造、自主巡检

4. 海外大厂跟进情况（官网正式提出）

海外半导体厂商全部直接使用 Physical AI / 物理 AI 名词，在官网设立专题栏目，形成海外产业共识。

厂商	官网链接	官网表述要点
NVIDIA 英伟达	https://www.nvidia.cn/glossary/physical-ai/	物理 AI 让自主机器感知、理解并在物理世界执行复杂操作；模型学习运动技能，搭载在机器人、自动驾驶等自主设备
Arm	https://www.arm.com/zh-cn/markets/physical-ai	物理 AI = 实时 AI 与现实世界相遇，系统在功耗、安全约束下完成感知-决策-行动；明确对比边缘 AI：边缘 AI 侧重端侧本地推理；物理 AI 在此之上增加确定性实时控制、功能安全，面向 AI 定义汽车、人形机器人、工业自动化
TI 德州仪器	新闻稿：https://www.ti.com.cn/zh-cn/about-ti/newsroom/news-releases/2026/ti-accelerates-the-next-generation-of-physical-ai-with-nvidia0.html 边缘 AI 技术页：https://www.ti.com.cn/zh-cn/technologies/edge-ai.html	TI 和英伟达合作面向人形机器人物理 AI，毫米波雷达 + Jetson Thor 实现低延迟 3D 感知 + 电机实时控制；"边缘 AI 正在变革嵌入式系统，而 TI 为实现物理 AI 奠定了基础"——边缘 AI 是物理 AI 的底层基石
NXP 恩智浦	https://www.nxp.com.cn/applications/technologies/ai-and-machine-learning/humanoid-robotics-and-physical-ai:PHYSICAL-AI	专门栏目《人形机器人与物理 AI》；物理 AI 代表智能系统下一前沿，机器在现实世界感知、理解、行动；重点讲分布式传感器、执行器与 AI 大脑之间确定性低时延通信，面向人形机器人、工业控制
ST 意法半导体	https://newsroom.st.com/zh/media-center/press-item.html/t4764.html	新闻稿标题：意法半导体与英伟达合作加快物理 AI 全面普及；传感器、IMU、电机控制硬件适配英伟达 Isaac Sim/Holoscan Sensor Bridge，面向人形、工业机器人
ADI 亚德诺	https://www.analog.com/cn/ai.html	使用术语物理智能（Physical Intelligence），不是"Physical AI"完整词组；聚焦传感器、信号链，打通数字-物理世界，面向机器人、工业；概念同源但名词不一样
英飞凌	https://www.infineon.com/	论坛划分两类方案：边缘 AI（音箱、眼镜、网关等感知型 IoT 设备）；物理 AI（机器人、无人直升机等带执行机构，需要实时控制硬件运动）
瑞萨	https://www.renesas.com/	率先成立独立 Physical AI 实验室，聚焦实体设备智能控制与物理场景落地

海外厂商共性：

• 全部直接使用 Physical AI / 物理 AI 名词

• 技术范式统一：边缘端 AI 推理 + 实时硬件控制闭环

• 载体：人形机器人、工业机器人、自动驾驶

5. 国内大厂跟进情况

5.1 国内头部大厂（华为、百度、地平线、阿里、腾讯）

国内传统互联网 / 半导体大厂中文官网不会主动打出"物理 AI"作为产品概念；仅英文页面 / 对外新闻稿会引用该外来名词；中文体系优先使用具身智能、世界模型、端侧闭环。

厂商	审网链接	官网表述
华为	https://www.huawei.com/cn/	中文官网新闻稿件出现 Physical AI 英文名词，属于产业演进描述：AI 从 Agentic AI 走向 Physical-AI，智能体从数字世界走向物理世界；主要出现在 MWC 大会新闻稿、行业白皮书，没有专门的"物理 AI"独立产品栏目，主流对外产品命名仍然使用：具身智能、CloudRobo 世界模型
地平线	https://www.horizon.cc/	中文官网全部使用「具身智能、物理世界 AI」，中文官网没有"物理 AI"词条；仅英文发布会 PPT 出现 physical-world-AI 词组
阿里云	https://www.aliyun.com/	英文官网博客使用 Physical-AI（Qwen-Robot Suite）；中文官网没有翻译和使用"物理 AI"名词，中文统一叫具身智能、机器人基础模型
百度	https://www.baidu.com/	中文官网全部使用具身智能、世界模型，官网页面检索不到"物理 AI / Physical AI"
腾讯	https://www.tencent.com/zh-cn/	中文官网全部使用具身智能、世界模型，官网页面检索不到"物理 AI / Physical AI"

关键结论： 国内传统互联网 / 半导体大厂中文官网不会主动打出"物理 AI"作为产品概念；仅英文页面 / 对外新闻稿会引用该外来名词；中文体系优先使用具身智能、世界模型、端侧闭环。

5.2 国内科创企业（官网中文页面直接使用"物理 AI"）

国内一批科创企业中文官网直接采用"物理 AI"作为自有产品概念，不是单纯转述英伟达概念；业务以工业、机器人为主，不以智驾为主赛道。

厂商	审网链接	官网表述
肇观电子 NextVPU	https://www.nextvpu.com/	官网原文："真正的 AI 不仅能生成内容，还能在三维空间中感知、理解环境、预测风险并即时决策。这与云端大语言模型不同，是一种全新计算模式。我们称之为：Physical AI"；视觉感知是 Physical AI 的物理入口，面向机器人、无人机、工业制造（非智驾为主）
睿芯集成电路 RICORE	https://www.ri-core.cn/	官网首页标题：全球首款 RISC-V 数据流物理 AI 芯片；为物理 AI 时代提供高通量低延迟边端算力；面向具身智能、工业智能计算场景
江行智能	https://www.jiangxingai.com/news.html	官网新闻、专栏大量出现中文"物理 AI"；定位中国物理 AI 规模化落地引领者，自研 JX-Phi Brain 物理 AI 大脑；面向电力工业、四足机器人，几乎不涉及自动驾驶，主打工业场景感知-理解-决策-执行全链路闭环
亚信科技	https://www.asiainfo.com/zh_cn/content_5154.html	官网新闻专栏正式发布 Physical AI 三大产品 PhysGen / PhysBrain / PhysOS；聚焦工业制造、商业航天；完整定义感知-认知-决策-执行-进化闭环；不把自动驾驶作为主场景

5.3 国内分层现象总结

层级	代表企业	命名方式
海外	NVIDIA、Arm、TI、NXP、ST、英飞凌、瑞萨	直接采用「Physical AI / 物理 AI」统一名词
国内头部大厂中文官网	华为、百度、地平线、阿里、腾讯	极少主动使用"物理 AI"，技术等价能力以「具身智能、世界模型、端侧感知执行闭环」对外输出，仅英文对外稿件会引用 Physical-AI 作为产业趋势名词
国内科创企业	江行智能、肇观电子、睿芯集成电路、亚信科技	中文官网直接采用"物理 AI"作为自家技术标签，聚焦工业机器人、巡检机器人等非智驾赛道，实现感知-推理-执行硬件闭环

技术内核完全对齐： 不管叫物理 AI 还是具身智能，底层技术范式一致：边缘 AI 本地感知推理 + 实时硬件执行控制闭环；边缘 AI 是底层能力底座，物理 AI / 具身智能是上层闭环系统。

6. 边缘AI VS 物理AI 核心区别

维度	边缘 AI（Edge AI）	物理 AI（Physical AI）
概念维度	部署架构 ：AI 本地运行	系统能力 ：物理世界交互闭环
核心能力	感知、识别、检测、告警	感知 + 推理 +物理执行
是否闭环	可开环，无需动作	强制闭环持续交互
硬件构成	传感器 + MCU/NPU	传感 + 算力 +功率驱动 + 执行器
时延要求	普通毫秒级	硬实时毫秒级控制
安全重点	数据隐私	功能安全 + 设备安全
典型产品	音箱、眼镜、网关、摄像头	机器人、无人机、机械臂、自动驾驶
产业关系	独立基础能力	基于边缘 AI 构建的高阶系统

7. 英飞凌研讨会：物理AI与边缘AI

英飞凌 2026 创新论坛（ICIC2026） 集中系统性拆解 Power AI、Edge AI、Physical AI 三层产业架构，将边缘 AI 与物理 AI 并列讲解。英飞凌对两层 AI 的落地划分最清晰、最贴合产业实操。

7.1 英飞凌——边缘 AI 体系（纯感知 IoT 终端）

定位：消费级、IoT 级、纯感知智能

• 产品体系：PSoC Edge、XENSIV 传感器、轻量化端侧 AI 套件

• 对应场景：智能眼镜、智能音箱、边缘网关、室内传感设备

• 特征：本地 AI 识别、数据预处理、告警输出，无大功率执行、无物理动作

7.2 英飞凌——物理 AI 体系（可控物理交互设备）

定位：工业级、机器人级、闭环作业智能

• 产品体系：AURIX 安全 MCU、功率半导体、电机驱动、实时控制芯片

• 对应场景：人形机器人、工业机械臂、无人机、自主移动设备

• 特征：在边缘感知基础上，叠加功率控制、安全闭环、物理动作执行

8. 边缘AI图片

以下为英飞凌 2026 创新论坛展出的边缘 AI 方案实拍，覆盖智能眼镜、语音唤醒、端侧推理、人机交互等典型边缘 AI 场景。

8.1 机器人头部多传感器融合感知方案

英飞凌为机器人头部提供的完整传感器解决方案：硅麦克风（高信噪比拾音）、60GHz CMOS 雷达（15米探测距离、多目标识别）、ToF 传感器（110°水平视野、SLAM建图）。多传感器融合在端侧实现环境感知，属于典型的边缘 AI 应用架构。

8.2 Ethernet 域控通信方案

基于 XMC7200 双核 Cortex-M7 高性能实时控制器的机器人分布式控制通信架构，1Gbps Ethernet 高速低延迟确定性传输 + 4ch CAN FD 适配机器人分布式控制，是边缘 AI 系统的基础设施层。

8.3 端侧语音 AI 加速方案

大象声科（Elevoc）基于英飞凌 SSD2351 IPU 芯片的端侧语音 AI 处理流程：PDM MEMS 麦克风采集 → IPU 端侧听觉处理（声学模型 + AEC + DOA）→ 增强语音与方向信息输出。PSOC Edge 下一步适配方向：U55 NPU 加速、低功耗持续在线、多传感器协同。

8.4 PSOC Edge 边缘 AI 开发套件

英飞凌与 RT-Thread 联合打造的全球首款第三方 PSOC™ EDGE 开发套件 Edgi-Talk：Arm Cortex-M55(240MHz) + Ethos-U55(320MHz) NPU，128Mb PSRAM + 128Mb QSPI-Flash，Wi-Fi 6 / BLE 5.2，4.3" MIPI-DSI 高清电容屏，深度睡眠模式续航 >7天。一颗 E84 搞定低功耗语音 AI 全栈开发。

8.5 智能眼镜参考设计

英飞凌与框正（Ongine）、大象声科、百泰实业联合打造的智能眼镜量产级 SoM 参考方案：PSOC™ Edge E84 主控 + 框正 CM006 穿戴 ISP SoC + CW55512 Wi-Fi 6/BLE 5.4 + 13M 摄像头 + 5mics 降噪阵列。实现穿戴多模态交互 + 视觉影像边缘 AI 全栈方案落地。

8.6 超低功耗语音唤醒与命令词识别

英飞凌与声扬科技联合打造，基于 PSOC™ EDGE 的 NPU 和 RISC-V MCU：唤醒低至 40μW 以下，识别模式 500μW，支持超过 2000 条命令词，支持 VAD 和本地 ASR。适用于智能手表、耳机、助听器等可穿戴边缘场景。

8.7 LED 矩阵智能显示与人机交互

英飞凌 LED 点阵显示与触摸控制方案，结合低功耗唤醒、人体检测等边缘智能功能，属于嵌入式人机交互边缘设备。

9. 物理AI图片

以下为英飞凌 2026 创新论坛及国内厂商展出的物理 AI 方案实拍，覆盖机器人关节驱动、触觉感知、灵巧手控制、电机驱动、具身智能等典型物理 AI 场景。

9.1 英飞凌物理 AI 主题封面

英飞凌官方 Physical AI 主题封面："芯造具身智能"——直接对应具身智能概念，强调 AI 与物理实体（机器人）的结合。

9.2 具身智能驱动部件电控单元

英飞凌具身智能驱动部件电控单元系列：围绕机器人关节四大专属需求（关节紧凑空间、动态力控交互、电池供电续航、全身多轴协同），从串扰风险与抑制、软硬件开发（PSoC Control C3 + GaN 驱动）、六大设计要点展开，是物理 AI 的核心执行部件。

9.3 机器人柔性触觉感知方案

英飞凌 PSoC™4 × 赛感科技（SYCSENSE）灵巧手触觉方案：六颗 PSoC™ 4100T Plus 实现指尖/指节/掌心全覆盖触觉感知，压力量程 0-2MPa，最小检出压力 <1Pa，高线性度 R² > 0.997，循环耐久寿命 >1000万次。赛感离电技术基于双电层电容原理，实现唯一真实的三维力超薄电子皮肤。

9.4 IVS 触觉材料识别方案

英飞凌 IVS（Intelligent Vibration Sensing）智能振动传感方案：通过振动传感器采集接触信号，AI 算法识别材料类型，端到端识别时延 <1s，可集成在机械臂末端实现物理交互感知。

9.5 CAPSENSE™ 电容式触感传感方案

英飞凌 CAPSENSE™ 电容式触感传感方案：2MPa 压力范围，0.3% 非线性度，1ms 响应时间，PSoC™ 4000T 支持 16 通道、PSoC™ 4000S 支持 32 通道。适用于机械手柔性抓取与压力检测。

9.6 关节伺服电机驱动方案

英飞凌关节伺服电机驱动方案系列：

• 1.5kW PSOC + 100V 中压 GaN 方案

  ：38~60VDC 输入，100kHz 开关频率，98~99% 标称效率，12颗 100V GaN FET

• 750W 关节伺服方案 + 灵巧手单片全集成方案

  ：20 关节灵巧手，1.5A/phase 交错负载重组

• PSOC™ Control C3 + GaN 技术架构

  ：六大技术维度（实时控制 <10μs、高分辨率 5000线、高安全性 SIL2、高功率密度提升5倍、高效率 99%、高动态响应百微秒级闭环）

9.7 多极对磁环编码器方案

英飞凌基于 TMR（隧道磁阻）传感器的多极对磁环编码器方案：±0.2° 静态精度，15bit ENOB，4颗 TLI55550 传感器集成，支持工厂自校准。磁编码器是机器人关节电机精确位置反馈的核心传感器。

9.8 灵巧手触觉传感与控制

国内触觉传感器/灵巧手厂商完整技术栈：

• 24 通道电容型触觉传感器标定数据采集系统 v4.0.1（实时波形、热力图、三维压力分布）

• 柔性触觉传感器/电子皮肤硬件实物

• 赛感科技灵巧手触觉控制上位机：44点触觉热力图、自适应压力交互、安全抓取生食品（鸡蛋）演示

• 44点触觉灵巧手实物（展会展柜）

9.9 英飞凌 3D 磁感触觉感知方案

英飞凌灵巧手 3D 磁感触觉感知方案：基于 3D 霍尔传感器实现触觉感知，4 传感器实时状态可视化。新型传感原理 + 边缘智能处理 + 机器人灵巧手应用的融合。

9.10 机器人灵巧手精细操作

机器人灵巧手抓取透明塑料杯、鸡蛋等脆弱物体演示，涉及灵巧手硬件、力控制、视觉伺服、精细操作等物理 AI 关键要素。

9.11 柔性触觉传感器（32×32 阵列）

赛感科技（SYCSENSE）高性能柔性触觉传感器（32×32 阵列）：纳米界面电容技术，0-2MPa 压力范围，<1Pa 检测限，<0.62ms 响应时间，R² > 0.99 线性度，>1000万次使用寿命。应用于人形机器人触觉、工业机器人触觉、医疗健康等。

9.12 灵巧手电机控制芯片方案

英飞凌灵巧手手指电机控制集成系统解决方案：MOTIX™ 全集成电机控制 + XENSIV™ 电流传感器 + XENSIV™ 位置传感器，高集成度方案服务于物理 AI 的"执行器+控制"环节。

9.13 机器人灵巧手传感方案

机器人灵巧手从手掌到指尖的精密感知能力：扭矩传感（关节级旋转力测量）、触觉传感（压力、纹理、接触力检测）、电容传感（接近与轻触检测）。

9.14 毫米波雷达物理感知方案

英飞凌毫米波雷达物理感知方案：

• 智能可视门铃

  ：BGT60UTR13AIP CMOS 雷达实现存在检测和唤醒，硬件加速器端侧完成预处理、距离算法、空间场景识别

• 海信电视 MiniLED 毫米波全维感知

  ：BGT60TR13C 芯片，120°视场角，7米探测距离，同时追踪5人轨迹，支持存在检测、呼吸率检测、睡眠状态识别

• TCL AI 睡眠新风空调

  ：BGT24LTR22 芯片，感知用户睡眠状况（清醒/浅睡/深睡）自动调整温度风速

9.15 宇树科技物理 AI 战略

宇树科技（Unitree） 物理 AI 战略：

• "Physical AI Is Born in Factories"

  ：从工业场景数据出发（每厂每月 2000TB 数据），通过 Train-Simulate-Data 闭环构建物理 AI，落地 45 万亿美元全球制造业、1000万座工厂、25万个仓库、20亿辆自动驾驶汽车、未来十亿台人形机器人

• 人形机器人算力路线图

  ：未来两年是人形机器人加速阶段，从 2025 年约 200 TOPS（全身控制）到 2028 年约 2000 TOPS（全身控制集成智能），对标智能驾驶算力演进路径

10. 总结：物理AI是新的概念，还是真正新的机会？

10.1 产业热点迁移逻辑

阶段	行业痛点	主线概念
IoT 智能化	行业缺"终端智能"	全民谈边缘 AI
机器人自主作业	行业缺"机器自主作业能力"	全民谈物理 AI

10.2 三层关系定论

1. 边缘 AI 是时代基础

   ：是 IoT 智能化的必经阶段，负责解决终端本地感知与轻量化智能，至今仍是海量消费、工业终端的基础能力，从未被淘汰。

2. 物理 AI 是产业升级

   ：不是替代边缘 AI，而是在边缘 AI 底座之上，增加物理执行、实时控制、功能安全的高阶智能系统，是机器人与自主设备的未来主线。

3. 全行业统一结论

   ：无替代关系，是底座与高阶应用的关系。

10.3 物理 AI 是新概念，还是新机会？

两者都是。

• 是新概念

  ：物理 AI（Physical AI）作为统一名词，由英伟达正式对外推广，随后 Arm、TI、NXP、ST、英飞凌、瑞萨等海外半导体厂商在官网设立专题栏目，形成海外产业共识。国内则呈现分层现象——头部大厂用"具身智能/世界模型"等价表述，科创企业直接采用"物理 AI"作为技术标签。

• 更是新机会

  ：物理 AI 对应的产业需求是真实的——从"智能感知"升级为"智能作业"，机器人、自动驾驶、工业自主设备需要感知-推理-执行-环境反馈的完整物理闭环。这背后是 45 万亿美元全球制造业、十亿级人形机器人的市场空间。技术内核（边缘 AI 本地感知推理 + 实时硬件执行控制闭环）正在成熟，半导体原厂、机器人厂商、算法公司全栈入局。

10.4 最通俗一句话总结

边缘 AI 让机器"看得见、听得懂、识别得出"；
物理 AI 让机器"想得明白、动得起来、干得成事"。

1. 前言：物理AI大火，边缘AI真被淘汰了吗？

近两年，AI 产业热点发生了明显迁移。英伟达黄仁勋在行业大会正式提出并大力推广**物理 AI（Physical AI）**概念，让这一技术范式被全球产业熟知，被定义为下一代 AI 核心浪潮。随后，瑞萨率先成立独立 Physical AI 实验室，聚焦实体设备智能控制与物理场景落地，标志着半导体原厂正式战略入局。

时至近期，英飞凌 ICIC2026 创新论坛再次集中系统性拆解：Power AI、Edge AI、Physical AI三层产业架构，将边缘 AI 与物理 AI 并列讲解，也引发了行业普遍疑问：

物理 AI 大火的当下，曾经 IoT 时代的核心热点——边缘 AI，是否已经被替代、被淘汰？二者究竟是迭代关系、替代关系，还是完全不同维度的技术体系？

本文结合 NVIDIA、TI、NXP、英飞凌、瑞萨等主流半导体原厂官方定义，清晰梳理边缘 AI 时代背景、物理 AI 核心价值、二者本质区别、产业定位与终端落地场景。

核心结论前置：

边缘 AI 从未被物理 AI 替代。边缘 AI 是「AI 的部署位置范式」，解决"AI 在哪跑"；物理 AI 是「智能系统的闭环能力范式」，解决"AI 能在物理世界做什么"。物理 AI 绝大多数架构，底层都依赖边缘 AI 能力。

2. 边缘AI的发展（IoT时代背景）

2.1 边缘 AI 诞生逻辑

在大模型、机器人爆发之前，行业长期处于IoT 智能化阶段。传统 IoT 最大痛点：所有传感器原始数据全部上传云端，带宽压力大、延迟高、隐私风险高、无法本地实时响应。

因此产业诞生了边缘 AI（Edge AI）：把轻量化 AI 推理下沉到终端、MCU、边缘网关本地运行，不上云、本地完成识别、检测、分类、判断。

时间线极简梳理

年份	产业进展	典型设备
2019	边缘 AI 概念普及，芯片厂商推出端侧低功耗推理芯片	智能音箱、AR 眼镜、网关、摄像头
2020	落地加速，大量 IoT 产品搭载边缘 AI	感知、识别、检测类设备
2020–2024	行业大规模普及，几乎所有智能终端都在谈边缘 AI	海量消费、工业终端
后续	持续迭代，但大多停留在"看懂、听见"，缺少对物理世界的闭环控制能力	—

2.2 边缘 AI 核心特征

• 核心目标：数据本地处理、AI 本地推理

• 能力边界：只感知、不执行

• 输出结果：数字判断、告警、识别信息，不驱动物理设备动作

• 典型场景：智能音箱、AR 眼镜、安防摄像头、传感器网关、穿戴设备

2.3 边缘 AI 的产业定位与上限

边缘 AI 是IoT 智能化的基础底座。但边缘 AI 存在天然上限：

设备可以"看懂、听懂、检测到"问题，却无法自己动手解决问题。

这也是边缘 AI 热度逐渐沉淀、物理 AI 顺势崛起的根本原因。

3. 物理AI的概念

3.1 英伟达官方定义

英伟达（NVIDIA）官网定义原文：

物理 AI，自主机器能够感知、理解并在现实 (物理) 世界中执行复杂的操作，通常封装在机器人或自动驾驶汽车等自主机器中。

• 官网链接：https://www.nvidia.cn/glossary/physical-ai/

• 技术链路：3D 仿真合成数据 → 强化学习训练 → 部署到 Jetson 硬件

• 覆盖空间：机器人、AV 自动驾驶、智能工厂

物理 AI 是感知→推理→执行→环境反馈的完整物理闭环智能系统。不同于仅做"识别判断"的边缘 AI，物理 AI 最大的升级：

AI 不仅能看懂环境，还能驱动硬件执行机构，主动改变物理世界，并满足实时性、功能安全、动态环境自适应。

3.2 物理 AI 核心三大升级

升级维度	边缘 AI	物理 AI
闭环能力	可开环运行	必须闭环感知与动作
硬件体系	传感器 + 轻量化算力	叠加功率器件、电机驱动、安全控制、实时 MCU
安全与时效	侧重数据隐私	强制功能安全、硬实时控制，动作失误会造成设备损坏、安全事故

3.3 物理 AI 爆发原因

2024–2026 年，大模型、世界模型、人形机器人、自主移动设备快速成熟。产业需求从**"智能感知"升级为"智能作业"**，物理 AI 成为行业新主线。

3.4 典型应用

• 人形机器人：全身运动控制、灵巧手精细操作、触觉感知闭环

• 自动驾驶：感知-决策-执行实时闭环

• 工业机器人：机械臂作业、自主移动设备（AMR）

• 自主飞行器：无人机实时控制

• 智能工厂：柔性制造、自主巡检

4. 海外大厂跟进情况（官网正式提出）

海外半导体厂商全部直接使用Physical AI / 物理 AI名词，在官网设立专题栏目，形成海外产业共识。

厂商	官网链接	官网表述要点
NVIDIA 英伟达	https://www.nvidia.cn/glossary/physical-ai/	物理 AI 让自主机器感知、理解并在物理世界执行复杂操作；模型学习运动技能，搭载在机器人、自动驾驶等自主设备
Arm	https://www.arm.com/zh-cn/markets/physical-ai	物理 AI = 实时 AI 与现实世界相遇，系统在功耗、安全约束下完成感知-决策-行动；明确对比边缘 AI：边缘 AI 侧重端侧本地推理；物理 AI 在此之上增加确定性实时控制、功能安全，面向 AI 定义汽车、人形机器人、工业自动化
TI 德州仪器	新闻稿：https://www.ti.com.cn/zh-cn/about-ti/newsroom/news-releases/2026/ti-accelerates-the-next-generation-of-physical-ai-with-nvidia0.html 边缘 AI 技术页：https://www.ti.com.cn/zh-cn/technologies/edge-ai.html	TI 和英伟达合作面向人形机器人物理 AI，毫米波雷达 + Jetson Thor 实现低延迟 3D 感知 + 电机实时控制；"边缘 AI 正在变革嵌入式系统，而 TI 为实现物理 AI 奠定了基础"——边缘 AI 是物理 AI 的底层基石
NXP 恩智浦	https://www.nxp.com.cn/applications/technologies/ai-and-machine-learning/humanoid-robotics-and-physical-ai:PHYSICAL-AI	专门栏目《人形机器人与物理 AI》；物理 AI 代表智能系统下一前沿，机器在现实世界感知、理解、行动；重点讲分布式传感器、执行器与 AI 大脑之间确定性低时延通信，面向人形机器人、工业控制
ST 意法半导体	https://newsroom.st.com/zh/media-center/press-item.html/t4764.html	新闻稿标题：意法半导体与英伟达合作加快物理 AI 全面普及；传感器、IMU、电机控制硬件适配英伟达 Isaac Sim/Holoscan Sensor Bridge，面向人形、工业机器人
ADI 亚德诺	https://www.analog.com/cn/ai.html	使用术语物理智能（Physical Intelligence），不是"Physical AI"完整词组；聚焦传感器、信号链，打通数字-物理世界，面向机器人、工业；概念同源但名词不一样
英飞凌	https://www.infineon.com/	论坛划分两类方案：边缘 AI（音箱、眼镜、网关等感知型 IoT 设备）；物理 AI（机器人、无人直升机等带执行机构，需要实时控制硬件运动）
瑞萨	https://www.renesas.com/	率先成立独立 Physical AI 实验室，聚焦实体设备智能控制与物理场景落地

海外厂商共性：

• 全部直接使用 Physical AI / 物理 AI 名词

• 技术范式统一：边缘端 AI 推理 + 实时硬件控制闭环

• 载体：人形机器人、工业机器人、自动驾驶

5. 国内大厂跟进情况

5.1 国内头部大厂（华为、百度、地平线、阿里、腾讯）

国内传统互联网 / 半导体大厂中文官网不会主动打出"物理 AI"作为产品概念；仅英文页面 / 对外新闻稿会引用该外来名词；中文体系优先使用具身智能、世界模型、端侧闭环。

厂商	审网链接	官网表述
华为	https://www.huawei.com/cn/	中文官网新闻稿件出现 Physical AI 英文名词，属于产业演进描述：AI 从 Agentic AI 走向 Physical-AI，智能体从数字世界走向物理世界；主要出现在 MWC 大会新闻稿、行业白皮书，没有专门的"物理 AI"独立产品栏目，主流对外产品命名仍然使用：具身智能、CloudRobo 世界模型
地平线	https://www.horizon.cc/	中文官网全部使用「具身智能、物理世界 AI」，中文官网没有"物理 AI"词条；仅英文发布会 PPT 出现 physical-world-AI 词组
阿里云	https://www.aliyun.com/	英文官网博客使用 Physical-AI（Qwen-Robot Suite）；中文官网没有翻译和使用"物理 AI"名词，中文统一叫具身智能、机器人基础模型
百度	https://www.baidu.com/	中文官网全部使用具身智能、世界模型，官网页面检索不到"物理 AI / Physical AI"
腾讯	https://www.tencent.com/zh-cn/	中文官网全部使用具身智能、世界模型，官网页面检索不到"物理 AI / Physical AI"

关键结论： 国内传统互联网 / 半导体大厂中文官网不会主动打出"物理 AI"作为产品概念；仅英文页面 / 对外新闻稿会引用该外来名词；中文体系优先使用具身智能、世界模型、端侧闭环。

5.2 国内科创企业（官网中文页面直接使用"物理 AI"）

国内一批科创企业中文官网直接采用"物理 AI"作为自有产品概念，不是单纯转述英伟达概念；业务以工业、机器人为主，不以智驾为主赛道。

厂商	审网链接	官网表述
肇观电子 NextVPU	https://www.nextvpu.com/	官网原文："真正的 AI 不仅能生成内容，还能在三维空间中感知、理解环境、预测风险并即时决策。这与云端大语言模型不同，是一种全新计算模式。我们称之为：Physical AI"；视觉感知是 Physical AI 的物理入口，面向机器人、无人机、工业制造（非智驾为主）
睿芯集成电路 RICORE	https://www.ri-core.cn/	官网首页标题：全球首款 RISC-V 数据流物理 AI 芯片；为物理 AI 时代提供高通量低延迟边端算力；面向具身智能、工业智能计算场景
江行智能	https://www.jiangxingai.com/news.html	官网新闻、专栏大量出现中文"物理 AI"；定位中国物理 AI 规模化落地引领者，自研 JX-Phi Brain 物理 AI 大脑；面向电力工业、四足机器人，几乎不涉及自动驾驶，主打工业场景感知-理解-决策-执行全链路闭环
亚信科技	https://www.asiainfo.com/zh_cn/content_5154.html	官网新闻专栏正式发布 Physical AI 三大产品 PhysGen / PhysBrain / PhysOS；聚焦工业制造、商业航天；完整定义感知-认知-决策-执行-进化闭环；不把自动驾驶作为主场景

5.3 国内分层现象总结

层级	代表企业	命名方式
海外	NVIDIA、Arm、TI、NXP、ST、英飞凌、瑞萨	直接采用「Physical AI / 物理 AI」统一名词
国内头部大厂中文官网	华为、百度、地平线、阿里、腾讯	极少主动使用"物理 AI"，技术等价能力以「具身智能、世界模型、端侧感知执行闭环」对外输出，仅英文对外稿件会引用 Physical-AI 作为产业趋势名词
国内科创企业	江行智能、肇观电子、睿芯集成电路、亚信科技	中文官网直接采用"物理 AI"作为自家技术标签，聚焦工业机器人、巡检机器人等非智驾赛道，实现感知-推理-执行硬件闭环

技术内核完全对齐： 不管叫物理 AI 还是具身智能，底层技术范式一致：边缘 AI 本地感知推理 + 实时硬件执行控制闭环；边缘 AI 是底层能力底座，物理 AI / 具身智能是上层闭环系统。

6. 边缘AI VS 物理AI 核心区别

维度	边缘 AI（Edge AI）	物理 AI（Physical AI）
概念维度	部署架构：AI 本地运行	系统能力：物理世界交互闭环
核心能力	感知、识别、检测、告警	感知 + 推理 +物理执行
是否闭环	可开环，无需动作	强制闭环持续交互
硬件构成	传感器 + MCU/NPU	传感 + 算力 +功率驱动 + 执行器
时延要求	普通毫秒级	硬实时毫秒级控制
安全重点	数据隐私	功能安全 + 设备安全
典型产品	音箱、眼镜、网关、摄像头	机器人、无人机、机械臂、自动驾驶
产业关系	独立基础能力	基于边缘 AI 构建的高阶系统

7. 英飞凌研讨会：物理AI与边缘AI

英飞凌 2026 创新论坛（ICIC2026）集中系统性拆解Power AI、Edge AI、Physical AI三层产业架构，将边缘 AI 与物理 AI 并列讲解。英飞凌对两层 AI 的落地划分最清晰、最贴合产业实操。

7.1 英飞凌——边缘 AI 体系（纯感知 IoT 终端）

定位：消费级、IoT 级、纯感知智能

• 产品体系：PSoC Edge、XENSIV 传感器、轻量化端侧 AI 套件

• 对应场景：智能眼镜、智能音箱、边缘网关、室内传感设备

• 特征：本地 AI 识别、数据预处理、告警输出，无大功率执行、无物理动作

7.2 英飞凌——物理 AI 体系（可控物理交互设备）

定位：工业级、机器人级、闭环作业智能

• 产品体系：AURIX 安全 MCU、功率半导体、电机驱动、实时控制芯片

• 对应场景：人形机器人、工业机械臂、无人机、自主移动设备

• 特征：在边缘感知基础上，叠加功率控制、安全闭环、物理动作执行

8. 边缘AI图片

以下为英飞凌 2026 创新论坛展出的边缘 AI 方案实拍，覆盖智能眼镜、语音唤醒、端侧推理、人机交互等典型边缘 AI 场景。

8.1 机器人头部多传感器融合感知方案

英飞凌为机器人头部提供的完整传感器解决方案：硅麦克风（高信噪比拾音）、60GHz CMOS 雷达（15米探测距离、多目标识别）、ToF 传感器（110°水平视野、SLAM建图）。多传感器融合在端侧实现环境感知，属于典型的边缘 AI 应用架构。

8.2 Ethernet 域控通信方案

基于 XMC7200 双核 Cortex-M7 高性能实时控制器的机器人分布式控制通信架构，1Gbps Ethernet 高速低延迟确定性传输 + 4ch CAN FD 适配机器人分布式控制，是边缘 AI 系统的基础设施层。

8.3 端侧语音 AI 加速方案

大象声科（Elevoc）基于英飞凌 SSD2351 IPU 芯片的端侧语音 AI 处理流程：PDM MEMS 麦克风采集 → IPU 端侧听觉处理（声学模型 + AEC + DOA）→ 增强语音与方向信息输出。PSOC Edge 下一步适配方向：U55 NPU 加速、低功耗持续在线、多传感器协同。

8.4 PSOC Edge 边缘 AI 开发套件

英飞凌与 RT-Thread 联合打造的全球首款第三方 PSOC™ EDGE 开发套件 Edgi-Talk：Arm Cortex-M55(240MHz) + Ethos-U55(320MHz) NPU，128Mb PSRAM + 128Mb QSPI-Flash，Wi-Fi 6 / BLE 5.2，4.3" MIPI-DSI 高清电容屏，深度睡眠模式续航 >7天。一颗 E84 搞定低功耗语音 AI 全栈开发。

8.5 智能眼镜参考设计

英飞凌与框正（Ongine）、大象声科、百泰实业联合打造的智能眼镜量产级 SoM 参考方案：PSOC™ Edge E84 主控 + 框正 CM006 穿戴 ISP SoC + CW55512 Wi-Fi 6/BLE 5.4 + 13M 摄像头 + 5mics 降噪阵列。实现穿戴多模态交互 + 视觉影像边缘 AI 全栈方案落地。

8.6 超低功耗语音唤醒与命令词识别

英飞凌与声扬科技联合打造，基于 PSOC™ EDGE 的 NPU 和 RISC-V MCU：唤醒低至 40μW 以下，识别模式 500μW，支持超过 2000 条命令词，支持 VAD 和本地 ASR。适用于智能手表、耳机、助听器等可穿戴边缘场景。

8.7 LED 矩阵智能显示与人机交互

英飞凌 LED 点阵显示与触摸控制方案，结合低功耗唤醒、人体检测等边缘智能功能，属于嵌入式人机交互边缘设备。

9. 物理AI图片

以下为英飞凌 2026 创新论坛及国内厂商展出的物理 AI 方案实拍，覆盖机器人关节驱动、触觉感知、灵巧手控制、电机驱动、具身智能等典型物理 AI 场景。

9.1 英飞凌物理 AI 主题封面

英飞凌官方 Physical AI 主题封面："芯造具身智能"——直接对应具身智能概念，强调 AI 与物理实体（机器人）的结合。

9.2 具身智能驱动部件电控单元

英飞凌具身智能驱动部件电控单元系列：围绕机器人关节四大专属需求（关节紧凑空间、动态力控交互、电池供电续航、全身多轴协同），从串扰风险与抑制、软硬件开发（PSoC Control C3 + GaN 驱动）、六大设计要点展开，是物理 AI 的核心执行部件。

9.3 机器人柔性触觉感知方案

英飞凌 PSoC™4 × 赛感科技（SYCSENSE）灵巧手触觉方案：六颗 PSoC™ 4100T Plus 实现指尖/指节/掌心全覆盖触觉感知，压力量程 0-2MPa，最小检出压力 <1Pa，高线性度 R² > 0.997，循环耐久寿命 >1000万次。赛感离电技术基于双电层电容原理，实现唯一真实的三维力超薄电子皮肤。

9.4 IVS 触觉材料识别方案

英飞凌 IVS（Intelligent Vibration Sensing）智能振动传感方案：通过振动传感器采集接触信号，AI 算法识别材料类型，端到端识别时延 <1s，可集成在机械臂末端实现物理交互感知。

9.5 CAPSENSE™ 电容式触感传感方案

英飞凌 CAPSENSE™ 电容式触感传感方案：2MPa 压力范围，0.3% 非线性度，1ms 响应时间，PSoC™ 4000T 支持 16 通道、PSoC™ 4000S 支持 32 通道。适用于机械手柔性抓取与压力检测。

9.6 关节伺服电机驱动方案

英飞凌关节伺服电机驱动方案系列：

• 1.5kW PSOC + 100V 中压 GaN 方案：3860VDC 输入，100kHz 开关频率，9899% 标称效率，12颗 100V GaN FET

• 750W 关节伺服方案 + 灵巧手单片全集成方案：20 关节灵巧手，1.5A/phase 交错负载重组

• PSOC™ Control C3 + GaN 技术架构：六大技术维度（实时控制 <10μs、高分辨率 5000线、高安全性 SIL2、高功率密度提升5倍、高效率 99%、高动态响应百微秒级闭环）

9.7 多极对磁环编码器方案

英飞凌基于 TMR（隧道磁阻）传感器的多极对磁环编码器方案：±0.2° 静态精度，15bit ENOB，4颗 TLI55550 传感器集成，支持工厂自校准。磁编码器是机器人关节电机精确位置反馈的核心传感器。

9.8 灵巧手触觉传感与控制

国内触觉传感器/灵巧手厂商完整技术栈：

• 24 通道电容型触觉传感器标定数据采集系统 v4.0.1（实时波形、热力图、三维压力分布）

• 柔性触觉传感器/电子皮肤硬件实物

• 赛感科技灵巧手触觉控制上位机：44点触觉热力图、自适应压力交互、安全抓取生食品（鸡蛋）演示

• 44点触觉灵巧手实物（展会展柜）

9.9 英飞凌 3D 磁感触觉感知方案

英飞凌灵巧手 3D 磁感触觉感知方案：基于 3D 霍尔传感器实现触觉感知，4 传感器实时状态可视化。新型传感原理 + 边缘智能处理 + 机器人灵巧手应用的融合。

9.10 机器人灵巧手精细操作

机器人灵巧手抓取透明塑料杯、鸡蛋等脆弱物体演示，涉及灵巧手硬件、力控制、视觉伺服、精细操作等物理 AI 关键要素。

9.11 柔性触觉传感器（32×32 阵列）

赛感科技（SYCSENSE）高性能柔性触觉传感器（32×32 阵列）：纳米界面电容技术，0-2MPa 压力范围，<1Pa 检测限，<0.62ms 响应时间，R² > 0.99 线性度，>1000万次使用寿命。应用于人形机器人触觉、工业机器人触觉、医疗健康等。

9.12 灵巧手电机控制芯片方案

英飞凌灵巧手手指电机控制集成系统解决方案：MOTIX™ 全集成电机控制 + XENSIV™ 电流传感器 + XENSIV™ 位置传感器，高集成度方案服务于物理 AI 的"执行器+控制"环节。

9.13 机器人灵巧手传感方案

机器人灵巧手从手掌到指尖的精密感知能力：扭矩传感（关节级旋转力测量）、触觉传感（压力、纹理、接触力检测）、电容传感（接近与轻触检测）。

9.14 毫米波雷达物理感知方案

英飞凌毫米波雷达物理感知方案：

• 智能可视门铃：BGT60UTR13AIP CMOS 雷达实现存在检测和唤醒，硬件加速器端侧完成预处理、距离算法、空间场景识别

• 海信电视 MiniLED 毫米波全维感知：BGT60TR13C 芯片，120°视场角，7米探测距离，同时追踪5人轨迹，支持存在检测、呼吸率检测、睡眠状态识别

• TCL AI 睡眠新风空调：BGT24LTR22 芯片，感知用户睡眠状况（清醒/浅睡/深睡）自动调整温度风速

9.15 宇树科技物理 AI 战略

宇树科技（Unitree） 物理 AI 战略：

• "Physical AI Is Born in Factories"：从工业场景数据出发（每厂每月 2000TB 数据），通过 Train-Simulate-Data 闭环构建物理 AI，落地 45 万亿美元全球制造业、1000万座工厂、25万个仓库、20亿辆自动驾驶汽车、未来十亿台人形机器人

• 人形机器人算力路线图：未来两年是人形机器人加速阶段，从 2025 年约 200 TOPS（全身控制）到 2028 年约 2000 TOPS（全身控制集成智能），对标智能驾驶算力演进路径

10. 总结：物理AI是新的概念，还是真正新的机会？

10.1 产业热点迁移逻辑

阶段	行业痛点	主线概念
IoT 智能化	行业缺"终端智能"	全民谈边缘 AI
机器人自主作业	行业缺"机器自主作业能力"	全民谈物理 AI

10.2 三层关系定论

1. 边缘 AI 是时代基础：是 IoT 智能化的必经阶段，负责解决终端本地感知与轻量化智能，至今仍是海量消费、工业终端的基础能力，从未被淘汰。

2. 物理 AI 是产业升级：不是替代边缘 AI，而是在边缘 AI 底座之上，增加物理执行、实时控制、功能安全的高阶智能系统，是机器人与自主设备的未来主线。

3. 全行业统一结论：无替代关系，是底座与高阶应用的关系。

10.3 物理 AI 是新概念，还是新机会？

两者都是。

• 是新概念：物理 AI（Physical AI）作为统一名词，由英伟达正式对外推广，随后 Arm、TI、NXP、ST、英飞凌、瑞萨等海外半导体厂商在官网设立专题栏目，形成海外产业共识。国内则呈现分层现象——头部大厂用"具身智能/世界模型"等价表述，科创企业直接采用"物理 AI"作为技术标签。

• 更是新机会：物理 AI 对应的产业需求是真实的——从"智能感知"升级为"智能作业"，机器人、自动驾驶、工业自主设备需要感知-推理-执行-环境反馈的完整物理闭环。这背后是 45 万亿美元全球制造业、十亿级人形机器人的市场空间。技术内核（边缘 AI 本地感知推理 + 实时硬件执行控制闭环）正在成熟，半导体原厂、机器人厂商、算法公司全栈入局。

10.4 最通俗一句话总结

边缘 AI 让机器"看得见、听得懂、识别得出"；
物理 AI 让机器"想得明白、动得起来、干得成事"。