|
AMD：做了 20 年的機器人「身體」，正式加入「大腦」競爭
2026 年，實體 AI 成為運算產業最明確的發展方向之一。年初在 CES 上，AMD 董事會主席暨執行長蘇姿丰（ Lisa Su ）博士就给出一个判断：實體 AI 是技術領域最艱鉅的挑戰之一——要實現這種智慧，需要全端方法。這句話值得反覆思考，尤其是「全端」，正是 AMD 近年在許多場合反覆強調的關鍵字。
市場規模的預期也持續攀升。AMD 預估，實體 AI 晶片市場將從 2025 年起持續快速成長，到 2035 年達到約 2,000 億美元，涵蓋機器人、工業、醫療、汽車、智慧城市等應用場域。
在甫落幕的 AMD 年度大會 Advancing AI 2026 上，AMD 發表一整套實體 AI 產品：針對機器人的 Ryzen AI 嵌入式 X100 系列處理器、Kria AI 機器人開發者平台與機器人軟體套件。同時，AMD 也宣布推出機器人合作夥伴網路，該網路匯集 ODM 廠商、AI 模型供應商、中介軟體、感測器、機器人技術及系統整合等領域的眾多合作夥伴。
至此，AMD 在實體 AI 領域的策略已相當清晰：一家憑藉 FPGA 在機器人「身體」領域深耕二十多年的公司，正式開始打造機器人的「大腦」。
01 - 20 年「身體」累積，
AMD 向「大腦」市場邁進
「實體 AI」多年前就已存在，只是當時的稱呼不同。不過，它的基本架構始終未變：感知（ sense ）、理解（ perceive ）與行動（ act ）。
對 AMD 而言，感知一直是 FPGA 的主場。FPGA 擁有可程式化 I/O，本質上是一顆可重新編程以扮演各種角色的客製化晶片，天生適合感測器融合、資料彙整與影像整合；FPGA 帶來的另一項優勢是確定性，例如確定性網路與可預測延遲，這些對機器人都至關重要；行動環節也是如此：驅動馬達、轉動伺服馬達、控制閥門開關……都是 FPGA 的核心強項。
此外，機器在實體世界與人互動時，功能安全至關重要。這也是 AMD 長期累積的優勢——來自汽車與工業領域的功能安全能力，已在手術機器人、工業產線等應用場域通過量產驗證，如今更延伸至人形機器人時代。
對人形機器人而言，「感知、理解、行動」這套能力對應的是身體的感測器、關節與脊柱。在傳統自動化時代，機器人的智慧程度有限，最重要的是即時性與可靠性，FPGA 與自適應 SoC 足以支撐這個市場的需求。
但實體 AI 改變了機器人產業的價值分布。當機器人從「依程式動作」走向「感知、推論、決策」，大腦——也就是 AI 推論與代理式 AI 決策，成為機器人整機價值最高、迭代最快的部分。理解周遭環境、追蹤移動物體、解析場景、規劃路徑與安全執行，這些都需要大腦具備相當的運算能力。而這個市場，AMD 過去一直缺席。
AMD 嵌入式事業產品、軟體與解決方案公司副總裁 Kirk Saban，提出了一個頗具啟發性的觀點：「代理式 AI 的終極型態，就是人形機器人。」 換言之，當整個產業都在談代理式 AI 時，機器人才是最適合的實體載體，而 AMD 要做的，就是將能力從機器人身體延伸至機器人大腦。
因此，這次大會發表的 AMD Ryzen AI 嵌入式 X100 系列處理器與 AMD Kria AI 解決方案，並非對新品類的試探，而是隨著價值鏈向上延伸的必然布局。
02 - 機器人大腦晶片
為什麼和資料中心不一樣？
打造機器人的大腦，是否只要把資料中心的運算能力縮小即可？答案是否定的。
Kirk Saban 表示，機器人大腦需要進行路徑規劃與感知，不能只看峰值 TOPS，最根本的是確定性，可預測的時序是絕對必要的。
這並非單方面的觀點，來自開發者社群與使用者的回饋也高度一致。例如 2026 年 2 月，AMD 贊助一項針對全球 177 名機器人開發者的調查，排名前三的需求依序為：第一，確定性高於峰值運算能力；第二，開放式架構，避免供應商綁定；第三，一個平台適用所有機器人，並在功耗、散熱與即時性限制下提供可用效能。
AMD Ryzen AI 嵌入式 X100 系列處理器正是針對這些需求打造的產品。先看運算架構：X100 在單顆嵌入式 SoC 上整合最多 16 個高效能 AMD「Zen 5」CPU、獨立顯示卡等級的整合式 GPU，以及高能源效率 NPU，負責低功耗、持續在線的推論，例如持續進行視覺與音訊感知。
另一項關鍵技術是統一記憶體架構：最高 128GB 容量、273GB/s 頻寬，CPU、GPU、NPU 之間可零拷貝交換資料。
為什麼這一點對機器人格外重要？傳統 CPU＋外接加速器架構相當分散，感知、規劃、控制等數百個並行執行緒必須在不同運算域之間反覆搬移資料，每個週期都會耗費時間；而在整合式架構下，高效能 CPU 與 AI 加速器可在同一記憶體上運作，實現零拷貝。
此外，硬即時能力也有助於提升確定性。X100 透過統一記憶體的工作負載隔離、PREEMPT_RT 即時 Linux 修補程式、快取預留與記憶體頻寬分配等技術，實現低於 7 微秒的中斷延遲。
此外，嵌入式領域還有一項基本門檻：10 年產品生命週期、全年無休運作、-40°C 至 105°C 的工業溫度範圍，以及 45W 至 120W 可設定 TDP——這也正是 AMD 嵌入式事業部數十年來的核心優勢。
今年 1 月 CES 上，AMD 已發表針對邊緣智慧的 P100 系列，X100 延續其設計，兩者腳位相容。Kirk Saban 强调，這顆晶片是 AMD 機器人大腦布局的起點，未來產品藍圖將持續推進。
03 - 從晶片到「交鑰匙」，AMD「開放」理念貫穿始終
對機器人使用者而言，一大挑戰在於如何從開發順利走向量產。AMD 此次發表的 Kria AI 解決方案，就是為了降低使用門檻並加速量產。
這套解決方案分為兩大部分：一是搭載 X100 的 Kria AI 系統模組（ SOM ）與機器人載板；二是 Kria AI 機器人開發者平台（ Kria AI Robotics Developer Platform ）。
SOM 並不是新的產品型態，AMD 在這個領域已有多年累積——簡單來說，它是一塊預先完成工程設計的板卡，記憶體介面、設定介面等工作都由 AMD 預先完成，客戶插入基板即可使用，省去最耗時的硬體前期開發。
最新 Kria AI SOM 搭載 X100 處理器，採用 COM-HPC 開放標準外型（ 120×120mm ），將異質運算、統一記憶體、每秒 8,000 次控制決策的即時控制能力，以及低於 100 毫秒的 VLA 推論，全部整合在這塊掌心大小的模組中。更關鍵的是其生態策略：整個 SOM 生態系向 ODM 合作夥伴網路開放，客戶可客製化載板，依應用需求在效能、功耗與成本之間彈性選配，進而快速邁向量產。
此外，AMD 也推出 Kria AI 機器人開發者平台，並表示這是首個針對自主機器人的開放式交鑰匙整合平台，融合 CPU、GPU、NPU 與 FPGA 的異質運算能力。其介面配置完全依機器人需求設計——正面配置時間敏感網路（ TSN ）輸入、攝影機介面等機器人專用連接，背面則為乙太網路、USB、顯示等標準介面。
這個平台最吸引開發者的設計，也是「交鑰匙」真正的意義：開發者在桌面上除錯使用的 SOM，與未來透過合作夥伴生態系作為量產模組出貨的，是同一款產品。從概念到原型只需數天，開發完成後即可直接轉入上市流程。
此外，比硬體更值得注意的是「開放」理念的落實程度：SOM 採用開放標準，基板電路圖作為參考設計向客戶開放，載板上的 FPGA RTL 設計也將開源，方便客戶依需求修改並快速上市。
軟體堆疊同樣沿著開放路線發展。AMD 機器人軟體套件以 ROCm 與 ROS 2 為基礎建構，支援 PyTorch、ONNX、MoveIt 等產業標準框架，模型庫已涵蓋 OpenVLA、Pi-0、CogACT 等主流 VLA 模型，以及 Llama 3.2-Vision、Qwen3、DeepSeek-R1 等多模態模型。
由於 ROCm 適用於 AMD 全系列 GPU，Instinct 資料中心端的軟體創新將持續整合至同一個程式碼庫，這意味著開發者可在雲端使用 Instinct GPU 訓練機器人基礎模型，再以同一套軟體堆疊部署至 X100。雲端訓練、機器人端部署——這也是 AMD 全端策略在實體 AI 上最具體的呈現。
根據 AMD 測試結果，AMD 開放式軟體堆疊支援從 CUDA 移轉至 ROCm，開發者最高可保留 75% 的既有 CUDA 程式碼，並藉由 AMD 開放且垂直整合的機器人軟體套件加速開發。
除了開放式硬體與軟體支援之外，AMD 在生態系方面也延續相同的開放策略。
会上，AMD 宣布推出 Robotics Partner Network（機器人合作夥伴網路），該計畫透過統一的 AMD 硬體與以開放標準建構的軟體基礎，將 ODM、ISV、模擬供應商、感測器與感知技術公司、安全與基準測試合作夥伴，以及系統整合商串聯起來。
AMD 打造機器人合作夥伴網路的實際背景，源自產業長期存在的整合痛點：AI 模型、中介軟體、感測器、模擬工具、系統整合商及生產硬體等元件往往來自不同供應商，彼此之間缺乏驗證。
AMD 嵌入式事業工業、機器人與醫療市場資深總監 Amey Deosthali 表示，沒有任何一家企業能夠獨自建構實體 AI 的未來，透過 AMD 機器人合作夥伴網路，可減少整合工作量、縮短開發週期，並讓機器人專家以更高的彈性與可移植性，從參考平台邁向量產系統。
據了解，這項計畫涵蓋 AMD 從邊緣系統（採用 AMD Ryzen AI 嵌入式處理器與 AMD Versal 自適應 SoC）到資料中心基礎設施（採用 AMD EPYC 處理器與 AMD Instinct GPU）的運算平台，旨在為客戶提供開放、經過驗證且可量產的機器人解決方案，涵蓋感知、規劃、控制、模擬、訓練與部署等環節。
寫在最後
二十多年前，FPGA 賦予機器人感知與行動能力；如今，AMD 想讓機器人學會如何思考。回顧 AMD 在實體 AI 領域的最新布局，涵蓋晶片、開發平台、量產模組、開放軟體與開放生態系五大方向，目標相當明確：將二十年來在機器人「身體」領域累積的確定性與產業經驗，延伸至「大腦」這個價值最高的領域。
而機器人大腦之爭不會只是資料中心競爭的簡單延續。資料中心比的是峰值運算能力，機器人比的是每一毫秒的確定性；資料中心可以靠單點效能取勝，機器人卻必須仰賴整條產業鏈協同驗證。AMD 著力的三大支點——確定性、開放與全端，恰好都是這個產業長期面臨、也最難僅靠一顆晶片解決的問題。這場競爭的核心，更在於誰能將可靠性做到極致，並真正落實生態系合作。
對相關產業鏈而言，這項訊號同樣值得重視：機器人「大腦」的市場格局仍未定型，發展機會依然存在。如何在高度碎片化的應用場域中找到長期發展方向，並建立獨特競爭力——這是 AMD 必須回答的問題，也是所有業者共同面臨的挑戰。
閱讀原文 |
