物理 AI，正在成为英特尔（INTC）发力 AI 的重点。
近日，英特尔（INTC）宣布任命 Alex Katouzian 领导新成立的客户端计算与物理 AI 事业部，直接向公司首席执行官陈立武汇报。此前，在 2026 年第一季度财报电话会议上，陈立武也表示，“物理 AI 是一个巨大的市场…… 对我们来说是一个机遇”，同时他也强调，“物理 AI 能从 CPU 中获益良多，因为 CPU 在性能功耗比上具有独特的优势”。
所谓物理 AI，指的是 AI 与物理系统的结合，让物理载体能够自主地与现实世界互动并进行回应。虽然已经成为业界的“当红炸子鸡”，但毋庸讳言，要想实现大规模商业化，物理 AI 尚有诸多技术挑战需要解决。在这一过程中，相比起参数高达数万亿的大模型，各类物理 AI 更需要强大的感知和推理能力，帮助它们实时理解所处的生产生活环境，在各种情况下做出可靠的决策。
英特尔（INTC）中国研究院正在积极探索具身智能、计算机视觉等前沿领域，与行业伙伴密切协作，加速物理 AI 的产业化落地进程。近日，英特尔（INTC）中国研究院院长宋继强接受媒体专访，分享了英特尔（INTC）在物理 AI 领域的最新洞察，以及英特尔（INTC）的软硬件产品组合如何为相关客户带来独特的价值。
异构计算驱动物理 AI
宋继强指出，物理 AI 需要部署在工业、医疗、零售等差异化的场景，各个场景对传感器（885946）精度和行动实时性的要求不同，所需设备的性能、功耗和尺寸也不同，因此很难用同一种硬件解决所有问题，在底层硬件架构上，异构计算成为必然的选择。
这正是第三代英特尔（INTC）酷睿 Ultra 处理器能够发挥独特价值的地方。作为 XPU 架构处理器，它内部集成了 CPU、GPU 和 NPU 模块，可供灵活调配，支持物理 AI 上多样性的工作负载：如果应用需要特别高的能效比，由 NPU 提供支持；实时性要求高、需要浮点运算能力的任务，如传感器（885946）数据的同步和处理，可以由 CPU 来完成，至于对实时性要求格外高的任务，可以分配一个专门的 CPU 核去执行，确保不会被其它任务打断；GPU 则可以用来运行计算机视觉大模型。
在异构硬件的上层，可以根据应用需要打造不同形态的物理 AI，如机器人、机械臂、智能汽车等等。目前主流的应用构建方式已经由传统的预先编程或定义功能库转变为多智能体库，由不同的智能体分别负责感知、规划、行动等等任务，按照场景的需求动态协作并生成执行流程。异构硬件也能够以高能效比的方式调用不同的智能体。
软硬件协同优化保障可靠性
宋继强表示，英特尔（INTC）在工业机器人运动控制领域有着深厚的技术积累，这方面的经验能够很好地复制到物理 AI 领域。
一方面，英特尔（INTC）的硬件平台能够很好地满足对高精度、高频率、高实时性的要求，保障工业级别的可靠性。另一方面，英特尔（INTC）擅长系统调优，在物理 AI 的现实部署中，能够让底层的硬件平台和上层的软件妥善协同运行。这一点之所以重要，是因为如果物理 AI 要完成实际的生产生活任务，一定需要和整个系统里的其它部分进行通信，需要确保在其它传统的业务软件运行时，物理 AI 的控制、动作类任务也能实时、可靠地运行，二者间不会发生冲突。
第三代酷睿 Ultra 处理器也针对物理 AI 做了大量有针对性的优化。在硬件层面上，它在宽温和耐用性上都达到了工业级别的要求，在板级设计上，也专门添加了一些工业场景需要的接口。此外，在软件层面，它也支持各种主流的物理 AI 模型，如 CNN（卷积神经网络）、DNN（深度神经网络）、VLA（视觉 — 语言 — 动作模型），以及 EtherCAT 工业通信协议。
灵活满足算力需求
谈到物理 AI 对算力的需求，宋继强表示，这取决于具体的应用领域。以搬运物体的任务为例，如果只是从此处移到彼处，需要的算力基本就在视觉处理和 VLA 模型两部分，具体取决于不同厂商使用的 VLA 模型和优化的程度。
优化比较好的开源 VLA 模型完全可以只在第三代酷睿 Ultra 处理器上运行。具体来说，它的计算内核数量可以按需配置，最多支持 16 个 CPU 核和 12 个 GPU 核，加上 NPU 可提供最高达 180 TOPS 的 AI 算力。
闭源的、客户自定义的模型，算力消耗难以预估，但有其它的方法可以满足对应的需求。既可以在酷睿 Ultra 处理器之外添加一个 AI 加速器，也可以通过超低延迟的无线通讯，将酷睿 Ultra 处理器与边缘计算盒子相连接，这种方案特别适合多个机器人在同一场景工作的情况，因而有着广阔的应用前景。
加速物理 AI 应用落地
目前，英特尔（INTC）尚未开发专门的物理 AI 处理器，宋继强认为，这是由物理 AI 的发展现状所决定的。在物理 AI 的上层算法尚未达到统一和成熟阶段时，对硬件来讲最好的方法就是保持一定的通用性。展望未来，当物理 AI 的互操作标准确立，硬件厂商就可以基于明确的标准要求去设计专用的芯片，包括计算内核、存储、互连等关键功能单元。标准的统一将极大地简化通用模块与定制化部分的集成流程，从而显著加速专用芯片的开发周期（883436）。届时，从芯片定义到流片、测试，再到最终交付业界使用，整个流程将得以高效推进。
虽然物理 AI 处理器尚需时日，但英特尔（INTC）在这一领域却从未停步，在第三代酷睿 Ultra 处理器之外，同样进展频频。2025 年 4 月，英特尔（INTC）发布具身智能大小脑融合方案，为具身智能的规模化、场景化应用落地夯实基础；2025 年 10 月，英特尔（INTC）推出英特尔（INTC）机器人 AI 套件，提供了一套面向行业的精选功能组合，帮助企业加速推进和评估面向机器人的物理 AI 工作负载；2025 年 12 月，英特尔（INTC）联合产学合作伙伴提出了一套具身智能机器人（886069）安全子系统设计框架，旨在为机器人系统提供全方位、多层次的安全保障。
CPU 正在重回 AI 时代的核心位置，在数据中心中，其和 GPU 的配比正在大幅收窄至 1 比 2 乃至 1 比 1。随着英特尔（INTC）同步推进在物理 AI、智能体 AI 等领域的技术创新，这家公司正在 AI 浪潮中找到自己独特的位置。
