文 | 时间线Timelines 于悦
编辑 | 周易
2017年6月，当来自Google的八位科学家正式通过《Attention Is All You Need》这篇论文公布Transformer架构的时候，业内并没有很多人意识到，这一架构将在未来十年成为整个AI领域巨大变革过程中的底层技术架构。
不过，一个例外是，在遥远的英国剑桥，密切关注着AI发展趋势的Arm团队，在看到论文的第一时间就意识到了Transformer架构所带来的技术趋势，并且开始着手调整计算架构，从而为它的落地和应用最好准备。
这样一个并不十分起眼的关于技术发展的历史切片，成为了Arm入局物理AI的伏笔。
多年以后，Transformer几乎在算法架构的维度上统治了整个AI领域；尤其是在被寄予厚望的物理AI领域，无论是自动驾驶，还是机器人，Transformer架构都在整个算法架构中扮演着不可或缺的底层角色。
而Arm也早已经深深地嵌入到物理AI的庞大技术体系中，成为其不可或缺的架构基石。
然而，在物理AI这个刚刚起步的赛道中，Arm的自我定位，绝不止于一个底层技术架构和平台的提供者——实际上，它的眼光，已经瞄准了整个物理AI技术生态的发展。
年出货 20 亿颗芯片背后
2026年1月，在美国拉斯维加斯的CES活动现场，Arm公布了一个让外界瞩目的消息：公司已经完成一场战略级的业务重组，并由此在云端AI和边缘AI之外设置了一个全新的业务部门，也就是物理AI。
这是Arm第一次在组织层面明确提出「物理AI」 的概念。在Arm的官方话语中，这一业务部门主要聚焦于将AI与现实世界物理运动相结合的技术，覆盖从车辆、机器人到自动化机器等领域，由全新任命的Arm物理AI业务执行副总裁Drew Henry领导。
Arm对物理AI的这一布局，并不让外界感到意外。
毕竟，在物理AI的整体行业面来看，自动驾驶汽车和机器人这两个核心细分赛道，确实在技术栈、功耗限制、安全性、实时性和可靠性等方面拥有着高度相似的技术要求；从商业的角度来看，机器人赛道的入局者越来越多，也有不少汽车制造商也在横向布局机器人领域。
换言之，这两条细分赛道正在走向融合——物理AI无疑是一个更具概括性、指引性和商业想象力的标签。
不过，Arm之所以要在组织层面把物理AI单列出来，还有一个很容易被外界忽略的背景：对于Arm来说，物理AI并不是一个从0到1的新业务板块，而是它早已入局并深耕多年、而且商业化效果异常显著的领域。
一个典型的证据是：根据Arm官方数据，仅仅在2025年，Arm生态面向汽车、自动驾驶、机器人平台出货的芯片就已达20亿颗。
正如Drew Henry所言，物理AI对于Arm而言并非全新赛道；Arm早已参与构建先进驾驶辅助系统(ADAS)、自动驾驶汽车、自主机器人平台的底层技术，深耕这些领域已有多年。
据时间线Timelines了解，在物理AI目前最为成熟的落地场景，也就是自动驾驶赛道，Arm已经进行了全方位、多维度的布局。
其中，在自动驾驶技术栈中最核心的智驾算力平台方面，无论是英伟达的Xavier、Orin还是Thor，还是地平线的征程系列，乃至于特斯拉、理想等车企的自研智驾芯片，都是基于Arm的技术生态来构建的。可以说，整个全球范围内主流的自动驾驶计算平台，都是基于Arm生态构建的。
但除此之外，在自动驾驶领域的各个技术栈，Arm生态也起到了重要的支撑作用。比如，在传感器方面，Arm支持了包括禾赛、速腾这样的激光雷达企业；而在与自动驾驶整体实现密切相关的域控制器、执行器、人机交互、电池管理等方面，Arm架构同样也是无处不在。
当然，类似的情况也出现在机器人行业。
实际上，从落地情况来看，Arm技术已经出现在机器人的各个技术栈中，包括中央大脑、传感器、执行器、本地控制、人机交互等——而且从技术支撑的完整度来看，在机器人领域，Arm的技术生态优势能够得到更加全面和完善的发挥。
物理 AI 布局，不止于计算平台
某种程度上，正是在Arm在自动驾驶和机器人等物理AI关键领域的前期布局，才让它在2025年实现年出货20亿颗芯片这样的亮眼成绩成为可能；而这一成绩，也为Arm在2026年加大力度押注物理AI提供了关键支撑。
但20亿只是一个结果，更值得关注的，是业务布局本身。
实际上，在过去的数年时间里，为了推动自家技术在物理AI领域的发展，Arm的布局早已经超越了外界普遍认知中的IP本身，而是在此基础上构建了包括IP、计算子系统、互连技术、工具及集成软件在内的一整套技术生态。
比如，为了让自动驾驶车辆和机器人能够在现实世界环境中高效运行，Arm专门打造了专为物理AI时代打造的IP和软件组合——AE技术，该技术的核心亮点是，它针对计算密集型AI工作负载优化，同时能够有助于满足严格的安全标准，确保系统在关键任务中可靠运行，而且还具备更强的可扩展性和适应性。
从技术落地的角度来看，Arm AE技术已经应用在先进辅助驾驶系统（ADAS）、智能座舱、集中式车辆计算、机器人等多个物理AI的典型领域，其核心逻辑就是在保证安全的基础上提供实时、高性能、可扩展的创新。
除了AE技术，Arm面向物理AI领域的另外一个重要业务布局，就是推出专门的物理AI计算子系统Arm Zena CSS。
具体来说，Arm Zena CSS的核心，是将Arm Cortex-A处理器、基于Cortex-R的专用安全岛、增强的网络安全功能和系统IP整合到一个经过芯片验证的基础架构中，从而加速自主机器（车辆和机器人）所需要高性能SoC的平台开发。
从技术维度上，Arm Zena CSS预先集成了Armv9架构的安全特性，能够有效助力产品满足ISO 26262（功能安全）和ISO 21434（网络安全）的合规性要求。同时，它和合作伙伴合作构建虚拟平台和参考固件，加速开发流程，并通过基于Arm架构和共享建模工具的跨功能域标准化流程减少平台碎片化，从而让企业能够将更多精力聚焦于差异化功能。
从落地效果来看，如果车企、芯片厂商或者机器人厂商选择Arm Zena CSS技术进行SoC开发，那么相比于原有模式，可以使得工程工作量减少多达20%，软件移植提速高达30%，最终能够将产品上市时间缩短12个月。
可以说，在激烈的物理AI行业竞争中，这样的产品节奏能够在很大程度上提升最终产品的市场竞争优势。
需要明确的是，对于Arm来说，它所提供的不仅仅是IP和计算子系统的底层架构支持，还有一系列助力于客户的软件和工具，比如参考固件、RTOS、汽车SDK、虚拟平台和仿真模型等，它们一起构建起了Arm面向物理AI的完整技术生态。
从技术出发，参与生态构建
对于Arm来说，之所以要在2026年进一步加码物理AI，其原因是多个维度的。
一方面，物理AI的市场前景巨大，在Drew Henry看来，物理AI更有望成为计算历史上规模最大的计算市场。而据摩根士丹利的预测，到2050年，仅机器人领域的半导体市场规模就将增长800倍。
另一方面，Arm已经在物理AI的广阔市场中看到了自身的独特优势。
毕竟，与传统云端AI或边缘AI不同，物理AI对时延有着近乎苛刻的要求；从感知到执行，这一过程必须在微秒或毫秒级完成，任何微小的延迟都可能导致严重的安全事故。这种对于实时性的极致追求，使得物理AI成为当前复杂度最高的计算平台之一。
而Arm技术在低时延、安全性和可靠性方面的优势，已经在以往的物理AI落地过程中得到了充分证明——这也是Arm在物理AI领域大有可为的关键支撑。
不过，在物理AI这个刚刚起步、充满无限可能性的赛道中，Arm在现有业务布局和固有角色之外，给自己设定了更大的目标。比如，在9月8日的Arm Everywhere活动中，Arm就发布了专门面向物理AI的「Arm全面设计生态」项目。
该项目汇聚了涵盖软件栈、AI模型、传感器、计算硬件、虚拟平台和数字孪生等领域的专业能力，吸引了覆盖物理AI技术栈的80多家企业参与其中，其中包括AWS、亿咖通、Hugging Face、Liquid AI、恩智浦、智加科技、PSYONIC、QNX、通义千问以及西门子等。
通过这一项目，Arm希望与整个物理AI技术栈的合作伙伴一起，共同加速物理AI的创新与发展。
值得一提的是，作为Arm全面设计生态在物理AI领域的首批协作倡议之一，Arm还专门瞄准了刚刚起步的机器人领域，推出了机器人能力分级框架（Robotics Capability Framework）。
该框架主要是将为机器人系统定义不同级别的能力，以对应不同阶段的复杂度水平，并将现实世界应用场景与机器人的行为表现、输出能力以及系统需求关联起来；这些系统需求包括时延、算力部署位置、内存和功耗约束、确定性以及安全性等方面。
当然，这一框架还在完善过程中。Arm方面表示，它将与Anaxi Labs、ANYbotics、FMC Robotics、傅利叶、银河通用、Gravis Robotics、联想、麦肯锡、Robotec.ai等企业和机构持续共同完善这一框架。
很明显，从本次Arm Everywhere最新动态来看，Arm在物理AI领域的自我定位，绝不仅仅停留在一个底层计算平台的提供者——相反，它正在充分自身在物理AI技术领域的支撑作用和生态优势，希望通过一系列动作成为整个机器人生态发展的参与者和助力者。
从整个行业的视角来看，Arm在物理AI生态中的一系列最新布局，毫无疑问更具技术前瞻性，也更加引人注目。
而从更深层的视角来看，正如其在多年前就开始跟随Transformer的步伐布局AI一样，Arm之所以能够在数十年的发展中持续取得竞争优势，其本质就是紧跟技术发展趋势，随时拥抱变化，并且努力抓住机会推动技术的发展并从中受益。
这是一个一以贯之的逻辑；Arm在当年的移动互联网浪潮中如此，如今在物理AI的浪潮中同样如此。只不过，物理AI这条路更加漫长，挑战更大，但机遇更多，前景也更加广阔——而Arm在物理AI赛道的新征程才刚刚开始。