NE时代

◎ 机器人需要什么样的“神经轴协同”？

△ 撰文：张鑫

进入中国第40年 后，恩智浦的神经轴架构为机器人落地给出了一个更加务实的工程化思路。

AI会下棋、写文章，也能完成复杂推理。让机器人抓起一颗鸡蛋，仍然是一项困难的工程任务。

这正是恩智浦执行副总裁兼中国事业部总经理李晓鹤提到的“莫拉维克悖论”：机器容易完成的事情，人类可能需要长期训练；人类随手完成的感知和动作，机器却要调动一整套计算、控制与传感系统。

李晓鹤给出了一个更具体的时间参考。聊天机器人晚100毫秒回复，用户通常不会察觉。汽车制动或机械臂控制晚10毫秒，便极有可能面临巨大损失。

机器人产业的竞争焦点也由此发生改变。

机器人进入真实世界，光有理解世界的大模型是远远不够的，还需要更加注重安全、低时延和功耗。这就意味着更加全面的智能，覆盖感知、规划、动作和局部保护，任何一个环节失灵，都可能让“智能”失去意义。

01.

一个“大脑”解决不了所有问题

李晓鹤认为，云端AI可以依靠集中式计算、大模型和数据中心提高认知能力。但对于机器人、汽车这类终端智能应用而言，如果将全部计算集中在中央处理器，一方面会增加通信压力，另一方面也会增加功耗。并且如果中央节点出现故障，整台机器也可能失去控制，造成失控风险。

李晓鹤因此强调，物理AI不应只比较TOPS，更要关注每瓦能够提供多少TOPS，以及系统能否在规定时间内完成任务。

这个判断决定了恩智浦参与物理AI的方式。它没有进入英伟达、高通主导的通用大算力SoC市场，而是把处理器、MCU、网络连接、传感器和安全产品放入同一套分层架构。

02.

“神经轴”如何分配机器人的智能

恩智浦把这套分层系统称为“神经轴架构”。

NE时代智能体 ，赞5

这一概念借鉴人类的大脑、小脑和脊髓。“大脑”负责视觉感知、学习、规划和复杂决策；“小脑”负责运动协调与实时控制；“脊髓”分布在关节和执行端，处理局部响应、平衡与安全保护。

映射到机器人中，高性能处理器承担环境理解和路径规划，实时控制器协调机械臂与底盘，端侧MCU直接控制电机、关节和灵巧手。出现碰撞或失衡时，局部节点可以快速执行保护动作，无需等待中央处理器批准。

李晓鹤认为，这种分布式架构可以把大语言模型的概率性判断与物理系统的确定性控制结合起来。复杂决策留在中央，紧急任务放到离执行机构更近的位置。

三层结构只是表面。真正困难的部分在于任务如何分配、不同节点如何同步、故障如何隔离，以及软件怎样跨越多个处理器运行。任何一项没有解决，神经轴都只能停留在架构图上。

李晓鹤表示，恩智浦数年前已经组建汽车系统工程团队和工业系统工程团队，负责协调公司内部数十条产品线涉及的芯片、软件与系统流程。

这类横向团队为“神经轴协同”提供了组织基础。处理器、控制器、网络和安全产品来自不同业务线，客户需要的却是一套能够共同工作的系统。如果缺少统一架构和工程协调，丰富的产品组合反而只会增加集成难度。

03.

协同首先是一道网络题

因此，协同控制就显得尤其重要。

李晓鹤提到，人形机器人收集视觉和传感信号时可能需要约10Gbps带宽，向执行端传递控制信息时可能只需要约1Gbps。由此可见，机器人网络呈现非对称特征。摄像头、雷达等传感器持续产生大量数据，控制指令的数据量较小，却要求更低延迟和更高可靠性。

恩智浦在2025年收购Aviva Links，补充高速SerDes连接能力。该技术目前主要用于汽车，未来也可以进入人形机器人的感知网络。

另一项收购是TTTechAuto。其安全中间件可以协调不同控制域，让任务按照可预测的时间顺序执行。李晓鹤认为，汽车多域控制与机器人多关节协同面对相似问题，该能力可以跨场景复用。

在执行端，恩智浦展示了采用I3C总线的灵巧手方案，用高带宽、低延迟通信支持精细动作。

这些技术说明，机器人神经系统的价值不能只用峰值带宽衡量。关键指令能否准时到达，节点能否保持同步，局部故障是否影响整台机器人，才是“协同”的工程内核。

04.

边缘计算让机器人少等云端

恩智浦还通过收购Kinara获得边缘NPU能力。李晓鹤表示，Kinara可以让设备在边缘侧运行AI模型，并与恩智浦的MCU、MPU、车机和中央处理器结合。

恩智浦资深副总裁胡煜华把这种分工放进了AI定义汽车的语境。她认为，大算力芯片主要处理智能驾驶和智能座舱等显性功能，恩智浦更擅长中央计算、区域控制、智能底盘、电池管理和边缘节点。

同一分工也适用于机器人。中央处理器完成复杂推理，边缘NPU处理本地视觉和语音，MCU执行确定性动作。机器人可以减少对网络连接的依赖，也能避免把全部数据上传至云端。

李晓鹤称，恩智浦新开发的MPU正在加入边缘智能加速能力。公司全球工业客户中采用AI加速的比例，也在一年内由约3%升至10%。

这意味着恩智浦已经把边缘AI视为新产品的基础能力，而非孤立的高端功能。

05.

汽车为机器人提供了技术底座

机器人对于恩智浦并非全新事物，汽车和工业成为其机器人布局的主要技术来源。

2025年恩智浦汽车业务约占公司业务的57%，工业业务约占18%。

胡煜华认为，软件定义汽车完成了电子电气架构重构、软硬件解耦和远程升级。AI定义汽车进一步增加学习、判断和执行能力。

在智能底盘中，传感器识别路面状态，控制器处理数据，执行机构实时调整悬架。电池管理则依靠S32K5等实时控制器，对电池状态进行毫秒级监控，并在潜在故障形成前发出预警。

这些能力都可以迁移到机器人。智能底盘对应机器人的运动协调，电池管理对应能源控制，区域控制和车载网络可用于多关节协同，汽车功能安全经验则能支持机器人故障保护。

恩智浦的CoreRide平台还会预先集成处理器、操作系统、软件和中间件。公司称，部分参考设计已经完成预集成和预验证，部分方案经过预认证。

预验证能力可以降低机器人厂商的工程起点，也能减少后续功能安全、信息安全和系统认证工作。客户无需从零处理底层软硬件适配，可以把更多资源投入动作算法和应用开发。

恩智浦在展会现场展示了基于LeRobot与i.MX95的机械臂。该方案把视觉感知、AI处理和动作控制连成闭环，也成为神经轴架构的直接演示。

06.

机器人绕不开模型安全

李晓鹤预计，2025至2030年，机器人仍以工厂、仓储等局部场景闭环为主；2030至2035年，机器人可能逐渐进入家庭。

家庭环境缺少工厂中的隔离设施和固定流程。机器人会接触老人、儿童与个人数据，一次控制失误或模型篡改，都可能产生直接后果。

李晓鹤在现场提出了一组问题：机器人使用的模型来自哪里，是否遭到篡改，按什么机制决策，设备如何完成模型验真和防盗。

传统网络攻击可能导致数据泄露，针对机器人的攻击还可能改变设备动作。信息安全需要验证模型、软件和指令的来源，功能安全则要保证系统发生故障后进入可控状态。

李晓鹤认为，功能安全与信息安全仍处于家庭机器人前沿研究阶段。只有解决低功耗、实时控制和安全问题，物理AI才可能进入大规模应用。

这也是恩智浦最希望建立的位置。

恩智浦在汽车和工业领域已经积累安全启动、身份认证、实时控制与故障保护技术，这些技术也可迁移至机器人中。

07.

中国团队要把架构变成产品

2026年是恩智浦进入中国第40年。公司于2025年成立中国事业部，在中国拥有超过6000名员工，其中嵌入式系统工程师约1600人。

李晓鹤表示，真正的本地化绝非仅在中国开展单一销售或生产，而是要落地本土产品定义与开发能力。

目前中国团队已经参与机器人、工业自动化、软件定义汽车和电池管理产品的定义与开发。公司还把一支具备16纳米先进汽车工艺开发能力的百余人设计团队划入中国事业部。

中国团队正在开发机器人和工业自动化相关产品。李晓鹤表示，现有团队能够同时推进数款产品，团队规模还在扩大。

此外，恩智浦在中国拥有超过40家设计合作伙伴和30家软件合作伙伴。公司希望通过本地生态完成平台适配、概念验证与应用开发。

恩智浦副总裁袁文博认为，中国团队的作用还包括支持客户出海。除了在中国开发面向全球市场的产品，恩智浦还要帮助中国企业满足海外功能安全、信息安全和区域标准。 

对机器人业务而言，中国拥有完整供应链和丰富应用场景，可以承担产品定义与架构验证。当然真正的检验标准仍是量产：中国定义的机器人和工业自动化产品能否进入客户项目，并获得全球市场采用。