Arm发布技术白皮书，助力构建支撑下一代智能机器人的底层系统

摘要：随着机器人能力和智能水平的不断提升，行业面临的全新挑战在于如何将人工智能（AI）推理、感知、控制、安全与编排等能力整合到统一系统中，使其能够在真实世界中大规模、可靠地运行

在上周举办的Arm Everywhere China 大会上，Arm推出了机器人能力分级框架（Robotics Capability Framework）和面向物理AI 的 Arm 全面设计生态项目（Arm TotalDesign for PhysicalAI），旨在为机器人产业建立统一的能力语言，推动产业协作与规模化创新。与此同时，Arm 发布最新机器人技术白皮书，从系统架构视角解析支撑机器人能力持续演进所需的计算与软件基础，为行业理解机器人能力与底层系统需求之间的关系提供新的参考。

机器人产业正迈向全新的发展阶段。AI 的进步正在不断拓展机器人在物理世界中的感知、推理和交互能力，推动机器人技术从概念验证和演示阶段，走向规模化部署，并在制造、物流、医疗、农业等众多领域的真实场景中落地。根据国际机器人联合会（IFR）的数据，全球工业机器人部署的市场规模已创下167 亿美元的历史新高，随着机器人进入更多行业并承担更加复杂的现实任务，这一增长态势还将进一步加速。

对机器人企业而言，当前面临的挑战，是如何把效果出色的产品演示，落地为可在真实环境中安全、可靠运行，且具备成本效益的商业化产品。而每新增一项AI 能力，都会对算力、软件、能效、成本、安全性以及系统集成提出更高要求。这也引出了一个根本性的系统级挑战：如何让机器具备可靠的智能，使其能够实时感知、移动、适应环境，并安全地执行任务？

Arm 物理 AI 机器人技术研究全球负责人 Federico Pecora 在最新发布的技术白皮书《机器人系统尚缺的科学基础》中，深入探讨了这一问题。该白皮书提出了一种面向下一阶段物理 AI发展的系统级方法，阐明机器人要在真实世界中可靠运行，为何需要将 AI 推理、感知、规划、控制、安全机制和编排能力深度融合到统一的平台之中。

机器人在真实世界运行所需具备的条件

机器人本质上是一套持续运行的自主系统。当其在不断变化的物理环境中移动和作业时，需要将摄像头视觉数据、激光雷达、毫米波雷达、力传感器、电机控制、AI 推理、运动规划、安全监测以及实时反馈等能力协同融合，实现持续感知、决策与动作执行。

这些工作负载的运行周期各不相同，但往往需要同时执行，且各自对计算能力的需求也截然不同。例如，电机控制需要可预测且确定的时序；感知处理和AI 推理则需要高吞吐算力；运动规划需要访问传感器数据并完成环境认知；而安全监测则需要具备更高优先级和隔离防护。

与此同时，各项功能之间还需要高效共享和协同处理数据，避免出现延迟、性能瓶颈或不可预测的系统行为。如何保障多类工作负载无缝协同运行，是现代机器人系统面临的最大工程挑战之一。

随着机器人承担越来越复杂的任务，工程团队需要从系统层面理解每项能力对整体架构带来的影响。例如，更大的模型、信息更完备的世界模型（world model），或更长链路的连续推理机制，可以提升物理AI系统的能力边界，但伴随而来的也会显著提高对存储系统、内存带宽、资源调度和实时运行控制能力的要求。

机器人与物理AI的底层系统基础

无论是工业机器人、自动驾驶汽车、人形机器人还是服务机器人，都需要能够对不同工作负载进行分配、调度、隔离和协调的系统，同时确保实时控制和安全关键功能的行为可预测性。虽然不同类型的机器人对算力有着不同需求，但它们都需要一套能够在真实世界约束下，有效协调智能决策与物理执行的系统。

这使得工作负载的分配成为机器人设计中的核心决策。工程团队需要明确：哪些任务交由CPU 执行、哪些交由加速器处理、哪些应部署在实时域中；同时规划不同功能模块间的数据传输，并界定哪些工作负载需要优先调度、哪些则必须实现隔离运行。

AI 加速器负责执行AI 模型，而CPU 通常承担着整个系统的大量协同调度工作：管理传感器、调度工作负载、在处理器之间传输数据、维护操作系统运行。即便 AI 工作负载愈发复杂，也要确保安全关键软件持续稳定运行。

要满足下一代机器人的开发需求，离不开一个能够在各类工作负载之间兼顾性能、能效、安全性和软件可移植性的计算基础。Arm 致力于降低机器人系统开发的复杂性，加速行业创新，通过持续深化对机器人系统与架构的研究和理解，助力工程团队将前沿构想转化为可落地部署的产品能力。

基于Arm构建机器人产业的未来

机器人产业的下一发展阶段，取决于系统能否将 AI 能力转化为稳定可靠的物理执行能力。机器人不仅需要感知、推理并适应复杂环境，还必须在此过程中保持可预测的控制能力、高效的能耗管理以及安全可靠的运行。

Arm 正通过为机器人生态系统提供面向异构计算、高能效和可扩展系统打造的计算底座，助力推动这一行业愿景成为现实。从高性能应用处理，到低功耗感知、控制以及安全关键任务执行，Arm 赋能工程团队打造能够在真实世界下实现更高智能、更高能效、更高可靠性的机器人。

Federico Pecora 最新发表的技术论文深入探讨了“能力集成”这一新兴研究方向，以及随着物理 AI 从实验室走向实际部署，计算架构师需要思考和解决的重要问题。当下，行业前景十分广阔：机器人产业正从展示亮眼技术效果的原型阶段，迈向稳定、可靠的规模化部署阶段，帮助工程师打造能在真实环境中大规模感知、移动、自适应并安全作业的智能机器。

从机器人技术白皮书阐释支撑机器人能力演进的底层技术逻辑，到机器人能力分级框架推动行业建立统一的能力语言，再到通过面向物理AI 的 Arm 全面设计生态项目汇聚生态创新力量，Arm 正携手产业伙伴共同构建物理AI 发展的关键基础，加速智能机器人从技术创新走向规模化部署。