英特尔宋继强分享异构计算推动物理AI应用落地的见解。
物理AI，正在成为英特尔发力AI的重点。
近日，英特尔宣布由Alex Katouzian负责新成立的客户端计算与物理AI事业部，并直接向公司首席执行官陈立武汇报。此前，在2026年第一季度财报电话会议上，陈立武曾表示，“物理AI是一个巨大的市场……对我们来说是一个重要机遇”，同时他强调，“物理AI能够从CPU中获得显著优势，因为CPU在性能与功耗比方面具有独特优势”。
所谓物理AI，指的是人工智能与物理系统的深度融合，使实体设备能够自主地与现实世界进行互动和响应。尽管如今已成为业界的“当红炸子鸡”，但不可否认的是，要实现大规模商业化，物理AI仍面临诸多技术挑战。在这一进程中，相比参数高达数万亿的大模型，各类物理AI更依赖强大的感知与推理能力，以实时理解其所处的生产生活环境，并在各种复杂情况下做出可靠决策。 我认为，物理AI的发展不仅需要算法层面的突破，更需硬件、传感器以及实时数据处理能力的协同提升。当前，其商业化进程仍处于探索阶段，未来还需在稳定性、安全性与成本控制等方面取得实质性进展。
英特尔中国研究院持续深入探索具身智能与计算机视觉等前沿技术领域，积极与行业伙伴展开合作，推动物理AI的产业化进程。近日，英特尔中国研究院院长宋继强在接受媒体专访时，分享了英特尔在物理AI领域的最新思考，以及其软硬件产品组合如何为客户创造独特价值。 我认为，英特尔在这一领域的布局体现了其对AI未来发展方向的深刻理解。物理AI作为连接数字世界与现实世界的桥梁，正逐渐成为推动产业升级的重要力量。而英特尔通过整合软硬件资源，不仅提升了技术落地的效率，也为合作伙伴提供了更全面的支持，这无疑有助于加快整个行业的创新步伐。
异构计算驱动物理AI
宋继强指出，物理AI需要部署在工业、医疗、零售等差异化的场景，各个场景对传感器精度和行动实时性的要求不同，所需设备的性能、功耗和尺寸也不同，因此很难用同一种硬件解决所有问题，在底层硬件架构上，异构计算成为必然的选择。
这正是第三代英特尔酷睿Ultra处理器展现其独特优势的领域。作为一款XPU架构的处理器，它内部集成了CPU、GPU和NPU模块，能够根据需求灵活分配资源，支持多样化的AI工作负载：如果应用需要更高的能效表现，可由NPU提供支持；对于实时性要求较高、需要浮点运算的任务，如传感器数据的同步与处理，可以由CPU来完成；而对于对实时性有极端要求的任务，可以分配一个专用的CPU核心进行处理，确保不受其他任务干扰；而GPU则可用于运行计算机视觉的大规模模型。
在异构硬件的上层，可以根据应用需要打造不同形态的物理AI，如机器人、机械臂、智能汽车等等。目前主流的应用构建方式已经由传统的预先编程或定义功能库转变为多智能体库，由不同的智能体分别负责感知、规划、行动等等任务，按照场景的需求动态协作并生成执行流程。异构硬件也能够以高能效比的方式调用不同的智能体。
软硬件协同优化保障可靠性
宋继强表示，英特尔在工业机器人运动控制方面拥有丰富的技术积淀，这一领域的经验可有效应用于物理人工智能领域。
一方面，英特尔的硬件平台在高精度、高频率和高实时性方面表现出色，能够有效满足工业级应用对可靠性的严格要求。同时，英特尔在系统优化方面具有显著优势，这使其在物理AI的实际部署中，能够实现底层硬件与上层软件的高效协同。这一点尤为重要，因为当物理AI用于实际的生产或生活任务时，必须与其他系统组件进行通信，确保在传统业务软件运行的同时，AI的控制和执行任务仍能实时、稳定地运行，避免相互干扰。
第三代酷睿Ultra处理器也针对物理AI做了大量有针对性的优化。在硬件层面上，它在宽温和耐用性上都达到了工业级别的要求，在板级设计上，也专门添加了一些工业场景需要的接口。此外，在软件层面，它也支持各种主流的物理AI模型，如CNN（卷积神经网络）、DNN（深度神经网络）、VLA（视觉―语言―动作模型），以及EtherCAT工业通信协议。
灵活满足算力需求
谈到物理AI对算力的需求，宋继强表示，这取决于具体的应用领域。以搬运物体的任务为例，如果只是从此处移到彼处，需要的算力基本就在视觉处理和VLA模型两部分，具体取决于不同厂商使用的VLA模型和优化的程度。
优化性能出色的开源VLA模型可以在第三代酷睿Ultra处理器上运行，具体而言，其计算内核可根据需求进行配置，最多支持16个CPU核心和12个GPU核心，配合NPU可提供最高达180TOPS的AI算力。 这一配置展现了当前处理器在AI计算方面的强大潜力，尤其在资源受限的环境下，能够实现高效的模型运行。随着开源生态的不断发展，这类模型的普及将有助于降低AI应用的技术门槛，推动更多创新应用落地。同时，硬件与软件的协同优化也进一步提升了整体系统的灵活性和效率。
闭源的、客户自定义的模型在算力消耗上存在较大的不确定性，但通过其他方式仍可满足实际需求。例如，可以在酷睿Ultra处理器之外配备一个AI加速器，或者借助超低延迟的无线通信技术，将酷Ultra处理器与边缘计算设备连接起来。这种架构特别适用于多个机器人在同一场景中协同工作的场景，具备广泛的应用前景。 从技术发展的角度来看，这种灵活的解决方案体现了当前人工智能硬件生态的多样化趋势。面对个性化模型带来的算力挑战，单一处理器已难以满足所有需求，而通过组合不同硬件模块，可以更高效地实现性能与成本的平衡。同时，边缘计算与无线通信的结合也为分布式智能系统提供了新的可能性，尤其是在工业自动化、智能物流等需要多设备协同的领域，具有重要的现实意义。
加速物理AI应用落地
目前，英特尔尚未开发专门的物理AI处理器，宋继强认为，这一现状是由于物理AI技术目前仍处于发展初期，其上层算法尚未形成统一和成熟的标准。在这样的背景下，对硬件而言，保持一定的通用性仍是较为合理的选择。展望未来，一旦物理AI的互操作标准得以确立，硬件厂商便可以依据明确的标准来设计专用芯片，包括计算内核、存储单元及互连结构等关键部分。标准的统一将大大简化通用模块与定制化组件之间的集成过程，从而显著缩短专用芯片的研发周期。届时，从芯片设计到流片、测试，直至最终投入市场，整个流程将更加高效顺畅。 **看法观点：** 物理AI的发展正处于关键阶段，硬件与算法的协同演进尤为重要。当前的通用性策略虽为权宜之计，但为后续的专用化奠定了基础。随着标准逐步完善，行业将迎来更高效的创新节奏，这不仅有助于提升性能，也将推动整个生态系统的成熟与协作。
尽管物理AI处理器仍需时间发展，但英特尔在该领域始终没有停止探索。在第三代酷睿Ultra处理器之外，英特尔在具身智能领域也取得了多项进展。2025年4月，英特尔发布了具身智能大小脑融合方案，为具身智能的规模化与场景化应用打下坚实基础；2025年10月，英特尔推出了英特尔机器人AI套件，为行业提供一套精选的功能组合，助力企业加快对机器人物理AI工作负载的推进与评估；2025年12月，英特尔联合产学研合作伙伴提出了一套具身智能机器人安全子系统设计框架，旨在为机器人系统提供全方位、多层级的安全保障。
CPU正重新成为AI时代的核心，数据中心中，其与GPU的配比正在显著缩小，达到1:2甚至1:1。随着英特尔在物理AI、智能体AI等领域的持续技术创新，这家公司正在AI浪潮中确立起自身独特的位置。
