入华40年，恩智浦亮出"物理AI"底牌：用人类神经架构，重新定义边缘智能

在2026年慕尼黑上海电子展上，恩智浦半导体以“开创可信智能边缘系统”为主题，围绕智能出行、工业与机器人、智能生活三大场景亮出了一整排系统级方案：理想L9 Livis量产车上的UWB无感进入、蓝牙精确测距及无线充电等方案，无线GenZ BMS的主动诊断，雷达边缘智能将AI感知与决策下沉至雷达端，S32N79与Ara240组合为智能汽车构建“中央大脑”，S32K5平台展现边缘AI部署与MRAM高性能存储等；基于LeRobot与i.MX 95的机械臂闭环控制、I3C总线灵巧手方案等；基于i.MX 95的AI医疗人机界面、持续血糖监测贴片、单芯片助听器方案等。

图：2026年慕尼黑上海电子展恩智浦展台

这些Demo并非单点技术的罗列，而是同一套架构理念在不同物理场景中的切面。

恩智浦的判断是：云端AI改变了"我们如何思考"，物理AI将改变"我们如何生活"。未来10-15年，工业、汽车、消费等赛道将走向融合，汽车是"四个轮子的智能体"，人形机器人是"两条腿的智能体"，底层技术能力本质相通。

物理AI的"不可妥协三角"

当智能体走进物理世界，它时时刻刻都在我们身边，会和我们的家人、孩子接触。

正如恩智浦半导体执行副总裁兼中国事业部总经理李晓鹤先生所言："如果说对于云AI，大家比的是谁更聪明；那么当它进入现实世界的时候，物理AI比的是谁更靠谱。因为它时时刻刻都在我们身边，它会和我们的家人、我们的孩子进行接触。"

图：恩智浦执行副总裁兼中国事业部总经理 李晓鹤先生

李晓鹤总结了物理AI的三个不可妥协的前提：

第一，能效。物理AI大多依托电池或可再生能源供电，算力不能只论TOPS，而要论"每瓦TOPS"；

第二，超低延时。向ChatGPT提问，回复延迟100毫秒还是200毫秒无所谓；但汽车的刹车或机械臂的锁定机制如果有10毫秒的误差，就可能造成不可接受的风险；

第三，安全确定性。当前大语言模型本质上是概率机制，存在随机性；而人在与物理世界交互时，需要的是确定性、可预测的机制。差错在物理AI中是不能被接受的。

只有实质性解决了这三个要素，物理AI才能真正"靠谱"到被千家万户所接受，背后的经济价值才能真正被解锁。

破解"莫拉维克悖论"：5亿年进化的答案

1988年，卡内基梅隆大学的莫拉维克教授提出了一个著名的悖论：机器人做下象棋、定理证明等人类觉得费劲的事很容易，但抓鸡蛋、接个球这类人类觉得简单的事，对机器人却难如登天。

李晓鹤表示：“目前的行业主流解法是堆算力，即更大的模型、更大的芯片，把所有数据收到云端处理。但恩智浦给出了另一条路径：向生物学要答案。”

5亿年的自然淘汰已经给出了最优解，脊椎动物的智能体不是集中式的，而是分层分布式的。以人类为例，神经轴由三部分构成：

• 大脑皮层：约160亿神经元，功耗仅9瓦，负责规划、学习、决策，响应速度在300毫秒级，具有创造性和概率性。
• 小脑：约690亿神经元，功耗仅2瓦，负责运动协同与控制，响应速度在10-50毫秒级，高实时、半可确定。
• 脊髓：约6900万神经元，功耗仅5瓦，负责条件反射级的安全保护，响应在数十毫秒级，可绕过大脑直接行动。因为它有极强的功能安全机制，不需要大脑批准就能自我保护。

三层智能各司其职，用最少的能量完成最复杂的任务。整个人体神经系统总功耗约20瓦，却支持一天2200大卡的复杂活动。这正是受限于电池供电的人形机器人必须走向的演进方向。

恩智浦经过75年的积累，在微处理器、协运算器、网络延时产品、传输产品、汽车功能安全产品、工业安全产品等领域，所有产品和技术能力都能有机结合至上述分层系统架构中。

机器人是这一架构最典型的体现，但形态不局限于此。无人机、AGV、汽车等，本质上都是物理AI实体解决不同问题时呈现的形态变化。这也解释了为什么今天车企开始造机器人、工业企业跨界造车，因为底层电子电气架构、能源管理架构和智能分类架构是相通的，核心技术能力可以规模化复用。

75年技术基因 × 40年深耕中国，高效助力物理AI

恩智浦的系统性能力并非一日之功，而是75年技术血脉与40年中国深耕的交汇。

双基因融合。恩智浦由两家拥有不同技术基因的半导体公司整合而成。飞利浦1953年进入半导体行业，1983年推出首款单芯片收音机，此后在射频、安全、雷达领域积累了深厚的高性能模拟能力；摩托罗拉1949年成立半导体实验室，1969年阿波罗11号登月时，正是摩托罗拉的收发器传回了宇航员的第一句话，此后又推出了划时代的MC68020——首款32位MPU，奠定了汽车处理器与功能安全的基因。2016年两公司合并，模拟射频×汽车处理器的"双基因"由此融合。

值得一提的是，2025年，恩智浦又连落三子：收购Aviva Links（车载SerDes连接）、Kinara（边侧NPU）和TTTech Auto（软件定义汽车中间件），为物理AI时代补齐了强有力的拼图。

40年扎根中国。1986年，恩智浦前身飞利浦半导体在上海设立首个办事处；1992年，摩托罗拉在天津建起在华首家半导体工厂。四十年后，恩智浦已在全国14个城市布局，中国员工超6000名，服务客户超6000家，并于2025年正式成立中国事业部。

关于本地化是什么？李晓鹤先生给出了明确答案：真正的本地化绝非仅在中国开展单一销售或生产，而是要落地本土产品定义与开发能力。只有与本地客户联合定义并开发产品，才能匹配中国客户的需求和发展速度，共同实现“在中国，为全球”的目标。

目前，恩智浦在华拥有约1600名嵌入式工程师，过去数十年累计开发超200款产品；设有6大研发中心和1座世界级封测工厂；近期更将具备16nm先进汽车工艺开发能力的百余名设计人员专项划拨至中国事业部。

本地化产品路线表也已清晰可见：高性能汽车处理器S32G2已于2026年量产；网络产品将于2027年量产；下一代端节点MCU正在联合设计开发中，预计2028年量产；在电气化领域，电池管理系统产品目前正处于设计阶段，同样预计2028年量产。后续将有更多产品以"本地生产"或"本地设计+生产"的模式落地。

75年技术基因定义了"能做什么"，40年中国深耕定义了"为谁做、怎么做"。两者交汇，正是恩智浦押注物理AI时代的底气。

40年新起点

物理AI时代的竞争，不再是单一芯片参数的比拼，而是系统级架构能力的较量。谁能把感知、计算、连接、安全和功率有机融合进一个可靠、低功耗、超低延时的分层系统，谁就能赢得下一个十年。恩智浦正用75年的技术积淀和40年的中国根基，押注这场变革。

而这，或许只是物理AI长跑的起点。