Physical AI（實體 AI）可能成為下一個大型運算市場。Arm 實體 AI 執行副總裁（EVP, Physical AI）Drew Henry 在 Arm Everywhere China 會前媒體簡報會表示，Arm 估計目前實體 AI 的年度運算市場規模約 250 億美元，到了 2030 年代可能超過 2,000 億美元，甚至成為運算史上最大的市場之一。
但這塊市場要真正釋放，得先處理實體世界帶來的限制。Henry 特別點出兩項關鍵考量：延遲與重量。延遲是從感測器看見外界，到系統真正採取動作需要多久，例如汽車偵測到高速公路前方障礙物後，煞車必須在極短時間內作動；重量則直接影響移動設備，他形容，在實體 AI 領域「每一克都至關重要」，無人機的運算系統越重，就越會壓縮酬載，也會牽動冷卻與整體設計。
2,000 億美元商機，先得把複雜系統接起來
當機器人能力越複雜，感測、AI 推論、控制與安全等環節也得一起運作，背後卻往往來自不同供應商。Henry 坦言，沒有任何一家單一公司能夠憑藉一己之力扛起所有事情。
Arm 因此把 Total Design 延伸到實體 AI，推出「Arm 實體 AI 全面設計（Arm Total Design for Physical AI）」，目前已有超過 80 家合作夥伴，包括雲端業者 AWS、AI 模型與平台 Hugging Face、晶片業者 NXP、作業系統供應商 QNX、工業自動化大廠 Siemens，以及機器人業者宇樹科技（Unitree Robotics）等。
這套做法希望讓模型、軟體、感測器與運算硬體更早共同開發、驗證，降低從概念驗證走向實際部署時的整合成本。對 Arm 而言，這也有既有基礎，Henry 表示，過去約 12 個月，Arm 已透過生態系向實體 AI 領域出貨約 20 億個元件，從微控制器、感測器一路到機器人大腦與自駕運算平台。
各家都在談智慧與自主，能力卻很難直接比較
系統接得起來之外，另一個問題是，不同廠商要怎麼描述機器人的能力？《Fierce Sensors》指出，各家公司描述機器人能力時，使用的概念散落在不同層次，例如 NVIDIA 談 Physical AI、Sanctuary AI 談通用操作能力（generalized manipulation）、Agility Robotics 談物流自主（logistics autonomy），Figure 則談具身智慧（embodied intelligence）。
這些概念各有不同重點，卻缺少像自駕車 SAE Level 2、Level 4 一樣，可以進一步比較自主程度的共同尺度。IDC 分析師 Phil Solis 也指出，術語、定義與期待不一致，經常讓產業參與者各說各話。
Arm 初步把能力分成 RL0 到 RL5 六級：RL0 只能對外界刺激做固定反應；RL1 能按照預先設定的計畫執行任務；RL2 可根據回饋調整執行方式；RL3 能依情境與意圖調整，選擇適當行動；RL4 可以同時考量多個目標，規劃並協調不同動作；RL5 則能隨時間改變自身行為，產生並持續改善策略。
更值得注意的是，Arm 還希望把這些能力往下連結到延遲、運算配置、記憶體、功耗、確定性與安全等系統需求。這代表這套分級若真的被採用，價值不只在比較哪台機器人更聰明。對 OEM、晶片、感測器與軟體供應商而言，它可能進一步把「我要更自主的機器人」這種模糊需求，轉成可以討論的系統條件，讓不同環節更容易判斷需要什麼樣的運算與軟硬體。
目前 RL0 到 RL5 仍是初步提案，過去 NIST、ISO、BCG 與學界也曾提出不同機器人分類方法，因此真正的考驗將是 Arm 能否讓這套框架跨越不同機器人、晶片與軟體業者，被更廣泛採用。
Arm 一邊透過 Total Design 處理跨供應商的系統整合，一邊試圖用能力分級建立共同語言，可以看出若 Physical AI 真如 Arm 預期，在 2030 年代形成每年超過 2,000 億美元的運算市場，Arm 想爭取的位置也不只是提供處理器 IP，而是更早進入機器人系統需求如何被定義、不同軟硬體如何被組合的環節。
從實驗室到產線，機器人正重新定義產業的樣貌。如果你也想站在第一線追蹤這場變革、寫出有觀點與洞察力的報導，《TechOrange 科技報橘》正在徵內容編輯！
👉了解職缺內容
【推薦閱讀】
◆ 物理 AI 最大商機或許不在人形機器人，而是替既有設備裝上大腦
＊參考資料：《Fierce Sensors》、Arm 1、Arm 2，首圖來源：擷取自 Arm
