物理AI爆發(fā)，芯片巨頭搶灘邊緣

工業(yè)機(jī)器人是物理AI第一主戰(zhàn)場(chǎng)。

人工智能正從云端走向物理世界，工業(yè)機(jī)器人成為業(yè)內(nèi)所稱“物理AI”（Physical AI）的首批重要應(yīng)用領(lǐng)域。這一轉(zhuǎn)變反映出市場(chǎng)對(duì)自主化工廠、實(shí)時(shí)決策以及本地?cái)?shù)據(jù)處理設(shè)備的需求日益增長(zhǎng)，設(shè)備不再依賴遠(yuǎn)端云端服務(wù)器。

在印度人工智能影響力峰會(huì)上，AMD有線與無線事業(yè)部高級(jí)總監(jiān)兼業(yè)務(wù)負(fù)責(zé)人吉勒斯·加西亞表示，這一演進(jìn)遵循了計(jì)算技術(shù)的經(jīng)典規(guī)律：技術(shù)最初誕生于大型集中式系統(tǒng)，而后逐步向數(shù)據(jù)產(chǎn)生與決策執(zhí)行端靠近。這種轉(zhuǎn)變催生了他所說的物理AI——人工智能系統(tǒng)直接部署在設(shè)備內(nèi)部，實(shí)時(shí)感知、判斷并執(zhí)行操作。

過去十多年，行業(yè)重心大多集中在依托大規(guī)模算力基礎(chǔ)設(shè)施的云端人工智能，但許多新興應(yīng)用需要在執(zhí)行現(xiàn)場(chǎng)就近完成計(jì)算。

“我們現(xiàn)在看到的模式，和以往計(jì)算技術(shù)的發(fā)展路徑完全一致?！奔游鱽喺f，“需要龐大算力的大模型生成式人工智能仍會(huì)留在云端。但對(duì)云端交互依賴較低的模型，則可以在邊緣或遠(yuǎn)邊緣設(shè)備運(yùn)行。”

物理AI，機(jī)器人成為早期應(yīng)用主力

加西亞表示，機(jī)器人、自動(dòng)駕駛、醫(yī)療健康、通信等行業(yè)正開始采用這類系統(tǒng)。

其中，物理AI工業(yè)機(jī)器人是目前物理AI落地最快的領(lǐng)域之一。制造商希望產(chǎn)線上的機(jī)器人擁有更高自主性，在極少人工干預(yù)下完成缺陷檢測(cè)、流程調(diào)整和安全保障。企業(yè)同時(shí)追求工廠更高的靈活性。產(chǎn)線需要越來越快地在不同產(chǎn)品間切換，而本地人工智能處理相比集中式系統(tǒng)能更高效地實(shí)現(xiàn)這種轉(zhuǎn)變。

人形機(jī)器人是該技術(shù)另一大拓展方向。加西亞認(rèn)為，未來十年內(nèi)，可直接與人交互的人工智能設(shè)備將進(jìn)入醫(yī)療輔助、醫(yī)院后勤、養(yǎng)老照護(hù)等場(chǎng)景?！拔蚁嘈盼磥硎?，人形機(jī)器人可能成為服務(wù)人類的最重要變革之一?！彼f。

以工廠機(jī)器人為例，它們無法在行動(dòng)前等待云端處理?！皺C(jī)器人必須基于感知、觸覺、視覺立即做出反應(yīng)。”加西亞說，“如果要把信息傳回?cái)?shù)據(jù)中心再等待結(jié)果，機(jī)器人就毫無用處。”

這類場(chǎng)景下的系統(tǒng)越來越多地采用物理AI嵌入式處理器，以滿足長(zhǎng)生命周期和低延遲穩(wěn)定性要求。

物理AI，功耗與延遲決定系統(tǒng)設(shè)計(jì)

在物理設(shè)備中運(yùn)行人工智能模型有嚴(yán)格的功耗限制。在這些場(chǎng)景里，延遲、功耗和響應(yīng)速度往往比純算力規(guī)模更重要。

隨著工廠自動(dòng)化、視覺系統(tǒng)和邊緣分析的普及，工業(yè)計(jì)算平臺(tái)既要滿足更高性能需求，又要保證穩(wěn)定延遲和可控功耗。許多系統(tǒng)還需依靠電池或在散熱受限環(huán)境中工作。

“復(fù)雜模型并非一定要搭配大型顯卡。”加西亞說，“在AMD，我們可以在功耗低于25瓦的設(shè)備上運(yùn)行Llama 3.2的10億參數(shù)模型?！彼硎?，AMD已深耕多年，研發(fā)能在限制功耗下運(yùn)行復(fù)雜模型的低功耗嵌入式處理器。部分系統(tǒng)功耗在5瓦至15瓦之間，大型機(jī)器人平臺(tái)則在10瓦至50瓦區(qū)間。

物理AI，邊緣計(jì)算持續(xù)進(jìn)步

AMD近期推出了物理AI物理AI銳龍嵌入式9000系列處理器物理AI物理AI，面向工業(yè)電腦、機(jī)器人控制器和機(jī)器視覺系統(tǒng)。該系列基于Zen 5架構(gòu)，最高配備16個(gè)CPU核心，功耗范圍可配置在65瓦至170瓦。AMD同時(shí)在研發(fā)專門面向異構(gòu)人工智能負(fù)載的處理器。

例如銳龍嵌入式P100，它在單芯片中集成了x86 CPU核心、GPU算力和神經(jīng)網(wǎng)絡(luò)處理單元（NPU）。

加西亞將其定義為異構(gòu)計(jì)算平臺(tái)，可根據(jù)性能與效率需求將任務(wù)分配到不同處理單元。

“有些任務(wù)更適合CPU，有些更適合GPU，還有些適合NPU。目標(biāo)是讓每個(gè)功能都運(yùn)行在最合適的硬件上?！爆F(xiàn)代物理AI系統(tǒng)必須融合網(wǎng)絡(luò)、感知與計(jì)算。聯(lián)網(wǎng)能力讓設(shè)備之間或與基礎(chǔ)設(shè)施協(xié)同，而本地人工智能加速器則處理圖像、信號(hào)等傳感輸入。

物理AI，芯片廠商競(jìng)相搶占邊緣AI市場(chǎng)

“我們以為自己了解人工智能。”加西亞說，“六個(gè)月前，我們不知道今天會(huì)發(fā)生什么；現(xiàn)在，我們也不知道六個(gè)月后會(huì)怎樣?！?/p>

面對(duì)這種不確定性，人工智能平臺(tái)必須具備足夠靈活性，以支持多種模型和不斷變化的負(fù)載。如今，物理AI靈活性正取代固定硬件功能，成為客戶部署人工智能系統(tǒng)時(shí)的首要考量。

AMD的戰(zhàn)略覆蓋從數(shù)據(jù)中心大型顯卡集群到邊緣端嵌入式處理器的全棧人工智能系統(tǒng)。“一種方案無法適配所有場(chǎng)景。”他說，“自動(dòng)駕駛汽車?yán)镞\(yùn)行的模型，與人形機(jī)器人或工業(yè)機(jī)器人的模型并不相同?！?/p>

AMD并非這一領(lǐng)域的唯一玩家。

工業(yè)計(jì)算機(jī)廠商長(zhǎng)期依賴英特爾處理器，凌動(dòng)、酷睿、至強(qiáng)系列支撐著大量工廠電腦與邊緣系統(tǒng)。這些芯片與AMD嵌入式銳龍產(chǎn)品直接競(jìng)爭(zhēng)，因?yàn)樗鼈冞\(yùn)行相同的x86軟件與工業(yè)級(jí)操作系統(tǒng)。

另一類供應(yīng)商則基于Arm架構(gòu)，包括恩智浦、德州儀器、瑞薩電子等。它們的芯片面向控制系統(tǒng)、機(jī)器人和工業(yè)網(wǎng)關(guān)，在這些場(chǎng)景中，功耗與實(shí)時(shí)響應(yīng)往往比純算力更重要。實(shí)際應(yīng)用中，系統(tǒng)設(shè)計(jì)者會(huì)根據(jù)需求選擇方案：是需要高性能工業(yè)電腦，還是更靠近產(chǎn)線設(shè)備的小型控制器。

展望未來，加西亞認(rèn)為物理AI的普及將在各行業(yè)催生全新商業(yè)模式。“我相信物理AI將為初創(chuàng)公司、行業(yè)和企業(yè)打開全新的商業(yè)模式?！彼f，“企業(yè)可以基于能自主感知環(huán)境并本地決策的設(shè)備，開發(fā)全新服務(wù)?！?/p>

不過他也表示，普及程度取決于人工智能能否自然融入日常工作與工業(yè)流程?！拔覀儾荒軓?qiáng)迫別人使用人工智能?！奔游鱽喺f，“它必須真正融入人們每天在做的事情里?！?/p>

*聲明：本文系原作者創(chuàng)作。文章內(nèi)容系其個(gè)人觀點(diǎn)，我方轉(zhuǎn)載僅為分享與討論，不代表我方贊成或認(rèn)同，如有異議，請(qǐng)聯(lián)系后臺(tái)。