在近期举办的Computex展会上，给我留下深刻印象的莫过于多位半导体行业领军人物接连登台：高通、Marvell、英特尔，而压轴出场的恩智浦（NXP）首席执行官Rafael Sotomayor带来了一场引人深思的分享。他抛出了一个耐人寻味的问题——对于机器而言，究竟什么才能称得上“精英”？他以几天后即将开幕的世界杯比赛为引子，巧妙地将话题过渡到对物理人工智能（Physical AI）架构的系统性探讨。

从梅西到莫拉维克：本能反应才是物理AI最难破解的核心

Sotomayor首先描绘了一名顶级球员在极限压力下高水平发挥的场景。他指出，真正的卓越并不在于身体素质或战术理解，而在于高压环境下那种近乎本能的精准执行。他将这一逻辑延伸至机器人领域，引出了计算机科学界知名的“莫拉维克悖论”（Moravec's Paradox）：推理和下棋对机器而言轻而易举，但走路、叠衣服这类人类与生俱来的本能动作，却让机器难以攻克。他强调：“本能反应，正是物理人工智能的真正基石，也是最难突破的瓶颈。”

向生物学取经：神经轴架构如何模拟三层智能

如何破解这个悖论？他将人类神经系统拆解为三个层级：大脑皮层负责推理，响应时间约300毫秒；小脑负责协调，虽然速度更快但仍存在局限；脊髓负责反射，以40毫秒的速度独立处理感觉输入并直接输出行动指令，完全无需大脑参与。他举了一个生动的例子——当天早晨他差点被摩托车撞到，“今天早上救了我的，是脊髓的反射，而不是大脑皮层的推理。”

大自然的设计哲学非常清晰：将本能反应部署在离行动最近的位置。越近意味着越快，越快意味着越安全，同时也意味着能耗最低。这一生物学蓝图，正是恩智浦“神经轴架构”（Neural Axis Architecture）的设计原型——推理层、协调层与反射层，三个层次既相互独立又高度协同。

三类产品落地，一套架构统一

在演讲现场，他通过无人机、软件定义汽车和人形机器人三种产品形态，展示了这一架构的实际应用：

在无人机领域，核心指标是“端到端延迟”——从摄像头捕捉画面到无人机做出响应，整个闭环仅需20毫秒。这项指标直接决定了无人机的稳定性与安全性。

在软件定义汽车方面，恩智浦凭借5nm S32N系列中央计算平台及S32K5区域控制器，在协调层和反射层确立了市场领先地位。他强调，三个层次的逻辑与物理分离，是汽车系统可靠性的根本保障。“汽车关乎生命安全，容不得半点差错。”

在人形机器人领域，他描绘了一个仓库机器人在被托盘碰撞后，需要在40毫秒内完成平衡恢复、握力调整、位置确认并继续行走的场景。“没有云端调用，没有等待模型响应的时间。智能就在身体里，在关节里，在手和脚里。”

不仅要行动，更要理解物理世界

演讲进一步探讨了“运动”与“理解”之间的本质差异——机器人能够完美执行动作，不代表它真正理解背后的物理规律。为此，恩智浦引入了视觉-语言-行动模型（VLA），作为连接感知与理解的桥梁，并推出了eIQ工具套件，帮助客户将云端训练的VLA模型高效迁移到边缘端硬件上。

信任，必须在设计之初就嵌入系统

在信任话题上，他引用了墨菲定律与菲纳格定律，直言：“信任不是在一帆风顺时被定义的，而是在最糟糕的时刻被定义的。”恩智浦的信任框架涵盖隔离、保护与验证三个维度，已引入后量子加密技术，并推出SafeAssure认证计划。“因为真实世界没有‘撤销’按钮。”

重新定义“精英”机器：可靠比智能更重要

最后，他用市场数据佐证了物理人工智能的商业价值：部署了AI机器人的工厂已实现比传统自动化再提升40%的生产率；2025年，诊断和实验室机器人销售额同比增长610%。恩智浦同时披露了与波士顿动力及GE医疗的深度合作，分别覆盖工厂协作机器人与麻醉智能系统领域。

正如开篇所问——顶尖运动员如何成就卓越？关键不在于那些看得见的技能，而在于那些看不到的东西：身体里隐形的架构，即“神经轴”。在物理人工智能的世界里同样如此。精英不是智能本身。精英是在现实世界中、在真实条件下，尤其是当事情出错时依然能够可靠地表现。这将是定义下一代机器的标准，也将决定物理人工智能以何种方式、多快进入我们的生活。