芝能科技出品
今年投資者日，高通把公司未來畫成三條線：
◎ 第一條是數據中心：用Dragonfly C1000和HBC沖進服務器市場；
◎ 第二條是平臺化：從賣硅片到賣完整的硬件軟件AI開發者解決方案；
◎ 第三條，叫"智能體和物理AI計算"。
CPU去打英特爾AMD，HBC去打HBM，收Modular補軟件短板，都是清晰的技術路徑。
第三條乍一聽有點抽象：物理AI到底是什么？高通高級副總裁Nitin Duggal，高通在汽車上驗證了十年的商業模式，正在被移植到工業IoT和機器人兩個新戰場。
高通怎么做機器人，
物理 AI 是核心底層邏輯
高通對物理AI的定義是能感知、能思考、能行動，在本地實時完成，不需要把所有數據傳回云端等結果。
◎ 第一層，高通叫"儀表化AI"。理解物理世界的狀態。工業PLC、智能電表、IP攝像頭都屬于這一層。做的事是測量、計算、激活/關閉，然后收集數據上報。不需要和人互動，但需要持續不間斷地感知環境。
◎ 第二層，"人機交互AI"。理解人在說什么、要什么，然后在數字世界里行動。商場里的交互屏、警察身上的執法記錄儀、餐廳的點餐機器人，都是這個層次的設備。它們的核心能力是聽懂指令、收集數據、給出反饋。
◎ 第三層，"具身AI"。直接作用于物理世界。自動駕駛汽車、雙足人形機器人、四足機器人、機械臂。這一層的設備不僅需要前兩層的感知和交互能力，還需要實時運動規劃、精細操控、多智能體協同。
這三層的AI經濟價值總量從2025年的3000億美元爬到2035年的1萬億美元。其中增量最大的部分，恰好是具身AI，汽車、機器人、無人機開始大規模進入物理作業場景。
高通在汽車上證明從零進入一個完全陌生的硬件市場，靠計算平臺而不是靠單一芯片的性價比，十年內做到全球頭部的車載芯片供應商。
90萬輛以上的智能座艙用了五代驍龍計算平臺，450款新車搭載驍龍，25家以上OEM在量產車上用驍龍Ride智駕方案跑在60個國家，23個連續季度同比兩位數增長，650億美元設計訂單儲備。
高通找到了一套可以復制的打法"：先進入一個硬件形態相對確定的市場，然后用自己的計算基因（低功耗、高性能SoC、多模態感知、全棧軟件）把產品從單顆芯片升維成平臺方案，最后在這個市場里建立品牌、渠道和客戶信任。
汽車打過了。現在這套打法正在被平移到工業IoT和機器人兩個新市場。
一臺機器人是三個系統
高通發布了機器人計算架構里最有意思的一個概念：機器人不是一臺電腦，是三臺。
機器人和手機、電腦不同。手機只有一個工作流：屏幕亮了以后跑APP。
機器人的工作流是三條同時跑的并行線，要想（推理和規劃）、要動（運動控制和軌跡跟蹤）、要感知（實時的傳感器數據處理和環境交互）。
一個人形機器人在產線上擰螺絲。
◎ 它的"大腦"需要知道今天是擰哪種型號的螺絲、擰幾圈、扭矩多大（這是推理，System 2）；
◎ 它的"小腦"需要把"擰螺絲"三個字翻譯成每個關節轉多少度、按什么順序發力（這是運動規劃，System 1）；
◎ 它的"神經"需要在毫秒級別把每個伺服電機的電流波形控制到位、同時監測觸覺傳感器反饋回來的力度數據、一旦感覺擰不動立即剎車（這是實時控制，System 0）。
三條線不能串行。不能等大腦想完小腦再動。必須同時跑，而且互相之間不能干擾。
高通的方案是把SoC架構設計成三個獨立又協作的計算域：
◎ System 2，推理層。
18核CPU（含實時處理器），700 TOPS多NPU，64GB內存，超過270GB/s帶寬。用來跑VLA（視覺語言動作）大模型、長時間規劃和智能體編排。這一層和手機的旗艦SoC基因最接近。
◎ System 1，行動層。
實時控制感知。把System 2的高層決策轉化成具體的關節運動指令。這一層的技術門檻來自汽車的ADAS——高通在自動駕駛的實時路徑規劃和車輛控制上已經跑了多年。
◎ System 0，執行層。
觸摸傳感、馬達控制、確定性以太網通信。這是最底層的高速實時閉環，高通專門做了一個多傳感器ASIC來處理觸覺反饋陣列的數據采集。
而且System 0走的是確定性以太網——不是普通工業以太網，是納秒級同步的確定性網絡，保證每個關節控制器的時鐘對齊。
三個系統在物理上是分開的計算域，在邏輯上通過高速互聯和確定性網絡串成一個完整的機器人"大腦-小腦-神經"回路。
這個架構從手機和汽車芯片的設計經驗里長出來，但最終解決的是一個手機和汽車都不需要解決的問題：如何在有限的功耗和散熱預算里，同時跑通推理、規劃、控制和感知四條線。
Dragonwing IQ10：高通的第一張機器人名片
高通發布了機器人參考設計Dragonwing IQ10。
核心參數：700 TOPS AI算力、18核CPU、64GB內存、超過270GB/s內存帶寬（專門為大型VLA模型優化）、支持40多個傳感器同時接入（攝像頭、激光雷達、深度感知、熱成像）、工業級可靠性和安全等級（ECC內存、鎖步CPU、安全島、SIL3認證）。IQ10已經在多種機器人形態上跑起來了。
PPT里展示了紐約大學和Neura Robotics的七自由度MAiRA認知機械臂、53自由度的4NE-1第三代雙足人形機器人。
高通明確說了IQ10在Neura的設計路線上。機器人不像手機和PC，沒有一個標準化的硬件規格。
高通的選擇不是只賣芯片，是提供"參考設計"——把SoC、傳感器接口、運動控制、確定性網絡全部打包成一個可以即刻上手的平臺。機器人公司在這個平臺上跑自己的算法和上層應用。
這個打法和手機時代的高通一模一樣。手機廠不需要從零設計基帶和射頻，買驍龍參考設計就能搭起一部手機。高通把同樣的套路移植到機器人：參考設計→OEM定制→量產。
物理AI最難的地方不是芯片，是數據。和云端大模型不一樣，大語言模型訓練數據在互聯網上到處都是，爬就行。機器人數據沒有現成的。機器人在物理世界里的每一個動作、每一次抓取、每一次避障，都需要真實世界的交互數據作為訓練素材。
高通搭了一座數據金字塔，從底層到頂層：
◎ 最底層是公開數據源：YouTube上的視頻、第一視角活動數據集、開源機器人操作數據。
◎ 第二層是合成數據：用仿真器（物理引擎、渲染引擎、傳感器硬件在環）自動生成各種機器人操作場景。
◎ 第三層是高通的生態數據：全球開發者社區和合作伙伴的觸覺傳感器采集數據。
◎ 到了塔尖，才是真實部署場景里的數據：機器人在產線上實際運行中采集的觸覺和運動數據。
高通在工具鏈上也做了配套。
◎ 收購Edge Impulse（ML Ops平臺）解決了模型從訓練到部署的端到端流水線。
◎ 集成ROS（機器人操作系統）解決了算法開發者的工具鏈問題。
◎ 和Arduino合作，200多美元的開發板就能跑IQ平臺的入門體驗——33萬用戶、118萬次下載的Arduino社區是高通拉攏開發者生態的捷徑。
還有一個信號很關鍵。高通發布了一款叫"Arduino Ventuno Q"的開發板，今年夏天就能在Amazon和經銷商渠道買到。
上面跑的是Dragonwing芯片，任何人都可以拿它來搭自己的機器人原型。這個動作意味著高通不是在跟幾家公司做定制項目，是在養一個開放生態。
高通在Physical AI三個行業，汽車、工業IoT、機器人，從驍龍/龍翼（Dragonwing）的核心計算IP出發。同一個物理AI平臺。
◎ 汽車線：已經跑通的商業模式。
從智能座艙到ADAS到Robotaxi，從SoC到AI加速器到HBC，軟件棧兼容多代際多級別。安蒙在投資者日上說了一個有意思的判斷："汽車不是高通的一個新實驗，是一個跑通了十年、每一個季度都在加速的成長故事。"
◎ 工業IoT線：正在跑。
IT-OT融合、AI嵌入工廠運作平面、視覺檢測套件和工人助手方案。靠的是渠道生態伙伴——45家系統集成商、200多家硬件技術方案商、35家分銷商。高通自己在PPT里說了，2024到2026年間超過77%的IoT收入是通過中間渠道出去的。
◎ 機器人線：剛起步，但架構已經拉滿了。
從移動機器人到機械臂到人形機器人，從700 TOPS的IQ10到后續的IQ9和IQ8（覆蓋不同算力級別和成本段），從參考設計到開發者社區到數據飛輪。
