AMD把CPU+GPU+NPU+FPGA塞进机器人——物理AI的“完整大脑”长什么样？

2026年7月23日，美国旧金山，AMD Advancing AI 2026大会。

AMD CEO苏姿丰博士站在台上，抛出了一个让整个机器人行业为之一振的判断：“AI的下一阶段将跨越基础模型、智能体和物理AI，将智能带到每一个角落。”

紧接着，AMD发布了一套被媒体称为“物理AI软硬件全家桶”的方案——Kria AI解决方案。

这套方案并不是一块普通的开发板。它试图回答一个根本性问题：物理AI的“完整大脑”到底应该长什么样？

一、物理AI：从“思考”到“行动”

在理解Kria AI之前，先搞清楚一个概念：物理AI（Physical AI）到底是什么？

过去两年的AI热潮，基本发生在数字世界。ChatGPT在屏幕上回答问题，Midjourney生成图片——它们处理的是信息，而不是物理世界。

而物理AI完全不同。它指的是那些在真实物理世界中感知、决策、行动的智能系统——人形机器人、自动驾驶汽车、工业机械臂、无人机、智能工厂设备。

如果说数字AI是“思考”，物理AI就是“思考+行动”。两者的差距，比看上去大得多。

数字AI错了，可以重来。物理AI错了，机器人可能摔倒，自动驾驶可能出事，机械臂可能伤人。

物理AI的核心挑战，不是算力不够，而是“确定性”和“实时性”必须同时满足。

在数字世界，延迟几毫秒无所谓。在物理世界，控制信号的每一毫秒延迟都可能带来灾难性后果。一家机器人OEM的联合创始人在调研中直言：“可预测的时序与峰值算力同等重要。”

AMD在大会前做了一项面向全球177家机器人企业的专项调研，结果推翻了一个传统认知：“唯峰值TOPS算力”的选型思维是错的。调研确认了行业的三大核心诉求：算力的确定性、开放无锁定的架构、统一平台适配全品类机器人。

而这三点，恰好是FPGA的天然优势。

二、“大脑”+“身体”：Kria AI的两层架构

Kria AI解决方案由两层构成：Kria AI系统级模块（SOM） 和 Kria AI机器人开发者平台。

第一层：Kria AI SOM——机器人的“大脑”

Kria AI SOM搭载AMD锐龙AI嵌入式X100系列处理器，在单颗嵌入式SoC上集成了：

• 最多16颗Zen 5 CPU核心：用于实时控制、导航、规划及数百个软件线程的编排
• 最多40组RDNA 3.5集成GPU：用于沉浸式图形和视觉计算
• XDNA 2 NPU：高能效AI加速，约50TOPS算力
• 统一内存架构：提供最高128GB LPDDR5X内存

X100系列处理器有三个型号：X199（16核）、X188（12核）、X168（8核），每个型号都有常规版和工业版。预计2026年第四季度正式量产供货。

第二层：Kria AI机器人开发者平台——机器人的“身体”

如果SOM是“大脑”，那机器人开发者平台就是“大脑”和“身体”之间的连接器。

它包含一块搭载Spartan UltraScale+ FPGA的机器人载板，以及一套完整的机器人软件套件（基于AMD ROCm和ROS 2框架）。

Spartan UltraScale+ FPGA在这套架构里专门负责一件事：传感器聚合与融合。

摄像头、雷达、激光雷达、力传感器——这些传感器各自使用不同的接口协议和数据格式。FPGA负责把它们的数据实时采集、对齐、融合，然后统一交给“大脑”处理。

CPU负责思考，GPU负责推理，NPU负责高效AI加速，FPGA负责感知世界。

三、异构计算的“交响乐团”：为什么FPGA是底座？

物理AI的计算需求极其复杂。摄像头需要实时视觉理解，雷达需要环境感知，力传感器需要动态决策，电机需要精准运动控制。这些任务背后的计算需求完全不同——CPU适合控制逻辑，GPU适合AI推理，NPU适合低功耗AI加速，FPGA适合确定性实时处理。

没有一种芯片能单独搞定所有事情。 这就是为什么物理AI需要异构计算。

AMD在机器人领域的布局并非一夜之间。过去20多年，AMD的自适应计算技术一直为工业与手术机器人的传感、安全和实时控制系统提供支持。收购赛灵思之后，AMD已经拥有了覆盖CPU、GPU、FPGA、AI加速器的完整技术体系。

Kria AI的本质，就是把这些能力重新组合成面向物理AI的完整解决方案。

用一张图来理解AMD的布局：

组件	角色	功能
Kria AI SOM	机器人的“大脑”	高级感知、推理、决策
Versal AI Edge	机器人的“脊柱”	高速数据与自适应计算
Zynq UltraScale+	机器人的“关节”	实时控制
Spartan UltraScale+	机器人的“底座”	传感器聚合与融合

这个架构清晰地展示了FPGA在物理AI中的“底座”位置——它不是最顶层的“大脑”，但它是让“大脑”能够“看见”和“感知”物理世界的必经之路。

正如EET China的复盘分析所指出的，AMD已构建起一套覆盖机器人大脑、躯干、关节、底座及边缘传感器的完整FPGA+异构处理器产品矩阵，形成了标准化的“感知—推理决策—执行”三层智能闭环。

四、“确定性”是物理AI的生命线

Kria AI最核心的技术指标，不是TOPS，而是每秒超过8,000次控制决策的确定性实时控制。

这是什么意思？

传统GPU的处理延迟受缓存命中率、调度抖动影响，最坏情况可能是平均的几倍。在机器人控制中，“平均1毫秒”没有意义——如果某一次延迟突然变成了5毫秒，机器人可能已经失控。

FPGA的延迟是完全确定的。 没有指令调度、没有缓存未命中、没有中断——每一次处理的延迟都是可预测的。

与此同时，Kria AI还能实现低于100毫秒的视觉-语言-动作（VLA）AI推理，同时支持多达234个智能体的并发运行。

AMD宣称其机器人工作负载的实时可靠性比NVIDIA Jetson Thor高出3.4倍，同时运行的AI代理数量增加2.3倍。

五、2000亿美元的市场与开放生态

AMD预测，到2035年，全球物理AI芯片市场规模将达到2000亿美元。

这个预测并非空穴来风。物理AI的市场需求正在从实验室走向工厂、医院、仓库和道路。

AMD同时推出了AMD开放机器人合作伙伴网络，通过统一的AMD硬件和基于开放标准构建的软件基础，汇聚ODM制造商、ISV、仿真提供商、传感器公司、安全与基准测试合作伙伴以及系统集成商。首批硬件合作伙伴包括磐仪、广积、威强电等台湾厂商。

这套策略的逻辑很清楚：硬件是底座，生态是护城河。

Kria AI平台还提供开源底板原理图与FPGA设计，支持从概念到原型仅需数天。软件栈基于ROCm与ROS 2构建，消除供应商锁定。

六、不止AMD：物理AI的“中国底座”

AMD并非孤军奋战。2026年，物理AI赛道迎来了密集的产业布局。

Altera：FPGA专为物理AI设计

2026年3月，Altera在Embedded World 2026上展示了Agilex FPGA如何专为物理AI系统的实时处理需求而设计。Altera正在联合生态伙伴，构建从传感器到执行器的一体化架构。Agilex FPGA集成了分布式AI张量块、ARM处理器、LPDDR5/DDR5内存支持和高性能I/O，用于加速传感器融合、AI推理和实时控制。

ALINX：FPGA+GPU异构实践

2026年5月，ALINX推出了基于AMD Virtex UltraScale+ VU13P FPGA与NVIDIA Jetson Thor的异构开发平台HEA13。这个平台的逻辑很清晰：FPGA负责高速数据流实时处理，Jetson Thor提供AI算力，两者通过PCIe Gen3 x8直连。整个平台构成一套“AI计算+实时数据系统”的异构系统。VU13P核心资源包括3780K Logic Cells、12288 DSP Slices，足以支持大量并行硬件模块同时运行。

Sapphire：量产级机器人平台

2026年7月，Sapphire Technology发布了EDGE+ Apex机器人平台，搭载AMD Ryzen AI Embedded X100系列处理器，配套载板采用AMD UltraScale+ FPGA，支持GMSL摄像头、CAN-FD、EtherCAT等丰富接口。

国产厂商的布局

复旦微电第五代FPAI旗舰产品FMZQ400TAI，单芯片集成8核CPU+NPU+FPGA，峰值AI算力达128TOPS@INT8。紫光同创的Kosmo系列采用“CPU+FPGA+NPU”多核异构架构，助力工控、视频图像、通信及AI等领域。安路科技的PH1P系列车规FPGA已通过AEC-Q100 Grade 2认证。

物理AI，正在成为FPGA最大的增量市场。

Kria AI的发布，对正在学FPGA的同学释放了几个明确的信号：

第一，FPGA正在成为物理AI的“底座”。 它不是最炫酷的“大脑”，但没有它，“大脑”就无法感知物理世界。传感器聚合、数据融合、确定性控制——这些是FPGA无法被替代的核心价值。

第二，异构计算是物理AI的唯一答案。 CPU、GPU、NPU、FPGA各司其职，没有一种芯片能包打天下。

第三，确定性比算力更重要。 在物理世界，“每一次都准时”比“大多数时候很快”重要得多。FPGA的确定性延迟，正在成为物理AI系统的“生命线”。

第四，物理AI正在创造巨大的增量市场。 2000亿美元的市场预测背后，是数以万计的岗位需求。

AMD把CPU、GPU、NPU、FPGA塞进了一台机器人。而这四个字——异构计算——正在定义物理AI的未来。