物理AI：先守時序，再談智能

智能耳機能夠抑制列車駛過的噪音，同時清晰保留對面交談者的人聲；配送機器人穿行于人來人往的人行道，當行人突然闖入行進路線時，在距離對方半米處平穩剎停；無人機檢測到陣風信號后，僅用時三毫秒就完成姿態調整，穩定保持懸停位置。

以上案例均屬于物理AI的成果。但究其本質，這些成果并不單純依靠AI模型實現。

量產產品與讓人眼花繚亂的演示樣機的差距不在于電路板載智能本身的先進程度。關鍵在于一套硬性約束：智能運算的輸出必須次次準時到達物理世界，且全程需控制在固定功耗預算之內。時序是物理AI的核心承載約束——一旦時序指標失守，再高的模型精度也無法彌補缺陷。簡而言之，物理AI首先是時序問題，其次才是人工智能問題。

時延范圍跨越多個數量級

“物理AI”精準概括了一類產品，這類產品面臨共同的工程難題：智能指令必須在不可變通的時限內作用于物理世界。該領域覆蓋的應用場景十分廣泛。無人機避障系統可接受50毫秒的端到端時延；搭載實時語音增強功能的智能耳機的時延目標需控制在10毫秒以內；而同一款耳機內的主動降噪模塊，時延指標則達到微秒級別。物理AI不同應用領域的時延要求差距可達三個數量級。

這種差異至關重要。時序約束不能簡單歸結為單一數值，而是一套設計準則，需要針對不同產品各自的響應時限量身制定。為直觀闡釋該觀點，接下來將以搭載端側語音增強功能的智能眼鏡作為實例展開分析，并從中提煉具備通用性的設計原則。

案例詳解：智能眼鏡中的語音增強

一款搭載機器學習拾音降噪算法的真無線耳機有明確的端到端時延指標：從麥克風采集聲音到輸出增強音頻，時延約10毫秒。該指標由人耳聽覺感知特性與應用底層的低功耗藍牙音頻（BLE LE Audio）幀結構共同決定——一旦時延超出該范圍，佩戴者會感覺對話聲音不自然。

這10毫秒的預算由一連串處理環節分攤，每一個環節都必須以確定性完成運算：

模型的最高時延預算為3～4毫秒。若一個模型平均運行耗時2毫秒，但最壞工況下達到6毫秒，則無法量產落地。問題不在于模型精度不足，而是頻繁超出時延上限，產生能夠被人體感知到的異常。在評估模型精度之前，時序預算已成為模型選型的前置約束條件。

單只藍牙耳機電池容量約60毫安時，目標續航時長為5至8小時。所有端側運算模塊——音頻鏈路、藍牙射頻、傳感器、系統開銷，整體平均功耗須控制在約10毫安。因此，AI模型不僅需要滿足時序預算要求，功耗也必須控制在限定范圍內，還需預留功耗資源供給其他功能模塊。

這正是時序優先產品工程理念在實際項目中的體現：一系列硬性指標形成約束規范，指標依據產品需要適配的物理條件與人體感知特性制定，且必須在模型架構最終敲定之前就已確定。

除了上述案例，目前已有越來越多物理AI產品實現了落地，例如XMOS新一代VocalFusion® XVF3620 AI語音處理器，是嚴格遵循物理AI時序優先準則的典型量產產品。該芯片內置高確定性音頻處理鏈路，不僅集成了AI降噪、快速自適應聲學回聲消除（AEC）、雙麥克風波束成形與自動增益控制（AGC）等功能，而且全程嚴控最壞工況時延、超低時序抖動，完美適配語音交互10ms級嚴苛時延預算。XVF3620不僅可以用于消費電子產品，也可用于機器人、工業控制和大語言模型輸入等多種場景。

案例揭示：時序的三大核心特征

通過上述案例，可以總結出適用于所有物理AI產品的三條通用規律。

關注最壞情況時延，而非平均時延。3～4毫秒的推理預算指的是最壞工況指標。如果一款加速器平均推理僅1.5毫秒，但尾部時延高達8毫秒，即便基準測試數據非常優異，依然無法滿足預算要求。硬實時系統的核心特征是每次運行都達標，而非僅半數工況達標。無論設計者是否意識到，物理AI產品本質上都屬于硬實時系統。

時序抖動至關重要，時延并非唯一指標。閉環處理流程——BLE編解碼幀、主動降噪鏈路、無人機控制環路等，都要求相鄰采樣點之間的時序具備可預測性。一套平均時延僅有5毫秒，但時序抖動達到3毫秒的數據鏈路，其實際性能反而弱于平均時延7毫秒、時序抖動控制在亞微秒級別的方案。通用處理器中用來提升平均吞吐率的架構機制，例如緩存、分支預測、亂序執行，都會損害最壞工況下的可預測性，而這恰恰是物理AI最為看重的特性。

多模態之間的時序一致性。藍牙耳機配備兩枚麥克風，可穿戴設備可能還搭載了慣性測量單元（IMU），機器人則搭載視覺傳感器。各路數據流必須實現采樣精度級別的時序對齊，這樣多傳感器融合算法才能基于一致的環境信息運行。時序錯位的輸入數據，并不會只帶來輕微錯誤輸出效果，系統將會基于錯誤信息，生成看似合理、可信度很高的錯誤結論。

更大的挑戰：子系統之間的時序協同

倘若時序問題僅局限于“模型運算耗時多久”，對應的工程實現難度相對而言還尚且可控。然而更為棘手、也最常被低估的現實挑戰是跨系統邊界的時序協同。

在智能眼鏡中，音頻處理鏈路并非唯一運行的任務。BLE射頻協議棧必需以固定周期處理鏈路層事件。倘若這些任務與推理運算共用同一顆處理器，并以搶占式中斷形式處理，將會給音頻處理鏈路引入時序抖動。電容觸控、電池監測、熱管理功能，各自都需要滿足其對應的時序指標要求。

真正的硬性約束很少來源于推理耗時本身，而在于如何協調推理任務與系統內其他并發任務之間的時序關系。通用架構依靠優先級策略和盡力調度機制實現任務管理，這意味著系統的最壞工況表現取決于任意時刻其他任務的運行狀態。而面向確定性執行設計的架構，通過為各子系統配置獨立內核、硬件級隔離及可預測的輸入輸出（I/O），就需要從硬件設計開始對跨子系統干擾進行約束，而非單純依靠軟件調度規則。

這正是物理AI與云端AI最顯著的分水嶺。云端不存在類似無線協議棧在不合時宜的時刻搶占推理任務資源的情況。挑戰不在于實現更快的推理速度，而是打造具備隔離能力的推理單元，無論系統的其他任務如何運行，推理都能以確定的時序穩定運行。

作為物理AI的落地產品，XVF3620依托XMOS確定性并行實時架構，從硬件層面實現子系統時序隔離與任務獨立調度。不同于傳統芯片依賴軟件優先級調度、無法規避突發中斷搶占的缺陷，XVF3620通過硬件級資源隔離、固定時序I/O與可預測任務執行機制，讓語音AI推理、音頻編解碼、回聲處理等高實時任務，與系統監測、觸控、射頻等并發任務互不干擾。在車流噪音、雷雨環境、空調設備噪音以及嘈雜的酒店商超等復雜真實場景中，既保障多模態音頻數據高精度時序對齊，又兼顧低功耗穩定運行，真正實現了物理AI「先守時序、再談智能」的量產落地標準。

關鍵衡量指標：加載負載時每焦耳能耗對應的可持續運算能力

各類宣傳材料中的性能指標——每秒萬億次運算（TOPS）、每秒浮點運算次數（FLOPS）、峰值吞吐率，描述的僅是處理器在理想工況下短時爆發所能達到的峰值性能。對于電池供電的物理AI設備而言，這類指標雖然很重要，但并不充分，因為真實產品不會在空閑工況下運行，而是在真實干擾、持續加載負載和散熱約束條件下運行。

能夠真正預判產品實際表現的衡量指標是在真實環境中受到最多干擾的工況下，每焦耳能量對應的可持續運算能力。一款處理器峰值能效可達4 TOPS/W，但在持續推理、射頻模塊開啟與外設頻繁調度的工況下，能效可驟降至1.2 TOPS/W；在產品實際工作場景中，其有效能效僅為標稱指標的30%左右。與之對比，一款處理器峰值能效為1.5 TOPS/W，并在同等并發工況下仍可維持1.4 TOPS/W，其性能表現更貼近真實應用場景。

對于智能眼鏡而言，該指標直接決定電池續航水平。兩款產品即便采用性能相近的AI模型、標稱芯片資源預算相當，最終的實際續航表現依然可能存在顯著差距，而造成差異的關鍵變量，幾乎總是取決于加載真實負載后的持續能效與峰值能效的吻合程度。在這類產品中，電池續航時間長短本質上是時序特性衍生的結果：每一微秒的低效運算或計算中斷，最終都會轉化為毫安時的電量損耗。

該衡量指標目前尚未成為行業通用公開參數，但理應普及。負責電池供電型物理AI產品的芯片選型團隊在做決策時，相比一輪一輪的TOPS或GOPS算力對比，更需要參考這一指標。

從固定順序到決策準則

時序預算、執行架構與模型選型，三者并非需要嚴格按順序來依次做出決策。在實際開發中，三者從項目初期就相互制約。沒有團隊在制定時序預算時完全不考慮現有模型，也不存在團隊在選擇模型時全然無視其承載硬件。客觀來講，這套設計方法論屬于優先級決策準則，而非線性執行流程。

核心權衡準則為：當時序與模型選型需求產生沖突時，時序優先。模型必須適配預算；硬件架構必須確保滿足預算；而預算本身源自產品需要滿足的物理條件與人機交互感知特性，這些硬件約束不存在協商妥協的空間。

對于嵌入式工程師而言，這套邏輯并不新鮮，他們對此早已了然于心。這套邏輯的價值在于提供一套清晰完整的理論依據，幫助工程師在企業內部與其他部門爭取話語權——例如，產品路線圖錨定模型榜單，機器學習團隊的考核指標側重精度指標而非時延特性——這類導向最終決定了打造什么產品。

開篇問題

決定一款物理AI產品成敗最核心的、在任何模型定型之前就需要提出的問題：時序預算如何設定？包含最壞工況下的時序、抖動、單次推理的功耗、子系統間的相互干擾等指標；以及采用何種執行架構能夠保障指標落地。一旦為上述基礎問題找到答案，模型選型工作才有合理依據和實際意義。

物理AI是近十年中影響最為深遠的前沿工程領域之一。能夠引領行業發展的產品必然建立在一個清晰認知之上：部署于物理世界的智能，首要前提是每次都能準時輸出結果，且始終維持在有限的預算之內。時序規則是實現物理AI的根基，人工智能算法需建立在此基礎之上。

探秘GenSoC™：開啟硬件可編程性的全新未來

XMOS正在定義一個全新的芯片品類——生成式系統級芯片（Generative System-on-Chip，GenSoC）。借助GenSoC，開發者能夠通過使用自然語言去描述系統行為，同時保障時序精度與實時運行性能。