近日，Arm在上海举办了一场重要活动，聚焦物理AI领域，公布了其最新战略布局。此次活动上，Arm宣布将Arm Total Design生态项目扩展至物理AI领域，并吸引了超过80家合作伙伴加入，涵盖芯片、AI模型、操作系统、传感器等多个关键环节。
在物理AI的推进过程中，汽车行业成为Arm协同开发模式的重要试验场。Arm提出，物理AI不仅包括当前备受关注的人形机器人，自动驾驶汽车也是其核心组成部分。两者在技术需求上高度相似，都需要处理传感器数据、运行AI模型，并实现实时控制，同时对安全性、功耗和计算延迟有严格要求。
为了规范机器人行业的发展，Arm推出了机器人能力分级框架（Robotics Capability framework），旨在为机器人行业建立类似自动驾驶SAE分级的统一标准。该框架将机器人能力分为RL0至RL5六个等级，从基础的反应式到高级的自我改进式，并明确了各等级对应的计算延迟、算力部署位置、内存、功耗和安全性等系统要求。目前，傅利叶、银河通用等企业已参与该框架的讨论。
在硬件与软件协同开发方面，Arm展示了其虚拟原型平台的成功经验。通过与AWS、Google等公司合作，Arm开发了一套数字座舱参考方案，允许开发者在汽车芯片尚未就绪时，提前基于Arm Zena CSS进行软件开发和测试。这一模式显著缩短了开发周期，避免了因芯片流片延迟导致的项目滞后。
Arm的这一思路也体现在其计算子系统（CSS）的推广上。相比传统的单独销售CPU、GPU IP，CSS将CPU、GPU、系统IP及部分软件和验证工作提前整合，为芯片厂商提供了更完整的计算平台。Arm认为，未来AI的发展将从云端延伸至边缘和物理世界，需要覆盖云、边缘和物理设备的连续计算平台，而非依赖单一的AI加速器。
在活动现场，Arm物理AI业务拓展副总裁Dermot O’Driscoll和物理AI产品管理高级总监Tom Conway就多个热点问题与媒体进行了交流。针对物理AI领域的新产品计划，Tom Conway表示，虽然此次活动未发布新产品，但Arm正在加大投入，开发面向汽车和机器人市场的专用产品和解决方案，并将在适当时候公布更多信息。
关于车企自研芯片的趋势，Tom Conway认为，随着AI和智能体AI进入汽车领域，企业对算力优化和系统设计提出了更高要求，定制芯片的需求将持续存在。Arm的全面设计生态项目旨在帮助这些企业提高芯片开发效率，加速产品上市。
在汽车与机器人的技术复用空间方面，Dermot O’Driscoll指出，两者在实时技术、传感器使用、感知和规划能力以及交互智能方面有高度重叠。目前，机器人市场仍主要使用汽车芯片解决方案，但随着市场规模扩大，未来将出现更多专用芯片，部分由机器人企业自主开发，部分来自Arm生态合作伙伴。
针对汽车从L2+向L4演进过程中的计算架构变化，Dermot O’Driscoll表示，汽车计算正从分散式架构向中央域控制器集中，中央计算芯片需要更强的算力。Tom Conway补充道，算力需求的增长将超过架构整合带来的芯片数量减少，未来每颗芯片的价值将提高，整车芯片和传感器的整体价值也将继续增长。
此次活动表明，Arm正从手机领域向汽车、机器人等物理AI设备拓展，其战略重心已从单纯的CPU IP销售转向计算平台、软件工具和生态伙伴的整合。随着自动驾驶和机器人对AI算力的需求持续增长，芯片厂商之间的竞争将逐渐从算力高低转向软硬件生态的搭建速度。
