恩智浦半導體總裁暨執行長Rafael Sotomayor於昨(6/3)日在COMPUTEX 2026以「將AI帶入現實世界：實體人工智慧的未來（Bringing AI into the Real World: The Future of Physical Intelligence）」為題發表主題演講，分享實體人工智慧（Physical AI）發展趨勢與產業應用藍圖。他指出，當前AI技術正快速從雲端走向現實世界，深入自動駕駛、智慧工廠、智慧基礎設施與機器人等應用場域，而決定實體AI能否真正落地的關鍵，不在於更強大的運算能力，而是在於如何讓智慧以低延遲、低功耗且高度可靠的方式部署於邊緣設備之中。恩智浦也將憑藉深耕邊緣運算與嵌入式系統的技術優勢，推動AI從數位世界進一步走入真實環境。
Sotomayor以足球巨星梅西為例說明，人類之所以能在高壓環境下展現卓越表現，關鍵並非來自持續思考，而是經過長期訓練形成的反射能力。他進一步引用「莫拉維克悖論」指出，對人類而言簡單的走路、平衡或抓取動作，對機器卻是最困難的挑戰。為解決這項問題，恩智浦從人體神經系統獲得啟發，提出「神經軸架構（Neural Axis Architecture）」，將智慧區分為推理層、協調層與反射層三個層次，透過分散式控制架構讓系統能在最短時間內完成決策與反應，提升安全性與能源效率。
在應用案例方面，恩智浦展示神經軸架構如何運用於無人機、軟體定義汽車（SDV）及人形機器人。以無人機為例，推理層負責路徑規劃，協調層維持飛行穩定，而反射層則直接控制馬達與制動系統，將端到端影像延遲壓縮至20毫秒。於汽車領域，恩智浦則透過S32N與S32K系列平台分別負責中央運算與關鍵控制功能，確保車輛在複雜環境下維持穩定運作。至於人形機器人，則透過分散式節點控制，讓關節、手部與腳部具備自主反應能力，在數十毫秒內完成平衡調整與動作修正。
除了運動控制能力外，Sotomayor認為實體AI未來競爭力將取決於「理解世界」的能力。他指出，機器人不僅需要看見物體，更需要理解重力、慣性與摩擦力等物理規律，因此世界模型（World Model）與視覺－語言－動作模型（VLA）將成為下一波技術發展核心。為協助開發者將大型AI模型部署至邊緣裝置，恩智浦推出eIQ工具套件，透過量化、剪枝與編譯等技術，降低模型對運算資源的需求，加速實體AI在終端設備上的落地應用。
面對產業最重視的安全與可靠性議題，恩智浦也將「信任」視為實體AI普及的必要條件。Sotomayor表示，現實世界沒有重來機會，因此系統必須從設計階段就導入控制、保護與驗證機制，包括硬體安全架構、後量子加密技術、SIL與ASIL認證，以及SafeAssure安全計畫等。根據恩智浦觀察，目前導入實體AI的工廠已較傳統自動化提升約40%生產效率，而醫療診斷與實驗室機器人市場也在2025年出現超過六倍成長。隨著邊緣運算、機器人與AI模型持續成熟，恩智浦認為，未來真正具備競爭力的實體AI系統，必須同時兼具低延遲、低功耗與高度信任三大特質，才能在真實世界中穩定運作並創造產業價值。
