物理AI正成为全球科技产业竞相布局的新赛道，其核心在于通过传感器与执行机构实现机器对物理世界的感知与操作，智能驾驶与机器人技术成为两大关键应用场景。高通技术公司副总裁兼ADAS和机器人业务总经理Anshuman Saxena在接受媒体采访时表示，随着AI技术从数字领域向实体世界渗透，芯片厂商需重构技术体系以支撑边缘计算与云端协同的复杂需求。
高通正通过整合研发资源，构建覆盖边缘到云端的物理AI技术栈。Anshuman Saxena指出，该技术体系包含硬件加速组件、软件基础设施及面向机器人场景的专用软件栈，可同时服务于ADAS和机器人领域。这种架构设计解决了实体设备对低时延实时处理与云端大模型辅助的双重需求，目前已有多个技术模块进入量产验证阶段。
在中国市场，高通已形成完整的机器人生态布局。基于跃龙平台的自主移动机器人（AMR）和人形机器人产品实现规模化落地，其分布式智能架构获得行业认可。Anshuman Saxena特别提到，中国客户的创新速度超出预期，多家企业正基于高通提供的IQ10参考设计开发差异化产品。该方案通过模块化设计实现功能扩展，近期在日本成立的机器人创新中心也将开展相关技术验证。
成本与功耗控制被视为机器人普及的关键瓶颈。Anshuman Saxena分析称，医疗护理、工业自动化、家庭陪伴等不同场景对机器人提出差异化需求，但规模化生产必须建立在可扩展的技术方案之上。高通通过优化通信、传感、计算模块的协同效率，提供从低端到高端的全栈式解决方案，避免单一高性能芯片带来的成本与能耗困境。
针对机器人泛化能力挑战，Anshuman Saxena以机械臂操作为例：抓取易碎物品时的握力判断需在本地完成，而路径规划等复杂任务则交由中央处理单元。这种异构计算架构要求芯片厂商具备系统级优化能力，而非单纯追求算力参数。高通已开发出包含数据采集工具、仿真测试平台在内的完整工具链，支持开发者针对不同场景训练专用模型。
在形态演进方面，Anshuman Saxena认为行业尚未出现确定性爆款产品。双足机器人、轮式机器人及复合形态设备各有优势，但安全标准、体积限制、功能边界等因素仍在制约商业化进程。具备行走能力与操作功能的人形机器人被视为终极形态之一，但其发展路径需要突破传感器通用性、系统架构灵活性等多重技术壁垒。
生态协同被高通视为机器人产业发展的核心驱动力。Anshuman Saxena强调，单一厂商无法独立解决感知、决策、执行等环节的复杂问题，高通正通过开放技术接口与传感器厂商、算法公司、系统集成商建立合作网络。这种模式在ADAS领域已得到验证，通过整合摄像头、雷达、高精度地图等供应商资源，可加速技术方案的市场化落地。
