恩智浦的物理AI棋局：神经轴、本地化与下一个40年

当AI浪潮从数据中心的集中式算力，逐步下沉至千行百业的边缘终端，产业的核心命题正在悄然切换：不只是算力够不够强，还在于智能够不够稳。
 
在2026年慕尼黑上海电子展上，恩智浦半导体以“开创可信智能边缘系统”为主题，全景展示了智能出行、工业与机器人、智能生活三大场景的系统级解决方案。


 展会同期，恩智浦举办“智承卌载，共启新程”媒体沟通会，恰逢入华四十周年的关键节点，恩智浦半导体执行副总裁兼中国事业部总经理李晓鹤、恩智浦资深副总裁胡煜华、恩智浦副总裁袁文博等高管团队出席，不仅系统拆解了物理AI的落地逻辑，更完整披露了“在中国，为中国；在中国，为全球”双战略的落地路径与产品路线图。
 
物理AI时代，比算力更重要的是“确定性” 

在沟通会上，李晓鹤开宗明义地提出了行业的分水岭：“如果说云端AI改变的是人类思考与生产的方式，比拼的是谁更聪明；那么走向物理世界的AI，改变的是人与真实世界的交互方式，它的核心标尺是谁更靠谱。”
 
恩智浦半导体执行副总裁兼中国事业部总经理李晓鹤
 
在恩智浦的判断里，AI的演进正在经历：从云端的集中式大模型训练与推理，到边缘侧的分布式本地推理，最终走向嵌入物理实体的“物理AI”。当智能从服务器机房进入汽车、机器人、工厂设备乃至日常家电，三个不可妥协的硬性约束开始凸显：超低延时的实时响应、极致的能效表现、全链路的功能安全与信息安全。
 

 这一判断恰恰回应了经典的“莫拉维克悖论”——人类觉得轻而易举的肢体动作、环境交互，对机器而言远比逻辑推理更难。
 
李晓鹤在分享中指出，行业当前普遍的解法是堆砌算力，但自然演化给出了更优的答案：“5亿年的生物进化证明，分布式、分层化的神经系统，才是应对复杂物理环境的最高效方案。人类的大脑、小脑、脊髓各司其职，分别负责决策规划、运动协同、条件反射，这种分层协同的‘神经轴’机制，正是物理AI系统的架构蓝本。”
 
基于这一理念，恩智浦提出了神经轴（Neural Axis）架构：将智能系统划分为“大脑-小脑-脊髓”三层，高层负责感知融合、决策规划等复杂概率性任务，中层承担实时运动控制与多部件协同，底层节点执行毫秒级的安全响应与基础控制，各层级通过高可靠、低延时的网络连接，在保证系统智能性的同时，兼顾确定性、能效比与故障冗余。
 

“这不是单一芯片的升级，而是系统级的架构重构。”李晓鹤强调，恩智浦75年的技术积淀恰好支撑了这一路线——从飞利浦传承的高性能模拟、射频与安全技术，从摩托罗拉积累的汽车MCU、处理器与功能安全能力，再到近年收购Kinara（边缘NPU）、Aviva Links（车载SerDes）、TTTech Auto（安全中间件）补齐的短板，使得恩智浦能够从处理器、连接、传感、功率到软件工具链，实现全栈能力的协同优化。“我们比拼的不是单芯片的TOPS算力，而是系统级的每瓦能效、端到端延时与安全可靠性。”
 

 
三大场景落地：神经轴架构的具象化实践 

本届慕尼黑展上，恩智浦将神经轴架构的理念全面落地到展台演示中，覆盖智能出行、工业与机器人、智能生活等核心赛道，完整呈现了物理AI从架构到应用的全貌。
 
- 智能出行：AI定义汽车的“隐性主场” 

汽车是物理AI最成熟的落地场景，也是恩智浦的核心优势赛道。针对行业热议的“从软件定义汽车到AI定义汽车”的演进，恩智浦给出了差异化的理解。
 
“很多人谈到车载AI，第一反应是智驾、座舱的大算力芯片，但这只是显性的AI功能。”恩智浦资深副总裁胡煜华在采访中表示，“AI定义汽车更深层的变革，发生在底盘控制、动力管理、车身控制这些隐性领域——它让车辆拥有学习、决策与自适应能力，而这恰恰是恩智浦的主场。”
 

恩智浦资深副总裁胡煜华
 
展台上，S32K5高性能汽车MCU成为区域控制架构的核心载体。作为面向软件定义汽车打造的平台，S32K5集成边缘AI算力与MRAM高性能存储，配合恩智浦CoreRide系统级解决方案，可实现跨ECU的整车级KPI协同优化，支撑智能底盘、车身域控制等场景的毫秒级AI决策。胡煜华举例道：“智能底盘通过传感器实时感知路面状况，AI动态调节悬挂参数，保证行驶平稳性；BMS通过端侧AI实时监测电芯状态，故障预警与能效优化的效率远超云端方案。甚至产线端的车窗防夹数据校准，用AI可将12个月的工作量压缩至3个月。”
 
除了核心控制器，恩智浦在本次慕展上还呈现了多维度的车载AI落地成果：
 
理想L9 Livis量产车型现场展示UWB无感进入方案，该方案由恩智浦联合理想汽车、德赛西威共创，用UWB技术替代传统超声波雷达，同时实现自动泊车、数字钥匙、儿童遗留监测、脚踢感应等多重功能，成为车企差异化创新的典型案例； 

全新发布的内置电化学阻抗谱（EIS）功能的GenZ BMS芯片组，采用基于硬件的纳秒级同步技术，可实现媲美实验室设备的阻抗测量精度，支持电芯健康状态（SoH）精准估算、内短路检测与快充热管理，且与现有BMS设计引脚兼容，客户可无缝升级； 

S32N79与Ara240雷达芯片组合，构建智能汽车的“中央大脑+边缘感知”体系，将AI感知与决策下沉至雷达端，以更低成本推动ADAS功能普及。 

- 工业与机器人：分布式智能破解落地难题 

机器人是神经轴架构最典型的应用载体，也是本届展会恩智浦的重点展示方向。在恩智浦看来，人形机器人、工业机械臂、AGV等形态虽有不同，但底层的电子电气架构、能源管理与智能分层逻辑完全相通，这也是汽车与工业赛道能力可以复用的核心原因。
 
展台现场，基于LeRobot框架与i.MX 95应用处理器的机械臂演示了“感知-决策-执行”的完整闭环；搭载I3C总线的灵巧手方案，凭借高带宽、低延迟的通信能力，实现了高精度的精细动作控制；多模态大模型驱动的视频检索方案，则让工业设备能够看懂视频内容，支持语义化查询与异常识别。
 
“机器人绝不是靠一块大算力芯片就能做好的。”李晓鹤在采访中解释道，“大脑负责视觉与环境理解，小脑负责多关节的运动协同，脊髓负责末端的实时安全控制——分层架构既能保证反应速度，也能在局部失效时维持系统基本运行，这是集中式算力无法实现的。”
 

他同时透露，恩智浦近年完成的三笔收购，正在快速向机器人场景复用：Kinara的边缘NPU可与MCU/MPU深度结合，支撑端侧大模型轻量化部署；Aviva Links的非对称高速SerDes技术，适配机器人“感知高带宽、控制低带宽”的传输特性；TTTech Auto的安全中间件，则可解决多域协同的确定性同步问题，而这项能力原本专为汽车多域融合打造。
 
工业领域的边缘AI渗透也在加速。李晓鹤给出了一组数据：“一年前，我们的全球工业客户中只有约3%使用了AI加速功能，今年这个数字已经涨到了10%。边缘AI正在从可选配置变成必选项，我们的eIQ开发工具链、全层级的硬件平台，就是为了降低客户的落地门槛。”
 
- 智能生活：边缘AI的普惠价值 

在智能生活展区，恩智浦展示了边缘AI在医疗健康、智能家居等场景的落地：基于i.MX 95的AI医疗人机界面、持续血糖监测贴片、单芯片助听器方案，以及集成UWB/BLE/NFC多协议的免手操作安全门禁，体现了低功耗、高安全、本地实时处理的边缘智能价值——无需上传云端，即可在端侧完成感知与决策，兼顾体验与隐私安全。
 
入华40周年：双战略下的端到端本地化闭环 

2026年是恩智浦入华四十周年。
 
站在新起点，李晓鹤反复强调，恩智浦的本地化绝非简单的产能转移或销售下沉，而是从产品定义、研发设计、晶圆制造到封装测试的全链路本地化闭环，最终实现“中国定义、中国研发、全球适配”。
 

据介绍，恩智浦目前在华拥有约1600名嵌入式系统工程师，规模居外资半导体企业前列，累计开发超过200款产品；布局6个大型研发中心与1座世界级封测工厂，在全国14个城市设有办事处，员工总数超6000名，服务客户及合作伙伴超6000家。2025年中国事业部成立后，恩智浦更是将具备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，专门支持本土客户的联合产品定义。
 

沟通会上，恩智浦首次披露了本地化产品的清晰路线图：
 
· 与本土晶圆厂联合设计开发的下一代端节点MCU，预计2028年量产；
· 高性能汽车处理器S32G2已于2026年实现本土量产，网络产品预计2027年量产；
· 电气化领域的电池管理系统产品处于设计阶段，预计2028年量产。 
· 后续还将有更多产品以“本地生产”或“本地设计+生产”的模式落地
 

在晶圆制造环节，恩智浦已与台积电南京、上海芯联集成、中芯国际在模拟与数字产品领域展开合作，所有本土量产产品均围绕中国客户需求进行定制化设计，而非海外产品的简单转产。
 
“‘在中国，为中国’是基本功，我们更高的目标是‘在中国，为全球’。”李晓鹤表示，“中国客户的创新速度、场景迭代速度全球领先，我们把在中国联合定义、打磨成熟的产品与方案推向全球，用中国速度驱动全球创新。”
 
支撑这一目标的还有完整的生态体系。据胡煜华介绍，恩智浦在华已拥有超40家设计合作伙伴、超30家软件合作伙伴，一方面与头部客户深度共创，打造差异化标杆方案（如理想汽车UWB项目）；另一方面针对工业、物联网等长尾分散市场，推出大量可直接落地的参考设计，帮助中小企业快速推向市场。
 

恩智浦副总裁袁文博补充道，除了产品本身，恩智浦还依托全球合规能力，助力中国出海客户应对海外功能安全、信息安全与区域标准认证，成为中国企业全球化的技术伙伴。
 
恩智浦副总裁袁文博
 
行业展望：物理AI的长期主义 

对于行业普遍关注的产业节奏、技术路线与供应链问题，恩智浦也在采访中给出了明确判断。
 
谈及物理AI的普及节奏，李晓鹤认为当前仍处于早期阶段：“2025到2030年，更多是单一小场景的局部闭环，比如特定工业场景、限定环境的机器人应用；预计2030到2035年，物理AI才会广泛进入家庭。而最大的瓶颈不是算力，是安全——当机器人走进家庭，功能安全、信息安全、模型可解释性等，都是必须迈过的坎。”
 
针对汽车、工业、机器人等多赛道的资源分配，恩智浦的思路是“淡化赛道边界，强化共通能力”。李晓鹤表示，公司内部的汽车与工业系统工程团队，正在协同打造物理AI的底层通用能力，让不同场景共享分层架构、实时控制、安全体系等核心技术，实现能力的规模化复用。
 
而在边缘AI的技术路线上，“MCU+AI”将是必然趋势。李晓鹤确认，恩智浦所有新开发的MPU产品都已集成边侧智能加速单元，未来MCU也将持续深化AI算力融合；同时，收购整合与内生研发将双轨并进，持续补齐系统级能力短板。
 
结语 

站在入华四十年的节点回望，从飞利浦半导体的上海办事处，到如今覆盖全产业链的本土化体系，恩智浦的成长始终与中国半导体产业同频。
 

而面向物理AI的下一个时代，系统级架构能力与深度本地化的双重加持，正在让这家老牌半导体厂商走出一条差异化的路径——不追逐云端算力的军备竞赛，而是扎根物理世界的真实需求，用可靠、高效、安全的边缘智能，让AI真正落地到千行百业的实体之中。