“真正的智能，從來不是數據的簡單聚合，而是設備的主動預判與自主決策。”恩智浦半導體(NXP)執行副總裁兼安全連接邊緣業務總經理Charles?Dachs表示，過去數年，邊緣設備的“智能水平”始終停留在淺層次的感知階段，AI技術的革新，正讓這一切發生質變。
當云端AI的參數競賽步入深水區，一場關于智能“下沉”的革命正在邊緣側悄然爆發。預測數據顯示，到2030年，全球云端與邊緣AI相關市場規模將達到1.3萬億美元。
“真正的智能，從來不是數據的簡單聚合，而是設備的主動預判與自主決策。”恩智浦半導體(NXP)執行副總裁兼安全連接邊緣業務總經理Charles Dachs表示，過去數年，智能家居、智能工廠的概念遍地開花，但邊緣設備的“智能水平”卻始終停留在淺層次的感知階段，AI技術的革新，正讓這一切發生質變。
恩智浦半導體(NXP)執行副總裁兼安全連接邊緣業務總經理Charles Dachs
讓智能走進物理世界
如果說過去十年，邊緣設備的核心任務是采集并上傳數據，那么未來十年，邊緣設備將大概率從“數據上傳者”進化為具備本地預判與自主決策能力的智能體。而當前市場之所以對AI邊緣計算的關注度空前高漲，究其原因，Dachs認為主要有四點：
- 帶寬：工業視覺、機器人傳感等場景產生的原始數據量巨大，全量上傳至云端既不經濟也不可行；
- 實時性：工廠自動化、協作機器人等應用要求毫秒級甚至微秒級響應，網絡傳輸延遲無法滿足；
- 能效：本地處理避免了長距離數據搬運與云端集中計算的額外功耗，符合可持續發展目標；
- 安全與信任：醫療監護、產線控制等敏感數據若離開本地環境，將面臨泄露與合規風險，用戶難以建立信任。
Dachs指出，要突破上述瓶頸實現躍遷，必須依賴三大支柱——可擴展的異構算力、面向協同智能體的軟件框架、以及內生于芯片的安全機制。為此，恩智浦構建了一個包括硬件、軟件與安全在內的，覆蓋全場景的邊緣AI賦能框架。
硬件側，從新發布的i.MX 93W 1.8 eTOPs到i.MX 95 8 eTOPs，再到即將推出的40-60 eTOPs獨立AI加速器，恩智浦所有新一代處理器均原生集成專用神經網絡處理單元(NPU)。客戶可根據需求，在基礎應用處理器上疊加1-3個專用AI加速器，即可實現從2 eTOPs的輕量需求到超百eTOPs的大模型處理。
i.MX 93W是恩智浦首款將AI NPU與安全三頻無線連接集成于一體的應用處理器，可用單一封裝取代多達60個分立元件。借助預認證的參考設計，該方案可消除許多常見的集成挑戰，降低傳統射頻設計固有的復雜性、成本和風險，大幅縮短產品上市周期。
通過收購Kinara獲得的獨立高性能NPU IP，恩智浦計劃將下一代應用處理器算力上限推至100+eTOPs，其可編程架構讓系統能適配從CNN到生成式AI、再到智能體AI的算法演進，為未來預留了充足的技術空間。這意味著客戶可根據應用場景—從簡單的異常檢測到復雜的多模態融合推理—靈活配置算力，避免“小馬拉大車”或“大炮打蚊子”的資源錯配。
如果說硬件是邊緣AI的骨骼，那么軟件就是其靈魂。
CES 2026期間，NXP推出的eIQ® AI Hub作為統一開發入口，讓開發者能一鍵訪問所需的工具與模型，大幅降低開發門檻；而eIQ® Agentic AI框架的發布，則允許多個智能體在本地協同工作，共同完成端到端任務閉環，無需云端協調。也標志著恩智浦戰略重心超越了單點模型推理，轉向構建協同工作的邊緣AI。
“AI智能體不是對生成式AI的背離，而是為感知式AI與生成式AI的融合提供了框架。”Dachs強調說，AI智能體作為協調者，在本地形成了感知—決策—執行的閉環，無需云端干預，真正將智能融入系統的自主性之中。
而貫穿始終的，是恩智浦的EdgeLock®安全區域。它如同芯片中的“保險柜”，提供硬件級的信任根、安全啟動、密鑰隔離與運行時防護，確保確保從芯片啟動到AI推理全過程的功能安全與信息安全。
邊緣AI，為何必須“在本地思考”？
技術的價值，終究要在場景中落地。恩智浦將邊緣AI的核心應用聚焦于醫療、電力、工廠、樓宇、機器人五大領域，而工廠自動化與人形機器人，成為其現階段的發力重點 ——這兩大場景，也正是邊緣AI從“實驗室”走向“物理世界”的最佳載體。
工廠自動化，是邊緣AI最早落地的領域，也是其價值最直觀的體現。對大型制造商而言，停工一小時的損失可能高達數百萬美元，而邊緣AI的出現，則讓工廠從“被動搶修”轉向“主動防控”。
Dachs現場展示了兩段演示動畫，其中之一是當配備AI智能體的攝像頭與濕度傳感器檢測到漏水，中央編排AI智能體將立即調度關閉閥門、封鎖區域、啟動排水，全程無需云端介入；第二段是工廠車間突發“爆炸”，火焰瞬間騰起。部署在邊緣的多個AI智能體立即協同響應——識別火源，確認聲音，同步啟動噴淋系統并關閉電源。整個過程未連接互聯網，未調用云端，僅靠本地智能完成閉環處置。
“AI智能體非常有意思的一點是，它在協調不同AI智能體的同時，這套系統自身也在不斷自主學習。隨著情況的發展變化，協同角色的智能體能夠真正理解并在下一次任務中完成得更好。“Dachs說。
其實，邊緣AI在工廠自動化領域的價值不止于應對突發情況，在日常運營效率提升方面也扮演著重要作用。“對于數據上傳到云端這點，工廠其實是非常謹慎的。”Dachs稱，多年來，恩智浦一直致力于將開源能力(例如Zephyr和Linux)引入處理領域的前沿，希望通過對設備數據的本地分析，讓系統能預判故障風險，自動采取糾正措施，或者向操作人員提供故障問題的具體信息，使設備維護從“定期檢修”變為“預測性維護”。
在與之配套的數據安全層面，恩智浦為工廠打造了本地化模型開發框架，讓高保密級別的數據無需上傳云端，就能在框架內完成模型的訓練、部署與迭代，既滿足了工廠的安全需求，又降低了開源模型的使用門檻。
如果說工廠自動化是邊緣智能的“練兵場”，那么人形機器人就是“終極考場”。Dachs將其稱為“最接近真正意義上的物理AI應用場景”——它必須同時處理視覺、語音、觸覺、平衡、運動規劃等多重任務，并在動態環境中實時做出安全、合理的動作。
當被問及人形機器人系統中MCU與實時控制芯片的未來價值時，Dachs回應稱，“這可能會因OEM選擇的架構而異”，具體方案將根據機身不同部位的需求，搭配專用MCU與集成實時處理能力的應用處理器，沒有統一的量化標準，只有適配場景的最優解。
但他同時也坦言，機器人，尤其是自主移動機器人(AMR)的架構正朝著汽車電子的“中央計算平臺+分布式控制節點”演進，但復雜度遠超后者——汽車的行駛環境相對可控，而機器人的移動與互動充滿不確定性，對實時性、安全性的要求達到了新高度。
“協調機器人的大腦與身體，是比汽車電子更復雜的挑戰。想象一個機器人握住嬰兒的手，” Dachs設問，“它如何知道該用多大力？這背后是感知精度、控制算法與功能安全的極致融合。”目前，行業尚無統一的安全標準，這既是挑戰，也為具備系統級能力的廠商留下關鍵窗口。
基于此，恩智浦宣布與英偉達達成戰略合作——恩智浦軟件開發包將集成英偉達的 Holoscan Sensor Bridge技術，實現遍布機器人全身的傳感器(攝像頭、IMU、力矩傳感器等)與中央AI計算單元之間的超低延遲、高可靠性數據傳輸。換句話說，就是恩智浦負責分布式節點的實時控制與安全連接，英偉達專注中央大模型推理，二者共同構建端到端的機器人計算平臺。
據悉，雙方將會推出兩款解決方案——分布式電機控制應用與基于i.MX 95的對話AI應用，分別從“動作控制”與“智能交互”兩個維度，為人形機器人的落地提供核心支撐。
結語
不做通用大模型的追隨者，而是做物理世界智能基礎設施的賦能者，這是恩智浦在物理AI世界中的自我定位。未來，當越來越多的邊緣設備擁有自主決策的能力，當工廠、機器人、醫療等場景實現真正的智能閉環，邊緣AI將成為重構物理世界的核心力量。正如Dachs所說的那樣，“在邊緣端打造安全可靠的智能系統，這是我們的專長，也是我們的未來。”
您可能感興趣
